2012年11月_Baocai3000

11月 10月 09月 08月 07月 06月 04月 03月 02月 01月

转载 storm应用场景

Storm是Twitter开源的一个类似于Hadoop的实时数据处理框架（原来是由BackType开发，后BackType被Twitter收购，将Storm作为Twitter的实时数据分析）。实时数据处理的应用场景很广泛，如上篇文章介绍S4时所说的个性化搜索广告的会话特征分析。而Yahoo当初创建S4项目的直接业务需求就是为了在搜索引擎的‘cost-per-click’广告中，能根据当前情景上下文

2012-11-13 13:55:49 7186 1

转载 strom grouping

http://blog.sina.com.cn/s/blog_406d9bb00100ui5p.htmlstream grouping分类1. Shuffle Grouping: 随机分组，随机派发stream里面的tuple，保证每个bolt接收到的tuple数目相同.2. Fields Grouping：按字段分组，比如按userid来分组，具有

2012-11-13 13:53:27 1194

转载复杂网络

//http://zh.wikipedia.org/wiki/%E5%A4%8D%E6%9D%82%E7%BD%91%E7%BB%9C1.复杂网络，复杂网络是由数量巨大的节点和节点之间错综复杂的关系共同构成的网络结构。2.小世界网络：小世界网络的判定准则有两个，分别是特征路径长度短，和高集聚系数。网络的特征路径长度是指在它的图表示中，两个节点的路径长度的平均值（这里路径长度指两节点间最短路

2012-11-13 11:27:09 2416

转载 MM1模型

//tracebakc:http://zh.wikipedia.org/wiki/M/M/11.可用M/M/1模型的例子众多，例如只有一位员工的邮局，只有一队列。客人进来，排队、接受服务、离开。如果客人进来的数目符合泊松过程，且服务时间是指数分布，则可用M/M/1模拟，并算出平均队列长度、不同等候时间的机率等。 M/M/1可一般化成为M/M/n模型，使可用时接受服务的人数为大于一。历史上

2012-11-13 11:19:13 8403

转载 twitter storm(Stream grouping)

SplitSentence对于句子里面的每个单词发射一个新的tuple, WordCount在内存里面维护一个单词->次数的mapping， WordCount每收到一个单词，它就更新内存里面的统计状态。有好几种不同的stream grouping:最简单的grouping是shuffle grouping, 它随机发给任何一个task。上面例子里面RandomSentenc

2012-11-08 19:59:54 1014

p6spy改造去掉resultset和添加每日归档

附件中就是p6spy改造去掉resultset和添加每日归档的jar。方法：打开eclipse，导入-eclipse,进行自己的修改（已改完）将src复制到-src下面，运行ant命令即可在dist生成p6spy.jar文件参照sp6.properties进行修改即可

2013-07-31

基于Web的高校田径运动会管理系统的设计.pdf

2008-05-06

僵尸网络研究

介绍了僵尸网络的演化<br>过程和基本定义,深入剖析了僵尸网络的功能结构与工作机制,讨论了僵尸网络的命令与控制机制和传播模型,并归<br>纳总结了目前跟踪、检测和防御僵尸网络的最新研究成果,最后探讨了僵尸网络的发展趋势和进一步的研究方向.

2008-05-04

JavaClass文件的结构分析及其校验.pdf

上海计算所分析的关于java字节码的结构组成