只是记录一下怕忘记的东西(-持续)

10.96.50.102:9092, 10.96.50.103:9092, 10.96.50.104:9092, 10.96.50.18:9092, 10.96.50.19:9092

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 2 --partitions 2 --topic test


./kafka-console-consumer.sh --zookeeper 192.168.3.101:2181 --topic tcpflume


bin/flume-ng agent --conf conf --conf-file conf/tcp-agent-kafka-temp.properties --name a1 -Dflume.root.logger=info,console &

create table xar_test1(id int,price int,name string)
create table xar_test2(subId int,sex int,address string) row format delimited fields terminated by '\t';
 10.9.115.35,10.9.135.47


load data local inpath 'wyp.txt' into table wyp;
Copying data from file:/home/wyp/wyp.txt
Copying file: file:/home/wyp/wyp.txt

/opt/cloudera/parcels/CDH-5.8.0-1.cdh5.8.0.p0.42/lib/hbase/bin sh hbase-daemon.sh start thrift2 -f -hsha --infoport 9096 -p 8090 -w 10


hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.columns='HBASE_ROW_KEY,cf:usr_id,cf:usr_name,cf:cert_id,cf:cert_id_enc,cf:cert_type,cf:cert_chk_flag,cf:cert_prov,cf:cert_area,cf:usr_sex,cf:usr_age' -Dimporttsv.skip.bad.lines=false '-Dimporttsv.separator=|' -Dcreate.table=no ns_ink:DIM_TRUST_USER_BASE_INFO /user/admin/ink/data/credit/raw/DIM_TRUST_USER_BASE_INFO.csv
hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.columns='HBASE_ROW_KEY,cf:usr_mp,cf:usr_mp_enc,cf:mp_prov,cf:mp_area,cf:mp_operators,cf:mp_chk_flag,cf:usr_email,cf:usr_email_enc,cf:usr_addr' -Dimporttsv.skip.bad.lines=false '-Dimporttsv.separator=|' -Dcreate.table=no ns_ink:DIM_TRUST_USER_ADD_INFO /user/admin/ink/data/credit/raw/DIM_TRUST_USER_ADD_INFO_20170221.csv



hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.columns='HBASE_ROW_KEY,cf:usr_id,cf:ord_id,cf:ord_date,cf:dep_date,cf:org_city_name,cf:des_city_name,cf:flight_no,cf:cabin_name,cf:tick_amt,cf:airpt_amt' -Dimporttsv.skip.bad.lines=false '-Dimporttsv.separator=|' -Dcreate.table=no ns_ink:FACT_TRUST_USER_FLIGHT_LOG  /user/admin/ink/data/credit/raw/FACT_TRUST_USER_FLIGHT_LOG_20170222.csv

hbase org.apache.hadoop.hbase.mapreduce.ImportTsv -Dimporttsv.columns='HBASE_ROW_KEY,cf:usr_id,cf:index_id,cf:index_value' -Dimporttsv.skip.bad.lines=false '-Dimporttsv.separator=|' -Dcreate.table=no ns_ink:FACT_TRUST_USER_TRADE_COLLECT /user/admin/ink/data/credit/raw/FACT_TRUST_USER_TRADE_COLLECT_20170221.csv



{NAME => 'cf', VERSIONS => '2147483647'},{NAME => 'ecf1',VERSIONS => '2147483647'}



FROM centos
MAINTAINER fengwan.blog.iyunv.com
RUN rm -rf /etc/localtime && ln -s /usr/share/zoneinfo/Asia/Shanghai /etc/localtime #修改时区
RUN yum -y install kde-l10n-Chinese && yum -y reinstall glibc-common #安装中文支持
RUN localedef -c -f UTF-8 -i zh_CN zh_CN.utf8 #配置显示中文
ENV LC_ALL zh_CN.utf8 #设置环境变量
RUN yum -y install python-setuptools && easy_install pip && pip install supervisor #安装supervisor多进程管理工具,用于启动多进程

docker run -d -p 8002:8090 -v /app/docker/war/:/app/wildfly-10.1.0.Final/standalone/deployments/ -v /app/docker/etc/:/app/etc/ -v /app/docker/logs/:/app/mdpasv2/logs -v /app/docker/jbosslog/:/app/log -v /etc/localtime/:/etc/localtime.ro --privileged=true --name=testing huifu/jbossandjdk:v10.8 sh -c 'sh /app/startjboss.sh'


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值