2014/1/21杂记

2014/1/21杂记

1     云服务商评估体系建立,首批10家企业通过可信云服务认证

国内开始促进公有云的应用:

可信云服务认证是在工信部通信发展司的指导下,由云计算发展与政策论坛成立的“可信云服务工作组”组织开展。可信云服务工作组成员包括工信部电信研究院、三家电信运营商、主要互联网企业和设备提供商。

http://www.csdn.net/article/2014-01-20/2818182-cloud-service

 

2     利用ElasticSearch和Redis检索和存储十亿信息

原文:

http://highscalability.com/blog/2014/1/6/how-hipchat-stores-and-indexes-billions-of-messages-using-el.html

译文:

http://www.csdn.net/article/2014-01-16/2818165-how-hipchat-stores-and-indexes-billions-of-messages

3     ElasticSearch 基于Lucene的分布式搜索引擎

http://www.elasticsearch.org/

http://baike.baidu.com/view/8005387.htm

ElasticSearch是一个基于Lucene构建的开源,分布式,RESTful搜索引擎。设计用于云计算中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。支持通过HTTP使用JSON进行数据索引。

4     CouchDB 面向文档的分布式数据库

http://baike.baidu.com/view/2024470.htm

 

 

5     Redis 缓存系统

http://baike.baidu.com/view/4595959.htm

Redis是一个开源的使用ANSIC语言编写、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库,并提供多种语言的API。从2010年3月15日起,Redis的开发工作由VMware主持。

redis是一个key-value存储系统。和Memcached类似,它支持存储的value类型相对更多,包括string(字符串)、list(链表)、set(集合)、zset(sortedset --有序集合)和hash(哈希类型)。这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作,而且这些操作都是原子性的。在此基础上,redis支持各种不同方式的排序。与memcached一样,为了保证效率,数据都是缓存在内存中。区别的是redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件,并且在此基础上实现了master-slave(主从)同步。

6     MarianDB:MySQL分支,永久免费,可商用

http://baike.baidu.com/view/2521908.htm

MariaDB数据库管理系统是MySQL的一个分支,主要由开源社区在维护,采用GPL授权许可。开发这个分支的原因之一是:甲骨文公司收购了MySQL后,有将MySQL闭源的潜在风险,因此社区采用分支的方式来避开这个风险。 MariaDB的目的是完全兼容MySQL,包括API和命令行,使之能轻松成为MySQL的代替品。在存储引擎方面,使用XtraDB(英语:XtraDB)来代替MySQL的InnoDB。 MariaDB由MySQL的创始人Michael Widenius(英语:Michael Widenius)主导开发,他早前曾以10亿美元的价格,将自己创建的公司MySQL AB卖给了SUN,此后,随着SUN被甲骨文收购,MySQL的所有权也落入Oracle的手中。MariaDB名称来自Michael Widenius的女儿Maria的名字。

客户端采用LGPL协议,允许免费商用。

从MySQL转向MariaDB的代表厂家:谷歌(2013年9月)、Red Hat(2013年6月)、维基百科(2013年4月),参考http://baike.baidu.com/view/24816.htm#18_1

从MySQL转向PostgreSQL的代表厂家:苹果(2011年),参考http://baike.baidu.com/view/24816.htm#18_2

参考https://mariadb.com/products/connectors-plugins

MySQL的客户端采用GPL、商用双协议,参考http://baike.baidu.com/view/24816.htm#16

7     关于LGPL、GPL

http://baike.baidu.com/view/606545.htm

LGPL最初是LibraryGPL的缩写,后来改称作Lesser GPL,即为更宽松的GPL。当一个自由软件使用GPL声明时,该软件的使用者有权重新发布、修改该软件,并得到该软件的源代码;但只要使用者在其程序中使用了该自由软件,或者是使用修改后的软件,那么使用者的程序也必须公布其源代码,同时允许别人发布、修改。也就是说,使用GPL声明下的自由软件开发出来的新软件也一定是自由软件。

[1]LGPL是GPL的变种,也是GNU为了得到更多的甚至是商用软件开发商的支持而提出的。与GPL的最大不同是,可以私有使用LGPL授权的自由软件,开发出来的新软件可以是私有的而不需要是自由软件。所以任何公司在使用自由软件之前应该保证在LGPL或其它GPL变种的授权下。

关于GPL

使用GPL软件的软件,必须也是开源的。与是否收费无关。

http://baike.baidu.com/view/130692.htm

8     2014年需要了解的9个好工具

原文:

http://www.infoworld.com/d/application-development/9-technologies-supercharged-2014-233787?page=0,0&source=footer

译文:

http://www.infoq.com/cn/news/2014/01/9-popular-technologies-2014

 

 

1. Document databases

 MongoDB and Couchbase 

2. Key-value stores

 CouchbaseMemcachedInfinispan, and GemFire.

3. Graph databases

 Neo4j and Apache Giraph.

4. Google Drive/Apps

5. On-premises search

 Elasticsearch

ApacheSolr 

6. Platform as a service(PaaS)

 CloudFoundry,CloudBees, and OpenShift.

7. Cloud IDEs

Codenvy or Cloud9

8. Hadoop

9. Clustered/distributedfile systems

9     InfoWorld's developers survivalguide

http://www.infoworld.com/d/application-development/special-report-infoworlds-developers-survival-guide-191338?source=ifwelg_fssr

 

10          文化与效能:豌豆荚如何通过文化建设来提升团队效能

http://www.infoq.com/cn/presentations/culture-and-performance-wandoujia-how-to-improve-team-performance-by-culture

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