- Flink，Storm，Spark Streaming三种流框架的对比分析
Flink，Storm，Spark Streaming三种流框架的对比分析。比较清晰明确
0 6698浏览会员免费 - 大数据druid集群析搭建
网络上很多部署文档会留很多坑，现重新整理大数据druid集群实时分析搭建，亲测可用 0 307浏览会员免费 - Storm集群搭建
Storm集群搭建Storm集群搭建Storm集群搭建Storm集群搭建Storm集群搭建Storm集群搭建Storm集群搭建Storm集群搭建Storm集群搭建 0 289浏览会员免费 - numpy的基本用法，适用于大气科学以及一些大数据处理的基本方法的总结
通过各方面资料的查阅，结合自己平时自己的应用经验，把网络上以及一些参考书上关于numpy的应用方法综合性地总结了一下。把一些零散的知识碎片整合化，同时舍弃了一些我觉得其他库能够做的更好的函数。为结合大气科学的pynio和pyngl这两个库打下基础。 0 663浏览会员免费 - IBM Information DataStage V11.5安装部署操作手册.docx
IBM Information DataStage V11.5安装部署操作手册.docx 0 436浏览会员免费 - 网络数据挖掘的意义及价值所在
在不久的将来，多智时代一定会彻底走入我们的生活，有兴趣入行未来前沿产业的朋友，可以收藏多智时代，及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识，让我们一起携手，引领人工智能的未来！ 0 1391浏览会员免费 - 大数据技术之Storm.doc
大数据技术之Storm 0 213浏览会员免费 - Flume1.8安装部署
Flume1.8安装部署，包含目录结构为1、下载地址，安装环境工具下载地址 2、单个Flume安装 3、多个Flume安装及HA 4、应用场景 5、Flume-Ng组件概述 0 407浏览会员免费 - 大数据产业链构成分析.doc
大致可分为数据标准与规范、数据安全、数据采集、数据存储与管理、数据分析与挖掘、数据运维及数据应用几个环节，覆盖了数据从产生到应用的整个生命周期。 0 352浏览会员免费 - ES 、Kibana简介
简要介绍ES 、Kibana的基本概念以及两者之间通过Console交互的基本查询命令 0 1877浏览会员免费 - Strom，kafka学习笔记
排版紧凑易于阅读，笔记详细适合初学者下载学习，有详细的实践代码和说明，欢迎下载学习 0 99浏览会员免费 - 高性能高并发服务的瓶颈及突破思路
通常来说程序的定义是算法+数据结构+数据，算法简单的理解就是一种计算方式，数据结构顾名思义是一种存储组织数据的结构，这两者体现了程序需要用到的计算机资源涉及到CPU资源、内存资源，而数据部分除了内存资源，往往还可能涉及到硬盘资源，甚至是彼此之间传输数据时会消耗网络(网卡)资源。当我们搞清楚程序运行起来时涉及哪些资源后，就可以更好地分析我们的服务中哪些可能是临界资源。 0 120浏览会员免费 - Storm编程实践(安装Maven-使用Maven编译运行代码-mvn 打包)
Storm编程实践(安装Maven-使用Maven编译运行代码-mvn 打包) 0 205浏览会员免费 - storm集群部署手册
文档详细介绍安装storm集群的详细的操作步骤，并配有截图。 0 128浏览会员免费 - strom的学习记录，包括安装过程、整体介绍、监控页面等
针对storm的安装过程的介绍及整理、监控页面、storm的架构等，适合需要学习、首次安装的人做参考！ 0 76浏览会员免费 - STORM流计算Topology性能监控
STORM的TOPOLOGY在线上运行时，随着数据量的增加，在一定的服务器性能及集群规模下，会渐渐达到一个极限，到达极限后，服务器的load、io、cpu、mem等可能会出现耗尽，系统很卡，storm吞吐量骤降的情况。本文档中截图了服务器主要监控指标，可以看出瓶颈是cpu还是内存还是io 0 374浏览会员免费 - storm组件安装部署.doc
本文档主要是storm组件部署。欢迎大家关注数据科学，本人不断为大家提供数据科学相关知识，如有疑问请随时沟通不断优化 0 191浏览会员免费 - 基本的图像分类对比
支持向量机是一种基于统计学习理论的VC维理论和结构风险最小原理基础上的机器学习系统，主要用来处理二元样本的分类问题，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，来获得最好的推广能力，要求分类线不但能将两类无错误地分开，而且要使两类的分类间隔最大，前者是保证经验风险最小（如使训练误差为0），而使分类间隔最大实际上就是使置信范围最小， 0 307浏览会员免费 - storma集群安装手册(包含zookeeper集群安装和storm集群安装)
本文档包括storm集群部署的整体过程:JDK部署，zookeeper集群部署，storm集群部署 0 149浏览会员免费 - 大数据文档内容
大数据学习，现在大数据是非常火爆的，这个是文字文档 0 127浏览会员免费 - Apache Hadoop---Storm.docx
Apache Storm是一个分布式实时大数据处理系统。Storm设计用于在容错和水平可扩展方法中处理大量数据。它是一个流数据框架,具有最高的摄取率。虽然Storm是无状态的,它通过Apache ZooKeeper管理分布式环境和集群状态。它很简单,您可以并行地对实时数据执行各种操作。” 0 172浏览会员免费 - 关于智能家居的实践
智能家具的发展前景非常广阔，在未来生活中必不可少将摄像头与开发板连接，然后把它们连在电脑上，打开Linux操作系统，配置IP地址为192.168.58.100，输入相应的命令，然后打开putty串口模式登录，配置基本参数，输入命令。最后打开qt界面，打开或者关闭各个模块的按钮检测功能是否能实现。。 0 107浏览会员免费 - storm流数据处理开发应用实战(linux实验环境，storm搭建完毕后的开发)
linux实验环境，storm搭建完毕后的开发。eclipse开发环境，大数据界hello world——wordcount详解，bolt、分组机制、storm DRPC详解 0 218浏览会员免费 - 数据可视化----物流大数据服务平台 big大小：3MB数据可视化----物流大数据服务平台数据可视化----物流大数据服务平台 0 154浏览会员免费
- Apache Storm技术参考手册.docx
Apache Storm是一个分布式实时大数据处理系统。Storm设计用于在容错和水平可扩展方法中处理大量数据。 0 192浏览会员免费 - MATLAB实现SSA-GRU和GRU多输入单输出（包含详细的完整的程序和数据）
本文详细介绍了一个使用MATLAB结合滑动窗口自适应（SSA）算法与门控循环单元（GRU）进行多输入单输出（MISO）预测的实例。主要内容涵盖了利用SSA对数据做预处理提升预测质量、基于MATLAB的GRU网络搭建以及相应的程序设计细节。该方法特别适用于如金融市场数据预测等领域的长依赖时间序列数据。文中提供了详尽的步骤和完整的源代码，方便读者理解和复现操作。同时讨论了模型的实际应用及其潜在的优势和局限。 适合人群：具有一定MATLAB编程经验和对时间序列分析有一定基础知识的研究人员和工程师。 使用场景及目标：适用于有多种输入变量影响单一预测指标的情形下对复杂系统的动态进行建模和预测。 阅读建议：本文适用于希望深入掌握如何融合SSA和GRU算法解决MISO回归任务的专业人士，建议按步骤逐一实施来加深理解和增强实战技能。 0 52浏览会员免费 - storm简单介绍、模型图及基本代码
storm简单介绍、模型图及基本代码，包括nimbus、supervisor、workers、spouts、bolts等 0 149浏览会员免费 - 虚拟机 简单基础命令 虚拟机大小：70KB虚拟机 创建web用户组 创建文件 复制命令 设置部分文件读写权限 用户登录 文件内容的修改等文本操作命令 删除保存 文本虚拟机 创建web用户组 创建文件 复制命令 设置部分文件读写权限 用户登录 文件内容的修改等文本操作命令 删除保存 文本 5 1524浏览会员免费
- 02_流式计算基础_第1天（Storm集群部署、单词计数、Stream Grouping）.docx
02_流式计算基础_第1天 （Storm集群部署、单词计数、Stream Grouping）.docx 0 95浏览会员免费 - 风暴中的弹性状态流处理.
风暴中的弹性状态流处理.风暴中的弹性状态流处理.风暴中的弹性状态流处理.风暴中的弹性状态流处理.弹性状态流处理. 0 73浏览会员免费 - 8_storm.docx
storm 入门学习笔记。主要包括 storm概念，storm架构。能很好的对 storm 基础有一个入门。 0 105浏览会员免费 - 基于麻雀算法（SSA）优化长短期记忆神经网络（LSTM）进行时间序列预测的MATLAB示例（包含详细的完整的程序和数据）
本文档提供了用于时间序列预测的一个基于麻雀搜索算法（SSA）优化的长短期记忆神经网络（LSTM）实现教程。文中包含了生成训练所需数据、LSTM模型定义、使用SSA对关键超参数进行调优，以及最后在保留验证集合上的表现评价。具体涵盖了使用MATLAB进行随机时间序列生成和分割，构建与训练LSTM网络的过程，还有SSA执行流程，及其对于改善预测精度的效果展现。同时，详细记录了各步操作的具体步骤及相关命令行代码片段，便于读者上手实操。它强调了使用智能优化算法来提升深度学习网络的表现，尤其适用于具有周期性特征的时间序列预测场景中。 适用人群：熟悉MATLAB基本使用的机器学习开发者和研究人员，特别是有兴趣探索使用启发式算法来改进LSTM或其他深度学习网络的人群。 使用场景及目标：本实例非常适合希望应用先进的优化方法到自身项目的团队和个人研究，旨在解决复杂的非线性时间序列建模任务，比如气象预报或金融市场波动的预期估计。 其他说明：该文还列举了几项重要参考资料以进一步扩展对此主题的兴趣与认识，并包含了一个能够直接在MATLAB环境运行得到预测结果的整体代码。 0 82浏览会员免费 - Storm Trident API 使用详解.docx
Storm Trident API 使用详解.docx 0 156浏览会员免费 - stom与sparkStreaming对比
讲述Storm与sparkStreaming分别用法与区别，在操作流程等。 0 164浏览会员免费 - 这里面只是一个感想，没必要看，建议不要浪费积分
storm作业 0 59浏览会员免费 - Docker在Ubuntu16.04上安装和部署Apache Storm
本资源为大数据开发的教程类型文档，文档详细描述了Docker在Ubuntu16.04上安装和部署Apache Storm。图文并茂，步骤清晰，含命令，说明，截图等。 0 51浏览免费 - MATLAB实现变分贝叶斯蒙特卡洛（VBMC）进行近似贝叶斯推理的设计项目实例 （包含详细的完整的程序和数据）
内容简介：本文档提供了一个基于 MATLAB 实现 VBMC(Variational Bayesian Monte Carlo) 进行近似贝叶斯推理的应用实例，详细解析了从搭建代理模型到进行参数估算全过程，特别是它在处理有噪音的数据集时的优点得以展示。介绍了VBMC的概念以及为什么说这种方法非常适合成本高昂的问题，并通过模拟数据来演示整个VBMC实施流程，涵盖数据制造与预备阶段，利用高斯进程模型构造代理预测机制，变分后验匹配及其性能度量。同时给出了完整的MATLAB源代码供实际应用。此外，在结果评估环节，通过对试验样本的预测描绘并分析了拟合曲线，提供了置信水平内的预估值范围。 适用人群：熟悉MATLAB且有一定概率论知识的研究人员或高级开发者。 使用场景及目标：①用代理建模和贝叶斯方法替代昂贵的目标模型计算；②理解和实践近似贝叶斯推断中的代理模型和变分技术，提高复杂问题的求解效率。 注意事项：由于示例涉及数学建模与统计概念，推荐具有一定相关背景的专业人士阅读和研究。 0 65浏览会员免费
CSDN会员
开通CSDN年卡参与万元壕礼抽奖
已订阅内容
我的课程
图文专栏
登录后即可查看
学习路径
七天热销榜 
下载资源
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
