Linux部署springboot+vue全套系统

Linux部署springboot+vue全套系统

yshopmall-master.zip

一款全面的商城系统，包括前后端

yshopmall_qd-master.zip

一款全面的商城系统，包括前后端

大数据hadoop视频教程

大数据Hadoop是一个开源的分布式计算框架，用于存储和处理大规模数据集。它由Apache基金会开发和维护，提供了可靠、可扩展和高效的数据处理能力。 Hadoop的核心组件包括： Hadoop分布式文件系统（HDFS）：用于存储大规模数据集的分布式文件系统，具有高容错性和高可靠性。 Hadoop YARN（Yet Another Resource Negotiator）：用于集群资源管理和作业调度的框架，可以有效地管理集群中的计算资源。 Hadoop MapReduce：一种分布式计算模型，用于将大规模数据集分解为多个小任务，并在集群中并行处理这些任务。 除了核心组件外，Hadoop生态系统还包括许多其他工具和组件，如Hive、Pig、Spark等，用于数据查询、数据分析和机器学习等任务。 Hadoop的优势在于其能够处理大规模数据集，并具有高容错性和可扩展性。它可以在廉价的硬件上构建大规模集群，并通过并行处理来加速数据处理过程。此外，Hadoop还支持数据冗余和自动故障恢复，以确保数据的可靠性和可用性

03基于物品的协同过滤,大数据课程

大数据协同过滤是一种基于大数据技术的推荐系统算法，它通过分析用户的历史行为和兴趣，找出与其兴趣相似的其他用户或物品，从而给用户提供个性化的推荐。下面是大数据协同过滤的介绍： 用户行为数据收集：大数据协同过滤首先需要收集用户的行为数据，包括用户的浏览记录、购买记录、评分记录等。 相似度计算：通过分析用户行为数据，可以计算用户之间的相似度。常用的相似度计算方法有余弦相似度、皮尔逊相关系数等。 邻居选择：选择与目标用户最相似的一组邻居用户，可以根据相似度的阈值或者邻居数量进行选择。 推荐物品生成：根据邻居用户的行为数据，预测目标用户对未浏览或未购买的物品的兴趣程度。常用的预测方法有基于用户的协同过滤和基于物品的协同过滤。 推荐结果过滤：根据一定的规则和策略，对生成的推荐结果进行过滤和排序，以提供给用户最相关和有吸引力的推荐。

nginx gzip压缩

nginx gzip win 全模块

java稳定可靠的分布式-高并发性能调优

阿里 Java 性能调优手册。465页，涵盖Java编程性能调优，Java多线程性能调优，JVM性能检测及调优，设计模式调优，数据库性能调优，实战演、还有其他豆瓣高评分的Java相关书籍：深入理解Java虚拟机、凤凰架构：构建可靠的大型分布式系统、谷歌大佬的算法刷题手册、阿里的高并发编程手册

sourceTree代码版本控制可视化工具

俗话说的好工欲善其事必先利其器，Git分布式版本控制系统是我们日常开发中不可或缺的。目前市面上比较流行的Git可视化管理工具有SourceTree、Github Desktop、TortoiseGit，综合网上的一些文章分析和自己的日常开发实践心得个人比较推荐开发者使用SourceTree，因为SourceTree同时支持Windows和Mac，并且界面十分的精美简洁，大大的简化了开发者与代码库之间的Git操作方式。该篇文章主要是对日常开发中使用SourceTree可视化管理工具的一些常用操作进行详细讲解

node-18.15前端node windows开发环境

node-18.15前端node windows开发环境

基于SpringBoot开发的轻量级Java快速开发框架

一直想做一款后台管理系统，看了很多优秀的开源项目但是发现没有合适的。于是利用空闲休息时间开始自己写了一套后台系统。如此有了若依。她可以用于所有的Web应用程序，如网站管理后台，网站会员中心，CMS，CRM，OA。所有前端后台代码封装过后十分精简易上手，出错概率低。同时支持移动客户端访问。