最近有部分工作涉及到了Infobright数据仓库，就浏览了一些相关的资料，感觉很受启发。下面写一些感想，如有谬误，还请指正。简单的来讲，Infobright主要有下面的一些优点：1.TB级的数据存储和高效查询。大数据量存储主要依赖自己提供的高速数据加载工具（百G/小时）和高数据压缩比（>10:1），高效查询主要依赖特殊设计的存储结构对查询的优化，但这里优化的效果还取决于数据库结构和查询语句的设计。2.高数据压缩比，号称一般能够达到10:1以上的数据压缩率
系统 2019-08-12 01:53:23 2276
大多数人觉得，工作肯定是一件艰苦而令人不愉快的事情，其实只有做自己喜欢的事情的人，才能真正获得成功。陷入债务的人只需要听从四个忠告就可以解决负债问题。第一、应当毁掉所有的信用卡。因为大多数人在使用信用卡的时候，比用现金的钱要多得多。第二、应当尽可能少的偿还贷款。反过来做的人，经常用新的债务偿还老的债务。第三、将扣除生活费之后富余的钱中的50％存起来，剩下的50％用于还消费贷款。最好根本不要申请消费贷款。第四、在钱包里贴一张纸条，“这真的有必要吗？”第六章债
系统 2019-08-12 01:53:04 2276
http://acm.fzu.edu.cn/problem.php?pid=2005AC自动机需要优化否则超时代码：#include#include#include#include#include#include#include#include#include#include
Thrift-GeilThingsThriftFromGeilThingsJumpto:navigation,searchThriftGeneralVersion0.9.0Stable0.9.0FunctionRemoteprocedurecallframeworkScriptsLinksWebsiteThriftWikipediaThriftContents1General1.1Seealso2InstallingThrift2.1InstallingT
系统 2019-08-12 01:33:19 2276
突然发现lower_bound是一个挺好用的东西，在学习最长不下降子序列的nlogn的算法的时候看到的，C++党写起二分来一行--P党一排233感觉如果到时候需要用上二分的话，能用lower_bound代替真是省事啊...有时间的话，再好好的研究下这里先简单的mark一下lower_bound的用法；首先说一下lower_bound是用来求在first和last中的前闭后开区间进行二分查找，返回大于或等于x的第一个元素位置比如，你现在需要求a[i](i=1
系统 2019-08-12 01:31:55 2276
前言：学习了吴恩达机器学习线性回归部分内容后，再结合很多优秀博客总结，搬运出来的干货。1、原理2、单变量线性回归数据准备：https://blog.csdn.net/Carl_changxin/article/details/100824723，第一列当作人口Population，第二列当作收益Profite实现技术：梯度下降实现目标：（1）作原始数据散点图（2）作线性回归模型折线图（3）根据模型预测一些数据（4）作代价函数随迭代次数增加而变化的折线图；会
系统 2019-09-27 17:56:52 2275
我必须从Python脚本中获取Linux发行版名称。dist平台模块中有一个方法：importplatformplatform.dist()但在我的ArchLinux下它返回：>>>platform.dist()('','','')为什么？我怎么能得到这个名字？PS。我必须检查分发是否是基于Debian的。更新：我在这里找到了Python站点，自2.6以来，dist（）已被弃用。>>>platform.linux_distribution()('','',
系统 2019-09-27 17:56:24 2275
1、getitem方法使用这个方法最大的印象就是调用对象的属性可以像字典取值一样使用中括号['key']使用中括号对对象中的属性进行取值、赋值或者删除时，会自动触发对应的__getitem__、__setitem__、__delitem__方法代码如下：classFoo(object):def__init__(self):self.name='jack'def__getitem__(self,item):ifiteminself.__dict__:#ite
系统 2019-09-27 17:56:08 2275
#-*-coding:utf-8-*-classSuperTupl(tuple):defto_lis(self):returnlist(self)defto_dic(self,set_key=0):a={str(val[set_key]):valforvalinself}returnSuperDic(**a)classSuperDic(dict):defclean(self,key):"""d=SuperDic(a=1,b=2,c=3)print(d.cl
系统 2019-09-27 17:55:31 2275
大多数有抱负的数据科学家是通过学习为开发人员开设的编程课程开始认识python的，他们也开始解决类似leetcode网站上的python编程难题。他们认为在开始使用python分析数据之前，必须熟悉编程概念。资深数据分析师ManuJeevan认为，这是一个巨大的错误，因为数据科学家使用python来对数据进行检索、清洗、可视化和构建模型，而不是开发软件应用程序。实际上，为了完成这些任务，你必须将大部分时间集中在学习python中的模块和库上。请按照下面这个
系统 2019-09-27 17:54:55 2275
