-
如何设计一个高并发系统
如何设计一个高并发系统 面试题 面试官心理分析 面试题剖析 系统拆分 缓存 MQ 分库分表 读写分离 ElasticSearch 如何设计一个高并发系统 面试题 如何设计一个高并发系统？ 面试官心理分析 说实话，如果面试官问你这个题目，那么你必须要使出全身吃奶劲了。为啥？因为你没看到现在很多公司招聘的 JD 里都是说啥，有高并发... -
11.2 生物信息学
11.2 生物信息学 11.2 生物信息学 计算生物学（computational biology）研究如何用计算机来解决生物学问题，主要研究内 容包括对生物系统的数学建模、对生物数据的分析、模拟等。本节介绍计算生物学的一个分 支——生物信息学①。 生物信息学（bioinformatics）主要研究生物信息的存储、获取和分析，这里所说的生物 信息主要... -
3.2 B树
3.2 B树 1.前言： 2.外存储器—磁盘 2.1 磁盘的构造 2.2 磁盘的读/写原理和效率 3.B- 树 3.1 什么是B-树 3.2 B树的类型和节点定义 3.3 文件查找的具体过程(涉及磁盘IO操作) 3.4 B树的高度 4、B树的插入、删除操作 4.1 插入（insert）操作 4.2、删除(delete)操作 5.B+-... -
Redis 哨兵集群如何实现高可用？
Redis 哨兵集群实现高可用 哨兵的介绍 哨兵的核心知识 Redis 哨兵主备切换的数据丢失问题 导致数据丢失的两种情况 数据丢失问题的解决方案 sdown 和 odown 转换机制 哨兵集群的自动发现机制 slave 配置的自动纠正 slave->master 选举算法 quorum 和 majority configuration ... -
结束语
结束语 结束语 这篇教程可能并非如你所愿，希望能涵盖一个内容管理系统的方方面面， 但是它至少带你了解了一些最为关键的知识点，包括路由、控制器、模型 等等。我们希望这篇教程可以帮助你了解一些 CodeIgniter 的基本设计模式， 在这个基础上你可以做更为深入的研究。 现在，你已经完成了这篇教程，我们推荐你再继续看看文档的其余部分。 CodeIgni... -
6.5 MapReduce
6.5 MapReduce 方法介绍 基础架构 MapReduce模式 问题实例 6.5 MapReduce 方法介绍 MapReduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。这样做的好处是可以在任务被分解后，可以通过大量机器进行并行计算，减少整个操作的时间。但如果你... -
Automatic differentiation package - torch.autograd
Automatic differentiation package - torch.autograd torch.autograd.backward(variables, grad_variables, retain_variables=False) Variable API 兼容性 In-place operations on Variables ... -
针对NLP的Pytorch深度学习
针对NLP的Pytorch深度学习 针对NLP的Pytorch深度学习 译者：@JingTao 、@friedhelm739 作者 : Robert Guthrie 本教程将带你浏览基于Pytorch深度学习编程的核心思想.其中很多思想(例如计算图形抽象化以及自动求导) 并不是Pytorch特有的,他们和任何深度学习工具包都是相关的. ... -
6.5 MapReduce
6.5 MapReduce 方法介绍 基础架构 MapReduce模式 问题实例 6.5 MapReduce 方法介绍 MapReduce是一种计算模型，简单的说就是将大批量的工作（数据）分解（MAP）执行，然后再将结果合并成最终结果（REDUCE）。这样做的好处是可以在任务被分解后，可以通过大量机器进行并行计算，减少整个操作的时间。但如果你... -
HBase 和 Schema 设计
HBase 和 Schema 设计 34. Schema 创建 34.1. Schema 更新 35. 表 Schema 的经验法则 HBase 和 Schema 设计 贡献者：Raymondcode 关于各种非 RDBMS 数据存储建模的优缺点，可以在 Ian Varley 的硕士论文 No Relation: The Mixed B...
