- 相关博文
- 最新资讯
-
本文介绍了一个基于Python和Django框架开发的豆瓣电影推荐系统。系统采用MySQL数据库存储数据，运用协同过滤推荐算法实现个性化推荐，结合Echarts进行数据可视化展示。主要功能包括：电影数据可视化分析（词云图、评分分布等）、用户评论分析、电影详情展示、热度排行榜、后台数据管理、用户注册登录以及数据采集模块。前端采用HTML搭建交互界面，实现了从数据采集、分析推荐到可视化展示的全流程闭环。该系统可帮助用户了解电影评价趋势，获取个性化推荐，满足电影信息查询需求。
-
- B站_计算机毕业设计之家
- 昨天
-
-
本文介绍了一个基于Python开发的豆瓣电影数据可视化分析系统。该系统采用Flask框架搭建Web应用，结合MySQL数据库存储数据，使用requests爬虫技术从豆瓣抓取电影信息，并通过Echarts工具实现多维度可视化展示。系统包含10个功能模块：制片地区饼图分析、电影数据列表展示、首页导航、评分漏斗图、类型饼图、类型柱状图、导演作品分析、评分-评论散点图、年度数量折线图以及数据采集页面。这些模块支持交互式数据查询，能够直观呈现电影数据的分布特征和趋势变化。项目实现了从数据采集、清洗存储到可视化分析的全
-
- B站_计算机毕业设计之家
- 23小时前
-
-
本文介绍了一个基于Python和Flask的电影数据可视化与智能分析平台。该系统整合了Echarts可视化工具、线性回归预测算法和协同过滤推荐算法，通过爬虫技术采集猫眼电影数据。主要功能包括：电影数据大屏展示多维度图表分析；数据中心支持数据收藏；数据分析可视化呈现导演作品排行；票房预测模块基于线性回归算法；电影推荐模块采用协同过滤算法；后台管理模块提供数据维护功能；以及用户注册登录系统。该平台为影视从业者和普通用户提供了一体化的电影数据服务，解决了行业数据分散和分析单一的问题。
-
- B站_计算机毕业设计之家
- 昨天
-
-
本文介绍了Spark中两种重要的Action算子fold和aggregate的使用方法。fold算子通过提供初始值对RDD元素进行分区内和全局聚合，而aggregate则更加灵活，允许分别定义分区内(seqOp)和分区间(combOp)的聚合函数。两种算子都通过Java和Scala代码示例展示了具体实现方式，其中fold使用单一聚合函数，aggregate则支持不同聚合逻辑，适用于更复杂的聚合场景。文章还详细解释了两种算子的函数签名、工作原理和执行过程。
-
- Lansonli
- 20小时前
-
-
带认证 python detect_risky_queries.py --host https://es-prod:9200 --username admin --password secret。😅 “一条查询，团灭集群 —— 这不是 bug，是你写的‘核弹’ ，把整个集群拖进了 GC 地狱 ：” 哈哈 可惜场景不对；建议没事多去岛上转转。1、全局熔断：老朋友防君子了，这里只是取消查询，在timeout之前 内存恐怖早就炸了。日志狂刷存在感，重启大法也无用：新请求进来，立刻又卡死：资源耗尽型血崩。
-
- 星辰_mya
- 16小时前
-
-
本文基于阿里天池用户行为数据集，通过三种数据处理方法进行电商用户行为分析。首先对原始数据进行清洗和预处理，包括时间戳转换、去重和有效行为过滤；然后将清洗后的数据导入Hive进行存储。接着进行基础电商运营分析，包括用户行为统计、转化漏斗分析、商品销量和品类热度分析。最后采用RFM模型对用户进行分层，计算用户价值评分并制定差异化运营策略。实验结果表明，该方法能有效识别高价值用户和潜在用户，为精准营销提供数据支持。文章还详细记录了数据处理过程中遇到的HDFS安全模式、数据块丢失等技术问题及解决方案。
-
- saki_ccc
- 昨天
-
-
本文提供了ELK Stack（Elasticsearch、Logstash、Kibana）的完整部署指南，包括系统环境准备、组件安装配置和安全加固措施。主要内容涵盖：1）系统要求与优化配置；2）Elasticsearch的安装、集群配置和JVM调优；3）Logstash的输入/输出配置和日志处理管道；4）Kibana的可视化部署；5）全面的安全加固方案，包括认证授权、SSL加密和防火墙规则。该指南提供了详细的命令和配置文件示例，适用于生产环境部署，可帮助用户构建高效、安全的日志管理平台。
-
- 深山技术宅
- 昨天
-
-
面试官：严肃认真，眼神如鹰隼谢飞机：穿格子衫、戴黑框眼镜，左手咖啡右手键盘，回答时总爱摸后脑勺。
-
- SoleMotive.
- 昨天
-
-
想必大家用es多多少少会遇到这个问题：“已经用旧分词器写了 10 亿条数据，现在想换新分词器（比如从 standard 换成 ik_max_word），怎么做？”✅ 不能原地修改（ES 不支持动态变更已存在字段的 analyzer）✅ 必须重建索引（Reindex）✅ 但海量数据下，Reindex 必须讲究策略，否则集群会崩原因：目标：零停机、低负载、数据一致步骤 2：双写（可选，用于实时数据） 应用层同时写 和 或用 Kafka/Pulsar 做消息回放✅ 适用于不能停写
-
- 星辰_mya
- 昨天
-
-
Flink文件系统配置默认路径与连接数限制 默认文件系统配置(fs.default-scheme)： 自动补全裸路径的scheme前缀 简化多路径配置，便于环境迁移 需注意跨文件系统访问时的潜在冲突 文件系统连接数限制(fs.<scheme>.limit.*)： 防止高并发作业压垮小型HDFS集群 提供输入/输出流并发控制及超时机制 限制在TaskManager级别生效，需考虑集群规模 不同scheme+authority维护独立连接池 排障建议： 根据checkpoint延迟、吞吐下
-
- Hello.Reader
- 昨天
-
-
本文介绍Flink如何通过flink-oss-fs-hadoop插件对接阿里云OSS存储。内容包括URI格式规则（oss://bucket/object）、常见使用场景（文件读写、Checkpoint存储等），并提供代码示例。重点说明插件安装方式、必填配置项（endpoint和AK/SK），推荐使用CredentialsProvider实现更安全的凭证管理。最后给出生产落地检查清单，强调插件预安装、路径规范、凭证安全和目录分层等最佳实践。该方案适用于云上Flink作业与OS
-
- Hello.Reader
- 20小时前
-
-
Producer：生产者，生产消息的一方。Consumer：消费者，消费消息的一方。Broker：代理，指的是一个独立的kafka服务实例，负责消息的接收、存储和发送。多个Broker组成一个Cluster/Topic：主题，Producer发送消息的时候会指定一个Topic，并发送到这个Topic下，Consumer通过订阅该Topic消费消息。Partition：分区，消息实际存储的地方，实际上就是kafka中真正的消息队列，一个partition可以存储多个消息，消息先进先出。
-
- vweiv
- 昨天
-
-
作为数据领域认可度最高的证书之一，CDA受到中国联通、德勤、苏宁、华为生态企业等700多家企业认可，很多企业招聘时明确标注“CDA持证人优先”，尤其是基层数据相关技术岗，CDA更是核心筛选条件，持证简历通过率比无证者高60%以上，完美适配大专计算机专业学生的求职需求。计算机职场，正在惩罚那些只有单一技能的程序员，同时奖励那些能用技术解决业务问题的复合型人才，大专计算机专业的你，既拥有扎实的技术基础，又可以通过CDA认证快速建立业务分析能力。：将编程能力转化为商业分析能力，这是2026年最大的薪资溢价点。
-
- 证榜样呀
- 16小时前
-
加载中...
-
-
从零单排HBase 02：全面认识HBase架构（建议收藏）
在网上看过很多HBaes架构相关的文章，内容深浅不一，直到发现了一篇MapR官网的文章，写得实在太生动了。
活动
-
2021-11-10
-
2021-03-09
-
2020-12-16
独家定制
-
-
3500人的专业安全团队与你同在
-
-
CSDN云计算在线公开课
-
-
IaaS市场高速增长，历久弥新
精品推荐
关于我们
关注「云计算」
转载 & 投稿：songhui@csdn.net
商务合作：zhangjing@csdn.net