LAMP架构中部署Zabbix监控服务
Zabbix监控服务zabbix是一个基于WEB界面的提供分布式系统监视以及网络监视功能的企业级的开源解决方案。zabbix能监视各种网络参数，保证服务器系统的安全运营；并提供灵活的通知机制以让系统管理员快速定位/解决存在的各种问题。zabbix由2部分构成，zabbixserver与可选组件zabbixagent。zabbixserver可以通过SNMP，zabbixagent，ping，端口监
算法导论 — 15.3 动态规划原理
笔记
本节关注在什么情况下适用动态规划方法。适合用动态规划方法求解的问题应该具备两个要素：最优子结构和子问题重叠。
1．最优子结构
以两个例子来说明如何判断一个问题是否具有最优子结构。给定一个有向图G = (V, E)和两个顶点u, v ∈ V。考虑下面两个问题。
(1) 无权最短路径：找到一条从u到v的边数最少的路径。这条路...
3.MapReduce
一、结构
完成一个MapReduce过程需要以下几步，input、map、combine（可选）、shuffle、reduce和output。其中shuffle居于核心的位置。下面逐一来看这些过程。
二、input & map 源码分析
    使用HDFS上的文件作为MapReduc
自定义RPC的完整实现---深入理解rpc内部原理
倘若不使用RPC远端调用的情况下，代码如下：local.py#coding:utf-8#本地调用除法运算的形式classInvalidOperation(Exception):def__init__(self,message=None):self.message=messageor'involidoperation'defdivide(num1,num2=1):ifnum2==0:raiseInv
Fisher information
定义
在数理统计中，Fisher information是一种衡量“随机观测样本携带的关于未知参数的信息量”的方法，其中为所遵循的概率密度函数的参数。形式上，它是得分（score）的方差。设为概率密度函数。的对数似然函数为。
（1）如果似然函数随着的改变而迅速达到最大，则很容易从中获得的真实值，或者说提供了很多关于的信息；
（2）如果似然函数（也是）的分布较平，或分布比较均匀，则需要大...
梯度下降法(Gradient Descent)优化函数的详解（3）小批量随机梯度下降法（mini-batch SGD ）
前言
梯度下降法(Gradient Descent)优化函数的详解（0）线性回归问题
梯度下降法(Gradient Descent)优化函数的详解（1）梯度下降法（Gradient Descent）
梯度下降法(Gradient Descent)优化函数的详解（2）随机梯度下降法（SGD Stochastic Gradient Descent）
梯度下降法(Gradient Descent)优...
Karen and Game CodeForces - 815A（思维）
Karen and Game CodeForces - 815A（思维）
题意&思路：
给你n*m的矩阵。你可以选择每次操作给一行+1或者一列+1.求最少的操作。
直接判断n和m谁大一些。n大就从行开始消这样操作会最少。
每次消去一行（列）中数值最小的。我是用第一行和第一列分别记录每列最小每行最小的值。每次进行消去操作的时候都要更新。使用vector对列和行的答案进行记录。最后判断...
CResourceException MFC程序GDI对象泄漏过程剖析
优化程序之后发现程序运行一段时间后，就莫名奇妙的崩溃退出，并没有弹出任何信息。通过调试程序后发现CResourceException异常，通过网上查找才知道是GDI对象泄露。凡是CreateXX的，最后一定要DeleteObject或者DeleteXXX。
打开任务管理器发现GDI对象不断增加，且数量到达9999后程序开始异常。因此判断程序可能存在GDI对象泄漏，即创...
bzoj 3444 最后的晚餐 (并查集)
题目：
n个人排成一排，有m个条件，第i个条件要求ai和bi相邻，求方案数。
【数据范围】
100%的数据，0＜n≤500000，1≤Ai，Bi≤n，0≤m≤n，保证没有人自恋。
算法：并查集+组合数
难度：NOIP
题解：
由于要求排成一排，因此如果关系出现了环则无解；而一个位置最多挨着两个，所以deg[x]>3也无解。
那么剩下的就是若干条链和单个点。每一条链的...
常用控件 图片框与进度条
笔记：
案例一：消息提示框
Toast(吐丝框)
1.1 Toast是Android中的一种简易的消息提示框
1.2 使用这个类的最简单的方法是调用静态方法构造您所需要的一切，并返回一个新的Toast对象。
Toast toast=Toast.makeText(getApplicationContext(), “默认的Toast”, Toast.LENGTH_SHORT);
toast.sho...
MFC提供的CMemDC类的使用方法
CMemDC是一个很经典的内存DC，实现了MFC的双缓冲绘图。不能直接使用CMemDC dcMem(*GetDC(), this)，会造成整个对话框黑屏。应该这样使用：
CDC* pDCPaint;
pDCPaint = NULL;
CMemDC memDC(*pDCPaint, this);
CDC* pDC = &memDC.GetDC();
...
【 MATLAB 】Pascal matrix 介绍
pascal
Pascal matrix
Syntax
P = pascal(n)
P = pascal(n,1)
P = pascal(n,2)
P = pascal(___,classname)
Description
P = pascal(n) returns a Pascal’s Matrix of order n. P is a symmetric positive de...
1 Features Engineering for Machine Learning中文翻译系列（一）
来自于github项目，点击查看
一、引言
机器学习将数据拟合到数学模型中来获得结论或者做出预测。这些模型吸纳特征作为输入。特征就是原始数据某方面的数学表现。在机器学习流水线中特征位于数据和模型之间。特征工程是一项从数据中提取特征，然后转换成适合机器学习模型的格式的艺术。这是机器学习流水线关键的一步，因为正确的特征可以减轻建模的难度，并因此使流水线能输出更高质量的结果。从业者们认为构建机器学习流水...
Web高级七 Ajax & JSON
第一章 Ajax概述
1.1 什么是Ajax
Ajax 即"Asynchronous Javascript And XML"(异步JavaScript和XML),一种创建交互式网页应用的网页开发技术。Ajax = 异步 JavaScript 和 XML（标准通用标记语言的子集）。通过在后台与服务器进行少量数据交换，Ajax 可以使网页实现异步更新。这意味着可以在不重新加载整个网页的情况下，对网...
今日推荐
周排行