单隐层神经网络模型是2015年又澳大利亚国立大学提出来的AutoRec,它是将自编码器的思想和协同过滤结合，提出了一种单隐层神经网络推荐模型，因其简约的网络结构和清晰易懂的模型原理，AutiRec非常适合作为深入学习推荐模型的入门模型来学习AutoRec模型是一个标准版的自编码器，它的基本原理是利用协同过滤重的共现矩阵，完成物品向量或者用户向量的自编码，在利用自编码的结果得到用户对物品的预估评分，

一、启动方式1、使用linux命令service 启动：service mysqld start2、使用 mysqld 脚本启动：/etc/inint.d/mysqld start3、使用 safe_mysqld 启动：safe_mysqld&二、停止1、使用 service 启动：service mysqld stop2、使用 mysqld 脚本启动：/etc/inint.d/mysql

原始表全查询//原始表全查询SELECT id，NAME，pricefrom rdd//字段id设置为order by 默认正序排序SELECT id,NAME,pricefrom rddORDER BY id多字段排序//如果order by 是根据两个字段，默认则是看第一个字段相同后，在相同的第一个字段上再比较第二个字段大小排序SELECTSELECT id,NAME,pricefrom rd

primary key：主键约束主键必须包含唯一的值主键列不能包含null值每个表都应该有一个主键，并且每个表只能有一个主键创建primary key的方式有三种：其一：create table cin_01(id int primary key,name varchar(32),address varchar(32),city varchar(32));注意：如果有列类型或者列的长度需要修改，则

数据仓库为什么要执行分层1 清洗数据结构，2 数据血缘追踪，3 减少重复开发4 任务分解，复杂拆分成多个小步骤来实现5 屏蔽原始数据的异常，避免造成数仓跟着大动作的修改如果不分层可以吗？不分层在技术实现以及理论上是可行，但是会有很多弊端，比如工作的重复，一个指标可能从数据清洗到最终数据导出会在一条sql中完成，或者自己实现分阶段落地，但是每个指标可能阶段不同导致后期维护难度增大。所以实际中企业都遵

echo 'conda deactivate' >> /root/.bashrc

在启动hbase时，要提前确保HDFS和zookeeper是已经启动状态，先用jps，查询全部启动的进程[root@node01 ~]# jps2816 DataNode6642 RunJar3074 ResourceManager2677 NameNode6454 RunJar5992 HRegionServer5833 HMaster2169 -- process in...

spark读取es数据时，数据中含有array类型，发出报错：Field 'collect_list(comm).time' not found; typically this occurs with arrays which are not mapped as single value则增加配置文件即可：conf.set("es.read.field.as.array.include","数组名