之前在文章深入线程池ThreadPoolExecutor中聊到了线程池

RateLimiter是guava中concurrent包下的一个限流工具类，使用了令牌桶算法。下面简单的介绍一下。一、RateLimiter API修饰符方法描述doubleacquire()从RateLimiter获取一个许可，该方法会被阻塞知道...

之前写了两篇文章一个是KNN算法的C++串行实现，另一个是CUDA计算向量的欧氏距离。那么这篇文章就可以说是前两篇文章的一个简单的整合。在看这篇文章之前可以先阅读前两篇文章。一、生成数据集现在需要生成一个N个D维的数据，没在一组数据都有一个类标，这个类标根据第一维的正负来进行标识样本数据的类标：Positive and Negative。#!/usr/bin/pythoni

聚类是一种无监督的学习，它将相似的对象归到同一个簇中。它有点像全自动分类（类别体系是自动构建的）。聚类方法几乎可以应用于所有对象，簇内的对象越相似，聚类的效果越好。本文要介绍一种称为K-均值（K-means）聚类的算法。之所以称之为K-均值是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。

本文不对KNN算法做过多的理论上的解释，主要是针对问题，进行算法的设计和代码的注解。KNN算法：优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。适用数据范围：数值型和标称性。工作原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征

在构建微服务之前，需要进行微服务框架选型，之前的微服务完全基于springcloud构建，而现在则需要基于云原生的方式来构建。

微服务框架下traceId的生成和传递以及多线程环境下的一致性保证。