C++实现基于概率论的分类方法--朴素贝叶斯分类（Naive Bayes Classifier）

C++实现基于概率论的分类方法--朴素贝叶斯分类（Naive Bayes Classifier）

最近要提高小文件（100KB左右）的存储性能（主要是写入性能），想到了使用FastDFS因此需要对其性能做一个简单的测试，本文先介绍一下FastDFS的安装部署过程。

在微服务框架模式下，往往需要在外部服务没有准备好的情况下进行测试。本文主要是讨论在SpringCloud体系下，以FeignClient进行通信时，对其进行mock的方式。

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。

最近由于不合理的配置了redis中的最大连接数导致了线上服务间歇性不可用的问题，问题无小事，稳定大于一切。一、结论先直接说结论：并发量激增，redis最大连接数过小，导致获取redis连接超时，超时导致大量请求阻塞，从而导致客户端因超时主动关闭连接，服务端大量请求阻塞，无法关闭连接，慢慢积累出现close_wait，大量close_wait出现，旧连接不释放，新连接无法创建，导致没法对外提供服务。

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

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。

Ceph已然成为开源社区极为火爆的分布式存储开源方案，最近需要调研Openstack与Ceph的融合方案，因此开始了解Ceph，当然从搭建Ceph集群开始。        我搭建机器使用了6台虚拟机，包括一个admin节点，一个monitor节点，一个mds节点，两个osd节点，一个client节点。机器的配置是：> lsb_release -aLSB Version::core-4

这其实是一篇读书笔记，内容摘录自《大规模分布式存储系统-原理解析与架构实战》第12章讲到的云存储概念，跟自己工作的内容比较相关，也有比较强烈的认同感。一、云存储的概念二、云存储技术三、云平台整体架构四、云平台架构五、云存储技术体系