之前刚接触机器学习的时候，写过一篇《基于sklearn库，搭建一个简单的问答系统》。此篇文章是在上篇的逻辑上，对一些函数进行了优化，并对检索方式进行了一些优化，再各个环节上时间复杂度都提高了很多。下面讲解一下具体的代码：第一部分： 读取文件，并把内容分别写到两个list里（一个list对应问题集，另一个list对应答案集）import jsondef read_corpus():...

TIPS本文基于Spring Boot 2.1.5，理论支持Spring Boot 2.x所有版本众所周知，Spring Boot有个子项目Spring Boot Actuator，它为应用提供了强大的监控能力。从Spring Boot 2.0开始，Actuator将底层改为Micrometer，提供了更强、更灵活的监控能力。Micrometer是一个监控门面，可以类比成监控界的 Slf4j 。借

性能优化分析一个计算任务的执行主要依赖于CPU、内存、带宽Spark是一个基于内存的计算引擎，所以对它来说，影响最大的可能就是内存，一般我们的任务遇到了性能瓶颈大概率都是内存的问题，当然了CPU和带宽也可能会影响程序的性能，这个情况也不是没有的，只是比较少。Spark性能优化，其实主要就是在于对内存的使用进行调优。通常情况下，如果你的Spark程序计算的数据量比较小，并且你的内存足够使用，那么只要

大数据基准测试的主要目的是对各种大数据产品进行测试，评估它们在不同硬件平台、不同数据量和不同计算任务下的性能表现。

原因是7.9以上版本SonarQube已不支持mysql，请改用PostgreSql

假如服务器路径为：/home/lyn/files/img/face.pngroot 路径完全匹配访问配置的时候为：location /lyn {root /home}用户访问的时候请求为：url:port/lyn/files/img/face.pngalias 可以为你的路径做一个别名，对用户透明配置的时候为：location /hello {alia...

TIPS本文基于Spring Boot 2.1.5，理论支持Spring Boot 2.x所有版本众所周知，Spring Boot有个子项目Spring Boot Actuator，它为应用提供了强大的监控能力。从Spring Boot 2.0开始，Actuator将底层改为Micrometer，提供了更强、更灵活的监控能力。Micrometer是一个监控门面，可以类比成监控界的 Slf4j 。借

这里我们一共要建三个包auth-service-api：用户登录、鉴权和刷新token的接口层auth-service：接口的实现，以及jwt的引用gateway：网关集成jwt鉴权auth-service-api项目结构如下：pom<artifactId>auth-service-api</artifactId><dependencies><depend

原因是7.9以上版本SonarQube已不支持mysql，请改用PostgreSql

MapReduce是一种分布式计算模型，是Google提出来的，主要用于搜索领域，解决海量数据的计算问 题.MapReduce是分布式运行的，由两个阶段组成:Map和Reduce， Map阶段是一个独立的程序，在很多个节点同时运行，每个节点处理一部分数据。 Reduce阶段也是一个独立的程序，可以在一个或者多个节点同时运行，每个节点处理一部分数据在这我们先把reduce理解为一个单独的聚合程序即可