我前一篇文章，《Window下用DirectShow查找摄像头（含分辨率）和麦克风》，详细介绍了如何查找摄像头和摄像头支持的分辨率信息，查找到摄像头和麦克风之后做什么呢？两个目的，第一个目的是播放，第二个目的是编码之后发送服务器流媒体数据，第三个目的就是存在本地硬盘上了，本文就是播放摄像头采集的数据。本人初次接触音视频相关的项目，研究了几天，从网上断断续续的找到不少摄像头播放的...

大致介绍TPC-DS采用星型、雪花型等多维数据模式。它包含7张事实表，17张纬度表平均每张表含有18列。其工作负载包含99个SQL查询，覆盖SQL99和2003的核心部分以及OLAP。这个测试集包含对大数据集的统计、报表生成、联机查询、数据挖掘等复杂应用，测试用的数据和值是有倾斜的，与真实数据一致。可以说TPC-DS是与真实场景非常接近的一个测试集，也是难度较大的一个测试集。Clickhous..

《淘宝性能测试白皮书V0.3》http://rdc.taobao.com/blog/qa/wp-content/uploads/2009/09/淘宝性能测试白皮书V0.3.pdf性能测试的难点不在于测，在于测出的数据和实际的对照关系，以及测试出来的数据对性能的评估（到底是好，还是不好）。淘宝性能测试白皮书，解决了我的三个问题：1、PV到TPS的转换关系。2、TPS的波动标准。3、网页测试的标准（可

上篇讲如何用LoadRunner监控Linux的性能指标 ，但是关于CPU的几个指标没有搞清楚，下面就详细说说。 CPU Utilization 好理解，就是CPU的利用率，75%以上就比较高了（也有说法是80%或者更高）。除了这个指标外，还要结合Load Average和Context Switch Rate来看，有可能CPU高是因为后两个指标高导致的。  Load Averag

我上次写过google protocol buffer的utf-8的问题，根据protocol作者Kenton Varda的描述：    C++ Protocol Buffers use UTF-8 for all text encoding, regardless of platform.  If you want to use some other encoding

    Python开发效率高，运行效率低。而c/c++恰恰相反。因此在python脚本中调用c/c++的库，对python进行扩展，是很有必要的。使用python api，http://www.python.org/doc/，需要安装python-dev。test.cpp文件如下#include//包含python的头文件// 1 c/cpp中的函数int my_

我把我用过的设计工具介绍给大家，大家可以看看。1.Rational Rose很多人说Rose不好用，但是我觉得还是挺好用的，用了七八年了，主要是用熟了，而且也没有什么大毛病 2.XDE 2003.Net里面，你可以用XDE，但是只有for visual studio 2003的版本，后续版本我也找过，但是好像不出了，有些遗憾。特点是可以直接转成c#代码。 3.Enter

     上次我写了利用Python提供的API封装c函数，并调用。但是由于利用API的方式过于原始，对于类或者结构极度麻烦。因此，我选择了Boost的Python的来封装类，类似的工具还有SWIG等，选择Boost的原因是它不需要引入其他的接口描述语言，封装也是c++代码;另外，它支持的c++特性比较全。    Boost Python的文档，我推荐：http://www.maycode.c

在信息检索、分类体系中，有一系列的指标，搞清楚这些指标对于评价检索和分类性能非常重要，因此最近根据网友的博客做了一个汇总。准确率、召回率、F1信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate)，召回率也叫查全率，准确率也叫查准率，概念公式:             召回率(Recall)      =  系统检索到的相关文件 /

基于libsvm的中文分类原型，虽然做了原型，但是概念还不是很清晰。“支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上”结构化风险结构化风险 = 经验风险 + 置信风险经验风险 =  分类器在给定样本上的误差置信风险 = 分类器在未知文本上分类的结果的误差置信风险因素：样本数量，给定的样本数量越大，学习结果越有可能正确，此时置信风险越小；分类函数的VC维，显然VC维越大，推