这里说的js跨域是指通过js在不同的域之间进行数据传输或通信，比如用ajax向一个不同的域请求数据，或者通过js获取页面中不同域的框架中(iframe)的数据。只要协议、域名、端口有任何一个不同，都被当作是不同的域。 下表给出了相对http://store.company.com/dir/page.html同源检测的结果: 要解决跨域的问题，我们可以使用以下几种方法： 一、通过jsonp

查看Nginx状态 location = /nginx_status {      stub_status on;      access_log off;      allow 127.0.0.1;      deny all;  }  curl http://127.0.0.1/nginx_status  http://nginx.org/en/docs/http/ngx_http_status_module

公司内网两台计算机之间传些小文件用不着开服务器，用 nc 就可以搞定。 我来发送 ： $ nc 接收者ip 端口号 < 要发送的文件 同事接收 ： $ nc -l 端口号 > 要保存的文件名 注： 端口号（1024 ～ 65535）要匹配

浏览器，支持8，10，16进制，unicode，Ascii编码解析 1 html中 AscII 字母a对应为97,需要在数字前后分别加上“&#”和“;”，例如数字97的ASCII编码是a，则在网页中使用的格式应为“&#97;”。 双引号" ,对应为&quot; 2 在js中 <script type="text/

有这样的一个问题mysql查询使用mysql中left(right)join筛选条件在on与where查询出的数据是否有差异。 可能只看着两个关键字看不出任何的问题。那我们使用实际的例子来说到底有没有差异。 例如存在两张表结构 表结构1 drop table if EXISTS A; CREATE TABLE A ( ID int(1) NOT NULL, PRIMARY KEY (ID)

Flume是Cloudera提供的一个分布式、可靠、高可用的海量日志采集、聚合和传输的日志收集系统。Flume提供了从console(控制台)、RPC(Thrift-RPC)、text(文件)、tail(UNIX tail)、syslog(syslog日志系统，支持TCP和UDP等2种模式)，exec(命令执行)等数据源收集数据。 Flume NG采用的是三层架构：Agent层，Collector层和Store层，每一层均可水平

背景 在很多互联网产品应用中，有些场景需要加锁处理，比如：秒杀，全局递增ID，楼层生成等等。大部分的解决方案是基于DB实现的，Redis为单进程单线程模式，采用队列模式将并发访问变成串行访问，且多客户端对Redis的连接并不存在竞争关系。其次Redis提供一些命令SETNX，GETSET，可以方便实现分布式锁机制。 Redis命令介绍 使用Redis实现分布式锁，有两个重要函数需要介绍 SETNX命令（SET

基于Spark通用计算平台，可以很好地扩展各种计算类型的应用，尤其是Spark提供了内建的计算库支持，像Spark Streaming、Spark SQL、MLlib、GraphX，这些内建库都提供了高级抽象，可以用非常简洁的代码实现复杂的计算逻辑、这也得益于Scala编程语言的简洁性。 我们的应用场景是分析用户使用手机App的行为，描述如下所示： 手机客户端会收集用户的行为事件（我们以点击事件为例），将数据

Flume+Kafka+SparkStreaming已经发展为一个比较成熟的实时日志收集与计算架构，利用Kafka，即可以支持将用于离线分析的数据流到HDFS，又可以同时支撑多个消费者实时消费数据，包括SparkStreaming。 实时统计需求 以60秒为间隔，统计60秒内的pv,ip数,uv 最终结果包括： 时间点：pv：ips：uv 原始日志格式 2015-11-11T14:59:59|~|xxx

基于Mahout的电影推荐系统 详见  http://www.php3.cn/a/178.html 下载示例数据 本工程所用到的数据来源于此处 http://grouplens.org/datasets/movielens/ 有100k到10m的数据都有。我们这里选择100k的数据。 对下载的数据解压之后，会出现很多文件，我们需要使用u.data和u.user文件。详细的数据说明可以参见READ

MLlib 是spark的可以扩展的机器学习库，由以下部分组成：通用的学习算法和工具类，包括分类，回归，聚类，协同过滤，降维，当然也包括调优的部分 Data types   Basic statistics  (基本统计) summary statistics 概括统计 correlations 相关性

1 机器学习强调三个关键词：算法、经验、性能，其处理过程如下图所示。 上图表明机器学习是数据通过算法构建出模型并对模型进行评估，评估的性能如果达到要求就拿这个模型来测试其他的数据，如果达不到要求就要调整算法来重新建立模型，再次进行评估，如此循环往复，最终获得满意的经验来处理其他的数据。 1.2 机器学习的分类 机器学习分为监督学习（Supervised learning）、无监督学习（Unsupervise