fuliang
- 浏览: 1661518 次
- 性别:
- 来自: 北京
-
最新评论
-
532870393：
请问下，这本书是基于Hadoop1还是Hadoop2？
Hadoop in Action简单笔记（一） -
dongbiying：
不懂呀。。
十大常用数据结构 -
bing_it：
...
使用Spring MVC HandlerExceptionResolver处理异常 -
一别梦心：
按照上面的执行，文件确实是更新了，但是还是找不到kernel， ...
virtualbox 4.08安装虚机Ubuntu11.04增强功能失败解决方法 -
dsjt：
楼主spring 什么版本，我的3.1 ，xml中配置 < ...
使用Spring MVC HandlerExceptionResolver处理异常
文章列表
[zz]Unix调试的瑞士军刀：lsof
- 博客分类：
- Linux
原文见：http://heikezhi.com/2011/06/19/swiss-army-knife-of-unix-debugging-lsof/
这是“你应该知道的Unix和Linux命令”系列的第三篇，在这篇文章中，我会介绍lsof这个工具，如果说netcat是进行网络诊断的瑞士军刀，那么lsof就是Unix调试的瑞士军刀。
Lsof是遵从Unix哲学的典范，它只做一件事情，并且做的相当完美——它可以列出某个进程打开的所有文件信息。打开的文件可能是普通的文件，目录，NFS文件，块文件，字符文件，共享库，常规管道，明明管道，符号链接，Socket流，网络Socket，UNIX域Sock ...
[zz]关于xargs，你可能不知道的
- 博客分类：
- Linux
如果你曾经花了许多时间在Unix命令行上，那么或许你已经见过xargs了，如果你还没听过xargs，那就先让我来解释下，xargs是一个从标准输入或许参数并执行命令的程序。
常见使用
我常常见到将find和xargs组合使用以对find返回的文件列表执行某些操作。
更新：根据Twitter和hacker news上的反馈，find是个很强大的命令，它自己也有-exec和-delete这样的参数可以用来执行命令和删除文件，尽管如此，如果你对find的这些选项不太了解，或是想不起来-exec那古怪的语法，那么你还是可以使用更为简单的xargs，并且xargs在效率上也更胜一筹。
递归查找所有 ...
SSH有很多非常酷的特性，如何它是你每天的工作伴侣，那么我想你有必要了解以下16条高效使用SSH的秘籍，它们帮你节省的时间肯定会远远大于你用来配置它们的时间。
1. 多条连接共享
如果你需要在多个窗口中打开到同一个服务器的连接，而不想每次都输入用户名，密码，或是等待连接建立，那么你可以配置SSH的连接共享选项，在本地打开你的SSH配置文件，通常它们位于~/.ssh/config，然后添加下面2行：
ControlMaster auto
ControlPath /tmp/ssh_mux_%h_%p_%r
现在试试断开你与服务器的连接，并建立一条新连接，然后打开一个新窗口，再创建一条连接，你 ...
转载请标明出处： http://fuliang.iteye.com/blog/1136669
第一部分 Hadoop 分布式的编程框架
第一章 Hadoop 简介
1、philosophy： move-code-to-data，适合数据密集性应用。
2、SQL database VS Hadoop:
1) SCALE-OUT INSTEAD VS SCALE-UP
2) Key/value对 VS 关系表：无结构、半结构数据 VS 结构化的数据
3）函数式编程（MapReduce) VS 声明式编程（SQL）：hive can map the sql to the job
...
转载请标明出处： http://fuliang.iteye.com/blogs/1141293
内容系统需要做分类、抽取等的评测工具，这个工具每次评测的对象需要的字段不一样，可以是一项或多项内容结合的评估。我们希望能够动态定义这些评测的字段，并且这些字段供给ExtJS的表格展现。
ExtJS所consume的JS格式非常固定，所以需要转化成这种固定的格式才能正确展现。所以我们对评估对象targets定义了几个固定的字段id,url,version和动态定义的评测字段evaljson的json字符串。
引用
id | url | ...
今天偶然看了一下，一个运行了多年的电子合同系统，一直有人抱怨的近百种的合同模板和程序维护，发现这么多年竟然一直使用强迫计算机让人一样的方式做事情：合同每个模板开发一套复杂的程序，将存在数据库的合同数据的每一个字段，输出到对应表格的位置上，生成pdf的合同文件，打印，维护这近百套合同的程序可是件费力不讨好的事情。
这个事情明显是分不清楚人擅长做什么事情，计算机擅长做什么事情导致的。这件事情其实非常容易解决的事情，或许只需要100行代码就可以解决的事情，结果耗费了大量的人力物力数月。
人擅长填写表格，如果每个表格我们做一下标注，那么标注100个合同表格最多不用一天的时间，而计算机很容易统一处理标 ...
在Java中我们可以使用Runtime.getRuntime().exec();来和系统交互。这个API过于底层，exec返回一个代表进程的对象，然后从中读取执行结果或者错误信息。并且如果不关心进程的输出，而没有把输入结果重定向到/dev/null，超过输出结果的buffer就会阻塞。
scala.sys.process提供了shell的和系统交互的DSL，包括执行命令、逻辑操作、重定向、管道等操作。
使用!来执行外部命令：
"find project -name *.jar" !
如果没有参数，直接输出到标准输出或者标准错误输出
你可以传递Logger参数给！
...
转载请标明出处：http://fuliang.iteye.com/blog/1127437
我们抓取的网页抽取的结果是带有日期的文件，经常需要操作某个日期范围的文件，来进行统计，抽样，入库，所有需要一个方便的DSL来处理这件事情。
我们希望制定几个条件就可以得到符合条件的文件，比如：
data_set = CrawlerDataSet.with_cond do |cond|
cond.dir("/mydir").
from_date("2011-05-01").
to_date("20 ...
转载请标明出处：http://fuliang.iteye.com/blog/1122051
公司的蜘蛛抓取的内容一个记录是以TAB分割的各个字段的值，并且随着各种分类得分、正文静态得分策略的添加，版本不断的演变。每次做抽样、分析、分类语料等文本处理都需要写一些样板式的代码，并且得到wiki查找指定版本每个字段的位置。构建一个好的DSL来自动处理这件事情能够省去很多重复的操作，只需要关注要处理的事情即可。
我们想提供简单自然的API来做事情，我们常用的需求有：
1、每次版本变更几乎不需要修改代码、只需要添加配置文件，比如新版本增加一个
travel_confidence，我们不需要修改代码就可以 ...
转载请标明出处：http://fuliang.iteye.com/blog/1122008
经常需要从网上抓取一些需要的内容做成语料，供分类使用。所以需要一个灵活的抓取、抽取程序-自己的DSL来做这件事，这样每次只需要写几行代码就能得到需要的内容。比如我比较希望以下几行代码就能把我的博客的内容给抓下来：
crawler = Crawler.new
1.upto(10) do |pn|
urls = []
crawler.fetch "http://fuliang.iteye.com/?page=#{pn}" do |page|
...
在笔记本安装Ubuntu11.04增强功能失败
引用
fuliang@fuliang-VirtualBox:~$ sudo /etc/init.d/vboxadd setup
Removing existing VirtualBox DKMS kernel modules ...done.
Removing existing VirtualBox non-DKMS kernel modules ...done.
Building the VirtualBox Guest Additions kernel modules
The headers for the current running ke ...
删除安装所有的gem：
gem list | cut -d" " -f1 | xargs gem uninstall -aIx
转载请标明出处： http://fuliang.iteye.com/blog/1071157
高性能的索引策略
创建正确的索引和恰当的使用它，对查询的性能起到关键的作用。我们已经介绍了各种不同的索引的能力和弱点。下面我们将介绍索引的威力所在。
有很多的创建和选择使用索引的有效方式，因为有很多特殊情况的优化和特殊行为。
孤立列
如果你不将索引列孤立出来，MySQL通常无法用到索引。"孤立"一列意思是它不能是表达式的
一部分或者在函数中。
比如：
SELECT actor_id FROM sakila.actor WHERE actor_id + 1 = 5;
SEL ...
awk getline开始一直用做按行读取文件。
getline还有其他一些比较好用的功能，他可以集成shell命令,而不使用system就可以
做到：
比如想删除一个文件a里面按行存放的文件名得所有文件，那么在awk里面可以使用：
awk '{cmd="rm "$0|getline} a
下面是转自：http://bbs.chinaunix.net/thread-108596-1-1.html
的一些用法介绍：
1、getline用法简介：
getline 是awk里用于输入重定向的一个函数,他可以从标准输入/一个管道/文件读取输入, 而不只是从当前被处理的文件来处理, ...
国外著名高校的公开课，对字幕进行了翻译，感觉不错：
http://so.v.163.com/movie/listpage/listprogram1/pl2/%BC%C6%CB%E3%BB%FA/default/fc/ot/default/1.html
最近在看 斯坦福大学公开课 ：机器学习