k-d tree算法原理及实现
k-d tree即k-dimensional tree，常用来作空间划分及近邻搜索，是二叉空间划分树的一个特例。通常，对于维度为$k$，数据点数为$N$的数据集，k-d tree适用于$N\gg2^k$的情形。 1）k-d tree算法原理
阅读更多k-d tree即k-dimensional tree，常用来作空间划分及近邻搜索，是二叉空间划分树的一个特例。通常，对于维度为$k$，数据点数为$N$的数据集，k-d tree适用于$N\gg2^k$的情形。 1）k-d tree算法原理
阅读更多这是阎连科先生在写知识分子自己“丑陋”的一步作品。小说情节看似荒诞，但现实世界正在发生的事情远比小说荒诞多了。 “我”没有选择青梅竹马，为了地位，为了事业，“我”娶了教授的女儿，赵茹萍。 然而婚后生活并不幸福，“我”追求的学术在妻子看来一文不值。她深谙世道，能“睡觉”得到的东西，就不用专研学术。“我”更像是时代的遗儿，“我”和这个时代太不合了。面对妻子赵茹萍与校长李广智的通奸，更像是“我”做错了事，“我”活的没有一个男人样，竟给茹萍跪下来苦苦求饶“不要再有下次了好吗”，写出了知识分子的懦弱。 “我”像一个异类一样被送进了精神病院（当“权威”说你有病，你就是有病，你没有辩驳的权利）。当院长说，你不是教授吗，你去给病人讲课，当他们交头接耳，不愿听，你就可以出院了（将一个人交给“病人”来裁判时，你的认真无法逃脱这个荒诞）。“我”想着方式让病人听不懂，他们却异常认真，这时，“我”的常识失效了，“我”会进入一个死循环，“我”要逃离这里，去哪里？回家。 乡人知道“我”是“清燕大学”的教授，带着孩子争相找“我”摸头，送吃送喝，为的是孩子能考中。然而未中时，竟似盗贼样争抢我家里的东西。他们正巧撞上我后露出的一丝“羞愧”已将乡人“淳朴”的外衣撕的仅剩一件内裤了（一般作家是不敢“得罪”农民的，阎连科偏敢写出来）。
阅读更多假定N为后台服务节点数，当前台携带关键字key发起请求时，我们通常将key进行hash后采用模运算（hash(key)%N）来将请求分发到不同的节点上。 对前台请求于后台无状态服务节点不敏感的场景而言，只要请求key具有一定的随机性，哪怕节点动态增删，该算法于后台而言已可以达到很好的负载均衡效果。 但对于分布式缓存，或者分布式数据库等场景而言，上述方式就不合适了。因后台节点的增删会引起几乎所有key的重新映射。这样，于分布式缓存而言，均发生cache miss；于分布式数据库而言发生数据错乱，其影响是灾难性的。 而一致性哈希算法的目标是，当K个请求key发起请求时。后台增减节点，只会引起K/N的key发生重新映射。即一致性哈希算法，在后台节点稳定时，同一key的每次请求映射到的节点是一样的。而当后台节点增减时，该算法尽量将K个key映射到与之前相同的节点上。
阅读更多当前，各应用平台每天都在产生海量的数据。基于海量数据的深度分析报告越来越有价值。该领域涵盖数学、统计学，计算机科学等众多学科，是一个值得深入研究的方向。本文涉及的是一个简单的数据分析场景，旨在梳理使用Python数据分析涉及的常用类库（pandas、matplotlib等）与入门知识。本文对指定的几家手机品牌，按日期区间，从百度指数网站获取其月度搜索数据，然后绘制出它们的搜索走势对比图。 1）关键点 a）日期区间（使用pandas的date_range方法）； b）对指定日期（年月），获取手机品牌清单中各品牌的搜索量（requests使用）； c）构造DataFrame（重点关注data、index和columns参数传值），结合matplotlib绘图。
阅读更多行急思缓，静久思动，欲频需节，气堵需疏。 人浮于世，几乎需对遇见的每个对立命题都得寻得一个平衡点。如游走于太极图谱，凡事不能直接落入黑白，得不断摸索这黑白的交界。而修行即是让心灵不断靠近这条线。 世事变化，内心却要寻得某种不变，即是一种平衡的状态。 内心活动看似包裹在驱壳之内，旁人难以察觉，实则心气流动，皆会以某种方式露于形色。若让修道之人，略观其色，听其片语，判断其心念涌动，结果不出其二。 人在世上游走，于对立的命题间找不到平衡，会被有形的社会规则与无形的内心斗争所折磨，所以需要不断修行。
阅读更多业务中也许会遇到反向构建树的情形，如从外部工具获取到依赖关系、行政区划，组织架构等文本数据时，如何去反向构建树。我们以“获取到了树的深度遍历结果，然后将树结构构建出来，最后用JSON格式输出”，来模拟此类树的反向构建过程。本文采用Ruby作为描述语言。 1） 已获取的树的遍历结果文本 company +- org-1 +- org-2 | \- org-2.
阅读更多