注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 运营探讨--解决ipv4向ipv6过渡的难题

  2. 互联网名称与数字地址分配机构（ICANN）公布的最新数据表明，全球IPv4地址仅剩余2.52亿个，不到总量的6%，预计IPv4地址会在2011年8月耗尽。随着物联网、移动互联网、IPTV、宽带上网等业务不断发展壮大，运营商不停地扩大网络规模，这也使IPv4地址枯竭的速度更快了。业内人士认为，IPv6是解决IPv4地址短缺的争议最少的方案。 运营商的困惑 　　运营商将IPv4升级为IPv6网络的过程，就好像将旅馆的所有客房重新粉刷、更换家具设施，同时还要保障旅馆不停业，甚至接待更多旅客；并且旅馆

  3. 所属分类：网络基础

    • 发布日期：2011-01-19
    • 文件大小：829440
    • 提供者：n2day

  1. 大数据日知录（1/2）

  2. 大数据是当前最为流行的热点概念之一，其已由技术名词衍生到对很多行业产生颠覆性影响的社会现象，作为最明确的技术发展趋势之一，基于大数据的各种新型产品必将会对每个人的日常生活产生日益重要的影响。 《大数据日知录：架构与算法》从架构与算法角度全面梳理了大数据存储与处理的相关技术。大数据技术具有涉及的知识点异常众多且正处于快速演进发展过程中等特点，其技术点包括底层的硬件体系结构、相关的基础理论、大规模数据存储系统、分布式架构设计、各种不同应用场景下的差异化系统设计思路、机器学习与数据挖掘并行算法以及层

  3. 所属分类：其它

    • 发布日期：2016-04-25
    • 文件大小：52428800
    • 提供者：thirdlucky

  1. 大数据日知录（2/2）

  2. 大数据是当前最为流行的热点概念之一，其已由技术名词衍生到对很多行业产生颠覆性影响的社会现象，作为最明确的技术发展趋势之一，基于大数据的各种新型产品必将会对每个人的日常生活产生日益重要的影响。 《大数据日知录：架构与算法》从架构与算法角度全面梳理了大数据存储与处理的相关技术。大数据技术具有涉及的知识点异常众多且正处于快速演进发展过程中等特点，其技术点包括底层的硬件体系结构、相关的基础理论、大规模数据存储系统、分布式架构设计、各种不同应用场景下的差异化系统设计思路、机器学习与数据挖掘并行算法以及层

  3. 所属分类：其它

    • 发布日期：2016-04-25
    • 文件大小：17825792
    • 提供者：thirdlucky

  1. 数据分析与处理之一（大规模数据分析架构）

  2. 随着互联网、移动互联网和物联网的发展，谁也无法否认，我们已经切实地迎来了一个海量数据的时代，数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB，对海量数据的分析已经成为一个非常重要且紧迫的需求。按照数据分析的实时性，分为实时数据分析和离线数据分析两种。实时数据分析一般用于金融、移动网络、物联网和互联网B2C等产品，往往要求系统在数秒内返回上亿行数据的分析，从而才能达到不影响用户体验的目的。为了满足这样的严苛需求，可以采用精心设计的传统关系型数据库组成并行处理集群，或者采用一些内存计算

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：339968
    • 提供者：weixin_38712578

  1. 一文详解Spark基本架构原理

  2. 本文来自于简书，ApacheSpark是专为大规模数据处理而设计的快速通用的计算引擎。文章主要通过八个方面全面介绍了spark的架构原理，更多内容请看全文。ApacheSpark是一个围绕速度、易用性和复杂分析构建的大数据处理框架，最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一，与Hadoop和Storm等其他大数据和MapReduce技术相比，Spark有如下优势：Spark提供了一个全面、统一的框架用于管理各种有着不同性质（文本数据、图表

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：804864
    • 提供者：weixin_38673812

  1. 数据分析与处理之一（大规模数据分析架构）

  2. 随着互联网、移动互联网和物联网的发展，谁也无法否认，我们已经切实地迎来了一个海量数据的时代，数据调查公司IDC预计2011年的数据总量将达到1.8万亿GB，对海量数据的分析已经成为一个非常重要且紧迫的需求。按照数据分析的实时性，分为实时数据分析和离线数据分析两种。实时数据分析一般用于金融、移动网络、物联网和互联网B2C等产品，往往要求系统在数秒内返回上亿行数据的分析，从而才能达到不影响用户体验的目的。为了满足这样的严苛需求， 可以采用精心设计的传统关系型数据库组成并行处理集群，或者采用一些内存计

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：339968
    • 提供者：weixin_38522323

  1. 一文详解Spark基本架构原理

  2. 本文来自于简书，Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎。文章主要通过八个方面全面介绍了spark的架构原理，更多内容请看全文。ApacheSpark是一个围绕速度、易用性和复杂分析构建的大数据处理框架，最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一，与Hadoop和Storm等其他大数据和MapReduce技术相比，Spark有如下优势：Spark提供了一个全面、统一的框架用于管理各种有着不同性质（文本数据、图

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：804864
    • 提供者：weixin_38507121