- 综合排序
- 最热优先
- 最新优先
- 来自专栏凹凸玩数据
盘点 10大 数据库！
大家好，我是小五 DB-Engines 最近发布了 2021 年 9 月份的数据库排名。该网站根据数据库管理系统的受欢迎程度对其进行排名，实时统计了 378 种数据库的排名指数。 前 30 名的排行情况详见下图，前10大数据库 用线段做了分割。同时在文末，会免费赠送给大家一些数据库书籍！ 跌幅榜情况 较去年同期，本月三霸主集体暴跌再次霸占了“同期跌幅榜”。 虽然各大开源类数据库百花齐放，然而，在 DB-Engines 全球数据库排行榜上，Oracle 和 MySQL 依然是世界上最受欢迎的商业和开源类数据库，而且领跑优势还在继续扩大。 小众数据库不可小觑 数据库相关从业人员可以将 DB-Engines 数据库排名作为参考，大数据时代发展速度之快超乎我们的想象，新的数据库产品仍然在不断诞生，如果你的需求比较特殊，大众数据库产品无法很好地满足你 每天数据增量十多亿，近百万次查询请求。 快手内部也在使用 ClickHouse，存储总量大约 10PB， 每天新增 200TB， 90% 查询小于 3S。
2.5K10发布于 2021-10-18 - 来自专栏热爱IT
Github上开源的10大Javascript模板引擎，助力前端开发
，那么今天就介绍10大开源模板引擎，依据不同的场景或者功能特性，可以选择不同的模板引擎应用到项目中去： 1. Bunny 10. Squirrelly 1、Art-template Art-template是一个简单且超快速的模板引擎，可通过范围预先声明的技术优化模板渲染速度。 每次传入数据时，生成由相应数据生成的HTML片段，呈现不同的效果。 Tempo Tempo是一个简单，直观的JavaScript渲染引擎，能够以纯HTML格式制作数据模板。 10. Squirrelly Squirrelly是使用JavaScript实现的现代，可配置且功能强大的快速模板引擎。它在ExpressJS开箱即用，完整版压缩后仅约2.2KB。
7.9K31发布于 2019-11-14 - 来自专栏个人分享
数据挖掘10大算法详细介绍
想初步了解下怎样数据挖掘，看到一篇不错的文章转载过来啦~ 转自:http://blog.jobbole.com/89037/ 在一份调查问卷中，三个独立专家小组投票选出的十大最有影响力的数据挖掘算法 只有这样之后 SVM 才有能力对新数据进行分类。 为什么我们要用 SVM 呢？ SVM 和 C4.5大体上都是优先尝试的二类分类器。 举个例子：最流行的 PageRank 算法是 Google 的搜索引擎。尽管他们的搜索引擎不止是依靠它，但 PageRank依然是 Google 用来测算网页重要度的手段之一。 举个 AdaBoost 算法的例子：我们开始有3个弱学习器，我们将在一个包含病人数据的数据训练集上对他们做10轮训练。数据集里包含了病人的医疗记录各个细节。 在10轮结束的时候，我们剩下了一个带着不同权重的已经训练过的联合学习分类器，之后重复训练之前回合中被误分类的数据。 这是个监督还是非监督算法？
2.3K40发布于 2018-09-06 - 来自专栏大数据
10大数据挖掘算法及其简介
Naive Bayes 10. CART 1.C4.5 C4.5以决策树的形式构造了一个分类器。为了做到这一点，C4.5给出了一组已经分类的数据。 分类器是数据挖掘中的一个工具，它取一堆数据来表示我们想要分类的东西，并试图预测新数据属于哪个类。 例如，假设在患者数据集中。 4.Apriori Apriori算法学习关联规则，并应用于包含大量事务的数据库。 关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相互关系和关系。 例如，假设我们有一个超市交易数据库。 这里有一个例子:PageRank最普遍的例子是谷歌的搜索引擎。虽然他们的搜索引擎并不仅仅依赖于PageRank，但它是谷歌用来衡量网页重要性的一个指标。 10.CART CART代表分类和回归树。它是一种决策树学习技术，它输出分类或回归树。和C4.5一样，CART是一个分类器。 分类树是否像决策树?分类树是决策树的一种类型。分类树的输出是一个类。
1.2K70发布于 2018-01-19 - 来自专栏ATYUN订阅号
10大数据挖掘算法及其简介
Naive Bayes 10. CART 1.C4.5 C4.5以决策树的形式构造了一个分类器。为了做到这一点，C4.5给出了一组已经分类的数据。 分类器是数据挖掘中的一个工具，它取一堆数据来表示我们想要分类的东西，并试图预测新数据属于哪个类。 例如，假设在患者数据集中。 4.Apriori Apriori算法学习关联规则，并应用于包含大量事务的数据库。 关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相互关系和关系。 例如，假设我们有一个超市交易数据库。 这里有一个例子:PageRank最普遍的例子是谷歌的搜索引擎。虽然他们的搜索引擎并不仅仅依赖于PageRank，但它是谷歌用来衡量网页重要性的一个指标。 10.CART CART代表分类和回归树。它是一种决策树学习技术，它输出分类或回归树。和C4.5一样，CART是一个分类器。 分类树是否像决策树?分类树是决策树的一种类型。分类树的输出是一个类。
1.2K130发布于 2018-03-06 - 来自专栏Java架构师历程
MySQL的三大引擎
MySQL的三大引擎：InnoDB、MyISAM和Memory InnoDB和MyISAM是在使用MySQL最常用的两个表类型，各有优缺点，视具体应用而定。 Innodb Myisam Memory 事务 支持 不支持 执行速度 比较快 快 大容量数据 是 创建表->存储位置 数据库系统（缓存池） ->表空间 单独的文件 内存中->磁盘文件 InnoDB 是 MySQL 上第一个提供外键约束的引擎，除了提供事务处理外，InnoDB 还支持行锁，提供和 Oracle 一样的一致性的不加锁读取，能增加并发读的用户数量并提高性能，不会增加锁的数量。 InnoDB 的设计目标是处理大容量数据时最大化性能，它的 CPU 利用率是其他所有基于磁盘的关系数据库引擎中最有效率的。 MySQL Memory(Heap)引擎 MEMORY存储引擎用存在内存中的内容来创建表。这些在以前被认识为HEAP表。MEMORY是一个首选的术语，虽然为向下兼容，HEAP依旧被支持。
4.2K20发布于 2018-09-26 - 来自专栏五分钟学算法
10 大算法
与早期的排序算法相比(如冒泡算法)，这些算法将排序算法提上了一个大台阶。也多亏了这些算法，才有今天的数据发掘，人工智能，链接分析，以及大部分网页计算工具。 02 傅立叶变换 和快速傅立叶变换 ? 从搜索引擎和社交网站，到市场分析工具，都在不遗余力地寻找因特网的真正构造。 普遍认为Google是首先使用这类算法的机构，不过其实早在1996年(Google 问世2年前)李彦宏就创建的“RankDex”小型搜索引擎就使用了这个思路。 9 数据压缩算法 数据压缩算法有很多种，哪种最好？这要取决于应用方向，压缩mp3，JPEG和MPEG-2文件都不一样。 哪里能见到它们？不仅仅是文件夹中的压缩文件。 你正在看的这个网页就是使用数据压缩算法将信息下载到你的电脑上。除文字外，游戏，视频，音乐，数据储存，云计算等等都是。它让各种系统更轻松，效率更高。 10 随机数生成算法 ?
52840发布于 2019-06-03 - 来自专栏LiveEdu在线科技教育平台
2017编程趋势预测：10大技术大热，10大技术遇冷
SVG和HTML包含了一大堆标签，Web开发者使用起来往往更方便，现在还有了大的APIs，让你可以在画布对象上详细地绘画图形，通常还会提供视频卡来帮助你使用。 我们的游戏不再是用手工写代码完成，而是由相同的引擎来制作而成的。这也许让人觉得惭愧，不过，大多数开发者都对此感到很欣慰，因为他们不需要被迫去处理细节，这样他们可以专注于游戏玩法，情节，人物和艺术。 新的Web应用程序是从前端到有大量内容的大数据库。当Web应用程序需要信息时，它就从数据库中提取信息并将信息注入到本地的模具中。 现在没有必要使用Web附加设备所需要的所有东西来标记数据，以便创建一个网页了。数据层是完全独立于演示和格式层。 10. 在线即时教育成趋势，四年传统教育不再是主流 以计算机为媒介的课程已经不是新玩意了，每个人正在享受着观看视频讲座的好处。
1.7K100发布于 2018-05-21 - 来自专栏CDA数据分析师
【干货】数据挖掘的10大分析方法
其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。 同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。 10.CART:分类与回归树 CART,ClassificationandRegressionTrees。在分类树下面有两个关键的思想。 第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。
2K80发布于 2018-02-11 - 来自专栏算法channel
盘点 Python 10 大常用数据结构（下篇）
Python 常用数据结构 此专题《盘点Python10大常用数据结构》目录： 学习目的 学习目标 1 list 2 tuple 3 set 4 dict 5 deque 6 Counter 7 OrderedDict 8 heapq 9 defaultdict 10 ChainMap 总结 学习目的 这个专题，尽量使用最精简的文字，借助典型案例盘点Python常用的数据结构。 下面根据定义的这三个阶段，总结以下10种最常用的数据结构： 1 list 基本用法 废话不多说，在前面单独有一个专题详述了list的使用【添加文章链接】 使用场景 list 使用在需要查询、修改的场景， 10 ChainMap 基本用法 如果有多个dict想要合并为一个大dict，那么ChainMap将是你的选择，它的方便性体现在同步更改。 总结 以上就是Python常用的10种数据结构，4种常用的基本结构，6种基于它们优化的适应于特定场景的结构，对它们的学习我将它们总结为三步。
1.1K30发布于 2020-08-04 - 来自专栏算法channel
盘点 Python 10 大常用数据结构（上篇）
学习目的 这个专题，尽量使用最精简的文字，借助典型案例盘点Python常用的数据结构。 学习目标 学习数据结构第一阶段：掌握它们的基本用法，使用它们解决一些基本问题； 学习第二阶段：知道何种场景选用哪种最恰当的数据结构，去解决题问题； 学习第三阶段：了解内置数据结构的背后源码实现，与《算法和数据结构 下面根据定义的这三个阶段，总结以下10种最常用的数据结构： 1 list 基本用法 废话不多说，在前面单独有一个专题详述了list的使用列表专题 使用场景 list 使用在需要查询、修改的场景，极不擅长需要频繁插入 以上4种数据结构相信大家都已经比较熟悉，因此我言简意赅的介绍一遍。接下来再详细的介绍下面6种数据结构及各自使用场景，会列举更多的例子。 5 deque 6 Counter 7 OrderedDict 8 heapq 9 defaultdict 10 ChainMap
1.1K30发布于 2020-08-04 - 来自专栏华章科技
因为大数据 10大行业正在改变……
来源：36大数据 去年十月，在埃森哲和通用电气联合发布的调研报告中突破性地指出了这一紧迫性。89%的调查者认为，一家没有大数据战略的企业将在明年就遭到市场份额和发展势头方面的损失。 大约一年后，将会有10个行业因大数据战略而迅速变革。事实上，84%的企业认为大数据将在未来一年重塑竞争版图。所以即使你所处的行业不在其列，留意下周围那些正在经历这场巨变的公司也没有坏处。 10、能源产业 技术和物联网颠覆了能源产业。从微观上看，有像Quirky公司的Aros这样的智能空调设备，它不但可以利用数据学习用户习惯和温度偏好，保持屋内凉爽和舒适，而且几乎不需要浪费多少能源。 T-Mobile 合并了所有的客户数据集，将其分为六大类，以此来进行完整的客户行为分析，最终分析使得客户流失率降低了50%。 1、数据存储业 最后是数据存储业。由于数据量很大而且在各行各业都有其不同的特性，亟需找到一种存储入库数据的方法，这种方法不需要大量服务器的要求也没有笨重的CRM系统。 Box 的解决方案应运而生。
59920发布于 2018-08-13 - 来自专栏CSDN技术头条
2016年大数据在金融领域的10大趋势
在低端市场，一些中小型的公司（经纪、资产管理、区域银行、顾问等）能够更快速的适应大数据平台（云平台和本地部署），这些都帮助他们构建能够支撑复杂业务的大型系统，同时这些系统也都是比他们大的竞争对手所必须面对的 这块市场因此能够快速成长（对比那些大银行所关注的长期而规范的和成本为主的项目）能够马上看到更加直接收入贡献和战略（概念/实验）项目 。 ”应用（相对来讲），同时许多大数据专家继续再更大的数据集合上前进，未来将会有更多的普通人加入到大数据应用的行列。 我们预计，在中等的商业风险评估与性能相关的大数据的商业行为将迅速增加。更进一步，我们将看到关于如何切实带来后台功能的更深层次的交流(合作等)。 10. 原文：Top 10 Big Data Trends in 2016 for Financial Services 译者：袁璞，圣特尔•E店宝大数据架构师，关注高性能或可用架构、大数据技术、机器学习。
1.3K100发布于 2018-02-11 - 来自专栏大数据文摘
2016年大数据在金融领域的10大趋势
在低端市场，一些中小型的公司（经纪、资产管理、区域银行、顾问等）能够更快速的适应大数据平台（云平台和本地部署），这些都帮助他们构建能够支撑复杂业务的大型系统，同时这些系统也都是比他们大的竞争对手所必须面对的 这块市场因此能够快速成长（对比那些大银行所关注的长期而规范的和成本为主的项目）能够马上看到更加直接收入贡献和战略（概念/实验）项目 。 数据治理，血统和其他的合规性方面问题将会更加深入的集成到大数据平台中去。 经典”应用（相对来讲），同时许多大数据专家继续再更大的数据集合上前进，未来将会有更多的普通人加入到大数据应用的行列。 原文：https://www.mapr.com/blog/top-10-big-data-trends-2016-financial-services 往期精彩文章推荐，点击图片可阅读 人性不变，泡沫永存
1.1K70发布于 2018-05-22 - 来自专栏程序那些事儿
PHP八大模板引擎
当我们在PHP中讨论模板引擎时，许多开发人员会告诉你，这是没有必要的，他们会说这是学习时间和资源的浪费，因为PHP本质上也是一个模板引擎。 但是当你看过很多框架之后，你会发现很多框架都会有模板引擎的存在，所以说php中的模板引擎还是有必要了解一下的。 跨模板的数据共享 将数据预先分配给特定模板 内置逃生帮助器 易于使用的功能和扩展 与框架无关，将与任何项目配合使用 分离设计使模板易于测试 可以使用composer引入 以下代码段提供了板模板引擎语法外观的预览 > Blade blade是laravel内置的模板引擎。与其他流行的PHP模板引擎不同，Blade 不会限制您在视图中使用纯 PHP 代码。 Smarty 是一个模板引擎，用作应用程序的 View 组件。Smarty 可轻松与上面列出的任何引擎耦合为视图组件。
3.5K30编辑于 2023-07-24 DeepSeek + 流程引擎：大模型如何提升流程引擎的能力
生成式AI，特别是基于大语言模型（LLM）的技术，如DeepSeek、ChatGPT，能够以自然语言生成、理解、优化和执行任务，在流程引擎中发挥越来越重要的作用。 流程引擎通常包括流程建模、任务分配、进度监控、数据流动等功能，能够处理简单的任务自动化到复杂的端到端业务流程。传统的流程引擎依赖于预设规则和工作流模型，通过规则引擎来执行任务。 1.自动化决策和任务分配传统的流程引擎主要依赖人工配置的规则来进行任务分配和决策，而生成式AI能够基于大量的数据进行实时决策，并能够根据上下文自动调整任务分配和执行方案。 2.智能流程优化生成式AI能够通过分析大量历史数据和流程执行数据，自动识别流程中的瓶颈、低效环节和潜在的优化空间。 AI可以进行自适应学习，根据实时数据反馈自动优化流程设计，调整流程中的环节和顺序，提高整体效率。
53710编辑于 2025-03-18- 来自专栏Elasticsearch实验室
10分钟快速入门海量数据搜索分析引擎 Elasticsearch
背景 随着移动互联网、物联网、云计算等信息技术蓬勃发展，数据量呈爆炸式增长。如今我们可以轻易得从海量数据里找到想要的信息，其中离不开搜索引擎技术的帮助。 数据量达到十亿，百亿规模仍然可以秒级返回检索结果。对于系统容灾、数据安全性、可扩展性、可维护性等我们关注的实际问题，在开源搜索引擎领域排名第一的Elasticsearch里均能得到有效解决。 2. Elasticsearch 介绍 Elasticsearch（ES）是一个基于Lucene构建的开源分布式搜索分析引擎，可以近实时的索引、检索数据。 集群可扩展性不足，比如集群分片数超10w会出现明显的元数据管理瓶颈。以及集群扩容、节点异常后加回集群，存在节点、多硬盘之间数据不均问题。 其他一些优化方式包括多盘策略兼容数据吞吐与数据容灾，以及通过生命周期管理等定期删除过期数据等。 内存成本 方面，我们发现特别是大存储机型，存储资源才用了20%内存已不足。
2.2K7552发布于 2020-08-23 - 来自专栏腾讯云Elasticsearch Service
10分钟快速入门海量数据搜索分析引擎 Elasticsearch
背景 随着移动互联网、物联网、云计算等信息技术蓬勃发展，数据量呈爆炸式增长。如今我们可以轻易得从海量数据里找到想要的信息，其中离不开搜索引擎技术的帮助。 数据量达到十亿，百亿规模仍然可以秒级返回检索结果。对于系统容灾、数据安全性、可扩展性、可维护性等我们关注的实际问题，在开源搜索引擎领域排名第一的Elasticsearch里均能得到有效解决。 2. Elasticsearch 介绍 Elasticsearch（ES）是一个基于Lucene构建的开源分布式搜索分析引擎，可以近实时的索引、检索数据。 集群可扩展性不足，比如集群分片数超10w会出现明显的元数据管理瓶颈。以及集群扩容、节点异常后加回集群，存在节点、多硬盘之间数据不均问题。 其他一些优化方式包括多盘策略兼容数据吞吐与数据容灾，以及通过生命周期管理等定期删除过期数据等。 内存成本 方面，我们发现特别是大存储机型，存储资源才用了20%内存已不足。
1.9K61发布于 2020-08-24 - 来自专栏灯塔大数据
大数据行业人士必知10大数据思维原理
大数据思维原理是什么？简单概括为10项原理，当样本数量足够大时，你会发现其实每个人都是一模一样的。 有人把数据比喻为蕴藏能量的煤矿，煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”，价值含量、挖掘成本比数量更为重要。 举例来说，这里有一张照片，照片里的人在骑马，这张照片每一分钟，每一秒都要拍一张，但随着处理速度越来越快，从1分钟一张到1秒钟1张，突然到1秒钟10张后，就产生了电影。 数据这么大、这么多，所以人们觉得有足够的能力把握未来，对不确定状态的一种判断，从而做出自己的决定。这些东西我们听起来都是非常原始的，但是实际上背后的思维方式，和我们今天所讲的大数据是非常像的。 例如：从搜索引擎——向推荐引擎转变。今天，后搜索引擎时代已经正式来到，什么叫做后搜索引擎时代呢？使用搜索引擎的频率会大大降低，使用的时长也会大大的缩短，为什么使用搜索引擎的频率在下降？时长在下降？
2.4K50发布于 2018-04-09 - 来自专栏数据科学与人工智能
【数据挖掘】详细解释数据挖掘中的 10 大算法（下）
举个例子：最流行的 PageRank 算法是 Google 的搜索引擎。尽管他们的搜索引擎不止是依靠它，但 PageRank依然是 Google 用来测算网页重要度的手段之一。 Twitter 研究出了一种叫 WTF（Who-to-Follow）算法，这是一种个性化的 PageRank推荐关注人的引擎。 举个 AdaBoost 算法的例子：我们开始有3个弱学习器，我们将在一个包含病人数据的数据训练集上对他们做10轮训练。数据集里包含了病人的医疗记录各个细节。 在10轮结束的时候，我们剩下了一个带着不同权重的已经训练过的联合学习分类器，之后重复训练之前回合中被误分类的数据。 这是个监督还是非监督算法？ 第四步：计算其他类时也做类似的计算： 因为0.252大于0.01875，Naive Bayes 会把长形，甜的还是黄色水果分到香蕉的一类中。 这是个监督算法还是非监督算法呢？
1.6K60发布于 2018-02-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号