MyClusterManager 1.2 beta
主要功能:将SQL分发到集群的各个主机中。
所需Perl的模块:strict,DBI,DBD::mysql。
使用方法:perl ./MyClusterManager.pl
所需表结构为db.sql中的SQL。
主要功能:将SQL分发到集群的各个主机中。
所需Perl的模块:strict,DBI,DBD::mysql。
使用方法:perl ./MyClusterManager.pl
所需表结构为db.sql中的SQL。
Powered by Twitter Tools
我在澳洲三年,我越来越感觉到这里的政府才是真正的为人民服务,而且服务到了极至!说句实话,三年了,我没赚什么钱,可能还比我来的时候少了,但我从来没遇到过一件让我窝心的事,也没遇到过一个让我难堪过的人,更别说骂人,打架,偷盗等犯罪了(我不是说澳洲没有犯罪)。
咱们在国内拼命赚钱为了什么?老婆,孩子,父母,大家的健康。真正为了满足自己私有欲望的人很少。但到了澳洲,我发现这些东西政府都已经替我做好了,我需要做的就是照顾我好自己就行了。这个时候我突然发现我没有动力了。
医疗全部免费,孩子上学全部免费,上大学可以贷款,找到工资在一定数额以上的工作以后才用还贷款。 生孩子国家奖励3000元,孩子每月的补贴够付我的600平米房子的租金,或少加一点就可以付购房贷款了。老婆每月领到的养育孩子的补贴和孩子拿到的差不多,而我因为有一个5岁以下的孩子,政府给我很大的税收补助,将近五分之四不用交纳。
我家的后门从来不锁,任何人都可以从后门进到我家里,当然就可以拿走任何东西,但却从来没有。你的钱包丢了,就会有人打电话给你(如果他能找到你的电话的话),你会发现里面的硬币还在里面。
无论多么拥挤的场合,从来不会有人碰到你,更不会挤你(观看世界杯比赛除外),再急也会去排队,所以总会有人问你:你是这个队伍的最后一个吗?
永远不会有开车加塞的情况,也总会有人给你让车让你去加塞。永远不会堵车,但高峰期你会发现车速会慢的出奇。没有交通警察,只有那一明一灭的红绿灯,没有人会无视交通灯的存在。所有的汽车都会给行人和自行车让路,包括在小路上闲庭信步的小鸟。周末,几乎每一个购物中心的停车场都会人满为患,很多人会开车在停车场转圈找位置,或等别人离开,但,你会发现离大门最近的几个残疾人和母婴停车位却空着没有人停。
买车的费用为车牌费每年500元,仅此而已!没有养路费,没有购置费。当然肯定是要保险的,我的车全保每年不到500元(当然和车的高级程度有关)。没有过桥费,收费站是不存在的(城市隧道除外,一年也不走一次,还可以绕行)。
永远听不到大声喧哗,无论是饭店,车站,商场或酒吧(体育场除外)。凡是带屋顶的地方全部禁烟,离儿童游乐设施50米之内禁烟。
我儿子在路边随意向公共汽车招了一下手,会引来车里几个人给他招手示意。
注册一个公司75元三年的注册费,然后就可以营业了。没有注册资金,也没有经营范围。没有工商,也没有税务,更没有什么城管大队。年底,自己填表自己报税,没有人管你,如果你不想报,没问题,当然查到你,你这一辈子就别想轻松了。
这里人均年收入大概50000澳元,每周大概为1000澳元。一个DVD为40元,液晶平板32″电视2000元,SONY的摄像机 800-1300元,NIKON的专业数码相机D50,800元,意大利3+2真皮沙发1800元,IBM手提电脑2000元,收费电视所有频道加一起大概40个,每月100元,全新的韩国现代车,起价13000元,本田雅阁3.0,40000元,BMW318,50000元,保时杰20万,一般级别的的游艇60000元,两个城市之间的飞机票一般为100-200元,飞回中国的机票为700-1200元,飞到美国的机票为1500-2500元,一个 600平方的土地,上面盖着一套150-250左右面积的平房,大概要30万(看地理位置)。
我无意去比较中国和澳洲的好与坏,两个国家国情差距很大,几乎没有可比性。但在这里我得到了很多以前想都想不到的待遇(完全和金钱无关),而且许多东西可能是我在中国要努力一辈子才能得到的。这是一个只有富人没有穷人的社会!富人住10万平方的大庄园,穷人住500平方的小平房;富人开100万的宾力,穷人开15000元的韩国车;富人可以有几个自己的私人别墅,穷人在假期的时候可以花一点钱去租一个同样风景秀丽的海边别墅;富人可以有一个象航空母舰那样的游艇,穷人可以很轻松的分期买一个足够全家人一起出海的游艇.
重要的是你从来就不可能一眼分辨出你面前的这个人是富人还是穷人。他一样的遵守交通规则,一样的照章纳税,一样的被警察抄牌罚款,一样的为了找一个停车位在停车场转来转去,一样的不会在公共场所抽烟大声喧哗,一样的光着脚在家门口的人行道上走来走去。
这就是澳大利亚和谐社会的标准。不多说什么了 大家都懂的。。。
最近工作中遇到不少涉及数据“预测”的需求,这个“预测”并不一定是预估未来某个指标的发展趋势,也可能是基于某些已知的数据去建立计算模型,计算某些量变化后的结果。
其实这些事情都涉及一个工作,就是预测模型的建立。
对于数据趋势预测和数据模型预测的建模方式当然不一样,因为它们的目标和基础并不一样。
对于数据趋势预测,信息论有一个基础理论,新数据的参考价值大于旧的数据,所以对待趋势趋势,考虑过多的陈旧数据反而会导致预测的精度大大下降,正确的做法应该是仅考虑最近的数据,或者大大弱化旧数据的影响权值。
如果只有最新的一部分数据,如何去拟合?一般情况下数据趋势都是一个冲击扰动系统,很少的几个数据根本无法靠多项式去拟合,但是引入遗传算法迭代复杂表达式其实效果并不怎么样,但是算法复杂度就高了。
很简单的办法就是叠加数据,让参与计算的数据成为单调的,最简单的叠加算子就是,Y[X[1]]=Y[X[1]], Y[X[2]]=Y[X[1]]+Y[X[2]],以此类推,Y[X[i]]=Y[X[1]]+…+Y[X[i]]。
获得新的Y序列再放入坐标系,然后进行拟合,这样多项式足以获得非常好的拟合度,因为处理后的曲线一定是单调的,同时没有任何数据丢失。
拟合到曲线后,计算下一个点只要用下一个点的X代入,就可以算出Y,然后Y减去前面所有的Y之和,就可以得到自己真实的值,这样的预测结果将会有很好的精确度。
再说说数据模型预测,这已经不是一个信息论问题,而是一个统计问题,对离散的统计数据建模,以计算未被统计到的数据。这种情况下,每个统计值都具有等同的价值。这时候就需要考虑全部已知数据来修正模型,面对这种场景最好的办法就是遗传算法,迭代表达式来获得更好的拟合度。关于遗传算法,我又一篇博文《遗传算法聚类程序》,给出了一个遗传算法的例子。对于拟合的遗传算法模型,就是首先预置一些基础表达式,都假设为拟合结果,算一下拟合相似度,选出最匹配的表达式做一个“杂交”,就是将其中的变量替换成另一个表达式,这样再算,选出最优的几个,继续交换,最终就会慢慢逼近结果,达到满意的拟合度后,就可以停止。如果能预置一些曲线库,那就更好了。
具体怎么做呢?首先需要采集到一个矩阵,
A[1,1] A[1,2] … A[1,n] T[1]
A[2,1] A[2,2] … A[2,n] T[2]
…
A[m,1] A[m,2] … A[m,n] T[m]
A[i,j]是第i个数据中第j个变量的值,T[i]是这组数据的目标结果。
然后我们就可以建模F(A[1],A[2], … , A[n])=T,将所有的数据代入就可以得到一个多维映射,然后的工作就是解出这个映射的表达式。这个过程有一些现成的软件,例如Matlab之类的。
在我的另一篇文章数据库算法与数据结构系列——B树相关中我介绍了B树的结构,PPT上的东西很理论,这里补充一下演示的程序和B+树实现的代码。
下面是从网上找的一个B-树的图形演示程序。
B-Tree_Demo.zip (68.6 KiB, 3,126 hits)
下面是用C++实现B+树的代码,没做什么优化,全部都是操作文件,所以相对较慢。
阅读全文…