追求大而全是创业者最常见的误区之一，做多不如做少，做全不如做专，会减法才是真懂产品，这是今天分享给各位的创业心得。 编者按：本文作者曹政，资深 IT 人。技术大牛、数据控、历史控、考证控。曾参与创建一统统计、cnzz 站长统计，曾主持搭建百度商业分析支撑平台。文章首发于其微信公众号“caoz 的梦呓”（微信号：caozsay） 翻知乎的时候，发现有个旧帖，是关于百度贴吧俱乐部和百度空间app相关的讨论，有个人整段引用了我百度空间的旧文，然后，我发现我都忘了写过这样的文章。再然后，我发现我当时的判断居然又是正确的。 …

原图：http://photo.weibo.com/2687299131/wbphotos/large/mid/4062958860341438/pid/a02cee3bjw1fbndhoa4obj20ckbduu0x

之前尝试使用Spark MLlib 做机器学习，发现不是非常方便，也可能是在使用习惯上面不太适应（相对 python sklearn）. 今天尝试使用Spark MLlib 针对Iris数据做一次实践，之后会尝试写一个包装类，将这些步骤简化。   0. 数据准备： 原始的数据以及相应的说明可以到[这里] 下载。 我在这基础之上，增加了header信息。 下载：https://pan.baidu.com/s/1c2d0hpA 如果是可以直接从NFS或者HDFS之类的文件服务里面读csv，会比较方便， 参考下…

在之前的文章《使用nodetool 进行监控之初步使用》我们提到，新版本的Cassandra Nodetool 支持了 --format / -F 这个参数，可以将内容输出成json或者yaml格式。那么具体是如何实现的呢？ 本篇文章的目的就是尝试来阅读以下具体实现的源码。 从哪里入手？ 首先https://issues.apache.org/jira/browse/CASSANDRA-5977 。在这个issue之中，附带了patch的实现。从path之中，可以看到commitor首先修改了TableStats的…

文章转自：http://www.jianshu.com/p/21ae5a3037d7 这篇文章写的确实很不错啊，从头到尾把开发一个App的所有环节都讲了，而且讲得基本上还比较清楚。 因为手动转载比较麻烦（图片不能跨域浏览），建议直接到原文去看。  

虽然知道得晚了点，但是还是通过Databricks的邮件知道，新版的2.1.0已经发布。 我才刚刚稍微熟悉2.0.X，现在2.1.0已经冒出来~ 官网blog: https://databricks.com/blog/2016/12/29/introducing-apache-spark-2-1.html 那2.1.0 有哪些改进呢？ Structured Streaming 已经可以Production了 SQL 功能增强 Mllib for R 增强 原文链接：http://www.flyml.net/2017…

0. 项目背景： 我厂开发了一个App，反应还不错，在app store 上面的好几个区都能拿到工具类的1-3名。 但是在运营上面，一直貌似不够精细。楼主尝试使用机器学习的方法找到对我们影响比较大的App. 所谓“影响比较大”，是指：有哪些App会①带来新用户、②留住老用户、③导致流失用户。 先说说结果： 这是一个比较失败的项目， 因为最后算法的运算结果跟瞎猜没有区别。免得各位看到最后太过失望。。。 源码可以从百度网盘下载：https://pan.baidu.com/s/1gfjzwsj 数据没法奉献出来，抱歉~ …

之前的文章《Cassandra自带工具》提到了nodetool的使用，不过当时讲得并不够深入。这篇文章针对监控方向进行一些更深入的介绍。 同时，如果你正好跟我一样没法切换到Enterprise Edition，用好nodetool成为做好Cassandra监控的第一步。   nodetool status 这个命令在之前的文章已经有所介绍。这个是最常用的命令，可以非常明了的看到整个集群的状态。 当你的集群节点不是非常大的时候，使用这个命令非常方便。   nodetool info 查看当前节点的…