1. 涉及技术及下载项目开发使用到的软件有：Myeclipse2014，JDK1.8，Hadoop2.6，MySQL5.6，EasyUI1.3.6，jQuery2.0，Spring4.1.3，Hibernate4.3.1，Struts2.3.1，Maven3.2.1，Mahout0.10。项目下载地址：https://github.com/fansy1990/mahout1.0，项目部署参考：http://blog.csdn.net/fansy1990/article/details/46481409。2. 项目介绍此项目是在Hadoop Web项目–Friend Find系统基础之上整理Mahout0.10版本中MR程序的调用测试而成，重点演示如何调用Mahout0.10的MR算法、如何把MR算法嵌入到Web项目中，附带数据生成及数据查看、MR 任务监控等功能。Mahout0.10的MR算法主要参考下面的文件：此文档里面含有了覆盖常用工具类、聚类算法、分类算法、推荐算法等的MR调用mahout命令以及其对应的实现类。此篇博客接下来将按照下面的内容进行编写：项目部署及运行；项目实现原理；如何进行项目二次开发；项目目前功能简单介绍；总结；3. 项目部署及运行3.1 下载、部署下载工程，参考上面的连接https://github.com/fansy1990/mahout1.0，并参考h ...继续阅读 (84)

版本：hadoop2.6，HBase1.0.1.1在使用HBase进行数据导入时（使用MapReduce的模式）：hadoop jar $HBASE_HOME/lib/hbase-server-1.0.1.1.jar importtsv -Dimporttsv.separator="," -Dimporttsv.bulk.output=/user/root/hbase_tmp -Dimporttsv.columns=HBASE_ROW_KEY,info:name,info:age user /user/root/user.csv hadoop jar $HBASE_HOME/lib/hbase-server-1.0.1.1.jar completebulkload /user/root/hbase_tmp user这里要有一个/user/root/user.csv 文件，其格式为：1,user1,50 2,user2,35 3,user3,55 ...这里要做的操作是把数据导入到hbase的user表中。在运行命令时，出现了下面的错误："java.lang.NoClassDefFoundError: org/apache/hadoop/hbase/filter/Filter"解决方法：在运行命令前运行：export HADOOP_CLASSPATH=$HBASE_HOME/lib ...继续阅读 (159)

软件版本：Hadoop2.6,MyEclipse10.0 , Maven 3.3.2源码下载地址：https://github.com/fansy1990/knn 。1. KNN算法思路如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。-- 摘自《邻近算法》，百度百科2. KNN算法MR实现：Hadoop实现KNN算法，最主要的就是设计Mapper和Reducer，使数据流可以套用Hadoop的MR框架，即-->,>-->;2.1.Mapper设计Mapper 有三个函数setup(),map(),cleanup()，其中setup()函数在最开始运行一次，cleanup函数在最后运行一次，map函数针对每条记录每次处理一次；这里输入文件设置为训练数据集，即如下格式：Label,x1,x2,...,xn第一列为样本类别，其他列为样本属性；1）在setup()函数中读取测试数据，测试数据格式如下：x1,x2,...,xn 同时初始化一个和测试数据容量大小一样的数组List，用于存储每个测试样本的近邻数据。近邻数据包含k个样本类别以及对应的距离；2）接着，在map函数中读取每个训练样本，针对训练 ...继续阅读 (102)

本篇博客参考：Clustering by fast search and find of density peaks论文以及http://www.cnblogs.com/peghoty/p/3945653.html。 使用版本：Hadoop版本：2.6.0，Myeclipse：10.0 本地集群情况：node101 (主节点，namenode，datanode，ResourceManager，NodeManager，SecondaryNamenode，3.7G，2核)node102 (数据/计算节点，datanode，NodeManager，1G，1核)上面两个机器是虚拟机，本机是windows7系统4核8G内存；代码可在https://github.com/fansy1990/fast_cluster下载。此篇是Hadoop实现Clustering by fast search and find of density peaks的改版，同时此篇只描述了聚类中心点的寻找，代码与Hadoop Web项目--Friend Find系统 里面的聚类实现代码类似，这里使用不同的数据来进行测试而已。1. 数据格式本篇测试使用的数据集来自https://www.kaggle.com/c/digit-recognizer/data 中的train.csv ,原始数据是一个数字识别的数据，即把 ...继续阅读 (81)

项目使用软件：Myeclipse10.0，JDK1.7，Hadoop2.6，MySQL5.6，EasyUI1.3.6，jQuery2.0，Spring4.1.3，Hibernate4.3.1，struts2.3.1，Tomcat7 ，Maven3.2.1。项目下载地址：https://github.com/fansy1990/friend_find ，项目部署参考：http://blog.csdn.net/fansy1990/article/details/46481409 。Hadoop Web项目--Friend Find系统1. 项目介绍 Friend Find系统是一个寻找相似用户的系统。用户填写自己的信息后就可以在本系统内找到和自己志同道合的朋友。本系统使用的是在http://stackoverflow.com/网站上的用户数据。Stack Overflow是一个程序设计领域的问答网站，隶属Stack Exchange Network。网站允许注册用户提出或回答问题，还允许对已有问题或答案加分、扣分或进行修改，条件是用户达到一定的“声望值”。“声望值”就是用户进行网站交互时能获取的分数。当声望值达到某个程度时，用户的权限就会增加，比如声望值超过50点就可以评论答案。当用户的声望值达到某个阶段时，网站还会给用户颁发贡献徽章，以此来激励用户对网站做出贡献。该项目 ...继续阅读 (67)

测试软件版本：Myeclipse10.0，Maven3.2.1，Tomcat71. Myeclipse配置Maven、Tomcat1.1 配置Maven1）下载Maven，https://maven.apache.org/download.cgi ， 下载zip包的即可；2）配置window7的环境变量：如下图测试：打开dos窗口，输入mvn -version，可以看到类似下面的信息即可；3）配置Myeclipsewindows->preference， 搜索maven选择刚才下载解压的maven，点击ok。1.2 配置tomcatwindows-》preference，搜索tomcat选择tomcat的解压地址，然后点击ok。2. 下载maven项目，并导入Myeclipse这里下载https://github.com/fansy1990/ssh_hadoop_v1 ,直接下zip即可，解压后在Myeclipse中点击右键Import--》Exist project to workspace点击finish即可导入后，这里没有jdk，这里配置jdk点击finish即可右键工程，run as--》maven install，即可编译maven工程（这里如果maven之前没有下载一些jar包到本地，那么会下载很多jar包，这个过程会有点慢，如果有修改了pom.xml文件，需要右键工程 ...继续阅读 (204)

使用Maven构建Hadoop Web项目，此项目是一个样例Demo，方便开发专注于后台以及Hadoop开发的人员在其上构建自己定制的项目。该Demo提供了两个样例：查看HDFS文件夹内容及其子文件/夹；运行WordCount MR任务；项目下载地址：Maven构建Hadoop Web项目系统软件版本Spring4.1.3Hibernate4.3.1Struts2.3.1hadoop2.6pure0.6jdk1.7tomcat7myeclipse10.0jQuery1.11.3Maven3.2.1项目部署下载git项目，导入本地；修改 src/main/resources/db.properties 文件，添加数据库的信息（这个信息暂时没有使用，只供连接）；修改util.properties文件云平台对应的信息(如果是windows系统提交任务，则使用默认配置即可，否则修改第一个参数为false)；使用Tomcat部署即可，访问的url:http://localhost:8080/ssh/index.html；示例首页查看文件输入文件地址，点击确定即可查看文件信息：运行MR输入输入、输出文件的地址，点击确定，即可提交任务到hadoop集群，提交任务后处于阻塞状态，成功/失败运行后，会给出提示，如下图：分享，成长，快乐脚踏实地，专注转载请注明blog地址：http://blog.cs ...继续阅读 (67)

Hadoop实现Clustering by fast search and find of density peaks本篇博客参考：Clustering by fast search and find of density peaks论文以及http://www.cnblogs.com/peghoty/p/3945653.html。Hadoop版本：2.6.0，Myeclipse：10.0代码可在https://github.com/fansy1990/fast_cluster下载。1. 实现思路1.1. 输入数据代码可以采用任意维度的数据，使用文本存储，其一般格式如下(为方便作图，使用两位数据)：6.5,18.9,26.6,17.65,26.65,18.3,27.3,18.35,27.85,18.3,27.15,17.8,27.6,17.7,2。。。1.2. 整体思路描述1）计算每个点的“局部密度距离”（参考论文）；2）计算每个点的“超密度最小距离”（这里翻译有点问题，额可以参考原论文）；3）画出决策图来人工判断可以选取的聚类中心个数；4）根据选择的聚类中心来使用临近点判别法循环使用已分类数据来分类未分类数据；1.3. 计算“局部密度距离”计算“局部密度距离”时，遍历输入文件，同时把输入文件当做参考。针对输入文件的每行数据inputI遍历所有输入文件（不包括inputI）来计算其 ...继续阅读 (51)

本篇博客针对HortonWorks Data Platform平台配置，使用此配置完成后，可以直接在浏览器登陆ambari进行集群配置，即此配置是前置条件配置！脚本可在HDP一键部署下载！环境：操作系统：CentOS6.6 、HDP2.2 （hdp：2.2.0.0，hdp-util：1.1.0.20）、ambari：1.7；这里使用的机器全部是安装完操作系统后（最小化安装，同时所有机器安装的操作系统版本需保持一致），配置完网络后的机器。1. 网络配置:/etc/sysconfig/network :NETWORKING=yes HOSTNAME=node80.example.com GATEWAY=192.168.0.2其中HOSTNAME配置为全称，同时还应配置GATEWAY/etc/sysconfig/network-scripts/ifcfg-eth0DEVICE="eth0" BOOTPROTO="static" HWADDR="00:0C:29:71:33:61" IPV6INIT="no" NM_CONTROLLED="no" ONBOOT="yes" TYPE="Ethernet" UUID="827078f8-57da-4105-a803-2c8011d72092" IPADDR=192.168.0.80 NETMASK=255.255.255.0 GATEWAY ...继续阅读 (60)

软件环境：操作系统：CentOS6.5 ，ambari：1.4.4.23，HDP：2.1.0；问题：在图中的圆圈的地方出现如题的提示。解决方法：disable IPV6。示例：针对CentOS6.5的操作系统，禁用IPV6：禁用前：方式：修改文件：/etc/sysctl.conf在文件后添加：重启sysctl： sysctl -p ； （root用户）再次查看ip：发现ipv6没有了，同时可以看到没有显示如题的错误了。分享，成长，快乐脚踏实地，专注转载请注明blog地址：http://blog.csdn.net/fansy1990 ...继续阅读 (76)

软件版本：Storm：0.9.3 ，Redis：2.8.19；jedis：2.6.2；代码及Jedis下载：Storm实时单词计数Storm应用场景--实时单词计数，有点类似《Getting Started with Storm》中的chapter6的real-life app。场景描述：1. 使用一个java程序每间隔一定时间向Redis数据库A中存入数据；2. Storm的Spout读取Redis数据库A中的数据，读取后删除Redis中的数据；3. Storm的SplitBolt读取Spout的输出，对其进行解析，并输出；4. Storm的CountBolt对SplitBolt的数据进行计数，并每隔一定间隔把数据存储在Redis数据库B中；5. 另外的java程序定时读取Redis数据库B中的数据，并打印；具体实现：1. Java定时向Redis发送数据while(true){// 每次发送3个数据 try { Thread.sleep(200);// 每200毫秒产生一次数据 } catch (InterruptedException e) { e.printStackTrace(); } interval ++; int index = random.nextInt(normal.length); if(!jedis. ...继续阅读 (198)

软件版本：Storm：0.9.3 ，Redis：2.8.19；jedis：2.6.2；参考：http://storm.apache.org/documentation/Understanding-the-parallelism-of-a-Storm-topology.html一、Storm原理Storm简述：Storm中有两个组件：nimbus和supervisor，nimbus主要负责分配资源和schedule和协调任务，supervisor主要启动worker，每个worker可以启动一个到多个executor，一个executor可以启动一个到多个task，（默认一个executor对应一个task）实际执行任务的是task。二、Storm编程1. Topology （拓扑）1.1 定义spout、bolt以及其关系//Topology definition TopologyBuilder builder = new TopologyBuilder(); builder.setSpout("wc-spout",new WCSpout(),Integer.parseInt(args[2])); builder.setBolt("split-bolt", new SplitBolt(),Integer.parseInt(args[3])) .shuffleGro ...继续阅读 (519)

最近找工作看到很多大数据处理的基本都是要求Hadoop、MapReduce之类的，其中如果有熟悉Storm、Spark的会有加分。Storm、Spark属于大数据实时处理的框架，MapReduce是属于离线的、非实时的。这几天都在看Storm，（Spark之前有看过，不过当时耽搁了，不是很深入，之前看的是《Fast Data Processing with Spark》）想记录一下自己的学习过程，希望可以和同学们共同探讨。。。看一个技术框架，或许首先应该先google下，看下别人写的博客，技术文章等，大概了解下，如果英语过关，可以直接看官网文档（不过个人感觉storm的文档有点不是很好，根据其提供的例子弄了好些天才搞定，当然或许是自己能力太差也说不定）；然后就是搭建集群（Storm集群、当然单机也可以学习的）；运行自己的第一个“Word Count”程序（大数据的“hello world”？）；结合一些讲原理的书籍或者博客看WordCount的代码，对照理解；尝试自己写代码，并运行，总结经验；之后就是慢慢的积累过程了！（以上纯属个人观点）Storm简介：http://www.searchtb.com/2012/09/introduction-to-storm.html ， 一篇阿里的技术博客，感觉不错（有一定Hadoop基础看着理解会好点）。里面讲到了Storm记录级容错的原理，看 ...继续阅读 (98)

本篇大部分内容参考网上，其中性能部分参考：http://blog.cloudera.com/blog/2009/12/7-tips-for-improving-mapreduce-performance/、http://www.idryman.org/blog/2014/03/05/hadoop-performance-tuning-best-practices/原理篇：1. Hadoop2.X的各个模块一句话简介1）Hadoop Common：为Hadoop其他模块提供支持的公共工具包；2）HDFS：Hadoop分布式文件系统；3）YARN：任务调度和集群资源管理框架；4）MapReduce：用于处理大数据集的框架，可扩展和并行；2. HDFS数据上传原理1） Client端发送一个添加文件到HDFS的请求给NameNode；2） NameNode告诉Client端如何来分发数据块以及分发到哪里；3） Client端把数据分为块（block）然后把这些块分发到DataNode中；4） DataNode在NameNode的指导下复制这些块，保持冗余；可以在讲解的时候，拿只笔和纸画下：Tips:a. NameNode之存储文件的元数据，而不存储具体的数据；b.HDFS Federation： 解决HA单点故障问题，支持NameNode水平扩展，每个NameNode对应一个NameSp ...继续阅读 (48)

本篇代码可在 http://download.csdn.net/detail/fansy1990/8502323下载。前篇《HotSpot关联规则算法（1）-- 挖掘离散型数据》分析了离散型数据的HotSpot关联规则，本篇分析离散型和连续型数据的HotSpot关联规则挖掘。1. 首先看下数据格式（txt文档）：@attribute outlook {sunny, overcast, rainy} @attribute temperature numeric @attribute humidity numeric @attribute windy {TRUE, FALSE} @attribute play {yes, no} sunny,85,85,FALSE,no sunny,80,90,TRUE,no overcast,83,86,FALSE,yes rainy,70,96,FALSE,yes rainy,68,80,FALSE,yes rainy,65,70,TRUE,no overcast,64,65,TRUE,yes sunny,72,95,FALSE,no sunny,69,70,FALSE,yes rainy,75,80,FALSE,yes sunny,75,70,TRUE,yes overcast,72,90,TRUE,yes overcast,81,75,FALS ...继续阅读 (37)

软件版本：Hadoop：2.6.0； Mahout：1.0（自行编译，只使用了两个jar文件）；Spring：4.0.2；Struts：2.3；Hibernate：4.3；jQuery EasyUI ：1.3.6；MySql：5.6；浏览器：chrome；MyEclipse：10.0；Hadoop平台配置：node1: NameNode/ResourceManger/DataNode/NodeManager Memory:2Gnode2: NodeManager/DataNode/SecondaryNameNode/JobHistoryServer Memory:1.5Gnode3: NodeManager/DataNode Memory:1.5G代码下载：http://download.csdn.net/detail/fansy1990/8490129系统运行：（其中ratings.dat和gender.dat文件需要从 http://www.occamslab.com/petricek/data/下载）1. 数据库部分：1）修改configuration/db.properties 文件，改为用户自己的用户名、密码以及数据库；2）启动tomcat，让Hibernate自动生成相关表。启动后可以看到数据库中有下面的表：拷贝sql/treenode.sql中的第49行语句 ...继续阅读 (115)

提到关联规则算法，一般会想到Apriori或者FP，一般很少有想到HotSpot的，这个算法不知道是应用少还是我查资料的手段太low了，在网上只找到很少的内容，这篇http://wiki.pentaho.com/display/DATAMINING/HotSpot+Segmentation-Profiling ，大概分析了一点，其他好像就没怎么看到了。比较好用的算法类软件，如weka，其里面已经包含了这个算法，在Associate--> HotSpot里面即可看到，运行算法界面一般如下：其中，红色方框里面为设置的参数，如下：-c last ，表示目标所在的目标所在的列，last表示最后一列，也是是数值，表示第几列；-V first， 表示目标列的某个状态值下标值（这里可以看出目标列应该是离散型），first表示第0个，可以是数值型；-S 0.13，最小支持度，里面会乘以样本总数得到一个数值型的支持度；-M 2 ， 最大分指数；-I 0.01 ， 在weka里面解释为Minimum improvement in target value，不知道是否传统的置信度一样；相关说明：本篇相关代码参考weka里面的HotSpot算法的具体实现，本篇只分析离散型数据，代码可以在（http://download.csdn.net/detail/fansy1990/8488971）下载。1.数据：@ ...继续阅读 (39)

1. hadoop集群：1.1 系统及硬件配置：hadoop版本：2.6 ；三台虚拟机：node101(192.168.0.101)、node102(192.168.0.102)、node103(192.168.0.103)； 每台机器2G内存、1个CPU核；node101: NodeManager、 NameNode、ResourceManager、DataNode；node102: NodeManager、DataNode 、SecondaryNameNode、JobHistoryServer；node103: NodeManager 、DataNode；1.2 配置过程中遇到的问题：1） NodeManager启动不了；最开始配置的虚拟机配置的是512M内存，所以在yarn-site.xml 中的“yarn.nodemanager.resource.memory-mb”配置为512（其默认配置是1024），查看日志，报错：org.apache.hadoop.yarn.exceptions.YarnRuntimeException: Recieved SHUTDOWN signal from Resourcemanager ,Registration of NodeManager failed, Message from ResourceManager: NodeManager ...继续阅读 (63)

说明：参考Mahout FP算法相关相关源码。算法工程可以在FP关联规则计算置信度下载：（只是单机版的实现，并没有MapReduce的代码）使用FP关联规则算法计算置信度基于下面的思路：1. 首先使用原始的FP树关联规则挖掘出所有的频繁项集及其支持度；这里需要注意，这里是输出所有的频繁项集，并没有把频繁项集合并，所以需要修改FP树的相关代码，在某些步骤把所有的频繁项集输出；（ps：参考Mahout的FP树单机版的实现，进行了修改，暂不确定是否已经输出了全部频繁项集）为举例简单，可以以下面的数据为例（原始事务集）：牛奶,鸡蛋,面包,薯片 鸡蛋,爆米花,薯片,啤酒 鸡蛋,面包,薯片 牛奶,鸡蛋,面包,爆米花,薯片,啤酒 牛奶,面包,啤酒 鸡蛋,面包,啤酒 牛奶,面包,薯片 牛奶,鸡蛋,面包,黄油,薯片 牛奶,鸡蛋,黄油,薯片2. 得到所有的频繁项集如下：0,2,3=4 2,4=3 0,1,2,3=3 3=6 2=7 1,2=5 1=7 0=7 0,3=5 0,2=6 0,1=5 4=4 0,1,2=4 0,1,3=4 1,3=5 1,4=3上面的频繁项集中，等号后面的是支持度；每条频繁项集显示的是经过编码的，编码的规则如下：{薯片=0, 牛奶=3, 鸡蛋=2, 面包=1, 啤酒=4}。同时，可以看到上面的频繁项集中的编码是按照顺序排列的（从小到大）；计算每条频繁项集的置信度（只计算2项 ...继续阅读 (178)

技术：easyUI、jQuery、Spring、Struts、Hibernate、Mahout、MySQL本Libimseti推荐系统使用数据、代码参考《Mahout in action》第五章内容。系统可以从这里下载：libimesti推荐系统。1. 系统部署1.1 数据库（1）修改Configuration目录中的db.properties中的数据库配置；（2）从http://www.occamslab.com/petricek/data/libimseticomplete.zip下载所需要的数据，解压后可以看到gender.dat 和ratings.dat文件；（3）启动工程，自动生成相关表；（4）在数据库中运行sql目录下sql，导入相关数据；1.2 公共配置（1）修改src目录下com.fz.util.Utils中的genderFile和ratingsFile变量为正确文件地址；2. 系统功能2.1 Libimseti推荐启动tomcat，访问http://localhost:8080/rec 即可访问系统主页，如下：2.1.1 用户评分档案查询在推荐算法页面点击”查询”按钮，即可根据用户ID输入框里面的用户ID查询用户对其他档案的评分，同时这里把用户的性别和档案的性别一起查出来了。这里显示使用的是easyUI的datagrid，其后台代码如下：$('#ratingId' ...继续阅读 (51)

1. 下载及说明nmon工具下载地址：http://cznic.dl.sourceforge.net/project/nmon/nmon_linux_14i.tar.gznmon analyser工具下载地址：https://www.ibm.com/developerworks/community/wikis/form/anonymous/api/wiki/61ad9cf2-c6a3-4d2c-b779-61ff0266d32a/page/b7fc61a1-eef9-4756-8028-6e687997f176/attachment/721e9797-b5fc-41d7-9b2f-5bd2aa2c8f7d/media/nmon_analyser_34a.zip 。或者在nmon 和 nmon analyser工具下载。下载nmon后解压出来的文件是多个可运行的文件（如果没有可运行属性，需要自行加上），文件一般如下：nmon analyser解压后文件有两个，一个是excel一个是word，excel是用于生成图表的，word是操作文档；2. Demo演示2.1. 比如在一个CenOS机器上面，那么可以使用 nmon_x86_64_centos6 这个命令来监控机器，比如使用下面的命令：./nmon_x86_64_centos6 -F test.nmon -s 2 -c 30这个命令 ...继续阅读 (41)

在Matlab和java的混合编程中，启动Tomcat后，访问页面Tomcat出现如题错误，然后google后，发现可能是两个问题：1. processor不支持，好像是说processor要支持sse2；2. 也有说安装Matlab或者Matlab运行时换个目录就可以了；不过我遇到的问题却不是这样的；机器安装的是Redhat的系统，之前装的是中文的，后来好像是因为什么原因改为了英文的了，然后就不行了。我又改回去编码发现又可以运行了，也没有出现如题的错误了，不过现在系统的编码乱糟糟的。20140919 16:48上面说是因为字体的原因，今天发现不是的，其实是我一台机器同时安装了matlab的运行时和hdp（ambari安装的），然后发现一个规律：当我启动tomcat时（tomcat调用Matlab运行时），如果hdp是启动的话，那么tomcat启动后，调用Matlab运行时就会出现如题错误；如果hdp没有启动，那么调用Matlab运行时，是可以的；并且，在启动tomcat后，再次启动hdp的话，那么同样是可以调用Matlab运行时的；根据上面的规律，初步推测，Matlab运行时和hdp的某个服务可能冲突，当hdp先启动的话，比如说先占用了某个端口，那么Matlab就会有问题，但是如果是tomcat先启动（Matlab运行时这时占用某个端口？），然后再启动hdp，这样貌似Matlab ...继续阅读 (52)

所用技术：easyUI、jQuery、Spring、Struts、Hibernate参考网上的一篇Spring4.0.2+Struts2.3+Hibernate4.3.5整合的文章，前台使用easyUI和jQuery技术写的小例子。工程可以在http://download.csdn.net/detail/fansy1990/7926009下载。1. 工程配置修改：1.1 修改configuration目录中db.properties中数据库配置；1.2 在数据库中运行sql目录下的sql；工程首页如下：2. 功能2.1 分页显示左边导航数据；2.2 添加目录节点a. 点击添加可以看到下面的界面，可以进行导航节点的添加：b. 图标可以修改json/icon.json文件进行修改进行相应的图标增添；2.3 修改/删除目录节点a. 点击表中目录节点的修改/删除操作；b. 修改目录时，其节点ID是不能修改的，可以修改其他属性；2.4 增加页面a. 按照2.2功能点进行目录节点添加；b. 在工程的相应目录添加jsp/html页面即可；分享，成长，快乐转载请注明blog地址：http://blog.csdn.net/fansy1990 ...继续阅读 (47)

Hadoop环境：Hadoop2.4在定义Hadoop的Writable时候，有时需要使用到数组，而不是简单的字符串或者单个的数值。比如下面的代码：package test; import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; import org.apache.hadoop.io.WritableComparable; import org.slf4j.Logger; import org.slf4j.LoggerFactory; public class MyData implements WritableComparable,Cloneable { private Logger log = LoggerFactory.getLogger(MyData.class); private float[] distance; public MyData(){// 空指针异常 set(new float[6]); // 注释掉此行代码，在readFields会有空指针异常 } public MyData(float[] distance) { set(distance); } public void set(float[] dis ...继续阅读 (43)

权作记录0）引入：1）根据id获得组件：// 已知,获得此input的脚本为： $('#input_a')2）根据id获得组件的值：var value_a=$('#input_a').val();3）根据id对组件进行赋值：$('#input_a').val("value_a");document.getElementById("input_a").innerText="value_a";4）定义click事件：// 已知// 定义click事件如下： $(function(){ $('#btn').click(function(){ // do some thing }); });5）在用户输入输入框数据后，检查数据：$(function(){ /** * 在输入数据后进行检查或做其他操作 */ $("#input_a").blur(function(){ // do some thing }); });6）显示和隐藏div首先定义html组件：当用户触发了需要显示div_info组件的请求时，使用下面的代码显示div组件：$('#div_info').show();7）根据行数和列数以及表创建动态表格：在html中定义表组件：在js中定义创建方 ...继续阅读 (51)