高可用，英文翻译为”High Availability”. 从字面上理解就是要做到服务的full-time的持续可用，但老实说，要做到full-time是不现实的，因为能够影响系统服务可用性的因素实在是太多了，除了软件BUG、硬件故障外还包括系统所依赖的一些第三方服务(如运营商提供的带宽)，甚至还包括天灾人祸等；因此我理解所谓的高可用意味着”更少的停服时间”…

数据收集，是后期数据驱动业务的最根本的前提，只有拥有丰富的数据，高质量的数据，才可以更好的实现数据驱动。 线上，数据收集相对线下，要容易很多，丰富程度更大，但线下数据的收集，需要借助智能硬件设备来辅助收集。 在这过程中，因牵涉到硬件设备，会存在很多线上收集数据时不存在的问题，最大的问题是数据质量、数据的缺失难以保证。 笔者在这里做个总结，及相关的一些思考，希…

电商平台中有海量的非结构化文本数据，如商品描述、用户评论、用户搜索词、用户咨询等。这些文本数据不仅反映了产品特性，也蕴含了用户的需求以及使用反馈。通过深度挖掘，可以精细化定位产品与服务的不足。下面描述了电商平台下机器学习在文本挖掘的应用例子。 1、用户评论分类 场景 用户评论能反映出用户对商品、服务的关注点和不满意点。评论从情感分析上可以分为正面与负面。细粒…

今天跟大家分享的主要是我们在数据方面的应用，大概分成这几个部分：大数据的价值、我们自身的实力、我们为客户创造了哪些价值、目前我们提供的服务、行业应用的案例等。

如何构建一个数据中台？一个好的数据中台需要具备哪些功能？

许多人对大数据这个术语感到困惑，包括商人。任何人都不能指责他们; 大数据是一个相当令人困惑的概念。关于大数据的唯一共识是“大数据”一词本身没有具体的定义。大数据的最简单定义是任何对Excel电子表格来说太大的原始数据集。现在这是大多数人都能理解的东西。除此之外，最重要的是要理解我们周围的所有大数据。

十年生死两茫茫数据人，忙忙忙良辰美景，平添我凄凉一天早晚闲不住调研急报告狂夜来思路忽闪现寻笔记怕遗忘需求多变改改又何妨料得午夜加班时听家人鼾声响 以上是一位资深的数据分析师写的自嘲的段子，却是很多分析师的真实写照。在耀眼的职业光环下，数据分析师自身的成长，几乎是与孤寂相伴，在高级打杂中，锻造而成。 最近接到一个职业访谈的邀请，要给对数据分析感兴趣的新人Y（目…

摘要：分享大数据/数据挖掘/推荐系统等相关资源，小伙伴们还不赶紧收藏起来备用 书籍 各种书~各种ppt~更新中~ http://pan.baidu.com/s/1EaLnZ 机器学习经典书籍小结 http://www.cnblogs.com/snake-hand/archive/2013/06/10/3131145.html 机器学习&深度学习经典资…

为了更好的使大家了解行业现状，我们整理出了2016大数据版图英文对应公司的中文介绍，以飨读者。若与前文重复，则不再列出。

本文介绍了MapReduce原理详解与源码分析。

一键用车现在已经烂大街，但是 Uber 简单的界面下又隐藏着怎样复杂的后端架构和服务呢？这些复杂的路径规划和订单匹配算法又是如何让车找到人，将人送到目的地的呢？现在让我们揭开Uber App这神秘的面纱。

溯源，区块链最先落地的场景之一，本文从多角度分析了区块链+溯源的现状及未来发展。

摘要：近两年，精益创业、Growth Hacking这些概念和方法论在国内越来越普及，而大多数人却只停留在从流量的角度去理解Growth Hacking，比如利用一些传播手段来获取大量的新增用户，这确实很好，但Growth Hacking远远不止这些。就像我们只看到了Facebook的病毒式传播，却没有看到他们为用户的激活和长期留存所做的大量努力，而后者也是…

通过对Hadoop分布式计算平台最核心的分布式文件系统HDFS、MapReduce处理过程，以及数据仓库工具Hive和分布式数据库Hbase的介绍，基本涵盖了Hadoop分布式平台的所有技术核心。 通过这一阶段的调研总结，从内部机理的角度详细分析，HDFS、MapReduce、Hbase、Hive是如何运行，以及基于Hadoop数据仓库的构建和分布式数据库内…

独木不成林，个体不成云；而云服务须有多体性，弥漫性、伸缩性和朦胧性。且听下面细细道来。

数据质量管理的三个要素数据质量管理的技术关键点数据质量管理实战

大数据的浪潮仍在继续。它渗透到了几乎所有的行业，信息像洪水一样地席卷企业，使得软件越发庞然大物，比如Excel看上去就变得越来越笨拙。数据处理不再无足轻重，并且对精密分析和强大又实时处理的需要变得前所未有的巨大。

视频行业比武打擂  娱乐金字塔下谁才是最后赢家！

摘要：定性研究主要是探索性研究。它可以帮公司了解用户潜在的意见和动机，提供调查表格无法获取的上下文、情绪和关联线。在数字时代，消费者从不缺少对公司、产品或服务表达满意度的渠道。某些情况下，我很确定您会选择大众点评或携程等在线渠道，表达对特定产品、服务或组织的满意程度。另外，有些寻求用户体验突破的公司还观察领先玩家的非语言交流线索以获取他们最诚实的反馈。 作为…

Databricks最近对1400多家Spark用户进行了一次调查，结果显示这些用户对Spark Streaming的使用率与2014年相比增长了56%，另外，有48%的受访者将Spark Streaming标记为最常用的Spark组件。在Spark Streaming不断增长的用户群中，Uber、Netflix和Pinterest等家喻户晓的公司赫然在列，…