W*e
2 楼
今天在slick deals上看到的，jcpenny有ten2you的coupon code.
他们家的clearance现在有一些泳衣是5.2一件，10.4一套，用了这个coupon就变成0.4
一套了。
不过运费要6块，偶很忿忿。
想要买泳衣jms可以去看看。
slickdeals的链接如下：
http://slickdeals.net/forums/showthread.php?sduid=0&t=2167418
他们家的clearance现在有一些泳衣是5.2一件，10.4一套，用了这个coupon就变成0.4
一套了。
不过运费要6块，偶很忿忿。
想要买泳衣jms可以去看看。
slickdeals的链接如下：
http://slickdeals.net/forums/showthread.php?sduid=0&t=2167418
s*6
3 楼
吼吼！
H*5
4 楼
东邪黄药师助教
发表于 9/18/2017, 10:34:50 PM · 3个赞
求实时 Top K 的做法有很多，但是具体说起来很长，你可以搜一下这样一些算法：
Space Saving, Efficient Count, Lossy Counting, Sticky Sampling, Hash Count.
(如果搜不到对应的论文，就加 Top K Frequent Items / Elements 之类的关键字)
这里我不展开说这些算法是怎么做的，你自己去搜。或者上 Big Data 的班（http://www.jiuzhang.com/course/4/）。我这里主要说一下 Filter 的这个部分怎么设计和整个架构是什么，因为即使你有一个 Realtime Top K 的 Service，你依旧需要设计一下 Filter。
整个架构
整个架构里，可以分为下面几个 Service:
Topic Service
Feature Service
Realtime Top K Service
用户发了一个 Post 之后，Post 要被丢到 Top Service 和 Feature Service 里，做
如下的一些事情：
提取出有哪些 Topic
提取出有哪些 Feature（男，女，年龄层）
然后把 Topic 丢给每一个 Feature 的 Realtime Top K Set 里，也就是把
的 feature 维护不同的 Top K Topic Set。这样你想知道哪个 Feature 的 Top K 的
时候，就能查到哪个。
你附近的 Top K Topic
这个就区别与上面的 Feature Topic 了。此时我们需要定义一下，这个“附近”到底
有多近。我认为可以以 City 为单位的近。因为 太小了没多少用户发帖就没多少有意
义的 Topic。因为 City 不多，完全可以每个 City 当做一个 Feature。因此答案就很
明显了，根据经纬度找到属于哪个 City，或者模糊一点的话，都不需要知道是哪个
City，直接用 GeoHash 的前 3 位为 Feature 就好了（3位大概 +- 78 KM 范围内)。
发表于 9/18/2017, 10:34:50 PM · 3个赞
求实时 Top K 的做法有很多，但是具体说起来很长，你可以搜一下这样一些算法：
Space Saving, Efficient Count, Lossy Counting, Sticky Sampling, Hash Count.
(如果搜不到对应的论文，就加 Top K Frequent Items / Elements 之类的关键字)
这里我不展开说这些算法是怎么做的，你自己去搜。或者上 Big Data 的班（http://www.jiuzhang.com/course/4/）。我这里主要说一下 Filter 的这个部分怎么设计和整个架构是什么，因为即使你有一个 Realtime Top K 的 Service，你依旧需要设计一下 Filter。
整个架构
整个架构里，可以分为下面几个 Service:
Topic Service
Feature Service
Realtime Top K Service
用户发了一个 Post 之后，Post 要被丢到 Top Service 和 Feature Service 里，做
如下的一些事情：
提取出有哪些 Topic
提取出有哪些 Feature（男，女，年龄层）
然后把 Topic 丢给每一个 Feature 的 Realtime Top K Set 里，也就是把
的 feature 维护不同的 Top K Topic Set。这样你想知道哪个 Feature 的 Top K 的
时候，就能查到哪个。
你附近的 Top K Topic
这个就区别与上面的 Feature Topic 了。此时我们需要定义一下，这个“附近”到底
有多近。我认为可以以 City 为单位的近。因为 太小了没多少用户发帖就没多少有意
义的 Topic。因为 City 不多，完全可以每个 City 当做一个 Feature。因此答案就很
明显了，根据经纬度找到属于哪个 City，或者模糊一点的话，都不需要知道是哪个
City，直接用 GeoHash 的前 3 位为 Feature 就好了（3位大概 +- 78 KM 范围内)。
s*6
5 楼
露个脸，给个大包子吧：）
r*s
6 楼
扯蛋的太多，其实你搭个storms小集群就好了
基本模拟mapreduce的结构，但是实时算。
三层节点，均可水平扩展
非常简单
非常简单
基本模拟mapreduce的结构，但是实时算。
三层节点，均可水平扩展
非常简单
非常简单
w*t
7 楼
美女偶粉你！！！！！！！
马上私囊给包子！
【在 s*******6 的大作中提到】
: 露个脸，给个大包子吧：）
马上私囊给包子！
【在 s*******6 的大作中提到】
: 露个脸，给个大包子吧：）
R*4
8 楼
楼上说的是对的，
其实就是Stroms，
简而言之，就是trend
http://www.michael-noll.com/blog/2013/01/18/implementing-real-time-trending-topics-in-storm/
其实就是Stroms，
简而言之，就是trend
http://www.michael-noll.com/blog/2013/01/18/implementing-real-time-trending-topics-in-storm/
g*6
9 楼
可爱的美女。
多奔多奔。
多奔多奔。
K*s
10 楼
顶楼上两层技术贴
m*m
11 楼
very sweet, very cute!
m*0
12 楼
good point！
如果题目的要求是，没有fancy的工具可以用，只有简单的key-value store（比如
Redis）和50台普通PC机器（彼此联网）呢？
【在 r*****s 的大作中提到】
: 扯蛋的太多，其实你搭个storms小集群就好了
: 基本模拟mapreduce的结构，但是实时算。
: 三层节点，均可水平扩展
: 非常简单
: 非常简单
如果题目的要求是，没有fancy的工具可以用，只有简单的key-value store（比如
Redis）和50台普通PC机器（彼此联网）呢？
【在 r*****s 的大作中提到】
: 扯蛋的太多，其实你搭个storms小集群就好了
: 基本模拟mapreduce的结构，但是实时算。
: 三层节点，均可水平扩展
: 非常简单
: 非常简单
s*a
13 楼
好活泼哈哈
s*x
14 楼
1) hash the key randomly so all the 50 machines, each machine gets 1/50 of
the total traffic.
2) each PC has a priority queue with size of 500, update the counter for
each key using the k-v store. update the priority queue
3) the aggregator sends request to all the 50 PCs, merge sort 500*50 data to
generate the final 500 answer.
( mention sampling to get extra credit. LOL)
【在 m******0 的大作中提到】
: good point！
: 如果题目的要求是，没有fancy的工具可以用，只有简单的key-value store（比如
: Redis）和50台普通PC机器（彼此联网）呢？
y*z
15 楼
很可爱活泼的mm
【在 s*******6 的大作中提到】
: 吼吼！
【在 s*******6 的大作中提到】
: 吼吼！
g*y
16 楼
还是map reduce啊
：1) hash the key randomly so all the 50 machines, each machine gets 1/50 of
：the total traffic.
：2) each PC has a priority queue with size of 500, update the counter for
：each key using the k-v store. update the priority queue
：3) the aggregator sends request to all the 50 PCs, merge sort 500*50 data
to generate the final 500 answer.
：( mention sampling to get extra credit. LOL)
【在 s**x 的大作中提到】
:
: 1) hash the key randomly so all the 50 machines, each machine gets 1/50 of
: the total traffic.
: 2) each PC has a priority queue with size of 500, update the counter for
: each key using the k-v store. update the priority queue
: 3) the aggregator sends request to all the 50 PCs, merge sort 500*50 data to
: generate the final 500 answer.
: ( mention sampling to get extra credit. LOL)
：1) hash the key randomly so all the 50 machines, each machine gets 1/50 of
：the total traffic.
：2) each PC has a priority queue with size of 500, update the counter for
：each key using the k-v store. update the priority queue
：3) the aggregator sends request to all the 50 PCs, merge sort 500*50 data
to generate the final 500 answer.
：( mention sampling to get extra credit. LOL)
【在 s**x 的大作中提到】
:
: 1) hash the key randomly so all the 50 machines, each machine gets 1/50 of
: the total traffic.
: 2) each PC has a priority queue with size of 500, update the counter for
: each key using the k-v store. update the priority queue
: 3) the aggregator sends request to all the 50 PCs, merge sort 500*50 data to
: generate the final 500 answer.
: ( mention sampling to get extra credit. LOL)
b*n
17 楼
壮，我喜欢！
露脸，大方。
赏包子！
转帐完成
转给用户:sheven706,现金(伪币):100,收取手续费:1.00
【在 s*******6 的大作中提到】
: 吼吼！
r*s
18 楼
用redis算的话过程稍微复杂一点，但是还是可以算的，提个想法吧。
首先我觉得24小时的这个尺度，都可以做离线算法了，每次mr算个一小时，将就一下就
行了。
我们来讨论一个15分钟的好了。。。
那么再首先一下，粒度不可能是无限的，我们每分钟总结一次。
起15个ordered set，每次来一个新sample点的时候（全部数据都进来未必能撑住，
redis也就handle
10,000数量级的QPS），就往这15个set里同时写进一条。这15个set，后面14个是未来
14分钟我们要用的，前面一个是当前这一分钟我们用的。
查询的时候，从当前set里面取前500。
每过一分钟，就干掉当前set，启用下一个set，并且添加一个空的set，作为15分钟后
要用的set。
这里cost是搞了点，但是我基本保证这玩意可以用。
如果扩展到24小时的话基本上我们要搭persistent层，做lambda架构了。
: good point！
: 如果题目的要求是，没有fancy的工具可以用，只有简单的key-value store（比如
: Redis）和50台普通PC机器（彼此联网）呢？
【在 m******0 的大作中提到】
: good point！
: 如果题目的要求是，没有fancy的工具可以用，只有简单的key-value store（比如
: Redis）和50台普通PC机器（彼此联网）呢？
首先我觉得24小时的这个尺度，都可以做离线算法了，每次mr算个一小时，将就一下就
行了。
我们来讨论一个15分钟的好了。。。
那么再首先一下，粒度不可能是无限的，我们每分钟总结一次。
起15个ordered set，每次来一个新sample点的时候（全部数据都进来未必能撑住，
redis也就handle
10,000数量级的QPS），就往这15个set里同时写进一条。这15个set，后面14个是未来
14分钟我们要用的，前面一个是当前这一分钟我们用的。
查询的时候，从当前set里面取前500。
每过一分钟，就干掉当前set，启用下一个set，并且添加一个空的set，作为15分钟后
要用的set。
这里cost是搞了点，但是我基本保证这玩意可以用。
如果扩展到24小时的话基本上我们要搭persistent层，做lambda架构了。
: good point！
: 如果题目的要求是，没有fancy的工具可以用，只有简单的key-value store（比如
: Redis）和50台普通PC机器（彼此联网）呢？
【在 m******0 的大作中提到】
: good point！
: 如果题目的要求是，没有fancy的工具可以用，只有简单的key-value store（比如
: Redis）和50台普通PC机器（彼此联网）呢？
s*6
19 楼
x谢谢：）
【在 w*********t 的大作中提到】
: 美女偶粉你！！！！！！！
: 马上私囊给包子！
【在 w*********t 的大作中提到】
: 美女偶粉你！！！！！！！
: 马上私囊给包子！
s*6
20 楼
大大大款！求保养！
【在 b*******n 的大作中提到】
:
: 壮，我喜欢！
: 露脸，大方。
: 赏包子！
: 转帐完成
: 转给用户:sheven706,现金(伪币):100,收取手续费:1.00
【在 b*******n 的大作中提到】
:
: 壮，我喜欢！
: 露脸，大方。
: 赏包子！
: 转帐完成
: 转给用户:sheven706,现金(伪币):100,收取手续费:1.00
s*6
21 楼
谢谢大包子，美女也在洛杉矶吧？有时间我们一起出来耍：）
【在 y**z 的大作中提到】
: 很可爱活泼的mm
【在 y**z 的大作中提到】
: 很可爱活泼的mm
f*p
22 楼
顺便给我一个吧～
【在 w*********t 的大作中提到】
: 美女偶粉你！！！！！！！
: 马上私囊给包子！
b*n
23 楼
靠，我一直在找富婆款姐呢。
有包子无码内。
【在 s*******6 的大作中提到】
: 大大大款！求保养！
b*l
24 楼
大美女~，有点像混血儿呢，还特别可爱！
c*p
25 楼
你是tvb明星？
相关阅读
真头大，啥样的包包才是女孩真正喜欢的包啊!郁闷，奔+询问高丝 纯肌粹[包子一个已发完]如何便宜的买到正品LV和GUCCI的包包。姐妹来说说Lush黎姿一看就是生女儿的，果然生了两个女儿。。最好的手霜原来是这个包包三选一搬运归来 (转载)这个奔短裙的活动，不奔脸的就不给伪币了吧。。【周五活动】3条裙子男生衬衫比Armani Exchange再宽松一些的是是什么牌子的看看这个包包.夏日短裙---孤堆儿资生堂防晒lotion怎么是液体啊夏日短裙大哭$25 or Less Luxury Skin Care from Oprah Magazine（zz）谢谢回到我问题的2位美女，每人3个包子MAC有啥明星产品？