目录1引言2什么是正态分布2正态分布的叠加性3正态分布的标准化4参考文献1引言 正态分布又称为高斯分布，它在机器学习和深度学习中非常常用。如正态分布的叠加性和正态分布的标准化等，在VAE模型中重参技巧就用到了正态分布知识，特别是在高维数据中高维的正态分布更是常用。因此，准备梳理一下相应的知识，其中内容多有参考其他博客，一并在参考文献中给出链接。2什么是正态分布 正态分布（Normaldistribution），又名高斯分布（Gaussiandistribution）。若随机变量XXX服从一个数学期望（均值）为μμμ、方差为σ2σ^2σ2的正态分布，记为N(μ,σ2)N(μ,σ^2)N(μ,
目录一、gamma函数二、Beta分布三、贝叶斯估计四、贝叶斯估计的运用一、gamma函数1.在实数域上伽玛函数定义为 Γ(x)=∫0+∞tx−1e−t dt(x>0)\\\\Gamma(x)=\int_0^{+\infty}t^{x-1}e^{-t}\mathrm{~d}t(x>0) Γ(x)=∫0+∞tx−1e−t dt(x>0)Gamma的重要性质包括下面几条：递推公式：Γ(x+1)=xΓ(x)\Gamma(x+1)=x\Gamma(x)Γ(x+1)=xΓ(x)对于正整数n,有Γ(n+1)=n!Γ(n+1)=n!Γ(n+1)=n!因此可以说Gamma函数是阶乘的推广。Γ(1)=
PHP分布式部署后代码自动同步实现项目架构如下:需要更新代码时我们只需要把代码传到主服务器后通过定时任务主服务器自动push代码到Git服务端,之后其他从服务器则自动从Git云端拉取最新的代码即可需要用到expect软件安装expectyuminstallexpect定时pushshell(不要用win编辑器编辑不然cd找不到文件)#!/usr/bin/bashcd/home/wwwroot/testgitadd.gitcommit-a-mautosettimeout60/usr/bin/expect定时pullshell#!/usr/bin/bashcd/home/test#延迟5s等待pu
本文的宗旨在于通过简单干净实践的方式，向读者介绍Zookeeper的安装配置，学习SpringBoot整合使用，以及基于Zookeeper开发一个简单的配置中心功能内核。通过这样的实践方式，让读者入门和掌握Zookeeper以应对后续需要此技术栈的相关开发项目。本文的重点是基于Zookeeper实现的配置中心，那配置中心是啥呢？配置中心在大厂系统开发中是一个非常常用的功能，它的核心功能在于不需要上线系统的情况下，改变系统中对象或者属性的值。是属性的值，也就是你在通过类获取某个属性，判断；功能开关、渠道地址、人群名单、息费费率、切量占比等等，这些可能随时动态调整的值，都是通过配置中心实现的。所以
一、前言在这个微服务多节点、多线程的环境中，多个任务可能会同时竞争访问共享资源，从而导致数据错误和不一致。一般的JVM层面的加锁显然无法满足多个节点的情况！分布式锁就出现了，在redis官网推荐Java使用Redisson去实现分布式锁！这是基本api调用，今天我们使用自定义注解来完成，一劳永逸，减少出错！二、Redisson简介Redisson是一个用于Java应用程序的开源的、基于Redis的分布式和高性能数据结构服务库。它提供了一系列的分布式对象和服务，帮助开发人员更轻松地在分布式环境中使用Java编程语言。Redisson通过封装Redis的功能，使得开发者能够更方便地利用分布式特性，
文章目录摘要1分布式id相关概念1.1为什么需要分布式id1.1.1BTree1.1.2B+Tree1.1.3B+Tree相比于BTree优势1.2什么是分布式id1.3常见分布式id生成策略1.3.1基于数据库自增id1.3.2基于UUID1.3.3Twitter的Snowflake算法1.3.4美团的Leaf-segment算法1.3.5ZooKeeper发号器1.3.6Redisson分布式锁2Leaf-segment算法（美团——Leaf）2.1Leaf-segment算法是什么？2.2为什么需要Leaf-segment算法2.3Leaf-segment算法解决的问题2.4Leaf-s
在后端系统中，每条记录都需要一个唯一的ID来进行标识。虽然一开始听起来可能很琐碎，但在高度分布式的环境中生成全局唯一标识符实际上是一个具有挑战性的任务。在本文中，让我们来看一下一些常见的已知ID生成算法。Ticket服务-集中式数据库使用自增功能生成IDTicket服务解决方案利用SQL数据库中的自增功能来生成唯一的ID。使用集中式数据库服务器，Web服务器插入一个新记录到数据库中以生成一个自增的ID。CREATETABLE`ID`(`id`bigint(20)unsignedNOTNULLauto_increment,`stub`char(1)NOTNULLdefault'',PRIMARY
一、准备环境dockersearchhadoopdockerpullsequenceiq/hadoop-dockerdockerimages二、Hadoop集群搭建1.运行hadoop102容器dockerrun--namehadoop102-d-hhadoop102-p9870:9870-p19888:19888-v/opt/data/hadoop:/opt/data/hadoopsequenceiq/hadoop-dockerdockerexec-ithadoop102bash#进入该容器ssh-keygen-trsa#生成密钥，一直回车，有一个根据提示输入ycd/root/.ssh/&&
Redis【实战篇】----分布式锁-redission1.分布式锁-redission功能介绍2.分布式锁-redission快捷入门3.分布式锁-redission可重入锁原理4.分布式锁-redission锁重试和WatchDog机制5.分布式锁-redission锁的MutiLock原理1.分布式锁-redission功能介绍基于setnx实现的分布式锁存在下面的问题：重入问题：重入问题是指获得锁的线程可以再次进入到相同的锁的代码块中，可重入锁的意义在于防止死锁，比如HashTable这样的代码中，他的方法都是使用synchronized修饰的，假如他在一个方法内，调用另一个方法，那么
1.随机变量X1.通常认知的"x"与随机变量X我们通常意义上的x是自变量，y=f(x)中的自变量。但是X更多意义是对应法则"f"，X完整写法是X(ω)ω∈Ω。X这个对应法则，可以将样本点映射到实数轴上。那么X这个对应法则到底是什么，又怎么映射的呢？2.两个实例解释X如何个映射法。实例1：投一枚硬币，出现正面和反面的概率近似1/2.实例2：明天下雨或者晴天的可能均为1/2.现在我们定义为（实质上反应到数学表达上，即用X映射）：很明显，事件“正反雨晴”是样本点ω，这些事件反应到数轴上即为：“01”，“10”.而表格可知，这两个不同的场景都遵循一个规则：都抽象成了X(ω)这种规则，即"X(ω)"将现
