Ubuntu18.04安装Nvidia驱动【全网不坑，超全步骤】亲测～为了方便以后回忆以及给像我一样的菜鸡提供思路，给出具体的步骤：No.1查看自己的电脑显卡型号（已知麻烦自动略过）No.2下载电脑对应的Nvidia版本驱动No.3准备工作，下载依赖No.4开始安装为了方便以后回忆以及给像我一样的菜鸡提供思路，给出具体的步骤：No.1查看自己的电脑显卡型号（已知麻烦自动略过）直接上命令：1）方法一：（可有有些人不适用，就像我）lshw-cvideo结果：2）方法二：（适用）lspci|grep-invidia显示：02:00.03Dcontroller:NVIDIACorporationDev
Ubuntu18.04安装Nvidia驱动【全网不坑，超全步骤】亲测～为了方便以后回忆以及给像我一样的菜鸡提供思路，给出具体的步骤：No.1查看自己的电脑显卡型号（已知麻烦自动略过）No.2下载电脑对应的Nvidia版本驱动No.3准备工作，下载依赖No.4开始安装为了方便以后回忆以及给像我一样的菜鸡提供思路，给出具体的步骤：No.1查看自己的电脑显卡型号（已知麻烦自动略过）直接上命令：1）方法一：（可有有些人不适用，就像我）lshw-cvideo结果：2）方法二：（适用）lspci|grep-invidia显示：02:00.03Dcontroller:NVIDIACorporationDev
俺今天刚写完专利技术交底书，于是有了一点点空闲时间。虽然常用github，但心里面总感觉缺点什么，于是有了这篇文档，希望这篇文档能在我忘记怎么用gitee的时候瞬间教会我。并且也能让我在写文档的过程中对git的理解更深。本篇文章的起因是因为一个知乎老哥的评论，它的写作风格，我很喜欢。 于是本篇也是尝试（体验）用他这种风格来进行写作。没有一个软件规格书，就没有一个好的软件（没有一个计划和目录，那么就没有一篇好文章） ------StackOverFlow创始人joelSpolsky目录正文什么是gitee?为什么我现在开始
俺今天刚写完专利技术交底书，于是有了一点点空闲时间。虽然常用github，但心里面总感觉缺点什么，于是有了这篇文档，希望这篇文档能在我忘记怎么用gitee的时候瞬间教会我。并且也能让我在写文档的过程中对git的理解更深。本篇文章的起因是因为一个知乎老哥的评论，它的写作风格，我很喜欢。 于是本篇也是尝试（体验）用他这种风格来进行写作。没有一个软件规格书，就没有一个好的软件（没有一个计划和目录，那么就没有一篇好文章） ------StackOverFlow创始人joelSpolsky目录正文什么是gitee?为什么我现在开始
本文目录：一、Flink简介二、Flink部署及启动三、Flink运行架构四、Flink算子大全五、流处理中的Time与Window六、Flink状态管理七、Flink容错八、FlinkSQL九、FlinkCEP十、FlinkCDC十一、基于Flink构建全场景实时数仓十二、Flink大厂面试题Flink涉及的知识点如下图所示，本文将逐一讲解：本文档参考了 Flink的官网及其他众多资料整理而成，为了整洁的排版及舒适的阅读，对于模糊不清晰的图片及黑白图片进行重新绘制成了高清彩图。本文超长，获取本文完整PDF文档，带目录超全总结，请扫码关注公众号【五分钟学大数据】，后台发送：flinkpdf，即
本文目录：一、Flink简介二、Flink部署及启动三、Flink运行架构四、Flink算子大全五、流处理中的Time与Window六、Flink状态管理七、Flink容错八、FlinkSQL九、FlinkCEP十、FlinkCDC十一、基于Flink构建全场景实时数仓十二、Flink大厂面试题Flink涉及的知识点如下图所示，本文将逐一讲解：本文档参考了 Flink的官网及其他众多资料整理而成，为了整洁的排版及舒适的阅读，对于模糊不清晰的图片及黑白图片进行重新绘制成了高清彩图。本文超长，获取本文完整PDF文档，带目录超全总结，请扫码关注公众号【五分钟学大数据】，后台发送：flinkpdf，即
Hive数据倾斜常见问题和解决方案目录前言一、Explain二、数据倾斜1.什么是数据倾斜？它的主要表现？2.产生数据倾斜的常见原因一.join时：首先是大表关联小表，容易发生数据倾斜二.join时：空key过多，或者相同key过多三.join时：不同数据类型关联产生数据倾斜四.join时：大表和不大不小的表联接五.join时：大表联接大表六.没有join时：groupby发生的数据倾斜七.没有join时：countdistinct优化八.行列过滤优化编辑九、面对复杂逻辑，每个map耗时较长，适当增加map的个数十、假如小文件比较多，可以先进行小文件合并十一、调整reduce个数十二、并行执
Hive数据倾斜常见问题和解决方案目录前言一、Explain二、数据倾斜1.什么是数据倾斜？它的主要表现？2.产生数据倾斜的常见原因一.join时：首先是大表关联小表，容易发生数据倾斜二.join时：空key过多，或者相同key过多三.join时：不同数据类型关联产生数据倾斜四.join时：大表和不大不小的表联接五.join时：大表联接大表六.没有join时：groupby发生的数据倾斜七.没有join时：countdistinct优化八.行列过滤优化编辑九、面对复杂逻辑，每个map耗时较长，适当增加map的个数十、假如小文件比较多，可以先进行小文件合并十一、调整reduce个数十二、并行执
在做数据处理的时候经常会用到numpy和pandas，有时候容易搞混，这篇文章就从功能方面总结对比一下二者的区别。一、简介numpy：numpy是以矩阵为基础的数学计算模块，提供高性能的矩阵运算，数组结构为ndarray。可以把它看作是多维数组（ndarray）的容器，可以对数组执行元素级计算以及直接对数组执行数学运算的函数。其也是用于读写硬盘上基于数组的数据集的工具。数据处理速度比Python自身的嵌套列表要快很多。ndarray中所有元素必须是相同类型。pandas：pandas是基于numpy数组构建的，但二者最大的不同是pandas是专门为处理表格和混杂数据设计的，比较契合统计分析中的
在做数据处理的时候经常会用到numpy和pandas，有时候容易搞混，这篇文章就从功能方面总结对比一下二者的区别。一、简介numpy：numpy是以矩阵为基础的数学计算模块，提供高性能的矩阵运算，数组结构为ndarray。可以把它看作是多维数组（ndarray）的容器，可以对数组执行元素级计算以及直接对数组执行数学运算的函数。其也是用于读写硬盘上基于数组的数据集的工具。数据处理速度比Python自身的嵌套列表要快很多。ndarray中所有元素必须是相同类型。pandas：pandas是基于numpy数组构建的，但二者最大的不同是pandas是专门为处理表格和混杂数据设计的，比较契合统计分析中的
