一个用于快速部署遗传算法的框架，使用 Scala 和 Akka 构建，以实现最大的并行性和可配置性。 主要特征 允许快速设计算法的简单接口。 Akka 提供的高级并行性以最大化 CPU 使用率和可用线程。 Akka 配置文件允许在代码之外控制特定环境的线程池。 无需更改代码即可部署到分布式系统。 异步消息允许随时拍摄人口快照。 Hibernate/JPA 提供的染色体持久层。

Spark 推荐系统 技术栈 数据处理 Spark Core + Spark SQL + MongoDB 离线推荐 静态数据处理：Spark Core + Spark SQL 推荐服务：Spark Core + Spark MLlib 在线推荐 获取消息服务：Redis + Kafka 推荐服务：Spark Streaming 数据集格式 商品数据集（Product） 字段名 类型 描述 说明 _id 自动生成 productId int 商品 id name String 商品名称 imageUrl String 商品图片 categories String 商品分类 由 | 分隔 评分数据集（Rating） 字段名 类型 描述 说明 _id 自动生成 userId int 用户 id productId int 商品 id score double 用户评分 timestamp int 评分时的时间戳 用户数据集（User） 字段名 类型 描述 说明 _id 自动生成 userId int 用户 id username String 用户账号 pas

flink-1.10.2-bin-scala_2.12.tgz

flink-1.12.7-bin-scala_2.12.tgz

Apache Kafka 3.2.0 (Scala 2.12 ：kafka_2.12-3.2.0.tgz) 是一个开源分布式事件流平台，被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用程序。) 是一个开源分布式事件流平台，被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用程序。

Apache Kafka 3.2.0 (Scala 2.13 ：kafka_2.13-3.2.0.tgz) 是一个开源分布式事件流平台，被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用程序。) 是一个开源分布式事件流平台，被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用程序。

在官网上下载太慢了，上传到CSDN，在这里下载，比国外网站要快很多，省了很多时间。

ScANNS是Apache Spark的最近邻搜索库，最初由LinkedIn 机器学习算法团队的Namit Katariya开发。它可以在cosine、 jaccard和euclidean 距离空间内的批量离线上下文中进行最近邻搜索

编写一个合理的、可理解的、全文搜索引擎需要多少行代码？此存储库中的代码可以简单快速地概述向量空间模型 (tf-idf) 内存索引； 在线计算的规范和 IDF； 查询词之间的默认 OR 运算符； 从单个文件中为每行索引一个文档。 从文件中读取停用词

随机森林 这是 Spark 上随机森林算法的分布式实现。 这与 mllib 中可用的相同算法的实现不同。 在 mllib 中，随机森林算法是通过明智地拆分数据实例来实现的。 此实现是通过明智地拆分数据特征。 这种实现对于具有许多特征的数据非常有用。 我也做了一些即兴创作，删除了一些在这种实现方法中可以避免的类。 一个重要的改进是：现在，randomForest 的用户不需要提供 categoricalFeatureInfo（关于哪些是连续特征，一个分类特征包含多少类别的信息）作为输入。它现在被转换为一个 Option 这个实现会自动检测哪些是连续特征连续特征以及当 categoricalFeatureInfo 在用户输入中被指定为 None 时，分类特征包含多少个类别。