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。
2022-06-14 09:09:50
99.18MB
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。
2022-06-14 09:09:49
99.14MB
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
2022-06-05 19:06:21
529KB
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
2022-06-05 19:06:19
209KB
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。
2022-06-04 03:47:54
1.02MB
1
最新版本Spark2.1.1 java+scala官方API CHM(自己制作，有点小问题)
2022-05-31 13:09:04
26.06MB
1