接前文《clickhouse（一）环境安装&操作分布式表》。
本文探讨clickhouse的1个经典问题：
如何模拟实现记录更新和删除效果？（因为clickhouse自带的update/delete实现极为低效）
跟着我的例子走吧。 继续阅读
clickhouse（二）删除/更新方案
2条回复
作者归档：yuer
clickhouse（一）环境安装&操作分布式表
clickhouse是当下最流行的OLAP产品，我总结其代表能力体现为：
- 存储数据：与presto等直接读取外部数据进行计算的方式不同，clickhouse大部分情况是冗余存储一份数据的，所以clickhouse需要提供多种数据集成的方案与生态。
- 即席查询：典型ad-hoc产品，海量数据秒出数据，计算能力可以扩充计算节点实现，可以用作实时数仓（其他常见方案是hbase->hive->presto）。
istio（四）外部如何访问集群中的服务 — ingressgateway
接前文《istio（三）探索”目标规则（DestinationRule）”概念》，此前我们主要分析了istio如何实现集群内服务间的调用或者是集群内调用外部服务，本文则分析外部如何调用集群内的服务，这是依靠istio的ingress-gateway网关组件实现的。 继续阅读
istio（三）探索”目标规则（DestinationRule）”概念
接前文《istio（二）探索”虚拟服务”概念》，我们还有一点点剩余的内容需要继续探索，但相信你已经渐入佳境，所以下面的内容就单枪直入了。 继续阅读
istio（二）探索”虚拟服务”概念
接前文《istio（一）探索服务发现行为》，上一次我们探索了istio的默认服务发现能力。
本文我们探索”虚拟服务“概念，利用它可以自定义请求路由规则，结合istio的服务发现功能可以解决更加实际的问题。 继续阅读
istio（一）探索服务发现行为
SYN握手期间的RST
这是一个关于TCP的小问题。
帮好友进行“销量预测”建模
好友是做海外市场工作的，为了更科学的制定今年的销量KPI，希望能根据往年数据进行建模预测。
matplotlib – 在linux环境配置jupyter支持中文
默认情况下，jupyter中matplotlib绘制的图片无法正确显示中文，这需要自行配置，我参考了网上的教程，实测有效且简单。 继续阅读
numpy机器学习 – 实现神经网络-下（实现篇）
接前文《numpy机器学习 – 实现神经网络-上（理论篇）》，我们在深刻理解理论之后，实现时只需要避开几个小坑即可。
numpy机器学习 – 实现神经网络-上（理论篇）
本文分享如何证明与实现一个神经网络，本篇博客拖延了很久，因为要深入浅出的讲明白是需要花点功夫的（画神经网络图、用latex推导公式）。 继续阅读
numpy机器学习 – 波士顿房价回归
本文分享”波士顿房价”的数据分析与线性回归问题。 继续阅读
numpy机器学习 – 分类模型的评估
本文介绍如何对分类模型进行效果评估。 继续阅读
numpy机器学习 – L2正则化
本文介绍如何推导L2正则化，涉及到数学推导没法事无巨细，所以下面只是一个大概的流程记录。
numpy机器学习 – 逻辑回归分类
本文介绍如何推导与手写一个逻辑回归分类模型，涉及到数学推导没法事无巨细，所以下面只是一个大概的流程记录。 继续阅读
numpy机器学习 – 感知机分类
本文介绍如何推导与手写一个感知机分类模型，涉及到数学推导没法事无巨细，所以下面只是一个大概的流程记录。
numpy机器学习 — 实现线性回归
本文介绍如何推导与手写一个线性回归模型，涉及到数学推导没法事无巨细，所以下面只是一个大概的流程记录。 继续阅读
程序如何实现“慢启动”效果？
本文记录一个程序优化的case。 继续阅读
【BI报表可视化】选型比较 superset vs metabase
实际使用了一下superset和metabase这两款开源BI报表平台，将对比结论与使用流程总结到了PDF中，大家可以在线阅读：《【BI报表可视化】选型比较 superset vs metabase》。
【BI报表选型】metabase方案
在做数仓的过程中是需要对数据进行可视化与报表的，有一些开源的BI报表平台可以通过配置SQL和图表的方式制作Dashboard，甚至支持邮件定时发送报表、指标监控告警等。 继续阅读