ELK Stack 是 Elasticsearch、Logstash、Kibana 三个开源软件的组合。在实时数据检索和分析场合，三者通常是配合共用，而且又都先后归于 Elastic.co 公司名下，故有此简称。
ELK Stack 在最近两年迅速崛起，成为机器数据分析，或者说实时日志处理领域，开源界的第一选择。
和传统的日志处理方案相比，ELK Stack 具有如下几个优点：
处理方式灵活。Elasticsearch 是实时全文索引，不需要像 storm 那样预先编程才能使用；
配置简易上手。Elasticsearch 全部采用 JSON 接口，Logstash 是 Ruby DSL 设计，都是目前业界最通用的配置语法设计；
检索性能高效。虽然每次查询都是实时计算，但是优秀的设计和实现基本可以达到全天数据查询的秒级响应；
集群线性扩展。不管是 Elasticsearch 集群还是 Logstash 集群都是可以线性扩展的；
前端操作炫丽。Kibana 界面上，只需要点击鼠标，就可以完成搜索、聚合功能，生成炫丽的仪表板。
2021-08-17 15:15:04
3.69MB
1
PB自动下拉模糊检索
datawindow实现 showlist=yes PB自动下拉模糊检索
datawindow实现 showlist=yes
2021-08-17 09:08:37
18KB
1
使用Qt QPainter直接绘制实现缩放的样例‘
本样例程序实现功能要点**
1、QPainter实现甘特图绘制（使用随机直线代替甘特图Item,需要扩充则更改直线为矩形Item）。
2、实现对绘制图形的橡皮筋缩放（包含局部缩放）。
3、实现对象的击中算法（这里实现仅仅实现直线击中：注意该直线击中是任意直线）
4、实现在绘制对象超多时的快速检索算法。
5、实现击中对象的Tips功能。’
2021-08-15 18:09:07
12KB
1
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:52
2.76MB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:51
1.12MB
本demo 集成了高德地图定位和POI搜索附近位置列表功能,类似于朋友圈当前位置获取;;;:::::
2021-08-15 11:09:42
815KB
1
随着互联网上多媒体数据的爆炸式增长,单一模态的检索已经无法满足用户需求,跨模态检索应运而生。跨模态检索旨在以一种模态的数据去检索另一种模态的相关数据,其核心任务是数据特征提取和不同模态间数据的相关性度量。
2021-08-15 01:59:07
3.62MB
1