1、环境

centos7 hadoop2.6.5 zookeeper3.4.9 jdk1.8

master作为active主机，data1作为standby备用机，三台机器均作为数据节点，yarn资源管理器在master上开启，在data1上备用，data1上开启历史服务器

主要参考见下表

master 192.168.1.215 Namenode DataNode QuorumPeerMain ZKFC JournalNode ResourceManager NodeManager
data1 192.168.1.218 Namenode DataNode QuorumPeerMain ZKFC JournalNode ResourceManager NodeManager JobHistoryServer ApplicationHistoryServer
data2 192.168.1.219

DataNode QuorumPeerMain JournalNode NodeManager

2、zookeeper集群的搭建

安装到/usr/Apache目录下，所有者与所属组均为hadoop

tar -zxvf zookeeper-3.4..tar.gz -C /usr/Apache/

ln -s zookeeper-3.4./ zookeeper

cd zookeeper/conf
# 配置文件
cp zoo_sample.cfg zoo.cfg
# 编辑zoo.cfg的内容
# The number of milliseconds of each tick

tickTime=

# The number of ticks that the initial

# synchronization phase can take

initLimit=

# The number of ticks that can pass between

# sending a request and getting an acknowledgement

syncLimit=

# the directory where the snapshot is stored.

# do not use /tmp for storage, /tmp here is just

# example sakes.

dataDir=/usr/Apache/zookeeper/data

dataLogDir=/usr/Apache/zookeeper/data/log

# the port at which the clients will connect

clientPort=

# the maximum number of client connections.

# increase this if you need to handle more clients

maxClientCnxns=

#

# Be sure to read the maintenance section of the

# administrator guide before turning on autopurge.

#

# http://zookeeper.apache.org/doc/current/zookeeperAdmin.html#sc_maintenance

#

# The number of snapshots to retain in dataDir

autopurge.snapRetainCount=

# Purge task interval in hours

# Set to "" to disable auto purge feature

autopurge.purgeInterval=

#

server.1=master:2888:3888

server.2=data1:2888:3888

server.3=data2:2888:3888

一般采用默认值，重点是标蓝的地方。

数据的路径单独设，将日志分开，并且，不要放到默认的tmp文件夹下面，因为这个会定期删除

dataDir=/usr/Apache/zookeeper/data  dataLogDir=/usr/Apache/zookeeper/data/log

将快照打开，并且设置autopurge.purgeInterval=1，与上面的不同，快照需要定期删除

增大客户端的连接数量maxClientCnxns=

先安装到master下面，之后进行分发

scp -r zookeeper-3.4. data1:usr/Apache/

scp -r zookeeper-3.4. data2:usr/Apache/

# 注意所属组与所有者

chown -R hadoop:hadoop zookeeper
# 分别在三台机器的/usr/Apache/zookeeper/data目录下建立myid文件,分别写入数字1、2、3，这点很重要
cd /usr/Apache/zookeeper/data/
touch myid

# 三台机器分别启动

zkServer.sh start

# 查看状态

zkServer.sh status

# 最后，检查，关闭一个看是否自动选举

3、hadoop以及yarn的高可用配置

先前安装过，主要是配置文件的修改，注意，如果不重新安装，需要删除一些文件 rm -rf tmp/* data/nn/* data/jn/* data/dn/* data/dn/* logs/*

上面的data/nn data/jn data/dn data/dn 是自己建的一些文件，用于节点数据的存放。

重新安装也不麻烦，此处选择重新安装，目录选择/usr/Apache，所有者与所属组均为hadoop，环境变量如下：

更改环境变量，hadoop用户下面的~/.bashrc文件

export HADOOP_HOME=/usr/Apache/hadoop

export ZOOKEEPER_HOME=/usr/Apache/zookeeper

export HADOOP_COMMON_HOME=$HADOOP_HOME

export HADOOP_HDFS_HOME=$HADOOP_HOME

export HADOOP_MAPRED_HOME=$HADOOP_HOME

export HADOOP_YARN_HOME=$HADOOP_HOME

export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

export CLASSPATH=.:$HADOOP_HOME/lib:$CLASSPATH

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZOOKEEPER_HOME/bin

# 之后

source ~/.bashrc

下面关键看配置

1> core-site.xml

<configuration>

<!--缓存文件存储的路径，可以这样写file:/opt/mdisk/disk02/data/tmp,file:/opt/mdisk/disk01/data/tmp-->

<!--如果挂载多个数据盘，用逗号分开-->

<!--配置缓存文件的目录，注意另建新的文件夹tmp，不要在hadoop/tmp下，因为会定期删除-->

<property>

<name>hadoop.tmp.dir</name>

     <value>/usr/Apache/hadoop/data/tmp</value>

    <description>A base for other temporary directories.</description>

</property>

<!--指定nameservice的名称，自定义，但后面必须保持一致-->

<property>

    <name>fs.defaultFS</name>

    <value>hdfs://nscluster</value>

</property>

<!-- 编辑日志文件存储的路径，这个也可以放到hdfs-site.xml中 -->

<property>

    <name>dfs.journalnode.edits.dir</name>

    <value>/usr/Apache/hadoop/data/jn</value>

</property>

<!--文件读写缓存大小，此处为128kb-->

<property>

  <name>io.file.buffer.size</name>

  <value>131072</value>

</property>

<!--指定zookeeper地址，配置HA时需要，这个也可以放到hdfs-site.xml中-->

<!--<property>

    <name>ha.zookeeper.quorum</name>

    <value>master:2181,data1:2181,data2:2181</value>

</property>-->

<!--以下不是必须的-->

<!--配置hdfs文件被永久删除前保留的时间（单位：分钟），默认值为0表明垃圾回收站功能关闭-->

<!--<property>

    <name>fs.trash.interval</name>

    <value>0</value>

</property>-->

<!--指定可以在任何IP访问-->

<!--<property>

    <name>hadoop.proxyuser.hduser.hosts</name>

    <value>*</value>

</property>-->

<!--指定所有用户可以访问-->

<!--<property>

    <name>hadoop.proxyuser.hduser.groups</name>

    <value>*</value>

</property>-->

</configuration>

这里要注意hadoop.tmp.dir这个属性，上面的注释也已经说了，一定不要放到暂时的hadoop/tmp中，而要放到永久的文件夹中，否则namenode的启动可能遇到问题。

上面一些注释掉的属性不是必须的，下面一样。

2> hdfs-site.xml

注意下面的nscluster是自定义的名称，并且被应用于多个属性中，部署使用时更改样式

<configuration>

<!--指定hdfs元数据存储的路径-->

<property>

    <name>dfs.namenode.name.dir</name>

    <value>file:/usr/Apache/hadoop/data/nn</value>

</property>

<!--指定hdfs数据存储的路径-->

<property>

    <name>dfs.datanode.data.dir</name>

    <value>file:/usr/Apache/hadoop/data/dn</value>

</property>

<!--开启WebHDFS功能（基于REST的接口服务）-->

<property>

    <name>dfs.webhdfs.enabled</name>

    <value>true</value>

</property>

<!-- 数据备份的个数 -->

<property>

    <name>dfs.replication</name>

    <value>3</value>

</property>    

<!--关闭权限验证 -->

<property>

    <name>dfs.permissions.enabled</name>

    <value>false</value>

</property>

<!--DateNode上的服务线程数，处理rpc，默认为10，可以调大-->

<property>

    <name>dfs.datanode.handler.count</name>

    <value>200</value>

</property>

<!--文件操作的线程数，如果处理文件有很多，则调大，建议值8192-->

<property>

    <name>dfs.datanode.max.transfer.threads</name>

    <value>8192</value>

</property>

<!--不用的数据节点，添加到excludes文件，方法同slaves文件，之后执行hadoop dfsadmin -refreshNodes命令-->

<property>

    <name>dfs.hosts.exclude</name>

    <value>/usr/Apache/hadoop/etc/hadoop/excludes</value>

</property>

<!--以下为ha的相关配置-->

<!-- 指定hdfs的nameservice的名称为nscluster，务必与core-site.xml中的逻辑名称相同 -->

<property>

    <name>dfs.nameservices</name>

    <value>nscluster</value>

</property>    

<!-- 指定nscluster的两个namenode的名称，分别是nn1，nn2，注意后面的后缀.nscluster，这个是自定义的，如果逻辑名称为nsc，则后缀为.nsc，下面一样 -->

<property>

    <name>dfs.ha.namenodes.nscluster</name>

    <value>nn1,nn2</value>

</property>    

<!-- 配置nn1，nn2的rpc通信 端口    -->

<property>

    <name>dfs.namenode.rpc-address.nscluster.nn1</name>

    <value>master:9000</value>

</property>

<property>

    <name>dfs.namenode.rpc-address.nscluster.nn2</name>

    <value>data1:9000</value>

</property>    

<!-- 配置nn1，nn2的http访问端口 -->

<property>

    <name>dfs.namenode.http-address.nscluster.nn1</name>

    <value>master:50070</value>

</property>

<property>

    <name>dfs.namenode.http-address.nscluster.nn2</name>

    <value>data1:50070</value>

</property>    

<!-- 指定namenode的元数据存储在journalnode中的路径 -->

<property>

    <name>dfs.namenode.shared.edits.dir</name>

    <value>qjournal://master:8485;data1:8485;data2:8485/nscluster</value>

</property>    

<!-- 开启失败故障自动转移 -->

<property>

    <name>dfs.ha.automatic-failover.enabled</name>

    <value>true</value>

</property>     

<!-- 配置失败自动切换的方式 -->

<property>

    <name>dfs.client.failover.proxy.provider.nscluster</name>

    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

</property>    

<!-- 配置zookeeper地址，如果已经在core-site.xml中配置了，这里不是必须的 -->

<property>

    <name>ha.zookeeper.quorum</name>

    <value>master:2181,data1:2181,data2:2181</value>

</property>

<!-- 配置隔离机制 -->

<property>

    <name>dfs.ha.fencing.methods</name>

    <value>sshfence</value>

</property>

<!-- 指定秘钥的位置 -->

<property>

    <name>dfs.ha.fencing.ssh.private-key-files</name>

    <value>/home/hadoop/.ssh/id_rsa</value>

</property>    

<!--配置sshfence隔离机制超时时间-->

<property>

<name>dfs.ha.fencing.ssh.connect-timeout</name>

    <value>30000</value>

</property>

<!--保证数据恢复-->

<!--<property>

    <name>dfs.journalnode.http-address</name>

    <value>0.0.0.0:8480</value>

</property>-->

<!--<property>

    <name>dfs.journalnode.rpc-address</name>

    <value>0.0.0.0:8485</value>

</property> -->

</configuration>

3> mapred-site.xml

<configuration>

  <property>

  <name>mapreduce.framework.name</name>

  <value>yarn</value>

</property>

<!--配置 MapReduce JobHistory Server 地址 ，默认端口10020-->

<property>

  <name>mapreduce.jobhistory.address</name>

  <value>0.0.0.0:10020</value>

</property>

<!--配置 MapReduce JobHistory Server web ui 地址， 默认端口19888-->

<property>

  <name>mapreduce.jobhistory.webapp.address</name>

  <value>0.0.0.0:19888</value>

</property>

<!--不用的数据节点，添加到excludes文件，之后执行hadoop dfsadmin -refreshNodes命令，-->

<!--协同hdfs-site.xml中的dfs.hosts.exclude属性-->

<property>

    <name>mapred.hosts.exclude</name>

  <value>/usr/Apache/hadoop/etc/hadoop/excludes</value>

</property>

<property>

    <name>mapreduce.job.ubertask.enable</name>

    <value>true</value>

</property>

</configuration>

注意上面0.0.0.0:19888这种写法，不能简单的写为19888，否则历史服务器不能访问

4> yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->

<!--NodeManager上运行的附属服务，需配置成mapreduce_shuffle才可运行MapReduce程序-->

<property>

    <name>yarn.nodemanager.aux-services</name>

    <value>mapreduce_shuffle</value>

</property>

<!-- 开启日志聚集功能 -->

<property>

    <name>yarn.log-aggregation-enable</name>

    <value>true</value>

</property>

<!-- 日志删除时间 -1禁用，单位为秒 -->

<property>

    <name>yarn.log-aggregation.retain-seconds</name>

    <value>604800</value>

</property>

<!--修改日志目录hdfs://mycluster/var/log/hadoop-yarn/apps，当应用程序运行结束后，日志被转移到的HDFS目录（启用日志聚集功能时有效）-->

<property>

    <name>yarn.nodemanager.remote-app-log-dir</name>

    <value>/logs</value>

</property>

<!-- yarn内存，配置nodemanager可用的资源内存 -->

<!--<property>

    <name>yarn.nodemanager.resource.memory-mb</name>

    <value>8192</value>

</property>-->

<!-- yarn  cpu，配置nodemanager可用的资源CPU -->

<!--<property>

    <name>yarn.nodemanager.resource.cpu-vcores</name>

    <value>8</value>

</property>-->

<!--以下为ha配置-->

<!-- 开启yarn ha -->

<property>

  <name>yarn.resourcemanager.ha.enabled</name>

  <value>true</value>

</property>

<!-- 指定yarn ha的名称 -->

<property>

  <name>yarn.resourcemanager.cluster-id</name>

  <value>nscluster-yarn</value>

</property>

<!--启用自动故障转移-->

<property>

    <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>??

    <value>true</value>

</property>

<!-- resourcemanager的两个名称 -->

<property>

  <name>yarn.resourcemanager.ha.rm-ids</name>

  <value>rm1,rm2</value>

</property>

<!-- 配置rm1、rm2的主机  -->

<property>

  <name>yarn.resourcemanager.hostname.rm1</name>

  <value>master</value>

</property>

<property>

  <name>yarn.resourcemanager.hostname.rm2</name>

  <value>data1</value>

</property>

<!-- 配置yarn web访问的端口 -->

<property>

  <name>yarn.resourcemanager.webapp.address.rm1</name>

  <value>master:8088</value>

</property>

<property>

  <name>yarn.resourcemanager.webapp.address.rm2</name>

  <value>data1:8088</value>

</property>

<!-- 配置zookeeper的地址 -->

<property>

  <name>yarn.resourcemanager.zk-address</name>

  <value>master:2181,data1:2181,data2:2181</value>

</property>

<!-- 配置zookeeper的存储位置 -->

<property>

  <name>yarn.resourcemanager.zk-state-store.parent-path</name>

  <value>/rmstore</value>

</property>

<!--  yarn restart-->

<!-- 开启resourcemanager restart -->

<property>

  <name>yarn.resourcemanager.recovery.enabled</name>

  <value>true</value>

</property>

<!-- 配置resourcemanager的状态存储到zookeeper中 -->

<property>

  <name>yarn.resourcemanager.store.class</name>

  <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>

</property>

<!-- 开启nodemanager restart -->

<property>

  <name>yarn.nodemanager.recovery.enabled</name>

  <value>true</value>

</property>

<!-- 配置rpc的通信端口 -->

<property>

  <name>yarn.nodemanager.address</name>

  <value>0.0.0.0:45454</value>

</property>

<!--配置Web Application Proxy安全代理（防止yarn被攻击）-->

<property>

<name>yarn.web-proxy.address</name>

<value>0.0.0.0:8888</value>

</property>

</configuration>

注意：

A. yarn.nodemanager.address这个属性0.0.0.0:45454，在2.6的版本中不要只写成45454，否则会导致nodemanager启动不了

B. yarn.nodemanager.resource.memory-mb与yarn.nodemanager.resource.cpu-vcores这两个属性，可以默认，在目前的hadoop版本中，如果设置不当，会导致mapreduce程序呈现accepted但是不能run的状态。在试验中，2cpu，1G内存的配置就出现了这种情况。当设置为8cpu，8G内存时却正常了，即使这不是机器的真实配置。针对这种情况，另一个解决方案是添加yarn.scheduler.minimum-allocation-mb这个属性：

<property>

  <name>yarn.nodemanager.resource.memory-mb</name>

  <value>2200</value>

  <description>Amount of physical memory, in MB, that can be allocated for containers.</description>

</property>

<property>

  <name>yarn.scheduler.minimum-allocation-mb</name>

  <value>500</value>

</property>

由于资源问题而导致的这种情况可参考以下：

http://stackoverflow.com/questions/20200636/mapreduce-jobs-get-stuck-in-accepted-state

http://docs.hortonworks.com/HDPDocuments/HDP2/HDP-2.0.9.1/bk_installing_manually_book/content/rpm-chap1-11.html

http://zh.hortonworks.com/blog/how-to-plan-and-configure-yarn-in-hdp-2-0/

C. 如果日志设置不当，也会出现maprduce不能运行的情况。将yarn.log-aggregation-enable属性设置为true，开启日志聚集功能，则需要设置yarn.nodemanager.remote-app-log-dir属性，即聚集后的日志存放的路径。注意上面将属性设置为/logs，标识的是在hdfs中的目录（不需要自己建立，系统需要时自己会根据配置文件创建），而非本地。下图显示了程序运行后生成的日志：

5> hadoop-env.sh

设置一些重要的环境变量，设置内存的大小等，视情况而定

export JAVA_HOME=/usr/java/jdk

export HADOOP_PORTMAP_OPTS="-Xmx1024m $HADOOP_PORTMAP_OPTS"

export HADOOP_CLIENT_OPTS="-Xmx1024m $HADOOP_CLIENT_OPTS"
..............

6> 其他

在slaves文件中添加master，data1，data2三个名字，另外需要创建在配置文件中出现的一些目录和文件：

etc/hadoop/excludes，hadoop2.6.5/data/nn，data/tmp，data/jn，data/dn，同时设置好这些文件的权限以及所有者和所属组。

4、集群启动

1> 确定启动zookeeper

zkServer.sh start

2> 启动journalnode，新安装的需要三台机器分别启动

hadoop-daemons.sh start journalnode

3> 启动master的namenode

hadoop-daemon.sh start namenode

4> 同步data1的namenode

hdfs namenode -bootstrapStandby

hadoop-daemon.sh start namenode

在data1上执行以上命令后，master与data1节点此时仍然会是standby状态

5> 格式化ZKFC，这一步可以提前运行，不是必须按此顺序，但前提是开启了zookeeper，并且在hadoop的配置文件中设置开启了故障自动转移

hdfs zkfc -formatZK

在master上运行即可。

6> 三台机器分别启动datanode

hadoop-daemons.sh start datanode

7> 开启zkfc，这时查看一下，dfs应该会正常启动了，一般率先启动zkfc的机器会作为active节点

hadoop-daemons.sh start zkfc

先在master上开启，后在data1上开启

8> 开启yarn

start-yarh.sh

# 或者单独启动

yarn-daemon.sh start resourcemanager

yarn-daemon.sh start nodemanager

此处在master上运行start-yarh.sh，在data1上运行yarn-daemon.sh start resourcemanager，让data1作为资源管理器的备选节点。

9> 其他

mr-jobhistory-daemon.sh start historyserver

yarn-daemon.sh start historyserver

开启历史服务器，此处在data1上运行

10> 结果

master

data1

data2

访问192.168.1.215:50070

master处于active状态

访问192.168.1.218:50070

data1处于standby状态

访问192.168.1.215:8088

访问192.168.1.218:8088

提示：This is standby RM. Redirecting to the current active RM: http://master:8088/cluster

最后进行测试，在任一机器上运行以下命令

yarn jar ~/c02mrtest.jar com.mr.test.MRWeb /TestData/webcount.txt /DataWorld/webresult5

运行结果：

附:常用命令

# journalnode
hadoop-daemons.sh start journalnode
hadoop-daemons.sh stop journalnode


# namenode

hadoop namenode -format

hadoop-daemon.sh start namenode

hadoop-daemon.sh stop namenode


# 同步

hdfs namenode -bootstrapStandby

hadoop-daemon.sh start namenode


# datanode
hadoop-daemons.sh start datanode

hadoop-daemons.sh stop datanode

# zookeeper以及zkfc

zkServer.sh start
zkServer.sh stop

hdfs zkfc -formatZK

hadoop-daemons.sh start zkfc

hadoop-daemons.sh stop zkfc


# yarn

yarn-daemon.sh start resourcemanager

yarn-daemon.sh stop resourcemanager

yarn-daemon.sh start nodemanager
yarn-daemon.sh stop nodemanager
yarn-daemon.sh start proxyserver

yarn-daemon.sh stop proxyserver

mr-jobhistory-daemon.sh start historyserver

mr-jobhistory-daemon.sh stop historyserver

yarn-daemon.sh start historyserver

yarn-daemon.sh stop historyserver
# rm1 rm2为配置文件中设定的资源管理器名称
yarn rmadmin -getServiceState rm1 
yarn rmadmin -getServiceState rm2 

start-dfs.sh
stop-dfs.sh
start-yarn.sh
stop-yarn.sh

zookeeper集群的搭建以及hadoop ha的相关配置的更多相关文章

  1. Solr集群的搭建以及使用(内涵zookeeper集群的搭建指南)

    1   什么是SolrCloud SolrCloud(solr 云)是Solr提供的分布式搜索方案,当你需要大规模,容错,分布式索引和检索能力时使用 SolrCloud.当一个系统的索引数据量少的时候 ...

  2. 大数据平台搭建-zookeeper集群的搭建

    本系列文章主要阐述大数据计算平台相关框架的搭建,包括如下内容: 基础环境安装 zookeeper集群的搭建 kafka集群的搭建 hadoop/hbase集群的搭建 spark集群的搭建 flink集 ...

  3. [转]ZooKeeper 集群环境搭建 （本机3个节点）

    ZooKeeper 集群环境搭建 (本机3个节点) 是一个简单的分布式同步数据库(或者是小文件系统) ------------------------------------------------- ...

  4. zookeeper集群环境搭建详细图文教程

    zookeeper集群环境搭建详细图文教程 zhoubang @ 2018-01-02 [文档大纲] 友情介绍 软件环境 注意点 环境安装 1. 新建用于存储安装包以及软件安装的目录 2. 下载安装z ...

  5. Linux环境下ZooKeeper集群环境搭建关键步骤

    ZooKeeper版本:zookeeper-3.4.9 ZooKeeper节点:3个节点 以下为Linux环境下ZooKeeper集群环境搭建关键步骤: 前提条件:已完成在Linux环境中安装JDK并 ...

  6. Docker 一步搞定 ZooKeeper 集群的搭建

    Docker 一步搞定 ZooKeeper 集群的搭建 背景 原来学习 ZK 时, 我是在本地搭建的伪集群, 虽然说使用起来没有什么问题, 但是总感觉部署起来有点麻烦. 刚好我发现了 ZK 已经有了 ...

  7. centos7下安装zookeeper&zookeeper集群的搭建

    一.centos7下安装zookeeper 1.zookeeper 下载地址 https://mirrors.tuna.tsinghua.edu.cn/apache/zookeeper/ 2.安装步骤 ...

  8. centos7 zookeeper集群的搭建

    说明:该集群的搭建是为了服务于solr集群,请参考我的关于solr集群搭建的博客. 1.创建solr-cloud目录 mkdir /usr/local/solr-cloud 2.将解压的apache- ...

  9. Zookeeper集群快速搭建

    Zookeeper集群快速搭建 1.cd /usr/local/zookeeper/conf(如在192.168.212.101服务器) mv zoo_sample.cfg zoo.cfg 修改con ...

随机推荐

  1. Html Agility Pack 解析Html

    Hello 好久不见 哈哈,今天给大家分享一个解析Html的类库 Html Agility Pack.这个适用于想获取某网页里面的部分内容.今天就拿我的Csdn的博客列表来举例. 打开页面  用Fir ...

  2. ThreadLocal简单理解

    在java开源项目的代码中看到一个类里ThreadLocal的属性: private static ThreadLocal<Boolean> clientMode = new Thread ...

  3. C语言 · 4_2找公倍数

    问题描述 这里写问题描述. 打印出1-1000所有11和17的公倍数. 样例输入 一个满足题目要求的输入范例.例:无 样例输出 与上面的样例输入对应的输出.例:   代码如下: #include< ...

  4. 参考bootstrap中的popover.js的css画消息弹框

    前段时间小颖的大学同学给小颖发了一张截图,图片类似下面这张图: 小颖当时大概的给她说了下,其实小颖也不知道上面那个三角形怎么画嘻嘻,给她说了DOM结构,具体的css让她自己百度,今天小颖自己参考boo ...

  5. 隐马尔科夫模型python实现简单拼音输入法

    在网上看到一篇关于隐马尔科夫模型的介绍,觉得简直不能再神奇,又在网上找到大神的一篇关于如何用隐马尔可夫模型实现中文拼音输入的博客,无奈大神没给可以运行的代码,只能纯手动网上找到了结巴分词的词库,根据此 ...

  6. [转载]Cookie/Session的机制与安全

    Cookie和Session是为了在无状态的HTTP协议之上维护会话状态,使得服务器可以知道当前是和哪个客户在打交道.本文来详细讨论Cookie和Session的实现机制,以及其中涉及的安全问题. 因 ...

  7. MongoDB系列（二）：C#应用

    前言 上一篇文章<MongoDB系列(一):简介及安装>已经介绍了MongoDB以及其在window环境下的安装,这篇文章主要讲讲如何用C#来与MongoDB进行通讯.再次强调一下,我使用 ...

  8. 使用Microsoft的IoC框架：Unity来对.NET应用进行解耦

    1.IoC/DI简介 IoC 即 Inversion of Control,DI 即 Dependency Injection,前一个中文含义为控制反转,后一个译为依赖注入,可以理解成一种编程模式,详 ...

  9. 基于开源项目SharpMap的热力图(HeatLayer)实现。

    当前公司需要一个用时较少的热力图呈现方案,在避免较底层的GDI开发和比较了多家GIS产品的实际效果之后,团队决定用sharpMap的API来实现,由于之前框架采用的是另外一个开源项目GMap.net, ...

  10. Android系统默认对话框添加图片

    开发工具Android Studio 今天公司UI要求软件对话框改成加图片的,以前没有做过,所以就学习了一下,废话不多说, 看效果: 创建XML文件dialog_lsit_item.xml <L ...