RiCo技術農場

由於我們未來系統將使用netCore開發，整理一下今天閱讀netcore DI framework心得。

我想有在玩資料分析的朋友對於jupyter一定不陌生，它是一款open source的網頁版Machine Learning Analytics tools，

透過這套工具，你可以快速又方便進行資料分析、跑跑演算法，實作視覺化，而他也是iPython的前身，

至於切分出該專案，主要是因為iPython想更專注在shell的核心開發(shell真的很強大)，

所以把其他元件都往Jupyter 專案集中，但我想我應該會喜歡web介面。

這篇來看看如何批次匯入event data

上一篇我安裝了PredictionIO的推薦引擎，這篇來看看如何透過RESTFul API or C#來使用該推薦引擎

Apach PredictionIO是一個用scala語言編寫的open source，

提供RESTFul API幫助我們方便使用recommendation engine，

也有提供client SDK如Java、Python,PHP，同時也是一個可擴展的Machine Learning應用(支援Spark MLib)，

並提供各種Engine模板、演算法..等，也相當容易和Spark、MLlib、Hbase、MySQL、Hadoop、Elasticsearch搭配，

簡化並加速可擴展Machine Learning基礎建置管理，透過PredictionIO我們可以從零開始並快速建立一個推薦引擎。

上一篇設定使用Redis儲存監控資料，這篇介紹如何使用SQLite，這也是我比較推薦的儲存體。

RedisLive是一個輕量的儀表板應用程式，主要是利用redis的info和monitor命令並儲存資料進行分析，

可以快速讓我們了解Redis Server效能是否正常。

Redis的List資料結構和c# 的LinkeList 很類似，對於Insert速度相當快(0(1))，

也可決定將item存放至左或右，但要注意搜尋一個很大的List效能相當不好(因為是循序)，

由於Insert速度效能超好，所以實務上都會用來處理logs，因為logs絕對是寫入遠大於讀取。

Redis Sentinel 幫dataset提供 high availability機制，可設定master node自動複寫至各slave，

且當master node failure時，可自動failover to slave，減少人工管理成本。

Redis的Hash資料結構也是我很常使用的一種，

和c# 的HashTable、Dictionary很類似，

所以只要商業邏輯有需要使用Dictionary存放，

我都優先甚至第一考慮使用Hash。

Redis的Sets datatype(集合資料類型)和c#的HashSet很類似，

而且也是只使用key的Dictionary精簡版。

ServiceStack.Redis原來從v4就開始收費(但v3沒這問題)，

目的為支援小專案和評估，所以我又回頭使用StackExchange.Redis進行CRUD。

上一篇介紹在Redis如何進行Insert和Select，這篇介紹Update和Delete。

Redis其實是一個快速又簡單的Key-Value的in-memory Database(雖然你可能認為它很像cache)