Kubernetes的安装部署是难中之难，每个版本安装方式都略有区别。笔者一直想找一种支持多平台 、相对简单 、适用于生产环境 的部署方案。经过一段时间的调研，有如下几种解决方案进入笔者视野： 部署方案 ...
架构设计
Spring Cloud之Finchley版学习（九）-Feign
经过前文讲解，我们已使用Eureka实现服务发现；使用Ribbon实现了负载均衡这种听起来很高端的东西。我们的架构已经初具雏形，但依然存在很多问题，下面不妨来分析下前文的代码—— @GetMapping("/users/{id}") ...
Spring Cloud之Finchley版学习（八）-Ribbon深入
上一节讲了Ribbon的入门姿势，本节深入探讨Ribbon的高级特性。 内置负载均衡规则 负载均衡规则是Ribbon的核心，下面来看一下Ribbon内置的负载均衡规则。 AvailabilityFilteringRule：过滤掉一直连接失败的...
Spring Cloud之Finchley版学习（七）-Ribbon入门
经过前文讲述，我们已经实现了服务发现。本节来解决 跟我学Spring Cloud（Finchley版）-02-构建分布式应用 提到的如下问题： 负载均衡如何考虑？难道得在电影微服务和用户微服务之间加个NGINX做负载均衡吗？听起...
Spring Cloud之Finchley版学习番外篇（一）-Eureka安全详解
前文的示例中，Eureka Server都是允许匿名访问的，该方式一般无法满足公司在安全性上的诉求。 本节来构建一个需要登录才能访问的Eureka Server。Eureka本身不具备安全认证的能力，Spring Cloud使用Spring Secu...
一步一步学推荐系统（四）——CB和CF推荐算法详解
通用CB算法 制定分词 比如： 1.产品分类:5 2.产品名称:3 3.产品描述:1 正排表 倒排表 执行推荐 当用户查看产品：JXW12N通用四辊卷板机 对产品分词 基于分词查看倒排表 ...
Spring Cloud之Finchley版学习（六）-服务注册与服务发现-Eureka深入
在跟我学Spring Cloud（Finchley版）-05-服务注册与服务发现-Eureka入门 一节中，已经编写了一个Eureka Server，并将服务提供者与消费者都注册到了Eureka Server上。 本节，来深入探讨Eureka的高级特性。 Eur...
一步一步学推荐系统（三）——推荐系统通用架构及通用算法
推荐架构 Offline Recommend（离线层） 作用：对海量数据进行离线加工 工具：Hadoop/Spark Nearline Recommend（近线层） 作用：利用流式处理技术对实时产生的数据进行加工...
一步一步学推荐系统（二）——推荐系统的难点和挑战
挑战一：数据稀疏性 千万级用户*千万级产品，遇到两个人买了同一个产品的概率 重复性越低，稀疏性越高 挑战二：冷启动问题 1.新用户因为罕见的行为信息，很难给出精确的推荐 2.新产品因为选择次数很少...
一步一步学推荐系统（一）——推荐系统简介
简说推荐 在合适的场景，合适的时机，通过合适的渠道，把合适的内容推荐给合适的用户。 合适的场景：Where 合适的时机：When 合适的渠道：How 合适的内容：What 合适的用户：Who ...