Zk枚舉演算法

1. C語言中什麼叫死循環怎麼避免

死循環就是不停的執行for循環，while循環。
避免死循環要看下死循環是如何產生的，
例如在C語言程序中，語句「while(1)printf("*")；」就是一個死循環，運行它將無休止地列印*號。
產生死循環的情況有：
▪ 邏輯錯誤
▪ 變數處理錯誤
▪ 奧爾德森循環
▪ 無窮遞歸

你可以看下這些死循環出現的原因，然後在開發中避免一下。

2. 大數據主要學習什麼知識

分享大數據學習路線：

第一階段為javaSE+MYsql+JDBC

主要學習一些Java語言的概念，如字元、流程式控制制、面向對象、進程線程、枚舉反射等，學習MySQL資料庫的安裝卸載及相關操作，學習JDBC的實現原理以及Linux基礎知識，是大數據剛入門階段。

第二階段為分布式理論簡介

主要講解CAP理論、數據分布方式、一致性、2PC和3PC、大數據集成架構。涉及的知識點有Consistency一致性、Availability可用性、Partition
tolerance分區容忍性、數據量分布、2PC流程、3PC流程、哈希方式、一致性哈希等。

第三階段為數據存儲與計算（離線場景）

主要講解協調服務ZK(1T)、數據存儲hdfs(2T)、數據存儲alluxio(1T)、數據採集flume、數據採集logstash、數據同步Sqoop(0.5T)、數據同步datax(0.5T)、數據同步mysql-binlog(1T)、計算模型MR與DAG(1T)、hive(5T)、Impala(1T)、任務調度Azkaban、任務調度airflow等。

第四部分為數倉建設

主要講解數倉倉庫的歷史背景、離線數倉項目-伴我汽車（5T）架構技術解析、多維數據模型處理kylin（3.5T）部署安裝、離線數倉項目-伴我汽車升級後加入kylin進行多維分析等；

第五階段為分布式計算引擎

主要講解計算引擎、scala語言、spark、數據存儲hbase、redis、ku，並通過某p2p平台項目實現spark多數據源讀寫。

第六階段為數據存儲與計算（實時場景）

主要講解數據通道Kafka、實時數倉druid、流式數據處理flink、SparkStreaming，並通過講解某交通大數讓你可以將知識點融會貫通。

第七階段為數據搜索

主要講解elasticsearch，包括全文搜索技術、ES安裝操作、index、創建索引、增刪改查、索引、映射、過濾等。

第八階段為數據治理

主要講解數據標准、數據分類、數據建模、圖存儲與查詢、元數據、血緣與數據質量、Hive Hook、Spark Listener等。

第九階段為BI系統

主要講解Superset、Graphna兩大技術，包括基本簡介、安裝、數據源創建、表操作以及數據探索分析。

第十階段為數據挖掘

主要講解機器學習中的數學體系、Spark Mlib機器學習演算法庫、Python scikit-learn機器學習演算法庫、機器學習結合大數據項目。

對大數據分析有興趣的小夥伴們，不妨先從看看大數據分析書籍開始入門！B站上有很多的大數據教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。

3. zookeeper是什麼語言寫的

本文是Jason Wilder對於常見的服務發現項目 Zookeeper ， Doozer ， Etcd 所寫的一篇博客，其原文地址如下： Open-Source Service Discovery 。

服務發現是大多數分布式系統以及面向服務架構（SOA）的一個核心組成部分。這個難題，簡單來說，可以認為是：當一項服務存在於多個主機節點上時，client端如何決策獲取相應正確的IP和port。

在傳統情況下，當出現服務存在於多個主機節點上時，都會使用靜態配置的方法來實現服務信息的注冊。但是當大型系統中，需要部署更多服務的時候，事情就顯得復雜得多。在一個實時的系統中，由於自動或者人工的服務擴展，或者服務的新添加部署，還有主機的宕機或者被替換，服務的location信息可能會很頻繁的變化。

在這樣的場景下，為了避免不必要的服務中斷，動態的服務注冊和發現就顯得尤為重要。

關於服務發現的話題，已經很多次被人所提及，而且也的確不斷的在發展。現在，筆者介紹一下該領域內一些open-source或者被經常被世人廣泛討論的解決方案，嘗試理解它們到底是如何工作的。特別的是，我們會較為專注於每一個解決方案的一致性演算法，到底是強一致性，還是弱一致性；運行時依賴；client的集成選擇；以後最後這些特性的折中情況。

本文首先從幾個強一致性的項目於開始，比如Zookeeper，Doozer，Etcd，這些項目主要用於服務間的協調，同時又可用於服務的注冊。

隨後，本文將討論一些在服務注冊以及發現方面比較有意思的項目，比如：Airbnb的SmartStack，Netflix的Eureka，Bitly的NSQ，Serf，Spotify and DNS，最後是SkyDNS。

問題陳述

在定位服務的時候，其實會有兩個方面的問題：服務注冊（Service Registration）和服務發現（Service Discovery）。

服務注冊—— 一個服務將其位置信息在中心注冊節點注冊的過程。該服務一般會將它的主機IP地址以及埠號進行注冊，有時也會有服務訪問的認證信息，使用協議，版本號，以及關於環境的一些細節信息。
服務發現—— client端的應用實例查詢中心注冊節點以獲知服務位置的過程。
每一個服務的服務注冊以及服務發現，都需要考慮一些關於開發以及運營方面的問題：

監控—— 當一個已注冊完畢的服務失效的時候，如何處理。一些情況下，在一個設定的超時定時(timeout)後，該服務立即被一個其他的進程在中心注冊節點處注銷。這種情況下，服務通常需要執行一個心跳機制，來確保自身的存活狀態；而客戶端必然需要能夠可靠處理失效的服務。
負載均衡—— 如果多個相同地位的服務都注冊完畢，如何在這些服務之間均衡所有client的請求負載？如果有一個master節點的話，是否可以正確處理client訪問的服務的位置。
集成方式—— 信息注冊節點是否需要提供一些語言綁定的支持，比如說，只支持Java？集成的過程是否需要將注冊過程以及發現過程的代碼嵌入到你的應用程序中，或者使用一個類似於集成助手的進程？
運行時依賴—— 是否需要JVM，ruby或者其他在你的環境中並不兼容的運行時？
可用性考慮—— 如果系統失去一個節點的話，是否還能正常工作？系統是否可以實時更新或升級，而不造成任何系統的癱瘓？既然集群的信息注冊節點是架構中的中心部分，那該模塊是否會存在單點故障問題？
強一致性的Registries

首先介紹的三個服務注冊系統都採用了強一致性協議，實際上為達到通用的效果，使用了一致性的數據存儲。盡管我們把它們看作服務的注冊系統，其實它們還可以用於協調服務來協助leader選舉，以及在一個分布式clients的集合中做centralized locking。

Zookeeper

Zookeeper是一個集中式的服務，該服務可以維護服務配置信息，命名空間，提供分布式的同步，以及提供組化服務。Zookeeper是由Java語言實現，實現了強一致性（CP），並且是使用 Zab協議 在ensemble集群之間協調服務信息的變化。

Zookeeper在ensemble集群中運行3個，5個或者7個成員。眾多client端為了可以訪問ensemble，需要使用綁定特定的語言。這種訪問形式被顯性的嵌入到了client的應用實例以及服務中。

服務注冊的實現主要是通過命令空間（namespace）下的 ephemeral nodes 。ephemeral nodes只有在client建立連接後才存在。當client所在節點啟動之後，該client端會使用一個後台進程獲取client的位置信息，並完成自身的注冊。如果該client失效或者失去連接的時候，該ephemeral node就從樹中消息。

服務發現是通過列舉以及查看具體服務的命名空間來完成的。Client端收到目前所有注冊服務的信息，無論一個服務是否不可用或者系統新添加了一個同類的服務。Client端同時也需要自行處理所有的負載均衡工作，以及服務的失效工作。

Zookeeper的API用起來可能並沒有那麼方便，因為語言的綁定之間可能會造成一些細小的差異。如果使用的是基於JVM的語言的話， Curator Service Discovery Extension 可能會對你有幫助。

由於Zookeeper是一個CP強一致性的系統，因此當網路分區（Partition）出故障的時候，你的部分系統可能將出出現不能注冊的情況，也可能出現不能找到已存在的注冊信息，即使它們可能在Partition出現期間仍然正常工作。特殊的是，在任何一個non-quorum端，任何讀寫都會返回一個錯誤信息。

Doozer

Doozer是一個一致的分布式數據存儲系統，Go語言實現，通過 Paxos演算法 來實現共識的強一致性系統。這個項目開展了數年之後，停滯了一段時間，而且現在也關閉了一些fork數，使得fork數降至160 。.不幸的是，現在很難知道該項目的實際發展狀態，以及它是否適合使用於生產環境。

Doozer在集群中運行3，5或者7個節點。和Zookeeper類似，Client端為了訪問集群，需要在自身的應用或者服務中使用特殊的語言綁定。

Doozer的服務注冊就沒有Zookeeper這么直接，因為Doozer沒有那些ephemeral node的概念。一個服務可以在一條路徑下注冊自己，如果該服務不可用的話，它也不會自動地被移除。

現有很多種方式來解決這樣的問題。一個選擇是給注冊進程添加一個時間戳和心跳機制，隨後在服務發現進程中處理那些超時的路徑，也就是注冊的服務信息，當然也可以通過另外一個清理進程來實現。

服務發現和Zookeeper很類似，Doozer可以羅列出指定路徑下的所有入口，隨後可以等待該路徑下的任意改動。如果你在注冊期間使用一個時間戳和心跳，你就可以在服務發現期間忽略或者刪除任何過期的入口，也就是服務信息。

和Zookeeper一樣，Doozer是一個CP強一致性系統，當發生網路分區故障時，會導致同樣的後果。

Etcd

Etcd 是一個高可用的K-V存儲系統，主要應用於共享配置、服務發現等場景。Etcd可以說是被Zookeeper和Doozer催生而出。整個系統使用Go語言實現，使用Raft演算法來實現選舉一致，同時又具有一個基於HTTP+JSON的API。

Etcd，和Doozer和Zookeeper相似，通常在集群中運行3，5或者7個節點。client端可以使用一種特定的語言進行綁定，同時也可以通過使用HTTP客戶端自行實現一種。

服務注冊環節主要依賴於使用一個key TTL來確保key的可用性，該key TTL會和服務端的心跳捆綁在一起。如果一個服務在更新key的TTL時失敗了，那麼Etcd會對它進行超時處理。如果一個服務變為不可用狀態，client會需要處理這樣的連接失效，然後嘗試另連接一個服務實例。

服務發現環節設計到羅列在一個目錄下的所有key值，隨後等待在該目錄上的所有變動信息。由於API介面是基於HTTP的，所以client應用會的Etcd集群保持一個long-polling的連接。

由於Etcd使用 Raft一致性協議 ，故它應該是一個強一致性系統。Raft需要一個leader被選舉，然後所有的client請求會被該leader所處理。然而，Etcd似乎也支持從non-leaders中進行讀取信息，使用的方式是在讀情況下提高可用性的未公開的一致性參數。在網路分區故障期間，寫操作還是會被leader處理，而且同樣會出現失效的情況。

4. k均值聚類演算法原理

 演算法：
第一步：選K個初始聚類中心，z1(1)，z2(1)，…，zK(1)，其中括弧內的序號為尋找聚類中心的迭代運算的次序號。聚類中心的向量值可任意設定，例如可選開始的K個模式樣本的向量值作為初始聚類中心。
第二步：逐個將需分類的模式樣本{x}按最小距離准則分配給K個聚類中心中的某一個zj(1)。
假設i=j時， ，則 ，其中k為迭代運算的次序號，第一次迭代k=1，Sj表示第j個聚類，其聚類中心為zj。
第三步：計算各個聚類中心的新的向量值，zj(k+1)，j=1,2,…,K
求各聚類域中所包含樣本的均值向量：

其中Nj為第j個聚類域Sj中所包含的樣本個數。以均值向量作為新的聚類中心，可使如下聚類准則函數最小：

在這一步中要分別計算K個聚類中的樣本均值向量，所以稱之為K-均值演算法。
第四步：若 ，j=1,2,…,K，則返回第二步，將模式樣本逐個重新分類，重復迭代運算；
若 ，j=1,2,…,K，則演算法收斂，計算結束。

5. 入門大數據需要學習什麼內容

分享大數據學習路線：

第一階段為JAVASE+MYSQL+JDBC

主要學習一些Java語言的概念，如字元、流程式控制制、面向對象、進程線程、枚舉反射等，學習MySQL資料庫的安裝卸載及相關操作，學習JDBC的實現原理以及Linux基礎知識，是大數據剛入門階段。

第二階段為分布式理論簡介

主要講解CAP理論、數據分布方式、一致性、2PC和3PC、大數據集成架構。涉及的知識點有Consistency一致性、Availability可用性、Partition
tolerance分區容忍性、數據量分布、2PC流程、3PC流程、哈希方式、一致性哈希等。

第三階段為數據存儲與計算（離線場景）

主要講解協調服務ZK(1T)、數據存儲hdfs(2T)、數據存儲alluxio(1T)、數據採集flume、數據採集logstash、數據同步Sqoop(0.5T)、數據同步datax(0.5T)、數據同步mysql-binlog(1T)、計算模型MR與DAG(1T)、hive(5T)、Impala(1T)、任務調度Azkaban、任務調度airflow等。

第四部分為數倉建設

主要講解數倉倉庫的歷史背景、離線數倉項目-伴我汽車（5T）架構技術解析、多維數據模型處理kylin（3.5T）部署安裝、離線數倉項目-伴我汽車升級後加入kylin進行多維分析等；

第五階段為分布式計算引擎

主要講解計算引擎、scala語言、spark、數據存儲hbase、redis、ku，並通過某p2p平台項目實現spark多數據源讀寫。

第六階段為數據存儲與計算（實時場景）

主要講解數據通道Kafka、實時數倉druid、流式數據處理flink、SparkStreaming，並通過講解某交通大數讓你可以將知識點融會貫通。

第七階段為數據搜索

主要講解elasticsearch，包括全文搜索技術、ES安裝操作、index、創建索引、增刪改查、索引、映射、過濾等。

第八階段為數據治理

主要講解數據標准、數據分類、數據建模、圖存儲與查詢、元數據、血緣與數據質量、Hive Hook、Spark Listener等。

第九階段為BI系統

主要講解Superset、Graphna兩大技術，包括基本簡介、安裝、數據源創建、表操作以及數據探索分析。

第十階段為數據挖掘

主要講解機器學習中的數學體系、Spark Mlib機器學習演算法庫、Python scikit-learn機器學習演算法庫、機器學習結合大數據項目。

對大數據分析有興趣的小夥伴們，不妨先從看看大數據分析書籍開始入門！B站上有很多的大數據教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。

6. 運動模型中xk和zk分別代表什麼

柱框，線框
選擇合適的目標運動模型是跟蹤濾波演算法設計的重要部分,建立合理的運動模型有助於准確地預測被跟蹤目標的未來狀態或運動軌跡,是實 現精確跟蹤控制的重要條件。

7. 使用java開發指紋識別,開發用ZKFingerReader.jar包,請問如何設置演算法版本,我想設

我試著運行了下面的代碼，發現是OK的，是不是你的jar包中的代碼有問題?
Process proc = Runtime.getRuntime().exec("cmd.exe /C set");
Thread.sleep(5000);
BufferedReader in = new BufferedReader(new InputStreamReader(
proc.getInputStream()));
String returnFromCMD = in.readLine();//取得命令行的返回值(輸出的結果?)。
while (returnFromCMD != null) {
System.out.println("read_Rrocess= "+returnFromCMD);
returnFromCMD = in.readLine();
}
in.close();

8. C語言中 %d之間加了個數字什麼作用

printf 是 輸出語句， %4d 表示輸出的場寬為4位，%1d 表示輸出的場寬為1位, 但另有附加規定：當所給場寬度不足時，按實際需要佔位輸出。所以 輸出 10 ，給 %1d 仍將 輸出 10， 不會只輸出 1，不輸出0。

scanf 是輸入語句，%4d 表示 讀入的數 為 4位整數，超出4位 只讀4位，不足4位則按實際位數 讀入， %1d 表示 讀入的數 為 1位整數，超出1位 只讀1位。

例如： scanf("%1d%4d",&x,&y);
拍入 987654321回車
x 讀入9，y讀入 8765, 餘下的 4321 留在輸入緩沖區 供 後面的 輸入語句使用。

9. 用C++函數描述個演算法，並求出時間復雜度

#include<iostream.h>
int max=0,may=0;
int array[5][5];
void ReMax()
{
int i,j;
///冒泡法，時間復雜度為5*5
for(i=0;i<5;i++)
for(j=0;j<5;j++)
if(array[max][may]<array[i][j+1]){max=i;may=j+1;}
}
void main(){
int i,j;
//*a=(int*)malloc(5*sizeof(int));
cout<<"請輸入一個數組array[5][5]："<<endl;
for(i=0;i<5;i++)
for(j=0;j<5;j++)
cin>>array[i][j];
ReMax();
cout<<"最大值坐標："<<max<<","<<may<<endl;
}