タグ

2013年4月25日のブックマーク (9件)

  • Let it crash

    Dear hAkkers, we—the Akka committers—are pleased to be able to announce the availability of Akka 2.4.0-RC2 (SECOND RELEASE CANDIDATE). This is what we intend to ship as 2.4.0 final unless issues are found, so please test it thoroughly and report back. Failures are important to hear about, but praise also does not hurt :-) We would like to send a special thanks to Akka Persistence plugin maintainer

    Let it crash
  • Akka Frameworkチュートリアルその2 | ブログ.武田ソフト.jp

    前回Akka Frameworkのチュートリアルをやってみましたが、動作確認のみで内容を読んでなかったので、軽く読解してみました。チュートリアルというより、Akkaのコンセプトがはっきりわかる内容です。 Akka Projectの Tutorial: write a scalable, fault-tolerant, persistent network chat server and client の「Sample application」以降を読んでみます。サンプルの動作確認方法は、前回のエントリで書きました。 正確に翻訳できるほどの英語力はないので、コードやScalaの冗長な説明は省いて、重要と思われる点だけ、だいたいこんなことが書いてあるんじゃないか程度。間違ってたらごめんなさい。 システム間でやりとりするメッセージが不変(immutable)であることはとても重要。 Actor

  • mod_spdyから学ぶSPDYとストリーム並列処理の実装

    人間とウェブの未来(旧) 「ウェブの歴史は人類の歴史の繰り返し」という観点から色々勉強しています。2014年までの人間とウェブの未来の旧ブログです。 HTTP関連の研究をしているので、そろそろ古い技術を詰めるばかりではなく(これはこれでとても大事な事なのですが)、新しい技術についても調べておきたいところです。 ということで、僕のSPDYに関する現状の理解を、mod_spdyに関する情報を元にまとめておきたいと思います。 SPDY概要 SPDYの概要を表す図としては、下記が良く用いられます。 TLS上にのせたSPDYストリーム上でHTTPやWebSocketを扱うプロトコルで、特徴としては、以下の4つがあげられます。 ストリームの並列化 フレームレイヤーやヘッダーの圧縮 リクエストの優先処理 サーバからのリソースプッシュ HTTP/2.0についても、SPDYを元に仕様が検討されています。では

    mod_spdyから学ぶSPDYとストリーム並列処理の実装
  • Monoceros雑感 - kazuhoのメモ置き場

    Monoceros は @kazeburo さんが開発してる Plack 用ウェブサーバ。prefork型だけど、待機中の接続をイベントドリブンのマネージャで管理することで、同時接続10,000とか行ける(ソケットの受け渡しは SCM_RIGHTS とか使う)。 で、雑感 大好き!!! Starletより遅い問題は、以下のようにすれば解決できると思う listen するソケットに TCP_DEFER_ACCEPT つけて、accept(2) は worker でのみ実行する worker は HTTP レスポンス送信後に read(2) してみて、後続のリクエストが来てない場合にのみ、マネージャプロセスにソケットを返還する (追記) 「返還」ではなく、マネージャプロセスが管理しているソケットのいずれかにデータがきている場合のみ、そのソケットとworkerのソケットを「交換」する、とすれば

    Monoceros雑感 - kazuhoのメモ置き場
  • Millaで呼吸をするようにgithubでperl モジュールを開発しcpanにアップする - Debuginfo

    Module::Setupを使ってモジュール書くぞ、と思ってた矢先に CPAN モジュールの開発についての最近の風潮という@tokuhirom氏のブログのエントリを読みました^^;; minillaでもよかったのですが、全体像がわからなかったので今回は@miyagawaさんの秀逸なscreencastを参考にmillaを使ってみることにしました。 Milla, a Dist::Zilla profile that doesn’t suck (screencast) 基的にscreencastそのままやればいいのです。 依存関係が沢山あって時間がかかるのでscreencastを見てる裏でcpanm Dist::Millaを走らせましょう $ cpanm Dist::Milla githubにpushするためにApp::phを使います。(Rubyistの人はhubも使えるようです。) $ c

    Millaで呼吸をするようにgithubでperl モジュールを開発しcpanにアップする - Debuginfo
  • 靴屋とデータマイニングと季節外れの冬物衣料 - あんちべ!

    やぁ。4月も終わりだというのに、いやに寒い日が続いてるね、元気かい? 面白い話がtwitterに流れていたので紹介したい。 日経コンピュータの話。ビックデータ神話に乗り、多額の費用で解析した屋の話、解析結果、冬にブーツが売れ、夏にサンダルが売れるw。 https://twitter.com/yawachi/status/326460494154194944 これを見て君はどう思う? twitterでは皆がこのニュースに対して嘲笑を投げかけていた。 そりゃそうだろう、大金を掛けて誰でもわかることしか出てこないなんて、笑われて当然さ。 データマイニングってのは、やっぱり、もっとこう、あの有名な「おむつとビール」ような意外性のあるものじゃないとね。 そう、データマイニングに必要なのは意外性だ! あの屋は全く馬鹿なことをしたもんだ、ゲラゲラ! OK、笑いが取れたようなので、もう一つ同じような話

    靴屋とデータマイニングと季節外れの冬物衣料 - あんちべ!
    muddydixon
    muddydixon 2013/04/25
    納得感のある意外なところがカネになるところ、って言葉を最近聞いた
  • pt-ioprofileでMySQLのテンポラリテーブルのサイズを測る

    Percona-Toolkitのうちの1つにpt-ioprofileというやつがあって、 straceでwriteやread, fsyncのシステムコール呼び出し状況を記録して、 lsofでファイルディスクリプタ番号と紐付けて、集計して出してくれたりする。 一番単純な使い方は多分こんな感じ。 # pt-ioprofile --cell sizes --run-time 60 2013年  1月  6日 日曜日 17:08:03 JST Tracing process ID 1824 total       read    pread64   pwrite64      write       open    _llseek filename 2191          0       1024       1167          0          0          0 /var

  • MySQLでデータ領域をシステムと別diskにするならtmpdirも設定した方がいい - 酒日記 はてな支店

    某所に300ホスト以上を2年ほど監視していたZabbixのMySQLがありまして、データが100GBぐらいになってメモリ8GBのホストではdisk IOが辛くなってきたので、移行することにしました。普段はそんなにでもないのですが、housekeeperが動作して古いデータを消しに行くとバッファプールに乗っていない部分に読みに行って重いのです。 この際折角なので Intel S3700 (サーバ用のSSD) をおごり、 Zabbix-1.8 から 2.0 にアップグレード MySQL-5.0.77 から MySQL-5.6.11 に変更 システムは HDD で /dev/sda1 データは SSD で /dev/sdb1 を /data にマウント という構成で移行の検証を行っていたところ… MySQLのバージョンが大きく上がるので mysqldump を取得して restore 後、pat

  • Jubatusでオンラインランク学習 - y_tagの日記

    もう二か月以上前のことだが、とあるところで、Jubatusでオンライン分類ができるならペアワイズのランク学習もできそうだという話をした。いろいろあって時間がかかってしまったが、実装と簡単な評価をしたのでまとめておく。 以下の評価で用いた実装は"y-tag/jubatus"のrankingランチにある。現時点では、このブランチは0.4.3のリリース直後をベースとしている。 今回の実装の参考文献として、2009年のNIPSで発表された以下の論文が挙げられる。 Large Scale Learning to Rank また、以下の資料も非常に参考になる。 Large Scale Learning to Rankを読んだ - 射撃しつつ前転 Confidence Weightedで ランク学習を実装してみた DSIRNLP#1 ランキング学習ことはじめ データセットとして、LETORのOHSUM

    Jubatusでオンラインランク学習 - y_tagの日記