タグ

2019年6月9日のブックマーク (6件)

  • さぁ!コンテナを設計しよう /「分散システムデザインパターン」を読んだ - kakakakakku blog

    4月に出版された「分散システムデザインパターン」を読んだ.サブタイトルに「コンテナを使ったスケーラブルなサービスの設計」とある通り,コンテナを設計/運用するときに,どのようなデザインパターンを知っておくと良いのか?という点を学べる内容になっている.関連情報と合わせて書評を書きたいと思う.なお,今回は貴重な機会を頂き,書の出版レビューに参加することができた.オライリーに自分の名前が載っている!という喜びもある. 分散システムデザインパターン ―コンテナを使ったスケーラブルなサービスの設計 作者: Brendan Burns,松浦隼人出版社/メーカー: オライリージャパン発売日: 2019/04/20メディア: 単行(ソフトカバー)この商品を含むブログを見る 目次 1章 : はじめに 第 I 部 : シングルノードパターン 2章 : サイドカー 3章 : アンバサダ 4章 : アダプタ

    さぁ!コンテナを設計しよう /「分散システムデザインパターン」を読んだ - kakakakakku blog
  • 競技プログラミングにおけるXORのTips - Qiita

    はじめに この記事はCompetitive Programming (1) Advent Calendar 2018の9日目の記事となります. 競技プログラミングの題材の裏表に時折登場する,論理演算ならびにその(非負)整数型へのビットごとの拡張であるところの排他的論理和(XOR)について基的な事柄をまとめてみました. どうでもいいですが私のアイコンは競技プログラミングを始めた頃,あまりにXORが分からなかった哀しみからXORの回路記号を使用しています. 排他的論理和とは 論理演算としての排他的論理和は以下の真理値表であらわされます.0をfalse,1をtrueとして, 見慣れた論理積(AND)や論理和(OR)と比べると少し直感的には分かりにくいでしょうか. どうみるか Z/2Zの足し算 2で割った剰余の世界( $\mathbb{Z} / 2 \mathbb{Z}$ )の足し算と思うことが

    競技プログラミングにおけるXORのTips - Qiita
  • 2019年のワークフローエンジンまとめ - Qiita

    概要 データパイプラインの管理にワークフローエンジンを導入したいのですが、今の要件に対してどれが合っているのか判断しきれない部分があるので整理してみました 最近の導入事例や発表をみるかぎりAirflow, Argo, Digdagあたりが人気なのかなと思います ワークフローエンジンとは ワークフローエンジンとは定期的なバッチ処理をうまく処理できるように、バッチ実行を管理してくれるソフトウェアのことです 古典的な実現方法としては適当なlinuxサーバーの上でcron実行させることが考えられますが、以下のような問題があります ジョブごとの依存関係を表現できない。cronの時間指定で実現させようとすると、タスクAを1時に開始してそれが完了するとみなして依存するタスクBを2時に開始するというような書き方をすることになるが、実際にタスクAが2時までに終わらなかった場合に処理が上手く実行できない タス

    2019年のワークフローエンジンまとめ - Qiita
  • The first conference of Operational Machine Learning: OpML ‘19 | Democratizing Data

    The first conference of Operational Machine Learning: OpML ‘19 I attended OpML ’19 is a conference for “Operational Machine Learning” held at Santa Clara on May 20th. OpML ‘19 _The 2019 USENIX Conference on Operational Machine Learning (OpML ‘19) will take place on Monday, May 20, 2019, at the…_www.usenix.org The scope of this conference is varied and seems not to be specified yet, even if I atten

    The first conference of Operational Machine Learning: OpML ‘19 | Democratizing Data
    takuya-a
    takuya-a 2019/06/09
  • なぜCatboostの推論は速いの? - 簡単なレポート

    前回の記事「AutoML v.s. Catboost」に出てくるCatboostは、XGBoostやLightGBMと比べて30-60倍も推論が速いという特徴があります。 推論時間は、kaggleなどのコンペでは推論に時間をかけられるのであまり気にしませんが、実サービスとなると重要ですよね。 推論時間の比較 以下のグラフは、3大GBDTライブラリでの推論時間比較です。Catboostがずば抜けて速いことがやかります。 そして学習時間の速さに定評があるLightGBMは、なんと最遅です。 この推論時間の速さは、CatboostがGBDTのベースとなる決定木に symmetric tree と呼ばれる、特殊な形の木を使っているからです。 ここで、symmetric treeとは以下の図の右側のような木です。左側は普通の決定木です。 なぜsymmetric treeは速いか 「同一の深さではすべ

    なぜCatboostの推論は速いの? - 簡単なレポート
    takuya-a
    takuya-a 2019/06/09
  • Bash: .bashrcと.bash_profileの違いを今度こそ理解する|TechRacho by BPS株式会社

    こんにちは、hachi8833です。社内Slackで見かけたmorimorihogeさんの以下の書き込みで目から鱗が落ちました。 ~/.bashrcで何かを出力してしまうと、rsyncなどのsshパイプで問題が生じることがあるそうです。 参考: 知らないとrsyncでもハマるシェル初期化 - Qiita これをきっかけに、できるかぎり一次情報を元になるべく一般的になるようにまとめてみました。 シェルスクリプト(.bashrcや.bash_profileなども含む)はあまりに自由に書けてしまい、LinuxディストリビューションやmacOSによって作法がまちまちだったりするので、外してはいけないポイントがどこかを知りたかったのでした。 対象はbashとsh(Bourne Shell)に限定します。また、デスクトップGUIの設定ファイルについては最小限にとどめます。 bashのmanページ 元記

    Bash: .bashrcと.bash_profileの違いを今度こそ理解する|TechRacho by BPS株式会社