The National Democratic Alliance (NDA) has emerged victorious in India’s 2024 general election, but with a smaller majority compared to 2019. According to post-election analysis by Goldman Sachs, JP Morgan,… The tech layoff wave is still going strong in 2024. Following significant workforce reductions in 2022 and 2023, this year has already seen 60,000 job cuts across 254 companies, according to i

以前、S3ってなんじゃ？(s3cmd編)の記事を紹介しましたが、先日s3cmdで調査が必要な場面に遭遇したため、 今回はその件について紹介したいと思います。 ○問題 WEBサーバからS3へのファイル同期にs3cmdを使ったプロジェクトがありました。 しかし、linuxのサーバからS3へファイルを同期するのにs3cmdのsyncコマンドを使用しており、 その同期がとても遅いというのです。 ローカルで1ファイルを追加したとしても同期の度に数時間かかっているようでした。 確認してみたところ、同期対象のS3バケットに数百万という数のファイルが存在しており、 それが問題となっているようでした。 そこで、対処方法を調べてみました。 ○再現 まず、手元のEC2環境で同じ状況を再現してみます。 適当なディレクトリにgitからある程度サイズのあるプロジェクトをいくつかcloneします。 # mkdir /r

『データロードのベストプラクティス』に続くデータロードの処理、第2弾です。またもやかなり長〜くなってしまいましたが、リファレンス的にご利用頂ければと思います。m(_ _)m COPYコマンドは、Amazon S3上のファイルから、又はDynamoDBのテーブルから並列にデータを読み込み、ロードするためにAmazon Redshiftの超並列処理(MPP)を活用しています。 注意： 大量データのロードの際はCOPYコマンドを使う事を我々は強くお奨めします。 個々にINSERT文を使用する場合、実行スピードはとてつもなく遅くなるかもしれません。 また、あなたのデータが他のAmazon Redshiftのデータベーステーブルに存在する場合は、 パフォーマンス向上の為にINSERT INTO … SELECT又はCREATE TABLE ASを使用します。 詳細については、INSERT 又は CR

execさえなんとかなれば記号だけでもプログラミングできそう pypack.py import sys """ _ = 1 __ = 2 ___ = 4 ____ = 8 _____ = 16 ______ = 32 _______ = 64 """ def pack(s): code = '_=()==();__=_+_;___=__+__;____=___+___;_____=____+____;______=_____+_____;_______=______+______;' r = [] for c in s: n = ord(c) r.append('+'.join(['_'*(i+1) for i in range(7) if n&(1<<i)])) p = ','.join(r) code += 'exec("%c"*{})%({})'.format(len(s),p) p

このように語彙の二層化が生じると、いきおい人は両者にニュアンス付けをして微妙に「使い分けていく」ようになる。一方が日常語になり、他方が学術語 (mot savant) になったりすることも多い。例えば buy と perchase などでは、訳し分けるなら「買う」と「購入する」と言ったようなニュアンスの差違が生じている。ここではゲルマン諸語系の語彙の方が日常化して、他方を「より専門語的」に仕上げたわけだ。生存競争（使用頻度）から言えば buy の圧勝だろう。 語彙流入の経緯からしても、後発のロマンス諸語系の語彙が学術語を受けもつ傾向が大きいのは事実であるが、もちろん逆の場合だってある。blossom と flower のペア、behaviour と action のペアでは後者のロマンス諸語系語彙の方が日常的になった。これらでは後者が生存戦略上圧勝している。 mistake と error