- 使用 Spring Initializr 创建 Spring Boot 应用程序
- 在Spring Boot中配置Cassandra
- 在 Spring Boot 上配置 Tomcat 连接池
- 将Camel消息路由到嵌入WildFly的Artemis上
本文整理了Java中org.apache.commons.math3.distribution.ZipfDistribution.<init>()
方法的一些代码示例,展示了ZipfDistribution.<init>()
的具体用法。这些代码示例主要来源于Github
/Stackoverflow
/Maven
等平台,是从一些精选项目中提取出来的代码,具有较强的参考意义,能在一定程度帮忙到你。ZipfDistribution.<init>()
方法的具体详情如下:
包路径:org.apache.commons.math3.distribution.ZipfDistribution
类名称:ZipfDistribution
方法名:<init>
[英]Create a new Zipf distribution with the given number of elements and exponent.
Note: this constructor will implicitly create an instance of Well19937c as random generator to be used for sampling only (see #sample() and #sample(int)). In case no sampling is needed for the created distribution, it is advised to pass nullas random generator via the appropriate constructors to avoid the additional initialisation overhead.
[中]用给定的元素数和指数创建一个新的Zipf分布。
注意:此构造函数将隐式创建Well19937c的实例作为随机生成器,仅用于采样(请参见#sample()和#sample(int))。如果创建的分布不需要采样,建议通过适当的构造函数传递nullas random generator,以避免额外的初始化开销。
代码示例来源:origin: org.apache.commons/commons-math3
/**
* Generates a random value from the {@link ZipfDistribution Zipf Distribution}.
*
* @param numberOfElements the number of elements of the ZipfDistribution
* @param exponent the exponent of the ZipfDistribution
* @return random value sampled from the Zipf(numberOfElements, exponent) distribution
* @exception NotStrictlyPositiveException if {@code numberOfElements <= 0}
* or {@code exponent <= 0}.
*/
public int nextZipf(int numberOfElements, double exponent) throws NotStrictlyPositiveException {
return new ZipfDistribution(getRandomGenerator(), numberOfElements, exponent).sample();
}
代码示例来源:origin: apache/kylin
protected String prepareTestDate() throws IOException {
String[] allKeys = new String[KEY_SPACE];
for (int i = 0; i < KEY_SPACE; i++) {
allKeys[i] = RandomStringUtils.randomAlphabetic(10);
}
outputMsg("Start to create test random data...");
long startTime = System.currentTimeMillis();
ZipfDistribution zipf = new ZipfDistribution(KEY_SPACE, 0.5);
int keyIndex;
File tempFile = File.createTempFile("ZipfDistribution", ".txt");
if (tempFile.exists())
FileUtils.forceDelete(tempFile);
Writer fw = new OutputStreamWriter(new FileOutputStream(tempFile), StandardCharsets.UTF_8);
try {
for (int i = 0; i < TOTAL_RECORDS; i++) {
keyIndex = zipf.sample() - 1;
fw.write(allKeys[keyIndex]);
fw.write('\n');
}
} finally {
if (fw != null)
fw.close();
}
outputMsg("Create test data takes : " + (System.currentTimeMillis() - startTime) / 1000 + " seconds.");
outputMsg("Test data in : " + tempFile.getAbsolutePath());
return tempFile.getAbsolutePath();
}
代码示例来源:origin: apache/incubator-druid
Integer startInt = schema.getStartInt();
cardinality = schema.getEndInt() - startInt;
ZipfDistribution zipf = new ZipfDistribution(cardinality, schema.getZipfExponent());
for (int i = 0; i < cardinality; i++) {
probabilities.add(new Pair<>((Object) (i + startInt), zipf.probability(i)));
ZipfDistribution zipf = new ZipfDistribution(enumeratedValues.size(), schema.getZipfExponent());
for (int i = 0; i < cardinality; i++) {
probabilities.add(new Pair<>(enumeratedValues.get(i), zipf.probability(i)));
代码示例来源:origin: Netflix/ndbench
public ZipfianStringKeyGenerator(boolean preLoadKeys, int numKeys, double exponent) {
super(numKeys, preLoadKeys);
this.zipf = new ZipfDistribution(numKeys, exponent);
}
代码示例来源:origin: com.netflix.ndbench/ndbench-core
public ZipfianStringKeyGenerator(boolean preLoadKeys, int numKeys, double exponent) {
super(numKeys, preLoadKeys);
this.zipf = new ZipfDistribution(numKeys, exponent);
}
代码示例来源:origin: org.apache.solr/solr-solrj
@Override
public Object doWork(Object first, Object second) throws IOException{
if(null == first){
throw new IOException(String.format(Locale.ROOT,"Invalid expression %s - null found for the first value",toExpression(constructingFactory)));
}
if(null == second){
throw new IOException(String.format(Locale.ROOT,"Invalid expression %s - null found for the second value",toExpression(constructingFactory)));
}
Number size = (Number)first;
Number exp = (Number)second;
return new ZipfDistribution(size.intValue(), exp.doubleValue());
}
}
代码示例来源:origin: io.virtdata/virtdata-lib-realer
/**
* Generates a random value from the {@link ZipfDistribution Zipf Distribution}.
*
* @param numberOfElements the number of elements of the ZipfDistribution
* @param exponent the exponent of the ZipfDistribution
* @return random value sampled from the Zipf(numberOfElements, exponent) distribution
* @exception NotStrictlyPositiveException if {@code numberOfElements <= 0}
* or {@code exponent <= 0}.
*/
public int nextZipf(int numberOfElements, double exponent) throws NotStrictlyPositiveException {
return new ZipfDistribution(getRandomGenerator(), numberOfElements, exponent).sample();
}
代码示例来源:origin: geogebra/geogebra
/**
* Generates a random value from the {@link ZipfDistribution Zipf Distribution}.
*
* @param numberOfElements the number of elements of the ZipfDistribution
* @param exponent the exponent of the ZipfDistribution
* @return random value sampled from the Zipf(numberOfElements, exponent) distribution
* @exception NotStrictlyPositiveException if {@code numberOfElements <= 0}
* or {@code exponent <= 0}.
*/
public int nextZipf(int numberOfElements, double exponent) throws NotStrictlyPositiveException {
return new ZipfDistribution(getRandomGenerator(), numberOfElements, exponent).sample();
}
代码示例来源:origin: geogebra/geogebra
/**
* @param param
* number of elements
* @param param2
* exponent
* @return Zipf distribution
*/
ZipfDistribution getZipfDistribution(int param, double param2) {
if (zipf == null || zipf.getNumberOfElements() != param
|| zipf.getExponent() != param2) {
zipf = new ZipfDistribution(param, param2);
}
return zipf;
}
代码示例来源:origin: johnlpage/POCDriver
if (testOpts.zipfian) {
zipfian = true;
zipf = new ZipfDistribution(testOpts.zipfsize, 0.99);
代码示例来源:origin: org.apache.beam/beam-sdks-java-io-synthetic
"The multiplier of the Zipf distribution should be >= 0, but found %s.",
multiplier);
final ZipfDistribution dist = new ZipfDistribution(100, param);
return scaledSampler(fromIntegerDistribution(dist), multiplier);
代码示例来源:origin: org.apache.beam/beam-sdks-java-io-synthetic
@Before
public void setUp() {
testSourceOptions.splitPointFrequencyRecords = 1;
testSourceOptions.numRecords = 10;
testSourceOptions.keySizeBytes = 10;
testSourceOptions.valueSizeBytes = 20;
testSourceOptions.numHotKeys = 3;
testSourceOptions.hotKeyFraction = 0.3;
testSourceOptions.setSeed(123456);
testSourceOptions.bundleSizeDistribution =
fromIntegerDistribution(new ZipfDistribution(100, 2.5));
testSourceOptions.forceNumInitialBundles = null;
}
代码示例来源:origin: org.apache.accumulo/accumulo-test
ZipfDistribution zdiBanks = new ZipfDistribution((Integer) state.get("numBanks"), 1);
String bank = Utils.getBank(zdiBanks.inverseCumulativeProbability(rand.nextDouble()));
ZipfDistribution zdiAccts = new ZipfDistribution(numAccts, 1);
String acct1 = Utils.getAccount(zdiAccts.inverseCumulativeProbability(rand.nextDouble()));
String acct2 = Utils.getAccount(zdiAccts.inverseCumulativeProbability(rand.nextDouble()));
代码示例来源:origin: geogebra/geogebra
dist = new ZipfDistribution(n, p);
代码示例来源:origin: deeplearning4j/Arbiter
@Override
public IntegerDistribution deserialize(JsonParser p, DeserializationContext ctxt) throws IOException {
JsonNode node = p.getCodec().readTree(p);
String simpleName = node.get("distribution").asText();
switch (simpleName) {
case "BinomialDistribution":
return new BinomialDistribution(node.get("trials").asInt(), node.get("p").asDouble());
case "GeometricDistribution":
return new GeometricDistribution(node.get("p").asDouble());
case "HypergeometricDistribution":
return new HypergeometricDistribution(node.get("populationSize").asInt(),
node.get("numberOfSuccesses").asInt(), node.get("sampleSize").asInt());
case "PascalDistribution":
return new PascalDistribution(node.get("r").asInt(), node.get("p").asDouble());
case "PoissonDistribution":
return new PoissonDistribution(node.get("p").asDouble());
case "UniformIntegerDistribution":
return new UniformIntegerDistribution(node.get("lower").asInt(), node.get("upper").asInt());
case "ZipfDistribution":
return new ZipfDistribution(node.get("numElements").asInt(), node.get("exponent").asDouble());
default:
throw new RuntimeException("Unknown or not supported distribution: " + simpleName);
}
}
}
代码示例来源:origin: org.deeplearning4j/arbiter-core
@Override
public IntegerDistribution deserialize(JsonParser p, DeserializationContext ctxt) throws IOException {
JsonNode node = p.getCodec().readTree(p);
String simpleName = node.get("distribution").asText();
switch (simpleName) {
case "BinomialDistribution":
return new BinomialDistribution(node.get("trials").asInt(), node.get("p").asDouble());
case "GeometricDistribution":
return new GeometricDistribution(node.get("p").asDouble());
case "HypergeometricDistribution":
return new HypergeometricDistribution(node.get("populationSize").asInt(),
node.get("numberOfSuccesses").asInt(), node.get("sampleSize").asInt());
case "PascalDistribution":
return new PascalDistribution(node.get("r").asInt(), node.get("p").asDouble());
case "PoissonDistribution":
return new PoissonDistribution(node.get("p").asDouble());
case "UniformIntegerDistribution":
return new UniformIntegerDistribution(node.get("lower").asInt(), node.get("upper").asInt());
case "ZipfDistribution":
return new ZipfDistribution(node.get("numElements").asInt(), node.get("exponent").asDouble());
default:
throw new RuntimeException("Unknown or not supported distribution: " + simpleName);
}
}
}
如果我有 distributed.Client我可以用它来关闭远程集群吗?即杀死所有 worker 并关闭调度程序? 如果使用 Client 无法做到这一点例如,除了手动杀死每个远程进程之外,还有其他
我对使用 Dask Distributed 作为任务执行器很感兴趣。 在 Celery 中,可以将任务分配给特定的 worker 。如何使用 Dask Distributed? 最佳答案 有2个选项:
我正在创建我的第一个应用程序,并且对 Ad Hoc 配置文件和开发配置文件有些困惑。我知道这个问题是在此之前提出的,但需要一些澄清和确认。 查看之前关于 stackoverflow 的答案,我认为存在
我正在尝试确定如何计算两个 torch.distribution.Distribution 对象的 KL 散度。到目前为止,我找不到执行此操作的功能。这是我尝试过的: import torch as
这听起来(比方说)幼稚,但我不知道我应该为移动 (iOS) 应用使用哪个证书。 显而易见的选项是 iOS 分发证书,但在 Apple 分发证书上,解释是: ...For use with Xcode
问题: 我的数字范围是 1 到 20,000。我想从范围内采样 8 个不同数字的均匀分布,1000 次。每个分布不应有重复的数字。此外,1000 个分布中的每个分布都必须是唯一的(在对所有获得的分布进
我对 dask 文档中的并发 future 要点有疑问:https://gist.github.com/mrocklin/ef9ccd29a6ec5f4de84d6192be95042a 当我们实例化
完成 DASK 代码后,我不断收到“distributed.utils_perf - 警告 - 完整垃圾收集最近占用了 19% CPU 时间”警告消息。我正在使用 DASK 进行大型地震数据计算。计算
场景:S3 存储桶有 1000 个文件。我有两台机器。每台机器都有两个驱动器/dev/sda 和/dev/sdb。限制:没有一个单独的驱动器可以容纳所有 1000 个文件。没有一台机器可以容纳所有 1
我已将一个项目导入 android studio 3.5,但在与 Gradle 文件同步时遇到此错误 指定的Gradle发行版'https://services.gradle.org/distribu
在 Android Studio 中创建项目时,我收到以下错误消息。 Failed to import new Gradle project: Could not install Gradle dis
在android studio 2.3.2 中运行项目时显示 Error:Could not run build action using Gradle distribution 'https://s
我正在将项目中的 gradle 版本从 1.7 升级到 4.2.1。我已将 Intellij 设置为导入 gradle 项目,但是当我单击“刷新所有 Gradle 项目”时,出现以下错误 Gradle
对于一个独特的商品销售数据库,如果我们使用顺序一致性,我们就可以保证,例如,这个独特的商品永远不会被重复卖给不同的人。因果一致性能保证我们做到这一点吗? 如果有一些销售同时开始/结束,系统会中断吗?
关闭。这个问题是off-topic .它目前不接受答案。 想改善这个问题吗? Update the question所以它是 on-topic对于堆栈溢出。 9年前关闭。 Improve this q
我正在使用J2ME为Nokia手机编写应用程序。 我想知道如何分发我的诺基亚应用程序。 最佳答案 分发有两个步骤 1.)使您的应用程序签名 您需要对您的应用进行签名,以便可以将其安装在诺基亚手机上。签
顺序一致性 The result of any execution is the same as if the operations of all the processors were execut
我知道三阶段提交是为了解决“两阶段提交”的问题,当在第二阶段协调器和群组同时失败时,不可能知道协调器是否决定了提交消息。 显然,三阶段提交旨在通过添加一个额外的阶段来解决这个问题。但是,如果协调器和队
我一直在研究 a project ,它是应用服务器和对象数据库的组合,目前仅在单台机器上运行。前段时间看了a paper它描述了一个分布式关系数据库,并获得了一些关于如何将该论文中的想法应用到我的项目
我想堆叠这种类型的数据集: PATIENT_ID AA BB CC DD EE 1 22 33 44 55 66 2 77 88 99 10 11 ..
我是一名优秀的程序员,十分优秀!