Search

消息
Selected 消息

搜索结果 (10.5K)

对话类型 :

状态

Selected 状态

已发布日期 :

终生

Selected 终生

类别

相关性
Selected 相关性
【转帖】如何使用GOOGLE高级搜索技巧
​原文出处: ​​新浪博客(未找到原始出处)​ ​ ​ ​如何使用GOOGLE高级搜索技巧​ ​一,GOOGLE简介​ ​Google(​​www.google.com​ ​)是一个搜索引擎,由两个斯坦福大学博士生Larry Page与Sergey

Question

21.3K

5

0

0

【分享】2014 Google全球搜索关键字排行榜
​原文出处:​​Google,​ ​http://www.google.com/trends/topcharts?hl=en#date=2014&geo=​ ​今年的Google Trends全球搜索关键字报告已经发布了,下面这些热点事件你都关注过吗?更多排名可以点击上面的链接哦~​ ​全球热搜不分类关键字 Top 3​

Question

2.1K

6

0

0

数据归档最佳实践之产品篇
​数据​​归档​ ​的定义并不复杂。但从实际角度出发,操作起来常常比较有挑战。在进行归档操作前,我们通常建议进行详细的规划。本部分主要介绍归档的准则。​ ​归档准则:搜索功能,自动化及灵活性​ ​市场上有一系列的数据​​归档产品​

Wiki Articles

494

0

0

0

十大免费又好用的网络分析工具
​如果没有好用的工具分析统计数据和流量​​ ​ ​,管理设备配置和用户活动,那么网络管理将是一个相当艰巨的任务。以下工具对多方面网络活动进行可视化管理,并且不会对业务产生影响。利用这些免费工具,网络管理员能够提高性能,探测潜在问题,并将故障灭杀在萌芽状态。​ ​Capsa Free​ ​网络分析工具,用于监控、故障排除和分析。来自​​Colasoft​​的​ ​Capsa Free​​

Question

16.3K

12

0

【分享】大数据架构:Push、Pull还是Search in Place
​原文出处:​​InfoQ,​ ​http://www.infoq.com/cn/news/2015/10/Push-Pull-Search​ ​ ​ ​英文链接:​ ​http://www.infoq.com/news/2015/09/Push-Pull-Search​

Question

972

0

0

0

Data Protection Search搜索(二)
​ ​ ​ ​ ​Data Protection Search​​搜索(二)​ ​ ​​ ​ ​转载请在文首保留原文出处:​​EMC​​中文支持论坛​ ​https://community.emc.com/go/chinese​ ​ ​​ &#

Wiki Articles

494

0

0

0

Data Protection Search搜索(一)
​ ​ ​ ​ ​Data Protection Search​​搜索(一)​ ​ ​​ ​ ​转载请在文首保留原文出处:​​EMC​​中文支持论坛​ ​https://community.emc.com/go/chinese​ ​ ​​ &#

Wiki Articles

321

0

0

0

【分享】数据中心网络性能:新应用下的新需求
​原文出处:​​SDNLab,​ ​http://www.sdnlab.com/19354.html​ ​英文链接:​ ​https://www.sdxcentral.com/articles/analysis/data-center-networking-performance/2017/05/​

Question

698

0

0

0

【转发】全球成长最快公司的17个共同点
​原文源于:​​公司圈​ ​全球成长最快的公司肯定是互联网公司,有人总结了全球成长最快公司的17个共同点,包括重视企业文化宣导、有早期的资金支持、有得力的创业导师等。你是否同意?​ ​  ​​1、都以为广泛人群谋求价值为最大动力,贯彻始终。领导人不厌其烦宣导企业文化​ ​  创始之初,Google官方的公司使命为“

Question

2.9K

1

0

0

Data Domain的高可用性(High Availability)
​ ​ ​ ​ ​Data Domain​​的高可用性(​​High Availability​ ​)​ ​ ​​ ​ ​转载请在文首保留原文出处:​​EMC​​中文支持论坛​ ​https://community.emc.com/go/chinese​

Wiki Articles

1.1K

0

0

0

【分享】GitHub开源贡献榜:开源世界哪家最强?
​原文出自:​​GitHub开源贡献榜:微软超越Facebook和Google排第一_Microsoft 微软_cnBeta.COM​ ​在新任CEO萨蒂亚·纳德拉的领导下,封闭许久的微软已于过去几年在变得更加拥抱开源。​ ​根据知名代码协作项目网站GitHub上的最新数据,我们发现微软已经位列开源贡献榜的第一名(16419),超过了Facebook(15682)、docker(14059)、angular(1

Question

698

0

0

0

【分享】2015 Bossie评选:最佳开源大数据工具
​文章来源:InfoWorld​ ​Bossie奖是知名英文IT网站InfoWorld针对开源软件颁发的年度奖项,根据这些软件对开源界的贡献,以及在业界的影响力评判获奖对象。本次InfoWorld评选出了22款最佳的开源大数据工具,像Spark、Storm都名列榜单之上。​ ​InfoWorld在分布式数据处理、流式数据分析、机器学习以及大规模数据分析领域精选出了2015年的开源工具获奖者,下面我们来简单介绍下这些获奖的技术工具。​ ​1. Sp

Question

1.2K

2

0

0

使用Bloom Filter提高索引效率(下)
​DataDomain中的重复数据检查:​ ​上篇我们介绍了Bloom Filter,以及其以“正确率换空间”的特性。而它的这种特性,非常适合需要对海量数据进行快速检索而内存空间又有限的场景。比如在重复数据删除系统(DataDomain)中可以配合fingerprint Cache,加速重复数据的检查。​ ​我们都知道DataDomain(DD)采用数据块级的去重技术,文件或数据流被切割为较小的segment, 然后使用160-bit的SHA1算法求取每个segment的哈希值,这些哈希值被称为segment f

Question

2.9K

1

0

如何在EMC在线支持上高效地查找知识库文章?
​ ​ ​ ​ ​如何在​​EMC​​在线支持站点上高效地查找知识库文章?​ ​ ​​ ​ ​ ​ ​转载请在文首保留原文出处:​​EMC​​中文支持论坛​ ​ ​ ​ ​ ​介绍​

Wiki Articles

571

3

0

0

【转发】存储达人必备的十大专业网站
​转载自​​:​​高端存储知识​ ​TOP 1:The Register​ ​链接:​ ​http://www.theregister.co.uk/data_centre/storage/​ ​推荐理由:这个网站每天

Question

1.8K

3

0

【转帖】55 个实用的大数据可视化分析工具
​原文出处: ​​36大数据​ ​ 转自:​​伯乐头条​ ​俗话说的好:工欲善其事,必先利其器!一款好的工具可以让你事半功倍,尤其是在大数据时代,更需要强有力的工具通过使数据有意义的方式实现数据可视化,还有数据的可交互性;我们还需要跨学科的团队,而不是单个数据科学家、设计师或数据分析员;我们更

Question

1.5K

2

0

0

弱弱的感叹下,EMC的导航和文档支持还是非常到位的
​这几个小时一直在某厂商网站(含partner)上搜索文档和材料,转了几圈都空手而归,要么就是没有,要么就空链接,要么就是N年前的文档,而且这样的情况不止一次出现。哎,所以心情极度郁闷。​ ​回头看看EMC的导航、文档库、KB、支持,个人感觉还是非常满意的。而且partner账户可寻找的资源更加丰富。​ ​不过话又说回来,networker的文档体系好多年没更新了,是否应该针对功能模块来细分文档,然后写得更丰富详细、更图文并茂呢?​

Question

520

1

0

0

包网 #最好包网 #包网一站式服务 #天成包网 #SKG包网 #亚博包网 #东南亚包网 #BOB包网 #KOK包网 #OB包网 #华体会包网 #综合包网 #体育包网 #游戏包网
​ 亚博包网拥有良好市场口碑,是众多玩家首选平台;​ ​ 众多场馆为合作平台提供多类支持,多种资源助力站点轻松运营;​ ​ 提供一站式筹备支持、金流支持、资源支持、运营支持、风控支持、客服支持、培训支持、宣传支持;​ ​ 良好服务理念与行为获得合作站点的一致认可,期待我们携手同行~​ ​品牌奠基计划现已正式启动,把握机会,不要错过​ ​亚博包网,引领行业变革,期待你的加入​ ​更多详情请联系​ ​纸飞机:&

Question

10

0

0

0

【转发】Forrester列举了十五项到2020年都值得关注的新兴技术
​原文链接:​​易安信EMC-云计算与大数据​

Question

352

0

0

0

使用Bloom Filter提高索引效率(上)
​Bloom Filter 介绍:​ ​在日常生活中,我们经常要判断一个元素是否在一个集合中。比如在字处理软件中,需要检查一个英语单词是否拼写正确;在网络爬虫里,一个网址是否被访问过等等。最直接的方法就是将集合中全部的元素存在计算机中,遇到一个新 元素时,将它和集合中的元素直接比较即可。一般来讲,计算机中的集合是用hash table来存储的。它的好处是快速准确,缺点是费存储空间。当集合比较小时,这个问题不显著,但是当集合巨大时,哈希表存储效率低的问题就显现出来了。比如说,雅虎或者Gmail总是需要过滤垃圾邮件,一个办法就是记录下那些发垃圾邮件

Question

2.3K

0

0

Dell Support Results

找不到结果!

Top