首先，隨手記下看到的mahout原始碼目錄說明：
mahout專案是由多個子專案組成的，各子專案分別位於原始碼的不同目錄下，下面對mahout的組成進行介紹：
1、mahout-core：核心程式模組，位於/core目錄下；
2、mahout-math：在核心程式中使用的一些資料通用計算模組，位於/math目錄下；
3、mahout-utils：在核心程式中使用的一些通用的工具性模組，位於/utils目錄下；
上述三個部分是程式的主題，儲存所有mahout專案的原始碼。
另外，mahout提供了樣例程式，分別在taste-web和examples目錄下：
4、taste-web：利用mahout推薦演算法而建立的基於web的個性化推薦系統demo；
5、examples：對mahout中各種機器學習演算法的應用程式；
6、bin：bin目錄下只有乙個名為mahout的檔案，是乙個shell指令碼檔案，用於在hadoop平台的命令列下呼叫mahout中的程式；
在buildtools、eclipse和distribution目錄下，有mahout相關的配置檔案
7、buildtools目錄下是用於核心程式構建的配置檔案，以mahout-buildtools的模組名稱在mahout的pom.xml檔案中進行說明；
8、eclipse下的xml檔案是對利用eclipse開發mahout的配置說明；
9、distribution目錄下有兩個配置檔案：bin.xml和src.xml，進行mahou安裝時的一些配置資訊。
（在開發的時候一般很少對這個目錄下的檔案進行修改，所以不用太關注，知道大體什麼意思就ok）
下面開始這次blog的內容：
mahout最大的優點就是基於hadoop實現，把很多以前執行於單機上的演算法，轉化為了mapreduce模式，這樣大大提公升了演算法可處理的資料量和處理效能。
hadoop得以在大資料處理應用中廣泛應用得益於其自身在資料提取、變形和載入(etl)方面上的天然優勢。hadoop的分布式架構，將大資料處理引擎盡可能的靠近儲存，對例如像etl這樣的批處理操作相對合適，因為類似這樣操作的批處理結果可以直接走向儲存。hadoop的mapreduce功能實現了將單個任務打碎，並將碎片任務傳送(map)到多個節點上，之後再以單個資料集的形式載入(reduce)到資料倉儲裡。
心裡煩躁，好多學到的東西不想寫了，先回去了，明天早點來研究。
推薦系統7 推薦演算法實戰 mahout推薦演算法框架
1.1概述 1.2發展歷史 mahout一直伴隨hadoop發展的，從一開始能夠幫助我們在hadoop上實現很多機器學習，到後來發現它的效率越來越慢，於是放棄使用了一段時間，在一年之後，大概14年開始宣布 0.9版本 截止14年底，mahout不再接受任何mapreduce開發的演算法，轉向spar...
對於樹分治演算法的初步理解
樹分治是基於樹上問題的一種處理問題的方式 它有非常巧妙地結構，它利用的是樹的 邊等效 和點的無序性 對樹進行離散，抽象維護等效路徑 和 子樹關係的神奇演算法 分治樹有非常好的性質，把一些樹寫成分治樹是這樣 可以注意到原樹的形態被離散，重新組合，但對於每乙個被離散後的子樹，改變的只是它的分治重心與父節...
對於Source Filmmaker的初步了解
sfm source filmmaker 是乙個valve公司開發的基於起源引擎的動畫軟體。學習前對sfm的一些想法 我用過不少三維動畫軟體，3dmax，maya，c4d，blender等等，最近我最常用的軟體就是blender，而cascaduer也是在我計畫之中想要學習的軟體。雖然這些軟體包括b...