abclinuxu.cz AbcLinuxu.cz itbiz.cz ITBiz.cz HDmag.cz HDmag.cz abcprace.cz AbcPráce.cz
AbcLinuxu hledá autory!
Inzerujte na AbcPráce.cz od 950 Kč
Rozšířené hledání
×

dnes 17:33 | Nová verze

Po 5 měsících vývoje od vydání verze 0.12.0 byla vydána verze 0.13.0 správce balíčků GNU Guix a na něm postavené systémové distribuce GuixSD (Guix System Distribution). Na vývoji se podílelo 83 vývojářů. Přibylo 840 nových balíčků. Jejich aktuální počet je 5 454. Aktualizována byla také dokumentace.

Ladislav Hagara | Komentářů: 0
dnes 17:22 | Nová verze

Po 5 měsících vývoje a 3 týdnech intenzivního testování byla vydána verze 12 open source systému Nextcloud, forku ownCloudu, umožňujícího provoz vlastního cloudového úložiště. Přehled novinek i s videoukázkami v poznámkách k vydání. Pro vyzkoušení je k dispozici demo.

Ladislav Hagara | Komentářů: 2
dnes 11:44 | Zajímavý článek

Týden po prvním číslu publikoval Michal Špaček na svých stránkách druhé číslo newsletteru věnovanému bezpečnosti, bezpečnému vývoji převážně webových aplikací a bezpečnosti uživatelů. Věnuje se výpadku Let's Encrypt, únikům dat, bug bounty pro WordPress nebo SQL Injection v Joomla. Zmiňuje také, že Mozilla plánuje z Firefoxu odstranit podporu pro Encrypted Media Extensions (EME) na nešifrovaném HTTP a nadále pro EME vyžadovat HTTPS.

Ladislav Hagara | Komentářů: 0
dnes 02:00 | Pozvánky

Ve středu 31. května 2017 od 17:00 proběhne v pražské pobočce SUSE Den otevřených dveří v SUSE. Čekají vás přednášky o live kernel patchingu a nástroji SaltStack. Také se dozvíte zajímavé informace o SUSE, openSUSE, a vlastně všech produktech, na kterých lidé ze SUSE pracují.

Ladislav Hagara | Komentářů: 3
dnes 01:00 | Pozvánky

Czech JBoss User Group srdečně zve na setkání JBUG v Brně, které se koná ve středu 7. června 2017 v prostorách Fakulty informatiky Masarykovy univerzity v místnosti A318 od 18:00. Přednáší Tomáš Livora na téma Fault Tolerance with Hystrix. Více informací na Facebooku a Twitteru #jbugcz.

mjedlick | Komentářů: 0
19.5. 23:22 | Zajímavý projekt

Na Texture Ninja je volně k dispozici více než 4 tisíce textur. Autora lze podpořit na Patreonu.

Ladislav Hagara | Komentářů: 0
19.5. 10:22 | Pozvánky

Mozilla.cz zve na MozBeer Prague #2. Druhé setkání Mozilla.cz proběhne 26. května od 18:00 v Praze v Diversion Bistru v ulici Mělnická.

Ladislav Hagara | Komentářů: 0
18.5. 23:22 | Bezpečnostní upozornění

Průvodce restauracemi Zomato, jenž v roce 2014 koupil Lunchtime.cz, potvrdil bezpečnostní problém. Odcizeno bylo 17 miliónů záznamů o uživatelích (jména, emailové adresy, osolené hashe).

Ladislav Hagara | Komentářů: 8
18.5. 19:00 | Komunita

V listopadu loňského roku proběhla v Brně v kině Scala Noc otevřeného softwaru v umění. Po promítaném filmu byl dnes na YouTube zveřejněn také záznam úvodní přednášky Davida Revoye, autora open source webového komiksu Pepper&Carrot nebo portrétu GNU/Linuxu. Záznam přednášky je opatřen českými titulky.

Ladislav Hagara | Komentářů: 0
18.5. 03:55 | Zajímavý software

MojeFedora.cz představuje (en, YouTube) rozšíření pro GNOME Shell s názvem Focusli, které pouští různé monotónní zvuky. Ty pomáhají některým lidem s koncentrací nebo relaxací a můžou tak být zajímavou alternativou k puštěné hudbě.

Ladislav Hagara | Komentářů: 7
Chystáte se pořídit CPU AMD Ryzen?
 (6%)
 (32%)
 (1%)
 (8%)
 (44%)
 (9%)
Celkem 585 hlasů
 Komentářů: 62, poslední 19.5. 01:57
    Rozcestník

    Dotaz: Jakou db pouzit na vlastni "vyhledavac"?

    2.8.2012 01:01 martina
    Jakou db pouzit na vlastni "vyhledavac"?
    Přečteno: 745×

    ahoj,

     

    poradte mi jakou technologii, db a jazyk pouzit na tohle:

     

    "databaze" obsahujici kolem 10M clanku (delka textu 1-4 A4) (cast plaintext, cast html)

     

    hw: xeon, 32gb ram, 3tb disk (raid1 - lepsiho nic neni)

     

    a potrebuji udelat neco, co bude schopne hledat v tom duplicity/kopie. proste, zadam clanek (nebo aspon tri ctyri vety z nej) a potrebuji do par vterin mit vypsane bud presne nebo velmi podobne shody (tj. aby prosly i veci kde je vic mezer mezi slovy, atd.)

     

    nemyslim si, ze mysql/pgsql a fulltext je na tohle dobre reseni.

     

    mate nejaky tip? treba lucene?

     

    dekuji,

    martina

    Odpovědi

    2.8.2012 07:43 psholty2 | skóre: 7 | blog: char
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    2.8.2012 07:48 psholty2 | skóre: 7 | blog: char
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    A este asi budes potrebovat "Document Retrieval", mrkni na NLP lekcie na coursera.org (week 7 - Information retrieval), je tam popisany aj ten inverted index, potom v week 7 - ranked information retrieval je skore, asi tf-idf je najbeznejsie
    3.8.2012 12:23 martina
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    diky, kouknu na to
    5.8.2012 13:02 FooBar
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    Muzes rozvest, proc nemyslis, ze mysql/pgsql a jejich fulltext neni vhodny reseni? S MySQL fulltextem zkuenosti nemam, ale postgres fulltext by na tohle sel pouzit zcela trivialne.
    5.8.2012 13:03 FooBar
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    *"proc myslis, ze je", samozrejme
    6.8.2012 14:14 martina
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    no, mam strach, ze nebude to stihat vykonem (viz hw nahore). oproti nejakemu reseni na miru. tzn. povazuji fulltext u sql db za prilis obecne reseni (ale netusim, nikdy jsem takovou vec neresila).

    ono, pokud bych z kazdeho clanku vybrala par vet (delsi nez 6 slov, kvuli hledani duplicit) a projela to oproti db, bylo by to pro me dostacujici. myslis, ze by tohle slo v pgdb s tim, ze budou vysledky temer okamzite?
    6.8.2012 15:23 Ivan
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    No nevim. Podle me mas spatny poradi. Nejdriv se resi pozadavky na SW, algoritmus, konktretni SW produkt a teprve az nekonec se resi sizing. Jestli to pgSQL(anebo neco jinyho) utahne anebo ne, to se neda rict - nikdo nema tvoje data. To muze ukazat jedine test.

    6.8.2012 15:37 FooBar
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    Nemam jedinej duvod si myslet, ze budou problemy -- prijde mi, ze ted resis jen premature optimization, coz je naprosta cesta do pekel.

    Ve zkratce:
    1. Ziskej data.
    2. Rozhoduj se.
    Nedelej to obracene. Nerozhoduj se na zaklade nepodlozenejch predpokladu o vykonu, a az budes ziskavat data na zaklade kterejch se budes rozhodovat, nezapomen si overit nekym zkusenejsim ze tam nejsou nejaky prehlednuty chyby (omylem chybejici index nebo tak neco veselyho).

    Jako rule of thumb bych naprosto nevidel problem v FT vyhledavani nad ~40M normostranama, ale samozrejme zalezi na hromade dalsich faktoru, jako napriklad ocekavana charakteristika zateze.
    rADOn avatar 8.8.2012 19:01 rADOn | skóre: 44 | blog: bloK | Praha
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    Pokud ti jde jen o nejaky ty mezery a podobny volovinky tak by stacilo nejak znormalizovat tu databazi. Pokud chces decentni vykon a opravdovej fulltext tak mrkni na sphinx. Vezme si nejaky misto na barely, ale lita jako drak. "Fulltext" v databazich je tak neco mezi tim, funkcne slabota ale zase je to jednoduchy na rozbehani. (sphinxka je docela elektrarna)
    "2^24 comments ought to be enough for anyone" -- CmdrTaco
    13.8.2012 12:01 Michal
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    Na fulltext db se mi osvedcilo Lucene (Java API) a Solr (HTTP/REST API postavene nad Lucene enginem). Velice dobre konfigurovatelne, jsou tam ruzne filtry, dalsi lze napsat, atd. Hledat duplikaty tam jde velice jednoduse, a to i v pripade ze nejde o 100% shodu.
    13.8.2012 17:09 Michal Karas | skóre: 45 | blog: /dev/random
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    Když už jsou zmíněny tyto technologie, tak bych přidal i ElasticSearch, který je také postavený na Lucene a přijde mi, že v poslední době je minimálně stejně populární jako Solr.
    14.8.2012 07:45 ML
    Rozbalit Rozbalit vše Re: Jakou db pouzit na vlastni "vyhledavac"?
    Já jsem si zvyk na http://sphinxsearch.com/ , celekm fajn. :)

    Založit nové vláknoNahoru

    Tiskni Sdílej: Linkuj Jaggni to Vybrali.sme.sk Google Del.icio.us Facebook

    ISSN 1214-1267   www.czech-server.cz
    © 1999-2015 Nitemedia s. r. o. Všechna práva vyhrazena.