可视化

下载地址： https://redisdesktop.com/ 安装完成，打开 配置信息就可以了 如果redis已经开启了，但是却连接不上，两个问题 1.把 bind 127.0.0.1 注释掉 2.如果是虚拟机 防火墙关掉（不推荐，自己练习的时候可以这么操作） 最好还是开放端口，命令 firewall-cmd --zone=public --add-port=2001/tcp --permanent firewall-cmd --reload firewall-cmd --zone=public --query-port=2001/tcp 如果还连接不了，单机版是可以不用设置密码的，但如果是redis集群最好设置密码 先执行到 ./redis-cli 命令 [root@localhost src]# ./redis-cli 127.0.0.1:6379> auth root (error) ERR Client sent AUTH, but no password is set 上图报错，这样写 127.0.0.1:6379> config set requirepass root OK 返回ok，再去使用Redis Desktop Manager 连接就可以了。 如果还是不行或者有其它问题，可以在评论中留言 来源： https://blog.csdn.net/Lee

// Upgrade NOTE: replaced '_World2Object' with 'unity_WorldToObject' // Upgrade NOTE: replaced 'mul(UNITY_MATRIX_MVP,*)' with 'UnityObjectToClipPos(*)' // Upgrade NOTE: replaced '_Object2World' with 'unity_ObjectToWorld' // Upgrade NOTE: replaced '_World2Object' with 'unity_WorldToObject' // Upgrade NOTE: replaced 'mul(UNITY_MATRIX_MVP,*)' with 'UnityObjectToClipPos(*)' Shader "Custom/ShowNormals" { Properties { _LineLength("LineLength",float) = 0.03 _LineColor("LineColor",COLOR) = (1,0,0,1) } SubShader { Pass { Tags { "RenderType" = "Opaque" } LOD 200 CGPROGRAM #pragma target 5.0 #pragma

Heartate——如监测心率般追踪程序运行 Heartrate 是一个 Python 的工具库，可以实时可视化 Python 程序的执行过程。监控运行中的 Python 程序如图： Python资源共享群：484031800 如图所示，左侧数字表示每行代码被触发的次数。长方框表示最近被触发的代码行——方框越长表示触发次数越多，颜色越浅表示最近被触发次数越多。 虽然追踪每行代码的触发次数是一个方法，但是要是能计算每次触发代码的执行时间就好了。这样能够更好地说明哪行代码是效率瓶颈。by 思 得益于 executing (https://github.com/alexmojaki/executing) 库，当前被执行的调用以高亮显示。 实时堆栈追踪（stacktrace）如下所示： 功能 该工具可以： 启动程序追踪 在线程中启动服务器 打开显示 trace() 被调用的文件可视化图的浏览器窗口 在文件视图中，堆栈追踪位于底部。而在堆栈追踪中，用户可以点击正在追踪文件的堆栈条目，从而在该代码行打开文件的可视化图。 trace 只追踪调用它的线程。若要追踪多线程，用户必须在每个线程都予以调用，并且每次的端口也不同。 如何设置需要监测的程序 files 确定了除调用的 trace 之外其他需要追踪的文件。files 必须是可调用的，并接受一个参数：文件路径，同时如果应该追踪该文件，则需要返回

在centos6.5上influxdb + Grafana监控平台配置： 1、RedHat and CentOS users can install the latest stable version of InfluxDB using the yum package #cat <<EOF | sudo tee /etc/yum.repos.d/influxdb.repo [influxdb] name = InfluxDB Repository - RHEL \$releasever baseurl = https://repos.influxdata.com/rhel/\$releasever/\$basearch/stable enabled = 1 gpgcheck = 1 gpgkey = https://repos.influxdata.com/influxdb.key EOF 2、安装influxdb #yum install influxdb 3、修改InfluxDB的配置，主要配置jmeter存储的数据库与端口号，还有需要将UI端口开放： [root@localhost ~]# vi /etc/influxdb/influxdb.conf # 找到graphite并且修改它的库与端口 [[graphite]] enabled = true database =

依赖库 Go 1.6 NodeJS v4+ sqlite3 GO 环境搭建 vi /etc/profile export GOPATH="/root/go" export GOROOT="/usr/local/go" export PATH=$GOROOT/bin:$PATH export PATH=$GOPATH/bin:$PATH NodeJS 环境搭建 从https://nodejs.org/en/下载node源码包 cd /usr/local tar -zxvf node-v4.5.0-linux-x64.tar chmod -R 755 node vi /etc/profileexport NODE=/usr/local/node export PATH=${NODE}/bin:$PATH 编译安装前准备 创建$GOPATH/src/github.com/grafana/grafana目录,然后git最新的代码到此目录. mkdir $GOPATH/src/github.com/grafana/grafana 编译后端源码步骤 cd $GOPATH/src/github.com/grafana/grafana go run build.go setup go run build.go build 编译前端源码步骤 cd $GOPATH/src/github.com

文章目录 图示 代码 使用 图示 代码 import numpy as np import matplotlib.pyplot as plt def plot_two_dim(x, y, id2Name, xLabel, yLabel): """ 功能: 绘制二维待标签散点图 输入: x:np,(N) # 散点横坐标 y:np,(N) # 散点纵坐标 id2Name:dict, # 散点标签 xLabel:string,(1) # x轴标签 yLabel:string,(1) # y轴标签 """ C = max(x) - min(x) R = max(y) - min(y) fig = plt.figure(figsize=(C, R)) # 给Y坐标赋值为0 N = len(x) # 生成散点标签 titles = [id2Name[i] for i in range(N)] # 绘制散点 ax = fig.add_subplot(111, frameon=True) ax.spines['top'].set_visible(False) ax.spines['right'].set_visible(False) ax.scatter(x,y,c='g') ax.yaxis.set_ticks_position('left') # 绘制标签 for i in range(N):

最近在做python数据分析与可视化方面的项目，记录一下进展与心得。起初听到雷达图并不知所云，mentor告诉我说，想象一下英雄联盟下面的小地图就好了。顿时有了个轮廓，但真正做下来发现两者并不是一码事。 每日三省吾身，必有所得也。 雷达图 多用于企业分析或价值分析的可视化，可以直观的看出所观察指标的优势与劣势。对于优势与劣势区域的相关指标或人员，可以给予针对性的建议。 Demo代码 #雷达图 import numpy as np import matplotlib . pyplot as plt plt . rcParams [ 'font.sans-serif' ] = [ 'SimHei' ] name = [ ‘语文’ , ‘数学’ , ‘英语’ , ‘物理’ , ‘化学’ ] #标签 theta = np . linspace ( 0 , 2 np . pi , len ( name ) , endpoint = False ) #将圆根据标签的个数等比分 value1 = [ 80 , 80 , 80 , 90 , 100 ] #具体值 value2 = [ 70 , 90 , 90 , 80 , 70 ] theta = np . concatenate ( ( theta , [ theta [ 0 ] ] ) ) #闭合 value1 = np .

分享两个关于python界面设计的实习项目。 即使慢，驰而不惜，纵令落后，纵令失败，但一定可以达到他所向往的目标。（鲁迅） 【项目一】 项目一为利用python结合雷达图与柱状图设计的可视化可筛选的界面。该界面首先筛选一种不良状态“破片”，“POL外观不良”，“CN外观不良”，再通过雷达图显示该状态下A、B、C三个object的不同异常等级判断，柱形图统计了该状态下的Action贡献度。 【项目二】 项目二为利用python设计的一款规格快速查询系统，相比项目一性能更加完善，更加人性化。界面分为两大模块：查询页面与Code Ratio（良率） 。该系统通过输入查询条件一方面可以显示对应产品规格与显示不同客户相同Model规格对比，另一方面可以查看对应良率并针对其呈现进行初步规格预控管理。其中DPPM为厂内检测良率，VLRR为厂外检测良率。 左1：VLRR & Code VLRR ；左2：同系列Model by 客户 VLRR ；左3：同系列Model by 客户 & Code VLRR 右1：厂内Code 不良率； 右2：同系列Model厂内Code 不同Ratio 说明：本文是个人项目分享而来，如有疑问，还望各位同仁与前辈指正。 来源： https://blog.csdn.net/weixin_45480773/article/details/99103785

转载地址：https://blog.csdn.net/u011781521/article/details/80469804 一、什么是Portainer？ Portainer是Docker的图形化管理工具，提供状态显示面板、应用模板快速部署、容器镜像网络数据卷的基本操作（包括上传下载镜像，创建容器等操作）、事件日志显示、容器控制台操作、Swarm集群和服务等集中管理和操作、登录用户管理和控制等功能。功能十分全面，基本能满足中小型单位对容器管理的全部需求。 二、下载Portainer镜像 环境用的还是上篇的环境，在swaram01安装Portainer来管理docker集群 # 查询当前有哪些Portainer镜像 docker search portainer # 下载镜像 docker pull portainer/portainer 三、运行Portainer Portainer运行方式有以下两种方式: 3.1、单机版运行 如果仅有一个docker宿主机，则可使用单机版运行，运行以下命令就可以启动了: docker run -d -p 9000:9000 \ --restart=always \ -v /var/run/docker.sock:/var/run/docker.sock \ --name prtainer-test \ portainer/portainer

完整原文链接： http://tecdat.cn/?p=5438 生存分析 对应于一组统计方法，用于调查感兴趣事件发生所花费的时间。 生存分析 被用于各种领域，例如： 癌症研究为患者生存时间分析， “事件历史分析”的社会学 在工程的“故障时间分析”。 在癌症研究中，典型的研究问题如下： 某些临床特征对患者的生存有何影响？ 个人三年存活的概率是多少？ 各组患者的生存率有差异吗？ 基本概念 在这里，我们从定义生存分析的基本术语开始，包括： 生存时间和事件 生存功能和危险功能 癌症研究中的生存时间和事件类型 有不同类型的事件，包括： 复发 死亡 从“应对治疗”（完全缓解）到发生感兴趣事件的 时间 通常称为 生存时间 （或事件发生的时间）。 癌症研究中两个最重要的措施包括：i） 死亡时间 ;和ii）无 复发存活时间 ，其对应于治疗反应与疾病复发之间的时间。它也被称为无 病生存时间 和无 事件生存时间 。 如上所述，生存分析侧重于直到发生感兴趣事件（复发或死亡）的预期持续时间。 Kaplan-Meier生存评估 Kaplan-Meier（KM）方法是一种非参数方法，用于估计观察到的生存时间的生存概率（Kaplan和Meier，1958）。 知识管理生存曲线是知识管理生存概率与时间的关系曲线，它提供了一个有用的数据总结，可以用来估计诸如中位生存时间之类的衡量指标。 R生存分析