fig

mem_limit is supported by docker-compose? How can I test it? I have a following docker-compose.yml repository: image: myregistry/my_nginx_image mem_limit: 60m volumes: - /etc/localtime:/etc/localtime ports: - "80:80" How can I prove that the container actually does not exceed 60 mb of RAM? I am using: docker 1.3.1 docker-compose 1.1.0 Yes. Memory limitation is supported by docker-compose and value can be set as in your example with "m" for megabytes. It is possible to check what is the memory limit set for running Docker container using "docker stats" command. If your container name is

1 . PSR-4规范： 自动加载 虽然在[PSR-4-Meta]中指出PSR-4是对PSR-0规范的补充而不是替换，但是在[PSR-0]中已经写到PSR-0于2 014.10.21被废弃，并在 [PSR-4-Meta]中详细写明了PSR-0的不足，已经不能满足面向package的自动加载。 PSR-4规范能够满足面向package的自动加载，它规范了如何从文件路径自动加载类，同时规范了自动加载文件的位置。 1.1 概述 这份PSR规范描述了从文件路径自动加载类。可以与PSR-0规范互操作，可以一起使用。这份PSR也描述了自动加载的文件应当放在哪里。 1.2 规范 1.2.1 术语"class"是指classes, interfaces, traits, 以及其他类似的结构. 1.2.2 一个完全合乎规格的类名（A fully qualified class name）格式如下： \<NamespaceName>(\<SubNamespaceNames>)*\<ClassName> (1) 完全合规的类名必须（ MUST）有一个顶级命名空间名称，也就是通常所说的"vendor命名空间". (2) 完全合规的类名可以（ MAY）有一个或多个二级命名空间名称（sub-namespace names）. (3) 完全合规的类名必须（ MUST）以类名来结尾。 (4)

1.先把wordpress的镜像下载下来 docker pull wordpress 2.下载mysql docker pull mysql:lastest 3.启动mysql docker run --name some-mysql -e MYSQL_ROOT_PASSWORD=my-secret-pw -d mysql:tag name参数指定要启动的实例名称这里我称mysql实例为some-mysql，MYSQL_ROOT_PASSWORD指定ROOT密码。tag参数是MySQL的版本号，可以是5.7、5.6、8.0。 4.启动wordpress 并连接 mysql（应该是拉wordpress时自动配置了运行环境） 安装好数据库之后，就可以启动WordPress了。详细的文档参考 这里 。如果使用Docker中安装的MySQL实例，使用下面的命令。 docker run --name some-wordpress --link some-mysql:mysql -p 8080:80 -d wordpress name参数指定要启动的WordPress实例名称，link参数指定要使用的Docker MySQL实例名称，p参数将Docker内部的80端口映射到本地的8080端口上。 如果使用外部的MySQL数据库，则输入下面的命令。 docker run --name some

> 译自： https://medium.com/coinmonks/visualizing-brain-imaging-data-fmri-with-python-e1d0358d9dba ## 简介 大脑是人类目前所知的最复杂的器官，为了很好的了解大脑这个器官，我们做了很多努力，核磁共振成像(Magnetic Resonance Image,MRI)技术就是其中的重要突破，通过MRI的方式，我们可以获得大脑的一些数据。 近年来，随着机器学习的兴起，医学数据与机器学习结合使用的情况越来越多，而要有效的使用好医学数据，其前提就是处理好这些数据，本文内容会重点介绍如何使用Python来处理与分析这些脑成像数据，不会涉及过多医学知识。 ## sMRI与fMRI 脑成像相关的数据可以去SPM网站中下载，SPM的含义是统计参数映射(Statistical Paramtric Mapping)，MRI生成的数据其实就是一种参数映射数据，当然，更加方便的是在工作公众号中回复data3获得相应的数据与jupyter代码文件。 下载后，其中有4个文件，其中README开头的为描述文件，fM00223为功能性核磁共振(funciton MRI,fMRI)成像数据,sM00223为结构性核磁共振(structural MRI, sMRI)成像数据。通过描述文件可知，这些数据是一个人躺在MRI机器上听

本人在做接口测试的过程中，每次请求接口时都会自己计算一个请求时间存在数据库里，时间一长积累了很多数据，在学习Python+plotly进行数据可视化后，终于对接口请求时间这个数据进行了处理，制作了violin图表，效果还不错。分享一下代码，供大家参考。 下面是我自己的测试方法： #!/usr/bin/python # coding=utf-8 import plotly.plotly import pandas as pd import plotly.figure_factory as ff import second.mysql if __name__ == "__main__": a = second.mysql.Mysql() b = a.getApiTimes('/article/list/userfeed', '/article/detail', '/article/info', '/advertise/api/list', '/common/menu') df = pd.DataFrame(dict(Score=b[0], Group=b[1])) # 合并数据 fig = ff.create_violin(df, data_header='Score', group_header='Group', height=700, width=1200,title=

01 入门 制作提供信息的可视化是数据分析的重要任务之一。首先介绍一下matplotlib库。 import matplotlib.pyplot as plt import numpy as np data = np.arange(10) print(data) plt.plot(data) plt.show() 简单的线性图： 01-01 图片与子图 matplotlib生成的图位于图片对象中，可以使用plt.figure生成一个新的图片。 plt.figure有一些选项，例如figsize可以确保图片有一个确定的大小及存储在硬盘时的长宽比。 可以使用add_subplot创建一个或多个子图。 ax1 = fig.add_subplot(2,2,1) 上面图片的意思是图形为 2*2 ,并且序号为1。 01-02 调整子图间距 可以使用subplots_adjust调整图的大小。 其中参数wspace和hspace分别控制的是图片的宽度和高度百分比，以用作子图间的间距。 生成简单随机漫步图表： fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.plot(np.random.randn(1000).cumsum()) # 显示中文 plt.rcParams['font.sans-serif']=['SimHei'] plt

R Tutorial: How to Integrate R With Java Using rJava http://codophile.com/2015/04/15/how-to-integrate-r-with-java-using-rjava/ Why use R with Java? Modern enterprise applications are increasingly using latest research techniques to obtain maximum return on investment. Analytics plays an important role in the success of any organization in the market. Analytics could help improve business in various domains like: improving profits, increasing market value, increasing customer satisfaction etc. Using analytics in any enterprise application boils down to using statistical and mathematical

R Tutorial: How to Integrate R With Java Using Rserve http://codophile.com/2015/05/02/how-to-integrate-r-with-java-using-rserve/ Introduction Building Machine Learning based analytics applications require usage of a range of technologies. Java proves to be a great language for building enterprise solutions, however java lacks on analytics front. To compensate this gap we have languages like R which has a rich set of Machine Learning and Statistical libraries. Integrating both these technologies we could create high end Machine Learning based applications. In the previous post R Tutorial: How

I'm trying to set up a docker / fig Mesos cluster. I'm new to fig and Docker. Docker has plenty of documentation, but I find myself struggling to understand how to work with fig. Here's my fig.yaml at the moment: zookeeper: image: jplock/zookeeper ports: - "49181:2181" mesosMaster: image: mesosphere/mesos:0.19.1 ports: - "15050:5050" links: - zookeeper:zk command: mesos-master --zk=zk --work_dir=/var/log --quorum=1 mesosSlave: image: mesosphere/mesos:0.19.1 links: - zookeeper:zk command: mesos-slave --master=zk Thanks ! Edit: Thanks to Mark O`Connor's help, I've created a working docker-based