Ito ang Linux app na pinangalanang Oryx na ang pinakabagong release ay maaaring ma-download bilang Oryx2.8.0.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang Oryx na may OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Simulan ang OnWorks Linux online o Windows online emulator o MACOS online emulator mula sa website na ito.
- 5. Mula sa OnWorks Linux OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application, i-install ito at patakbuhin ito.
MGA LALAKI
Ad
Oryx
DESCRIPTION
Ang Oryx 2 ay isang pagsasakatuparan ng arkitektura ng lambda na binuo sa Apache Spark at Apache Kafka, ngunit may espesyalisasyon para sa real-time na malakihang machine learning. Ito ay isang balangkas para sa pagbuo ng mga application ngunit kasama rin ang nakabalot, end-to-end na mga aplikasyon para sa collaborative na pagsala, pag-uuri, regression at clustering. Ang application ay nakasulat sa Java, gamit ang Apache Spark, Hadoop, Tomcat, Kafka, Zookeeper at higit pa. Gumagamit ang Configuration ng isang Typesafe Config config file, kung saan kino-configure ng mga application ang isang buong deployment ng system. Kabilang dito ang mga pagpapatupad ng mga pangunahing klase ng interface na nagpapatupad ng batch, bilis, at lohika ng paghahatid. Package ng mga application at i-deploy ang kanilang mga pagpapatupad sa bawat instance ng mga binary ng layer. Ang bawat isa sa mga ito ay isang runnable Java .jar na nagsisimula sa lahat ng kinakailangang serbisyo.
Mga tampok
- Generic na tier ng arkitektura ng lambda, na nagbibigay ng mga layer ng batch/speed/serving, na hindi partikular sa machine learning
- Espesyalisasyon sa itaas na nagbibigay ng mga abstraction ng ML para sa pagpili ng hyperparameter, atbp.
- End-to-end na pagpapatupad ng parehong karaniwang mga algorithm ng ML bilang isang application (ALS, random decision forest, k-means) sa itaas
- Ang mekanismo ng transportasyon ng data ay isang paksa ng Apache Kafka
- Ang bilis na layer ay ipinatupad bilang isang proseso ng Spark Streaming
- Ang batch layer ay ipinatupad bilang isang proseso ng Spark Streaming sa isang Hadoop cluster
Wika ng Programming
Java
Kategorya
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/oryx.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
