总所周知，Spark在内存计算领域非常强势，是未来计算的方向。Spark支持类Sql的语法，方便我们对DataFrame的数据进行统计操作。但是，作为初学者，我们今天暂且不讨论Spark的用法。我给自己提出了一个有意思的思维游戏：Java里面的随机数算法真的是随机的吗？好，思路如下：1\.取样，利用Java代码随机生成2000万条01

(IsolationForest无监督)这个算法是随机森林的推广。iTree树构造：随机选一个属性，再随机选该特征的一个值，对样本进行二叉划分，重复以上操作。iTree构建好了后，就可以对数据进行预测啦，预测的过程就是把测试记录在iTree上走一下，看测试记录落在哪个叶子节点。iTree能有效检测异常的假设是：异常点一般都是非常稀有的，在iTree中会

!(https://oscimg.oschina.net/oscnet/76a9ee48bb4c7f7b344343922f049224d4d.png)前言SOFA内置负载均衡，支持5种负载均衡算法，随机（默认算法），本地优先，轮询算法，一致性hash，按权重负载轮询（不推荐，已被标注废弃）。一起看看他们的实现（重点还是一致性

关于红包算法，其实笔者早在16年某个直播平台实现过。论彻底随机性，网上可刊资料少之又少。在网上查阅的资料大部分都是非随机分配、均值波动分配等方案，那么以下笔者来分享一套红包的分配算法。介绍下网上惯用的做法：1、均值波动分配  即根据总金额和数量，计算出平均值，为每个红包的金额进行上下随机波动，计算出所有红包的金额。2、随机金额分配 

\toc\1简介Dubbo提供了4种负载均衡机制：权重随机算法：RandomLoadBalance最少活跃调用数算法：LeastActiveLoadBalance一致性哈希算法：ConsistentHashLoadBalance加权轮询算法：RoundRobinLoadBalan

作者|AaronRichter编译|VK来源|TowardsDataScience随机森林是一种机器学习算法，以其鲁棒性、准确性和可扩展性而受到许多数据科学家的信赖。该算法通过bootstrap聚合训练出多棵决策树，然后通过集成对输出进行预测。由于其集成特征的特点，随机森林是一种可以在分布式计算环境中实现的算法。树可以在集群中跨进程和机器并

UUID​UUID（通用唯一识别码）是由32个十六进制数组成的无序字符串，通过一定的算法计算出来。为了保证其唯一性，UUID规范定义了包括网卡MAC地址、时间戳、名字空间（Namespace）、随机或伪随机数、时序等元素，以及从这些元素生成UUID的算法。

安全芯片是指芯片内带有微处理器CPU、随机数发生器、硬件密码算法、存储单元（包括随机存储器RAM、程序存储器ROM（FLASH）、用户数据存储器EEPROM）以及芯片操作系统COS的智能芯片，相当于一台微型计算机，不仅具有数据存储功能，同时具有命令处理和数