原创 python運行requests報錯urllib3 v2.0 與 OpenSSL 1.1.1+問題

python安裝運行requests報錯: urllib3 v2.0 only supports OpenSSL 1.1.1+, currently " f"the 'ssl' module is compiled with {ssl.OP

原创 kafka部署配置與啓停

一、部署kafka deploy-kafka.sh #!/bin/bash // 需要首先修改正確的集羣機器ip server1="host1" server2="host2" server3="host3" // 每臺機器設置一個獨立的

原创 不依賴zookeeper的kafka

https://redpanda.com/guides/kafka-tutorial/kafka-without-zookeeper     多年來,人們一直在同時使用Apache ZooKeeper和Apache Kafka。但是自Ap

原创 網絡流量分析

1. 使用nfdump工具集 https://github.com/phaag/nfdump 2. 參考教程 https://medium.com/turknettech/mastering-netflow-traffic-analysis

原创 本地大模型搭建

https://blog.csdn.net/wbsu2004/article/details/132963171

原创 pmactt 插入到cllickhouse

https://www.initech.nz/wiki/Clickhouse

原创 非每日數據

子日數據 Prophet可以通過在ds列中傳遞帶有時間戳的數據框來預測時間序列。時間戳的格式應該是YYYY-MM-DD HH: MM:SS-請參閱此處的示例csv。當使用子日數據時,每日季節性將自動匹配。這裏我們將Prophet擬合爲5分鐘

原创 prophet翻譯(七)--- 不確定性間隔

不確定性間隔 默認情況下,Prophet將爲預測的yhat返回不確定性區間。這些不確定性區間背後有幾個重要的假設。 預測中存在三種不確定性來源:趨勢的不確定性、季節性估計的不確定性以及額外的觀測噪聲。 趨勢的不確定性 預測中最大的不確定性源

原创 prophet翻譯(六)-- 乘積季節模型

乘積季節模型 默認情況下,Prophet採用加法季節性擬合,就是說季節性效應被添加到趨勢中以進行預測。但下面這個描述乘客數量的時序例子,則不適合使用加法季節性算法: # Python df = pd.read_csv('https://ra

原创 prophet翻譯(八)--- 異常值

異常值 異常值可以影響Prophet的預測結果,主要有兩種方式。下面的示例中,我們使用之前提到的R頁面的日誌化維基百科訪問量數據進行預測,但添加了一段錯誤的數據: # Python df = pd.read_csv('https://raw

原创 網絡流量測試捕獲與發送

https://xeldax.top/article/suricata_notes 針對開源IDS SURICATA的實踐和超大流量高性能壓測 針對開源IDS suricata的實踐和超大流量高性能壓測 suricata介紹 pfri

原创 基於VictoriaMetrics的大規模監控實戰

https://zahui.fan/posts/0cebb8ae/ victoriametrics原生支持水平擴展,並且大部分兼容Prometheus語法,官方文檔地址:https://docs.victoriametrics.com/ 這

原创 Prophet文檔翻譯(一)安裝Prophet

一、安裝 在python環境安裝 python -m pip install prophet (譯者注:當前最新版本是1.1.2,運行會報錯,建議使用1.1.1) python -m pip install prophet==1.1.1

原创 prophet中文翻譯(四)趨勢變化點

趨勢變化點 你可能已經在文檔的前面示例中注意到,實時時間序列經常會在其軌跡中出現突然的變化。默認情況下,Prophet將自動檢測這些變化點,並使趨勢適應相應的變化。然而,如果你希望對這個過程有更精細的控制(例如,Prophet錯過了一個速率

原创 Prophet文檔翻譯( 三)飽和預測

飽和預測 增長預測 默認情況下,Prophet在其預測中使用線性模型。在預測增長時,通常存在一些最大可達點:總市場規模、總人口規模等。這被稱爲承載能力,預測應該在該點達到飽和狀態。 Prophet允許您使用具有指定承載能力的邏輯增長趨勢模型