問題タブ [retention]

Kafka 0.8.1.1 の server.properties ファイルに変更を加えました。つまり、トピックの作成中に追加log.cleaner.enable=trueして有効にしました。cleanup.policy=compact今テストしているとき、次のメッセージをトピックに次の（キー、メッセージ）でプッシュしました。

• オフセット: 1 - (123、abc);
• オフセット: 2 - (234、デフォルト);
• オフセット: 3 - (345, ghi);
• オフセット: 4 - (123、変更)

ここで、前の入力と同じキーで 4 番目のメッセージをプッシュしましたが、メッセージを変更しました。ここで、ログの圧縮が明らかになるはずです。Kafka ツールを使用すると、トピック内の 4 つのオフセットすべてを確認できます。ログの圧縮が機能しているかどうかを知るにはどうすればよいですか? 以前のメッセージを削除する必要があります。または、新しいメッセージがプッシュされているため、ログの圧縮が正常に機能しています。log.retention.hoursまたはtopic.log.retention.hoursまたはlog.retention.size構成と何か関係がありますか? ログの圧縮におけるこれらの構成の役割は何ですか。PS - Apache ドキュメントを徹底的に調べましたが、まだ明確ではありません。

構造体へのポインターをパラメーターとして受け取る構造体と関数のプロトタイプを含むヘッダー ファイルを定義しました。メインでインスタンス化された構造体が数値データを保持していないように見えることを除いて、コードのコンパイルはうまくいきます。

これはヘッダー ファイルです。

これは getData.c ファイルです。

これは getName.c ファイルです。

主な機能は次のとおりです。

これは、コードを実行したときのコンソール出力です。

ここで何がうまくいかないのでしょうか？

InfluxDB (v0.11) が期限切れのデータをデータベースから削除した後でも、データベースのサイズはディスク上で同じままです。誰かが同じ問題に直面したことがありますか、それとも私は何か間違ったことをしていますか? 理想的には、データの有効期限が切れた後、データベースのサイズが減少するはずですよね? また、ローカル マシンのデータベース サイズを確認する方法を確認するためだけに。

私は の意味を十分に認識しており、RetentionPolicyそれらが何をするのか、いつそれらを使用するのが理にかなっていると思われるのかを知っています。私自身の注釈については、それらが実行時に必要か、クラス ファイルで必要か、または単にコンパイルのために必要かを正確に知っています。ただし、ライブラリで定義された注釈を使用すると、私見では確信が持てません。

たとえば、javax.annotation.Generated生成されたコードをマークするためのものですが、ほとんど役に立ちません。ソースで動作するツールよりもバイトコードで動作するツールの方が多いため、情報は使用される直前に消えます。

実行時に存在しないアノテーションはスロー ClassNotFoundExceptionされないため(たとえば、インターフェイスの欠落などとは異なり)、使用しRetentionPolicy.RUNTIMEても害はないようです。それとも私が間違っていますか？

Retentionそれとも、数バイトの節約が異なるsを使用する理由でしたか? 私には、あまりにも多くの問題を引き起こしているように思えます。私は何が欠けていますか？

いくつかの Graylog2 サーバー ( graylog-server バージョン 1.3.4) を使用しています。大量のログ メッセージを受信するため、多くのメモリが必要になります。ログの保持期間を 1 週間に短縮しようとしています。1 週間より古いログ メッセージはすべて削除されます。ただし、構成ファイルでそれを行うための値を見つけることができません。
「max_time_per_index = 7d」値を使用しましたが、max_time_per_index は、そのインデックス内のメッセージではなく、ローテーションされて新しいインデックスが作成されるまで、インデックスの年齢を定義しているようです。
では、メッセージの保存期間を 1 週間に設定する最善の方法は何でしょうか? 私を助けてください。どうもありがとう。

pgadminIII / postgresql を使用して、ユーザー ログイン セッションの毎日の保持を計算しようとしています。

table1user_id、first_login_date、_last_login_date

table2user_id、session_id、_login_date

に一部重複がありますtable1。このため、2 日間の保持と 5 日間の保持を持つユーザーを計算するクエリが正しいかどうかはわかりません。

2日間使用しているクエリは次のとおりです。

これにより、2 日間の保持で 7 人のユーザーの結果が得られます

ただし、次のようなdistinct句を追加すると:

2 日間の保持で 3 人のユーザーの結果が得られます。

1 日のリテンションの計算については、こちら、こちら、こちらを参考にしましたが、私の手法で正しい結果が得られるかどうかわかりません。たとえば、DAU を計算するには、 の方が適切です。self-join

データが与えられた場合、定義したクエリを使用table1しtable2て 2 日間の保持結果は正確ですか? このリテンションを計算する最適な方法はありますか?

最近、アプリの機能の重要性と効果を分析するためのモデルを構築しようとしました。

機能は、ユーザーが閲覧したページ、ユーザーがクリックしたボタンなどを含むユーザーの行動に関するものです。

私の線形モデルでは、ほぼすべての機能にプラスの効果があることがわかりました。つまり、アクティブになるほど、ユーザーが留まる可能性が高くなります。

このような状況下では、広告もプラスの機能になりました。

いくつかの広告を表示したユーザーは、広告をまったく表示しなかったユーザーよりもアプリに留まる可能性が高くなります。

したがって、すべての機能の実際の効果を評価するためのメトリックを設計する方法を知りたいです。

Java 8 型注釈 (JSR 308) により、型チェッカーは静的コード分析を実行できます。たとえば、チェッカー フレームワークは、注釈を介してnullの可能性をチェックでき@NonNullます。

さまざまなプロジェクトが独自のNonNullアノテーションを定義しています。たとえば、次のようになります。

• org.checkerframework.checker.nullness.qual.NonNull
• edu.umd.cs.findbugs.annotations.NonNull
• javax.annotation.Nonnull
• javax.validation.constraints.NotNull
• lombok.NonNull
• org.eclipse.jdt.annotation.NonNull
• など ( Checker Framework マニュアルのセクション 3.7 を参照)

このような注釈については、通常は実行時に必要ないため、 が@interfaceを持つことを期待します。@Retention(RetentionPolicy.CLASS)最も重要なことは、コードがそれぞれのライブラリにランタイムの依存関係を持たないことです。

whileorg.eclipse.jdt.annotation.NonNullこのアプローチに従いますが、(JSR 305) やそれ自体など、他のほとんどのNonNullアノテーションには. これらの注釈に特別な理由はありますか?javax.annotation.Nonnullorg.checkerframework.checker.nullness.qual.NonNull@Retention(RetentionPolicy.RUNTIME)RetentionPolicy.RUNTIME

明確化: Checker Framework は、下位互換性のためにコメント内の注釈をサポートしています。ただし、実行時の依存関係を回避するためだけに Java 8 でそれらを使用するのは、汚いハックのように思えます。

以下の質問は実際には他の投稿からコピーされ、Tableau の回答を求めていますが、パフォーマンスの問題を防ぐために SQL を使用したいと考えています。

複数の日付および過去 14 日間のユーザー維持率を計算しようとしています。たとえば、44 人​​のユーザーが 9 月 16 日に初めて到着し、そのうちの 19 人が 9 月 17 日に再び現れた場合、それらの 9 月 16 日のユーザーの 1 日目のリテンションは 19/44 です。そして、41 人のユーザーが 9 月 17 日に初めて表示され、そのうち 24 人が 9 月 18 日に再び戻ってきた場合、9 月 17 日の 1 日のリテンションは 24/41 になります。また、9 月 16 日に初めて到着した 18 人のユーザーが 9 月 18 日に戻ってきた場合、2 日間の保持率は 18/44 になります。

私が望む最終的な結果は以下のとおりです。Cohort Day のリテンションを日付別に計算する方法を見つけようとしています。さらに、テーブル login には、TimeStamp、userid、gamelabel、および play_time の列が含まれています。

ログインテーブル

私が望む最終結果

テーブル ログイン

最終結果

次の列を持つトランザクション テーブルがあります。

私が達成しようとしているのは、異なる月間でユニーク ユーザーを獲得することです。例えば：

基本的に、Month1 と Month2 は、レコードの YearMonth 値に基づく増分月です。

この結果を使用して保持分析を実行しています。