标签: broadcasting

我'使用Laravel 5.5推杆,使实时通知,该通知从API制作
后,我所做的配置
在API

     public function store(Request $request)
    { 
         $advertising = Advertising::create($request->all()); 
         $admins = \App\Admin::all();
        \Notification::send( $admins, new \App\Notifications\AdvertisingAdded($advertising) );

         return $advertising;
    } 

在AdvertisingAdded

namespace App\Notifications;

use Illuminate\Bus\Queueable;
use Illuminate\Notifications\Notification;
use Illuminate\Contracts\Queue\ShouldQueue;
use Illuminate\Notifications\Messages\MailMessage;

use Illuminate\Notifications\Messages\BroadcastMessage;
use App\Advertising;

class AdvertisingAdded extends Notification
{
    use Queueable;

    //-must be public fir pusher
    public $advertising;

    public function __construct(Advertising $advertising)
    {
        $this->advertising = $advertising;
    }


    public function via($notifiable)
    {
        return ['database','broadcast'];
    }


    public function toArray($notifiable)
    {
        return [
            'msg' => 'Advertising '.$this->advertising->title_ar.' is added …

如果我有一个带有随机值的数组A,我想为每个长度为A的i定义一个数组B. B[i] = (A[i])²

首先,我尝试了以下代码:

using Distributions

A = rand(Uniform(1,10),1,20)

B = A

for i in 1:20
       B[i] = (A[i])^2
end

在这些操作之后,我有A = B.

A
1×20 Array{Float64,2}:
 26.0478  5.36654  99.675  23.18  …  1.54846  91.3444  9.41496  2.91666

B
1×20 Array{Float64,2}:
 26.0478  5.36654  99.675  23.18  …  1.54846  91.3444  9.41496  2.91666

所以我尝试了另一种方法:

B = A^2

有以下错误:

ERROR: DimensionMismatch("A has dimensions (1,20) but B has dimensions (1,20)")

例如,如果我这样做,B = 2*A它可以正常工作......

一些想法有所帮助？

谢谢

晚上好,

我需要一些帮助来理解复杂numpy数组的高级广播.

我有:

阵列A:50000x2000

阵列B:2000x10x10

使用for循环实现:

for k in range(50000):
    temp = A[k,:].reshape(2000,1,1)
    finalarray[k,:,:]=np.sum ( B*temp , axis=0)

我想要一个以元素为单位的乘法和轴与2000个元素的求和,以及endproduct:

finalarray:50000x10x10

是否可以避免for循环？谢谢!

我想按元素（或广播）检查向量 x 的元素是否在 Julia 中的向量 y 中，就像函数checkin所做的那样：

x = ["one", "two", "three", "four"]\ny = ["two", "three", "five", "four"]\n\nfunction checkin(x,y)\n    for i = 1:length(y)\n        if y[i] \xe2\x88\x88 x\n            println(true)\n        else \n            println(false)\n        end\n    end\nend\ncheckin(x,y)\n

输出：

true\ntrue\nfalse\ntrue\n

如果我输入

x .\xe2\x88\x88 y\n

或者

x .in y\n

我收到一个错误

通常，我确信存在一种更简单的方法来做到这一点，例如编写 9 行函数，但我找不到它

我在这里阅读：https：//laravel.com/docs/5.4/broadcasting#concept-overview

那里解释说它可以使用公共频道。但是没有如何使用它的示例

我只是看到一个像这样的私人频道的示例：

public function broadcastOn()
{
    return new PrivateChannel('user.'.$this->user->id);
}

我需要一个公开频道的真实例子

我尝试搜索，但尚未找到

有没有人可以帮忙？

我知道这一定很容易，但是我无法弄清楚或找到现有的答案...

说我有这个数据框...

>>> import pandas as pd
>>> import numpy as np
>>> dates = pd.date_range('20130101', periods=6)
>>> df = pd.DataFrame(np.nan, index=dates, columns=list('ABCD'))
>>> df
             A   B   C   D
2013-01-01 NaN NaN NaN NaN
2013-01-02 NaN NaN NaN NaN
2013-01-03 NaN NaN NaN NaN
2013-01-04 NaN NaN NaN NaN
2013-01-05 NaN NaN NaN NaN
2013-01-06 NaN NaN NaN NaN

设置一个系列的值很容易...

>>> df.loc[:, 'A'] = pd.Series([1,2,3,4,5,6], index=dates)
>>> df
            A   B   C   D
2013-01-01  1 NaN NaN NaN
2013-01-02  2 NaN …

我是spark和scala的新手,刚开始学习......我在CDH 5.1.3上使用spark 1.0.0

我得到了一个名为dbTableKeyValueMap的广播rdd:RDD [(String,String)],我想使用dbTableKeyValueMap来处理我的文件RDD(每行有300多列).这是代码:

val get = fileRDD.map({x =>
  val tmp = dbTableKeyValueMap.lookup(x)
  tmp
})

在本地运行此挂起和/或在一段时间后出错:

scala.MatchError: null
at org.apache.spark.rdd.PairRDDFunctions.lookup(PairRDDFunctions.scala:571)

我可以理解访问一个RDD里面其他会有问题,如果集合的地点和大小进入图片..对于我采取笛卡尔产品不是选项,因为文件RDD中的记录是巨大的(每行有300+列)...就像我使用分布式缓存在setup方法中加载这个dbTableKeyValueMap并在hadoop java mapreduce代码的MAP中使用,我想在spark map中使用类似的方式...我找不到简单的例子来引用类似的用例...一个我想迭代文件RDD行并在"每一列"上进行一些转换,祝福,查找等以进行进一步处理......或者还有其他任何方式我可以使用dbTableKeyValueMap作为scala集合而不是spark RDD

请帮忙

我试图让自己熟悉 Julia 以便从 Matlab 迁移，到目前为止一切顺利，直到我开始使用广播来移植一个特定函数，该函数的执行速度或多或少是 Matlab 的两倍。

function features(X::Vector{Float64},M::Int,hyper::Float64,mid::Float64)
    X = X.-mid
    H = 4.0.*hyper.+maximum(abs.(X))
    X = (X.+H)./(2.0.*H)
    w = transpose(1:M)
    S = (sqrt.(2.0.*pi).*hyper).*exp.((-0.5.*hyper.^2).*((pi.*w./(2.0.*H)).^2))
    f = H.^(-0.5).*sin.(pi.*X.*w).*sqrt.(S)
end

任何帮助，将不胜感激！