机器学习分类模型存在一种情况叫偏斜类。偏斜类简单理解就是在训练模型时由于正样本和负样本之间的严重不平衡，导致模型最后检测全部都是1或者全部都是0。假设正样本的y值为1，当正样本远远多于负样本的时候，训练好的模型就会一直输出1，这会给我们判断模型优劣带来一定的障碍，比如模型输出1的概率是99.8%，输出0的概率是0.2%，这里我们就会认为模型的精度很好，误差很小。但是其实这种结果是由于数据集的不平衡

目录 1时钟抖动（ clock jitter）2 时钟偏斜（clock skew） 1时钟抖动（ clock jitter） 时钟抖动（Jitter）：时钟抖动指的是时钟周期的不稳定性，即：时钟周期随着时间发生变化。时钟抖动是由于晶振本身稳定性导致的，跟晶振本身的工艺有关，所以在设计中无法避免它能带来的影响，通常只能在设计中留有一定的余量。 2 时钟偏斜（clock skew）

论文名称：Pegasus: Tolerating Skewed Workloads in Distributed Storage with In-Network Coherence Directories 摘要 高性能分布式存储系统面临着由于偏斜和动态工作负载引起的负载不平衡的挑战。本文介绍了Pegasus，这是一个利用新一代可编程交换机ASIC来平衡存储服务器负载的新型存储系统。Pegasu

Kafka如何处理消费者之间的消息偏斜和负载均衡问题 Kafka是一种分布式流处理平台，由LinkedIn开发并开源。它以其高效的数据传输和处理能力，吸引了大量的开发者和用户。本文将从Kafka的消费模型、分区负载均衡和公平分配负载机制三个方面，详细分析Kafka如何处理消费者之间的消息偏斜和负载均衡问题，并使用Java源码示例进行说明。 Kafka的消费模型 在Kafka中，每个消费者都可