baohongfei / wiki Goto Github PK

View Code? Open in Web Editor NEW

0.0 2.0 0.0 12.79 MB

issue track

License: Apache License 2.0

wiki's Introduction

wiki

issue track

wiki's People

Contributors

Watchers

wiki's Issues

git

https://www.git-scm.com/
http://blog.codingnow.com/2017/04/git.html
https://www.gitkraken.com/

macOS setups

Terminal

wget https://raw.githubusercontent.com/baohongfei/just-for-fun/master/dev-setup/set-mac-env.sh && bash set-mac-env.sh

motivation

Hadoop: the Definitive Guide

http://www.tom-e-white.com/
http://hadoopbook.com/
https://twitter.com/tom_e_white
https://github.com/oreillymedia/hadoop_the_definitive_guide_4e
https://github.com/tomwhite/hadoop-book

hive 入门

https://cwiki.apache.org/confluence/display/Hive/GettingStarted

windows下安装tomcat

系统环境
Windows Server 2008 R2 Enterprise Service Pack 1

day2

https://tech.meituan.com/java-hashmap.html

day4

currenthashmap

刷知乎话题·Java面试

https://www.zhihu.com/search?type=content&sort=upvote&q=java%E9%9D%A2%E8%AF%95

数据质量是什么

「数学之美」
https://www-01.ibm.com/common/ssi/cgi-bin/ssialias?subtype=WH&infotype=SA&appname=SWGE_IM_IM_USEN&htmlfid=IMW14623USEN&attachment=IMW14623USEN.PDF

Mycat 数据库分库分表中间件

day3

看书「大数据之路-阿里巴巴大数据实践」
1 总述
数据采集层采集数据库和日志
数据计算层
ODS Operational Data Store
DWD Data Warehouse Detail
DWS Data Warehouse Summary
ADS Application Data Store
DIM
数据服务层
数据应用层

数据技术篇

2 日志采集
浏览器的页面日志采集
无线客户端的日志采集
日志采集的挑战

3 数据同步
DataX
数据同步遇到的问题和解决方案
分库分表的处理

4 离线数据开发
MaxCompute平台
SQLSCAN
DQC Data Quality Center
调度系统

5 实时技术
流式技术架构
TimeTunnel 原来和Kafka类似

6 数据服务

7 数据挖掘
分类算法
回归算法
聚类算法
推荐算法
深度学习
其他
用户画像反作弊

数据模型篇

8 大数据领域建模综述
9 阿里巴巴数据整合及管理体系
10 维度设计
11 事实表设计

数据管理篇

12 元数据
13 计算管理
14 存储和成本管理
15 数据质量

数据应用篇

16 数据应用

hive 元数据表

select * from DBS;
select * from COLUMNS_V2;
select * from SDS;
select * from TABLE_PARAMS;
select * from TBLS;

Hadoop Shell命令

https://hadoop.apache.org/docs/r1.0.4/cn/hdfs_shell.html

jdk8

ThrealLocalRandom

day1

1
TCP的三次握手过程是：

你瞅啥？（SYN）
瞅你咋地？（SYN-ACK）
来咱俩唠唠。（ACK）

严肃的说是这样的，A和B通信，

A首先发一个报文给B，
B收到了并且回复了A（这个时候A知道连接成功了），
A在回复B的回复（这个时候B知道连接成功了）。

所以说这三次，一次都不能少。
建立连接后，TCP要求在目标计算机成功收到数据时发回一个确认（即 ACK）。如果在某个时限内未收到相应的 ACK，将重新传送数据包。如果网络拥塞，这种重新传送将导致发送的数据包重复。但是，接收计算机可使用数据包的序号来确定它是否为重复数据包，并在必要时丢弃它。相比来说，UDP就是随便发发就好了，例如同城交友，QQ视频什么的，用的就是UDP。

2
Tigase是基于XMPP的开源实现，基于TCP的长连接，能支持的最大连接数取决于机器内存，模拟百万连接需要用到虚拟IP。

3
DataX是一个在异构的数据库/文件系统之间高速交换数据的工具。

4
RPC框架，阿里有hsf、dubbo、Facebook有thrift、Google有grpc、Twitter有finagle、途牛有TSP。中间涉及到的技术有Java代理、序列化、java nio、mina、netty、zookeeper。

5
zookeeper的节点类型有PERSISTENT、EPHEMERAL、和他们的SEQUENTIAL节点。

6
动态拉起容器的技术，没太懂，是想问Docker？如果不清楚对方的问题是什么，以后要直接问出来。

7
当我们再讨论同步，异步，阻塞，非阻塞的时候，我们在讨论什么？

8
读锁、写锁
公平锁、非公平锁
乐观非乐观

8
使用synchronize的5个地方：
instance method 锁住了调用该方法的堆对象
static method 锁住了这个类在方法区中的类对象
synchronize(this)
synchonrize(XXX.class)
synchonrize(mutex)

10
ConcurrentHashMap 如何保证线程安全？
HashTable容器使用synchronized来保证线程安全，但在线程竞争激烈的情况下HashTable的效率非常低下。ConcurrentHashMap锁的粒度细一点。

11
常见的MQ产品有kafka、rabbitmq、activemq。

12
找出两个大文件里相同的记录，
遍历两个文件，hash(记录)%1000
到这1000个小文件里去找相同的。

13
感觉回到了大学考试季，这才是第一天。

java lambda

https://www.google.com/search?q=java+lambda