關於大資料：
儲存，海量的資料怎樣有效的儲存？主要包括hdfs、kafka；
計算，海量的資料怎樣快速計算？主要包括mapreduce、spark、flink等；
查詢，海量資料怎樣快速查詢？主要為nosql和olap，nosql主要包括hbase、 cassandra 等，其中olap包括kylin、impla等，其中nosql主要解決隨機查詢，olap技術主要解決關聯查詢；
挖掘，海量資料怎樣挖掘出隱藏的知識？也就是當前火熱的機器學習和深度學習等技術，包括tensorflow、caffe、mahout等；
大資料技術生態其實是乙個江湖....
在乙個夜黑風高的晚上，江湖第一大幫會google三本陣法修煉秘籍流出，大資料技術江湖從此紛爭四起、永無寧日...
這三本秘籍分別為：
以上三篇**秘籍是大資料入門的最好文章，通俗易懂，先看此三篇再看其它技術；
在google三大秘籍流出之後，江湖上，致力於武學開放的apache根據這三本秘籍分別研究出了對應的武學巨著《hadoop》，並開放給各大門派研習，hadoop包括三大部分，分別是hdfs、mapreduce和hbase：hdfs解決大資料的儲存問題。mapreduce解決大資料的計算問題。hbase解決大資料量的查詢問題。
之後，在各大門派的支援下，hadoop不斷衍生和進化各種分支流派，其中最激烈的當屬計算技術，其次是查詢技術。儲存技術基本無太多變化，hdfs一統天下。
以下為大概的演進：
1，傳統資料倉儲派說你mapreduce修煉太複雜，老子不會程式設計，老子以前用sql吃遍天下，為了將這撥人收入門下，並降低大資料修煉難度，遂出了hive，pig、impla等sql on hadoop的簡易修煉秘籍；
2，伯克利派說你mapreduce只重招數，內力無法施展，且不同的場景需要修煉不同的技術，太過複雜，於是推出基於內力（記憶體）的《spark》，意**決所有大資料計算問題。
3，流式計算相關門派說你hadoop只能憋大招（批量計算），太麻煩，於是出了sparkstreaming、storm，s4等流式計算技術，能夠實現資料一來就即時計算。
4，apache看各大門派紛爭四起，推出flink，想一統流計算和批量計算的修煉；
程序和執行緒的形象描述
程序 process 和執行緒 thread 是作業系統的基本概念，但是它們比較抽象，不容易掌握。最近，我讀到一篇材料，發現有乙個很好的模擬，可以把它們解釋地清晰易懂。計算機的核心是cpu，它承擔了所有的計算任務。它就像一座工廠，時刻在執行。假定工廠的電力有限，一次只能供給乙個車間使用。也就是說，乙...
對爬山法，SA和GA的形象描述
注意，在目前討論的所有爬山法中，袋鼠最有希望到達靠近它出發點的山頂。但不能保證該山頂是珠穆朗瑪峰，或者是乙個非常高的峰，各種使用的方法都試圖找到實際全域性最優值。在sa 模擬退火演算法 中，袋鼠喝醉了，而且隨機地跳躍了很長時間，但是，它漸漸清醒了並朝著峰頂跳去。在ga 遺傳演算法 中，有很多袋鼠，它...
作業系統形象化描述
總體需求 成立一家外包公司，然後上市 老闆 作業系統就是外包公司的老闆 基於開放的營商環境 x86體系結構 建立一家外包公司 系統啟動 因為沒有員工，老闆親自接專案 實模式 公司慢慢做大，專案越接越多 保護模式 多程序 為了管理各個外包專案，建立了專案管理體系 程序管理 會議室管理體系 記憶體管理 ...