Everything Distributed
关于分布式系统的研究
如何高效地工作
0http://www.inc.com/ilya-pozin/7-things-highly-productive-people-do.html
Here are his tips for staying productive:
- Work backwards from goals to milestones to tasks. Writing “launch company website” at the top of your to-do list is a sure way to make sure you never get it done. Break down the work into smaller and smaller chunks until you have specific tasks that can be accomplished in a few hours or less: Sketch a wireframe, outline an introduction for the homepage video, etc. That’s how you set goals and actually succeed in crossing them off your list.
- Stop multi-tasking. No, seriously—stop. Switching from task to task quickly does not work. In fact, changing tasks more than 10 times in a day Read more...
Servlet中getParameter()对Restlet的POST API的副作用
0最近在项目里用到了Restlet框架来搭建REST API平台，由于时间匆忙，用户认证检查都是在每个REST API的第一行代码检查（调用另一个公共API）。现在想把它移到REST框架上，除了login的REST API，其它API都需要自动检查请求中带的token是否正确。
在尝试过程中，首先直接在Restlet的ServerServlet前增加一个servlet filter，大致工作；但发现post类型的REST API无法获取form里的数据，把filter里的代码移到ServerServlet里还是不好使。于是怀疑filter里从request中取值的逻辑可能破坏了HttpServletRequest的状态，导致Restlet代码无法获取里面的Post form数据。于是一行一行删除测试，最后发现request.getParameter()有副作用。网上搜了一下，的确如此：
ServletRequest.java API如此描述：
Spring AOP总结
0
AOP是对面向对象设计的一个补充。
1 AOP中的一些基本概念
- 关注点(concern), 横切关注点(crosscutting concern), 方面(aspect)
- 连接点(join point) 程序执行过程中的一点，包括方法调用，字段访问，异常抛出，AOP会在这些点上做额外的事情。
- 增强(advice)在特定连接点执行的动作。很多AOP框架都以拦截器Interceptor的形式来表现增强。
- 前增
- 后增
- 环绕增强
- 切入点(pointcut)一组连接点的总称，用于指定某个增强应该何时被调用，切入点常用正则表达式或别的通配符语法来描述。
- 增强器(advisor)增强器是在切入点上定义的增强。
- 拦截器(interceptor) 相对于环绕增强器 Read more...
Spring IoC总结
0
1 Bean的生命周期
- 对于singleton Bean，spring能够管理它的生命周期，知道其什么时候实例化，什么时候销毁。
- 对于non-singleton Bean，spring没有管理它的生命周期，而是交给客户端自己管理，每次客户端发送一个请求就会创建一个实例。
- 如果Bean是non-singleton，则不会在spring加载的时候实例化，而是在每次用到的时候实例化。
- 如果Bean是singleton而且没有设置lazy-init="true"，就在spring加载的时候实例化。如果设置了lazy就在第一次调用的时候实例化 。
The client code must clean up prototype-scoped objects and release expensive resources that the prototype bean(s) are holding. To get the Spring container to release resources held by prototype-scoped beans, try using a custom bean post-processor, which holds a reference to beans that Read more...
Spring3.1源码分析
0云计算是当前最火的技术，Hadoop／MapReduce／NoSQL都是为了适应海量数据和云计算而生的技术，而绝大多数企业应用软件似乎还在徘徊，听到的顶多是集成现有云存储到企业软件中，如BI开源产品Pentaho提供到Big Data的连接器。不过类似的消息也越来越多，传统的企业应用开始一个个都加入了云的阵营。Spring大家都熟悉，企业应用里最流行的框架，不久前被VMWare收购，如今随着VMWare的崛起，其Cloud Foundry将Spring，Rails，Node.js和scala正式带入云端。企业应用飞入云里已指日可待！
于是花了点时间，将最新的Spring3.1（支持CloudFoundry平台）的源代码过了一遍，看看它如何在虚拟化的平台发挥作用的。
1. IoC如何工作？
Read more...
CloudFoundry框架介绍
1176 天
by oppo
in Distributed
摘自： http://qing.weibo.com/2294942122/88ca09aa330004r8.html
Read more...
JavaScript 小结
0180 天
by oppo
in JavaScript
陆陆续续学javaScript很长时间，想想直接从Java／ActionScript或其它面向对象的语言转给来，还是需要一段时间的适应的。我所在的公司以前一直用Flex，不久的将来也会完全使用HTML5/JavaScript，现将基本的概念总结如下，以便将来培训之用。主要包括这些方面：
- Function
- Function Properties
- Call and Apply
- eval
- OOP
- Object Properties
- Class Definition and Object Creation
- Public/Private Scope
- Singleton
- Static
- Extension
- Mixin
1. Function
1.1 Function Properties
arguments.length
arguments.caller
function.length
arguments.callee
function a() {
arguments.length
}
1.2 call Read more...
Hadoop学习笔记(10) Hive简介
0181 天
by oppo
in Distributed
1 和传统数据库的比较
读时模式vs.写时模式
传统数据库是写时模式(schema on write)，即数据在写入数据库时对模式进行检查。Hive在数据加载时不进行验证，而是在查询时进行，是读时模式（schema on Read more...
Hadoop学习笔记(9) Pig简介
181 天
by oppo
in Distributed
这节总结Pig语言的方方面面。
Pig是一种探索大规模数据集的脚本语言。
pig是在HDFS和MapReduce之上的数据流处理语言，它将数据流处理翻译成多个map和reduce函数，提供更高层次的抽象将程序员从具体的编程中解放出来。
Pig包括两部分：用于描述数据流的语言，称为Pig Latin；和用于运行Pig Latin程序的执行环境。
Pig Latin程序有一系列的operation和transformation组成。每个操作或变换对输入进行数据处理，然后产生输出结果。这些操作整体上描述了一个数据流。Pig内部，这些变换操作被转换成一系列的MapReduce作业。
Pig不适合所有的数据处理任务，和MapReduce一样，它是为数据批处理而设计的。如果只想查询大数据集中的一小部分数据，pig的实现不会很好，因为它要扫描整个数据集或绝大部分。
1. Read more...
Hadoop学习笔记(7) MapReduce的特性
182 天
by oppo
in Distributed
这章主要总结MapReduce的高级特性，包括计数器，数据集的排序和连接。
1. 计数器
计数器是一种收集作业统计信息的有效手段，由于质量控制或应用统计。计数器还可辅助诊断系统故障。
Hadoop为每个作业维护若干内置计数器，以描述该作业的各项指标。计数器由关联任务维护，并定期（3秒）传到tasktracker，再由tasktracker传给jobtracker（5秒，心跳）。一个任务的计数器值每次都是完整传输的，而非增量值。
MapReduce允许用户编写程序定义计数器，一般是由一个Java枚举(enum)类型定义。枚举类型的名称即计数器组名称，枚举类型的字段即计数器名称。计数器在作业实例级别是全局的，MapReduce框架会跨所有的map和reduce来统计这些计数器，并在作业结束时产生一个最终的结果。
enum Temperature Read more...