初衷是想说记录自己的技术组成,找出短板。
不过放了有点久,忘了整理。。

  1. 缺少链接
  2. 格式与规范
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
# 技术总结

## 简介

### 个人信息

### 学习经历

### 工作经历

## 项目

### 大数据项目

#### 数据分析/舆情

#### 自研分布式系统开发

##### 采集平台

###### redis

###### 进程/线程

###### 流式处理

###### 配置化

###### 任务同步

###### 任务管理

####### 增加

####### 清除

####### 恢复/重做

#### 开源项目改造

##### ElasticSearch

###### guice注入

###### Bloom Filter

###### tf/idf

###### query parse

#### 大数据基础平台

##### 分布式任务管理

##### 咨询

###### hbase debug

###### 运维

###### IaaS设计

####### security hadoop

######## kerberoes

######### ticket、token

######### login

######## ranger

######### rwxrwxrwx

####### Hadoop、MapReduce、Hive

####### DaaS

##### ETL

###### hive

###### mapreduce

###### spark

###### 算法调用

### 算法研究项目

#### 推荐项目

##### 绿瘦资料与销售推荐

#### 企业画像

##### 员工

##### 产品/服务

###### 美誉度

##### 市场

###### 市值

###### 行业

##### 风险

### 手机项目

#### 手机微信采集

##### adb shell input

###### 输入

###### 滑动

###### 点击

###### 长按

##### xposed hook

###### imsi

###### phone

###### mac

###### location

##### 模拟登陆

###### accessible service

###### 图像识别-验证码

##### 脚本解析

## 技术

### 基础

#### APUE

#### 进程线程

##### 共享内存

##### 管道

#### IO

##### NIO

##### IO多路复用

#### 网络协议

#### java

##### ArrayList、LinkedList、Vector的区别

###### 线程安全:vector,线程危险:ArrayList, LinkedList

##### gc

###### 分代

####### 新生代

######## eden

######## s0

######### Survivor

######## s1

####### 老年代

####### 持久代

###### 回收算法

####### 复制算法

######## HotSpot虚拟机默认Eden和Survivor的大小比例是8:1:1,也就是说新生代中牺牲掉10%的空间而不是一半的空间

####### 标记-清除算法

####### 标记-整理算法

###### 垃圾收集器

####### 新生代垃圾收集器

######## Serial收集器作用于新生代,是一个单线程收集器,基于复制算法实现。

######## ParNew收集器作用于新生代,是一个多线程收集器,基于复制算法实现。

######## Parallel Scavenge收集器同样作用于新生代,并且也是采用多线程和复制算法来进行垃圾回收。

####### 老年代垃圾收集器

######## Serial Old收集器作用于老年代,采用单线程和标记-整理算法来实现垃圾回收。

######## Parallel Old收集器是Parallel Scavenge收集器的老年代版本,采用多线程和标记-整理算法来实现老年代的垃圾回收。

######## CMS(Concurrent Mark Sweep)收集器是一款真正实现了并发收集的老年代收集器。

##### spring aop

###### spring apo使用

###### 官方文档

#### c++

##### epoll

##### 内存管理

#### linux操作

### 进阶

#### 常规

##### 负载均衡

###### 负载均衡集群

###### nginx负载均衡

####### 对负载均衡的支持方式

######## 轮询

######## weight

######## ip_hash

######## fair

######## url_hash

####### 怎么实现多台服务器之间session的共享

######## 不使用session,换作cookie

######## 应用服务器自行实现共享

######## ip_hash

######### 不能在一些情况下使用

########## nginx不是最前端的服务器

########## nginx的后端还有其它方式的负载均衡

######## upstream_hash

##### 高可用

##### 源码阅读

##### 集群

###### 集群主要分为:高可用集群(High Availability Cluster),负载均衡集群(Load Balance Cluster,nginx即可实现),科学计算集群(High Performance Computing Cluster)。

###### 分布式是以缩短单个任务的执行时间来提升效率的,而集群则是通过提高单位时间内执行的任务数来提升效率。

###### 它是根据某种负载策略把请求分发到集群中的每一台服务器上,让整个服务器群来处理网站的请求。

###### 在集群服务器架构中,当主服务器故障时,备份服务器能够自动接管主服务器的工作,并及时切换过去,以实现对用户的不间断服务。

##### 数据库引擎对比

###### mysql数据库几种引擎对比

###### myisam vs innodb

###### mysql性能

####### ver 5.7 160万只读 QPS

####### 可以处理拥有上千万条记录的大型数据库

####### Thread Pool功能更能直接通过减少CPU的切换,提升系统在高并发时的吞吐率

##### https://github.com/yingjunwu/DBMS-Indexology

#### 大数据组成

##### 框架

###### spark

###### mr

##### 存储

###### 常见的类型

####### hdfs

####### hive

####### hbase

####### elasticsearch

###### nosql性能比较 

####### hbase

######## CP类型

######### 参考:CAP

####### redis

####### mongodb

##### 算法

###### bit map

###### bloom filter

##### 分布式锁实现

###### 数据库

###### redis

###### zookeeper

#### 安全

##### 缓冲区溢出

##### sql注入

###### prepare statement

##### https

### 算法

#### 机器学习

#### 深度学习

#### 欠拟合

#### 过拟合

#### 优化方法

#### 优化原理

#### 小根堆

##### 小根堆总结 https://blog.csdn.net/ganggexiongqi/article/details/7449970

##### 大根堆小根堆 https://blog.csdn.net/love_gg/article/details/7945561

##### 基本的原理

###### 完全二叉树

###### 从上往下、从左往右编号

####### 变成数组

###### 逐个调整

#### trie树

##### 第六天:熟悉trie树

#### 红黑树

##### 数据库中的应用

#### DFS/BFS

### 架构师

#### 如何设计一个分布式系统

##### 可扩展、高可用、负载均衡网站架构设计方案  

#### 大数据算法应用

##### 十大大数据问题与解法 

###### 5、 给定a、b两个文件,各存放50亿个url,每个url各占64字节,内存限制是4G,让你找出a、b文件共同的url?

####### 方案1:可以估计每个文件安的大小为5G×64=320G,远远大于内存限制的4G。考虑采取分而治之的方法。

######## 遍历文件a,对每个url求取hash(url)00,然后根据所取得的值将url分别存储到1000个小文件(记为a0,a1,...,a999)中。这样每个小文件的大约为300M。

######## 遍历文件b,采取和a相同的方式将url分别存储到1000小文件(记为b0,b1,...,b999)。这样处理后,所有可能相同的url都在对应的小文件(a0vsb0,a1vsb1,...,a999vsb999)中,不对应的小文件不可能有相同的url。然后我们只要求出1000对小文件中相同的url即可。

######## 求每对小文件中相同的url时,可以把其中一个小文件的url存储到hash_set中。然后遍历另一个小文件的每个url,看其是否在刚才构建的hash_set中,如果是,那么就是共同的url,存到文件里面就可以了。

####### 方案2:如果允许有一定的错误率,可以使用Bloom filter,

######## 4G内存大概可以表示340亿bit。将其中一个文件中的url使用Bloom filter映射为这340亿bit,

######## 然后挨个读取另外一个文件的url,检查是否与Bloom filter,如果是,那么该url应该是共同的url(注意会有一定的错误率)。

## 能力

### 基础扎实

### 进阶应用能力

### 算法

#### 大数据

#### 常规算法

### 学习能力

本文作者:Tobin
本文地址http://www.thirteenyu.com/2018/05/12/cv-tech-summary-201805/
版权声明:本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明出处!