基于云上分布式NoSQL的海量气象数据存储和查询方案
气象数据是一类典型的大数据，具有数据量大、时效性高、数据种类丰富等特点，每天产生的数据量常在几十TB到上百TB的规模，且在爆发性增长。如何存储和高效的查询这些气象数据越来越成为一个难题，本文针对气象领域中海量模式数据的存储和查询问题，分别介绍了传统方案和采用表格存储(TableStore)的方案，并对方案优缺点进行了一些总结。
云数据库Redis版主从热备高可用方案
高可用（High Available）是线上生产环境所必不可少的重要条件，阿里云数据库Redis版作为一款成熟稳定的数据库产品，针对Redis的特性也支持高可用，本文将介绍云Redis是如何实现这一方案。
目前云Redis有主从版和集群版两种架构，本次主要针对主从版。
TableStore: 海量结构化数据分层存储方案
### 前言
表格存储是阿里云自研分布式存储系统，可以用来存储海量结构化、半结构化的数据。表格存储支持高性能和容量型两种实例类型。高性能使用SSD的存储介质，针对读多写多的场景都有较好的访问延时。容量型使用的是SSD和SATA混合的存储介质。
定时任务框架Quartz的新玩法
Quartz 是 OpenSymphony 开源组织在任务调度领域的一个开源项目，完全基于 Java 实现。作为企业级别的定时任务调度，Quartz不仅仅拥有强大的调度功能，也支持各种灵活的应用方式，并同时支持分布式和集群能力。
## 基本使用
Quartz的使用非常简单，首先在POM里面加入引用
```xml
org.quartz-scheduler
quartz
图解故障服务器下线：关于阿里云MongoDB高可用的探秘
服务器容灾一直是云服务运维过程中无法避开的问题。MongoDB采用的是什么方法，得以做到在有机器故障的情况下依旧能保证用户业务的高可用？最近举行的“MongoDB Sharding杭州用户交流会”中，针对这一问题，阿里云资深研发工程师果实分享了关于MongoDB 故障服务器如何下线方面的详尽的技术解密。