使用记忆法打造你的大数据组件的默认端口号记忆宫殿

简介: 使用记忆法打造你的大数据组件的默认端口号记忆宫殿

引言

大家好,我是ChinaManor,直译过来就是中国码农的意思,我希望自己能成为国家复兴道路的铺路人,大数据领域的耕耘者,平凡但不甘于平庸的人。

本文适合人群:

1.对记忆宫殿有一定了解的人群

2.玩过穿越火线,对沙漠灰地图熟悉的人群

(不知道记忆宫殿其实可以去百度搜一下)

如何构建编程语言的记忆宫殿

记忆宫殿如何运用到生活中,比如用来记忆编程语言。那么就先要找到地点,即宫殿

让每一个地点存放一部分知识内容。比如自己熟悉的卧室,或者院子,能够清楚的记忆

起来这条路线上的布置和东西,然后找出一些有特征的容器用来与知识绑定。例如将默认端口号

分为三类:5位数字一类,4位数字一类,4位数字又划分成大于开头第一位数字大于5的和不大于5的

那么再把它们一一转化成图:

1.50070 ->买麒麟花了500块,结果拆快递发现只是一页文件(查看hdfs文件系统)

2.19888 ->喝药酒喝醉了想到过往的光辉历史不在(历史记录端口)一直喊发发发(fuckfuckfuck),

3.10000 ->两双望远镜都看不清蜜蜂(Hive.server1)

4.16010和60010 ->一米六身高想买榴莲,不卖气的把店(hbase)用棒球棍砸了

5.9092 ->小(昆虫)玩球(想哈利波特电影踢足球)

6.8088 ->巴黎度假回到机房搞集群

7.8443 ->巴士撞上了石山从中走出一个怪蜀黍

8.8888 ->hey,一路发

9.7180 ->巴黎起义成立了新的王国(Cloudera Manager )

10.8081 ->白蚁把巴黎攻占了又被松鼠收拾了

11.4040 ->司令司令,大后方着火了

12.2181 ->白蚁和鳄鱼打架被动物管理员拉住了

接下来,我们开始用记忆宫殿将熟悉的地点和动图发生关系.

拆开旁边的木箱子一看只有一张纸,火麒麟不见了,伤心的小绿买了药酒,跳到上方石块喝,喝着喝着又想起五杀的历史,现在一杀都拿不到,一直喊fuck,然后小绿看见只蜜蜂,由于太小只,小绿买了两双望远镜都看不清蜜蜂都看不清蜜蜂长啥样,

小白身高只有一米六,到Hbase专卖店要买榴莲,被拒绝了气的用棒球棍砸了店(集装箱),在A点到B点的过道有无数小昆虫在玩球,小黄赶紧跑到巴黎(A点)去度假,回来后继续到机房搞集群,突然有辆大巴撞上了石山,从里面走出来一个怪蜀黍,小黄大喊Hey,一路发!引发了巴黎起义,成立CM王国,白蚁把巴黎攻占又被松鼠夺回,在双方攻防战中,白蚁司令突然听到说:司令司令,我军大后方着火了,溃不成军的白蚁有想和鳄鱼打架被动物管理员一把拉住。

总结

以上便是用记忆宫殿记忆大数据组件的默认端口号,尝试的创作了一下,发现逻辑与ETL神似,

输入:原始未加工的数字或文字,转换:将陌生的东西转换成动图 输出:用熟悉的东西连接

拙劣的模仿,描述也有不够清楚的地方,想要更深一步了解记忆宫殿怎么运用在编程中可以读一读gitchat大佬的文章

使用记忆法打造你的 JavaSE 记忆宫殿

愿你读过之后有自己的收获,如果有收获不妨一键三连一下~


相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
存储 分布式计算 API
大数据-107 Flink 基本概述 适用场景 框架特点 核心组成 生态发展 处理模型 组件架构
大数据-107 Flink 基本概述 适用场景 框架特点 核心组成 生态发展 处理模型 组件架构
1090 0
|
SQL 数据采集 分布式计算
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
1696 3
【赵渝强老师】基于大数据组件的平台架构
|
SQL 存储 分布式计算
大数据-157 Apache Kylin 背景 历程 特点 场景 架构 组件 详解
大数据-157 Apache Kylin 背景 历程 特点 场景 架构 组件 详解
482 9
|
存储 分布式计算 资源调度
两万字长文向你解密大数据组件 Hadoop
两万字长文向你解密大数据组件 Hadoop
909 11
|
消息中间件 监控 Java
大数据-109 Flink 体系结构 运行架构 ResourceManager JobManager 组件关系与原理剖析
大数据-109 Flink 体系结构 运行架构 ResourceManager JobManager 组件关系与原理剖析
444 1
|
前端开发 大数据 数据库
🔥大数据洪流下的决战:JSF 表格组件如何做到毫秒级响应?揭秘背后的性能魔法!💪
【8月更文挑战第31天】在 Web 应用中,表格组件常用于展示和操作数据,但在大数据量下性能会成瓶颈。本文介绍在 JavaServer Faces(JSF)中优化表格组件的方法,包括数据处理、分页及懒加载等技术。通过后端分页或懒加载按需加载数据,减少不必要的数据加载和优化数据库查询,并利用缓存机制减少数据库访问次数,从而提高表格组件的响应速度和整体性能。掌握这些最佳实践对开发高性能 JSF 应用至关重要。
612 1
|
SQL 分布式计算 大数据
【赵渝强老师】大数据生态圈中的组件
本文介绍了大数据体系架构中的主要组件,包括Hadoop、Spark和Flink生态圈中的数据存储、计算和分析组件。数据存储组件包括HDFS、HBase、Hive和Kafka;计算组件包括MapReduce、Spark Core、Flink DataSet、Spark Streaming和Flink DataStream;分析组件包括Hive、Spark SQL和Flink SQL。文中还提供了相关组件的详细介绍和视频讲解。
1342 0
|
11月前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
689 14
|
数据采集 分布式计算 DataWorks
ODPS在某公共数据项目上的实践
本项目基于公共数据定义及ODPS与DataWorks技术,构建一体化智能化数据平台,涵盖数据目录、归集、治理、共享与开放六大目标。通过十大子系统实现全流程管理,强化数据安全与流通,提升业务效率与决策能力,助力数字化改革。
453 4
|
机器学习/深度学习 运维 监控
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
运维不怕事多,就怕没数据——用大数据喂饱你的运维策略
1119 0