开源大数据生态下的 Flink 应用实践
11 月 28-30 日，Flink Forward Asia 邀请来自阿里巴巴、戴尔科技集团、英特尔、Cloudera、趣头条、百度、Stream Native 等不同方向的技术专家围绕 Apache Flink 核心大数据生态探讨当下大数据的发展趋势与未来动向，并展现相关技术在一线生产场景的优秀实践。
MapReduce计算框架
MapReduce计算框架
一、MapReduce实现原理
图展示了MapReduce实现中的全部流程，处理步骤如下：
1、用户程序中的MapReduce函数库首先把输入文件分成M块(每块大小默认64M)，在集群上执行处理程序，见序号1
2、主控程序master分配Map任务和Reduce任务给工作执行机器worker。
python之多线程
注：本文是廖大的教程文章，本人也在学习，因为老是记不住，自己手打一边，代码也是亲自测试。廖大传送门
多进程
多个任务可以由多进程完成，也可以由一个进程内的多线程完成。
数据中台建设引擎Dataphin亲测体验报告二：功能易用性&界面设计
上次说完了Dataphin产品的功能完备性，今天咱们就来聊下功能体验细节的易用性和界面设计。
功能易用性 评分：4.5分点评：原创设计，越用越好用
概要：主打的建模研发功能，使用体验独特，如果说前面提到的常规大数据开发功能是编码编辑器，那么建模研发功能就是智能计算器——5个工作日时间，2个ETL人员，完成Boss定的一个业务线的数据验证（原来是3个ETL同学长期维护，业务报表需求已经供不应求），ETL快速熟悉怎么使用之外，几位主要业务需求方也开始跃跃欲试。
【Android 学习】IPC机制（一）Android IPC简介及多进程模式
版权声明：本文为博主原创文章，转载请注明出处http://blog.csdn.net/u013132758。 https://blog.csdn.net/u013132758/article/details/51233367
这几篇博客都是，最近看任玉刚的《Android 开发艺术与探索》第二章的读书笔记，看这章看了好几遍，总算是对Android IPC机制有了一定的理解。
