摘要：
为org.apache.hadoop.io.compress等的分析预留位置 阅读全文
摘要：
由于Hadoop的MapReduce和HDFS都有通信的需求，需要对通信的对象进行序列化。Hadoop并没有采用Java的序列化，而是引入了它自己的系统。 org.apache.hadoop.io中定义了大量的可序列化对象，他们都实现了Writable接口。实现了Writable接口的一个典型例子如下： java代码 1 public class MyWritable implements Writable { 2 // Some data 3 private int counter; 4 ... 阅读全文
摘要：
下面给出了Hadoop的包的功能分析。PackageDependencestool提供一些命令行工具，如DistCp，archivemapreduceHadoop的Map/Reduce实现filecache提供HDFS文件的本地缓存，用于加快Map/Reduce的数据访问速度fs文件系统的抽象，可以理解为支持多种文件系统实现的统一文件访问接口hdfsHDFS，Hadoop的分布式文件系统实现ipc一个简单的IPC的实现，依赖于io提供的编解码功能参考：http://zhangyu8374.javaeye.com/blog/86306io表示层。将各种数据编码/解码，方便于在网络上传输net.. 阅读全文
摘要：
Google的核心竞争技术是它的计算平台。Google的大牛们用了下面5篇文章，介绍了它们的计算设施。 GoogleCluster Chubby GFS BigTable MapReduce 很快，Apache上就出现了一个类似的解决方案，目前它们都属于Apache的Hadoop项目，对应的分别是： Chubby-->ZooKeeper GFS-->HDFS BigTable-->HBase MapReduce-->Hadoop 目前，基于类似思想的Open Source项目还很多，如Facebook用于用户分析的Hive。 HDFS作为一个分布式文件... 阅读全文
摘要：
打开一个网页，就能编辑多种声音效果，创建独一无二的个性化音乐或铃声。这里推荐7个在线音频编辑器网站，功能强大，各具特色。（1）Aviary Myna Audio Editor推荐指数★★★★☆Myna能轻松制作混音、编辑音轨、音频剪辑、应用音效、录制人声或乐器声音。可以上传声音文件或者从在线音频库搜索声音素材进行编辑，编辑完成的音频可以下载或者在线分享。（2）Makeownringtone推荐指数★★★Makeownringtone支持上传mp3, wma, ogg音频文件，编辑各种专业效果，编辑完成可以下载到电脑，或者生成WAP链接，或者生成和弦铃声。（3）DubStep Studio推荐指 阅读全文
摘要：
Audio / Video 是HTML5的重头戏，做Web前端的难免要和音视频文件打交道，浏览器的群雄并立，对于音视频的支持格式相当不统一，通常要为同一份音视频准备3到4种不同的格式，好用的免费的转换软件就是必须必的了。此类免费软件中，国货皆无耻，大家请绕行。我这里推荐的几款是我从Google找到，并且自己用过，还觉得不错的。（1）来自freemake.com的Free Audio Converter和Free Video ConverterFree Audio Converter支持MP3, WMA, WAV, FLAC, AAC, M4A, OGG等30多种音频格式，支持从DVD, H.2 阅读全文
摘要：
1 聚焦爬虫工作原理及关键技术概述 网络爬虫是一个自动提取网页的程序，它为搜索引擎从Internet网上下载网页，是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的URL队列。然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL，并重复上述过程，直到达到系统的某一条件时停止，另外，所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索.. 阅读全文
摘要：
5 Java带偏好的爬虫示例 在上一节中，我们已经指出，可以使用优先级队列(PriorityQueue)来实现这个带偏好的爬虫。在深入讲解之前，我们首先介绍优先级队列。 优先级队列是一种特殊的队列，普通队列中的元素是先进先出的，而优先级队列则是根据进入队列中的元素的优先级进行出队列操作。例如操作系统的一些优先级进程管理等，都可以使用优先级队列。优先级队列也有最小优先级队列和最大优先级队列两种。 理论上，优先级队列可以是任何一种数据结构，线性的和非线性的，也可以是有序的或无序的。针对有序的优先级队列而言，获取最小或最大的值是非常容易的，但是插入却非常困难；而对于无序的有衔接队列而言，插... 阅读全文
摘要：
4 带偏好的爬虫 有时，在URL队列中选择需要抓取的URL时，不一定按照队列“先进先出”的方法进行选择。而把重要的URL先从队列中“挑”出来进行抓取。这种策略也称作“页面选择”（Page Selection）。这可以使有限的网络资源照顾重要性高的网页。 那么哪些网页是重要性高的网页呢？ 判断网页的重要性的因素很多，主要有链接的欢迎度（知道链接的重要性了吧）、链接的重要度和平均链接深度、网站质量、历史权重等主要因素。 链接的欢迎度主要是由反向链接（backlinks，即指向当前URL的链接）的数量和质量决定的，我们定义为IB(P)。 链接的重要度，是一个关于URL字符串的函数，仅仅考察... 阅读全文
摘要：
Django 是一款高性能的Python web框架，鼓励快速开发和干净、务实的设计。 Django 项目是一个定制框架，它源自一个在线新闻 Web 站点，于 2005 年以开源的形式被释放出来。Django的重点是尽可能地自动化，坚持DRY原则。下面介绍4款基于Django 框架的开源项目:1、CMS 建站系统Django-CmsDjango-Cms 是一款基于Django框架开发的 CMS 建站系统。主要特点是简单易用，性能高。2、开源内容管理平台Mezzanine一个开源的内容管理平台，建立在Django框架上,，包括web版本和移动版本。更多见Mezzanine 文档，Mezzanin 阅读全文