Tech – 夏清然的日志

OS X 10.11 El Capitan 三指拖动的开启方法

qingran — Sat, 23 Jul 2016 15:10:30 +0000

OS X 10.11 El Capitan 三指拖动的开启方法

触摸板的三指拖动功能已经被移到“辅助功能”中。

开启步骤：

系统偏好设置－辅助功能－鼠标与触摸板，点击下面的“触摸板选项…”按钮，勾选“启用拖拽”并且从下拉列表里选择“三指拖移”。

Macbook OS X 安装配置zsh

qingran — Sun, 29 May 2016 04:20:48 +0000

换了新macbook pro retina 13后折腾了下号称终极shell的zsh。

把安装文档记录下：

terminal 默认shell换为zsh：

chsh -s /bin/zsh

安装oh-my-zsh:

git clone git://github.com/robbyrussell/oh-my-zsh.git ~/.oh-my-zsh

cp ~/.oh-my-zsh/templates/zshrc.zsh-template ~/.zshrc

安装autojump：

brew install autojump

编辑.zshrc，修改plugsin：

plugins=(git python adb brew autojump gradle)

加入如下内容：
alias cls=’clear’
alias ll=’ls -l’
alias la=’ls -a’
alias s=’ssh’
alias vi=’vim’
alias grep=”grep –color=auto”
alias -s html=vi # 在命令行直接输入后缀为 html 的文件名，会在 TextMate 中打开
alias -s rb=vi # 在命令行直接输入 ruby 文件，会在 TextMate 中打开
alias -s py=vi # 在命令行直接输入 python 文件，会用 vim 中打开，以下类似
alias -s js=vi
alias -s c=vi
alias -s java=vi
alias -s txt=vi
alias -s gz=’tar -xzvf’
alias -s tgz=’tar -xzvf’
alias -s zip=’unzip’
alias -s bz2=’tar -xjvf’

[[ -s ~/.autojump/etc/profile.d/autojump.sh ]] && . ~/.autojump/etc/profile.d/autojump.sh

修改terminal的配置为黑底：

修改terminal的alt按键，实现alt+f, alt+b, alt+d:

Done, enjoy it!

[转]热门3D游戏视觉效果名词简介

qingran — Fri, 18 Feb 2011 18:25:18 +0000

一部又一部的游戏大作降临，每个游戏都声称要给玩家“真实”的体验。当然既然叫做游戏就不可能是真实的，但游戏制作商们都在不断想办法使游戏更加接近现实，使用各种3D效果去模拟现实中的种种现象。可能还有不少玩家朋友对这些视觉效果名词还不大了解，于是有了本文。本文就是用简单的语言，简要地介绍目前应用在游戏中的一些比较热门的视觉效果。

主要名词：
#1 – 动态模糊（Motion Blur）
#2 – 景深（Depth Of Field）
#3 – 软阴影（Soft Shadow）
#4 – 高动态光照（High Dynamic Range）
#5 – 凹凸贴图技术
#6 – 法线贴图
#7 – 视差贴图
#8 – 次表面散射（SubSurface Scattering）
#9 – 体积云/雾（Volumetric Clouds/Fog）
#10 – 体积光（Volumetric Light）
#11 – SpeedTree
#12 – 延迟渲染（Deferred Rendering）

一、动态模糊（Motion Blur）

3D游戏玩家会问这么个问题：为什么每秒24帧的速度对于电影来说已经足以获得很流畅的视觉效果，而对于电脑游戏来说却非常不流畅？原因很简单，摄像机在工作的时候并非一帧一帧绝对静止地拍摄，它所摄下的每一帧图像已经包含了1/24秒以内的所有视觉信息，包括物体在这1/24秒内的位移。如果在看电影的时候按下暂停键，我们得所到的并不是一幅清晰的静止画面，而是一张模糊的图像。

传统的电脑3D图像做不到这一点，游戏里的每一帧就是一幅静止画面，如果你在运动的过程中抓一张图片下来，得到的肯定是一幅清晰的静态图。所以，动态模糊技术的目的就在于增强快速移动场景的真实感，这一技术并不是在两帧之间插入更多的位移信息，而是将当前帧同前一帧混合在一起所获得的一种效果。

《极品飞车：卡本峡谷》采用的动态模糊，但效果不好，表现太夸张，时间长很容易让人感到不适：

《孤岛危机》的动态模糊改善了很多，表现效果也好了很多，据称是得益于DX10引入了几何渲染器：

二、景深（Depth Of Field）

有摄影基础的朋友一定都熟悉“景深”这个词。如果非要解释这个词的话就是“在摄影机镜头或其他成像器前，沿着能够取得清晰图像的成像器轴线所测定的物体距离范围”。说得再简单一些，就是距离不同的景物，呈现出有些地方清楚有些地方模糊的效果。这种效果能够更加突出需要反应的焦点，让画面的主题更加鲜明。

我们观察下面的两张图片，就能非常明显的看出景深的效果。在第一张图片中，手持长棍的忍者是清楚的，后面的景物时模糊的。而在第二张图片中，焦点移到了后面的景物上，前景的忍者反而变成了模糊的效果了。这样的效果更符合人肉眼对自然环境观察的结果，也就因此令玩家的感受更真实：

《使命召唤4》使用的景深效果：

在FPS游戏中景深效果往往用在枪械的瞄具上。在游戏中使用机械瞄具的时候，人的注意力必然高度集中，准心以外的区域都模糊。

《孤岛危机》中景深效果大放异彩：

三、软阴影（Soft Shadow）

从字面上直译过来就是“软阴影”，不过叫“柔和阴影”似乎更合适。我们知道生活中很多阴影的过渡都是有渐变，而软阴影的作用就是要模拟这种效果，在阴影周边制造虚化的效果。软阴影本身并不是指一种技术，而是指通过采用某种技术达到的效果。

在说软阴影前先说说阴影的生成方法。一般在游戏中采用的阴影生成方法有两种：Shadow Mapping（阴影映射）和Shadow Volumes（体积阴影）。

Shadow Mapping（阴影映射）是一种图像空间的技术，它是在以光源位置作为视点的情况下渲染整个场景的深度信息，然后再使用这些深度信息去决定场景的哪一部分是处于阴影之中。它有锯齿并且依赖z-缓冲技术。由于可以在不减少帧率的情况下达到真实感光照和阴影效果，编辑器允许在场景中放置任意数目的静态光源，它会为每个面预计算光流量（light flow）和静态阴影，因此现代商业3D游戏中多数都会使用到阴影映射。阴影映射效果的一个影响因素是Shadow Map Size，如果size（尺寸）小，会导致阴影边缘模糊不清、闪烁、出现大型锯齿。增大size能提高阴影质量，但帧速会受到影响。

Shadow Map Size太小（上图），增大Size之后（下图）

对于在阴影映射下实现软阴影，通常是在阴影边界进行高精度超级采样的方法，如虚幻3引擎就是进行16X的超级采样，这就是软阴影消耗系统资源大的原因。

《生化冲击》使用阴影映射，表现出色：

《西部狂野》的Shadow Map Size高达2048*2048，生成的阴影效果非常好，当然对硬件要求也高：

《尘埃》的Shadow Map Size更是前所未有地达到了4096*4096，阴影柔化效果也很到位，它的硬件要求大家也是清楚的：

《孤岛危机》的阴影效果当然是顶级的了，除了使用阴影映射，还使用了大量高级技术（如高精度采样、屏幕空间环境光遮蔽等）：

Shadow Volumes（体积阴影）是一种基于几何形体的技术，它需要几何体在一定方向的灯光下的轮廓去产生一个封闭的容积，然后通过光线的投射就可以决定场景的阴影部分（常常使用模板缓冲去模拟光线的投射）。这项技术是像素精确的，不会产生任何的锯齿现象，但是与其他的技术一样，它也有缺点。最主要的两个问题一是极度依赖几何形体，二是需要非常高的填充率。同时，体积阴影也相当依赖CPU，视觉效果方面是产生的阴影比较“硬”。
目前使用体积阴影的游戏不多，《DOOM3》和《F.E.A.R.》就是典型，在游戏中仔细观察你会发现它们的阴影和其他游戏的明显不同：

《F.E.A.R.》是第一个采用了软阴影的游戏，它的软阴影实现方法是在光源在自身附近进行自我复制，产生多个不同亮度的阴影再混合起来，这种软阴影效果似乎不怎么理想，边缘看起来有层状感，系统资源开销也大：

四、高动态光照（High Dynamic Range）

很多人对HDR的第一感觉就是“太亮了、好刺眼、受不了”。其实HDR并不是像许多玩家理解的那样就是简单的“高亮”，不是让画面有更大的亮度或是对比度。大家都知道，当人从黑暗的地方走到阳光下时，我们的眼睛会不由自主的眯起来，那是因为在黑暗的地方，人为了更好的分辨物体，瞳孔张开很大，以便吸收光线；而突然到了光亮处瞳孔来不及收缩，视网膜上的视神经无法承受如此多的光线，人自然会眯上眼睛阻止大量光线冲击视神经。

我们的眼睛非常敏感，而电脑就不具备这种功能，因此就通过HDR技术在一瞬间将光线渲染得非常亮，然后亮度逐渐降低。所以，HDR的最终效果应该是亮处的效果是鲜亮的，而黑暗处你也可以清晰的分辨物体的轮廓，位置和深度，而不是以前的一团黑。动态、趋近真实的物理环境是HDR的特效表现原则：

高亮的部分仍保持了相当丰富的细节

HDR并不仅仅是反射的光强度要高。在游戏中，如果你盯着一个面向阳光直射的物体，物体表面会出现丰富的光反射；如果盯着不放，物体表面的泛光会渐渐淡出，还原出更多的细节。HDR特效是变化的，因此称做高动态光照。

HDR是分种类的，一般按可精度分为：Int16（整数）、FP16（浮点）、FP32等等，数字越大精度越高，运算量当然也越大。其中Int格式的HDR在SM2.0下即可实现（如半条命2：失落的海岸线、第一章、第二章），FP格式要SM3.0或以上才能实现（目前有HDR的游戏基本都是FP格式），在DX10中HDR的精度已经提升到FP128。

说到HDR不得不提另外一个特效：BLOOM。BLOOM也能实现和HDR类似的效果，但BLOOM的是静态的，HDR是动态渐变的，BLOOM在细节表现、明暗对比不如HDR，这是BLOOM与HDR的重要区别。实现HDR效果的系统资源开销也比BLOOM大。

3Dmark06中绚丽的HDR效果：

《无限试驾》的HDR效果我是比较认同的：

《彩虹6号：维加斯》、《生化冲击》的都不错：

《孤岛危机》的HDR使用已经非常成熟：

游戏中贴图是2D的，如果在游戏中换个角度看的话，很容易就会发现墙面没有任何立体感，砖纹看上去非常假！为了让2D贴图看上去也有3D立体效果，就诞生了多种贴图技术，比如凹凸贴图、法线贴图、位移贴图、视察映射贴图等。

五、凹凸贴图（Bump Mapping）

凹凸贴图技术简单说起来是一种在3D场景中模拟粗糙表面的技术，将带有深度变化的凹凸材质贴图赋予3D物体，经过光线渲染处理后，这个物体的表面就会呈现出凹凸不平的感觉，而无需改变物体的几何结构或增加额外的点面。例如，把一张碎石的贴图赋予一个平面，经过处理后这个平面就会变成一片铺满碎石、高低不平的荒原。当然，使用凹凸贴图产生的凹凸效果其光影的方向角度是不会改变的，而且不可能产生物理上的起伏效果。

凹凸贴图在今天看来已经是老的不能再老的一种技术了，虽然能够获得凹凸的效果，但是凹凸的程度非常受限制，基本上只能做出一些简单的浮雕效果来。这种技术通常用在一些观察视角变化很小的情况上，例如地面，墙壁，远处的一些模型等等，如果角度稍微一大，你就会发现那些凹坑其实是根本不存在的：

六、法线贴图（Normal Mapping）

法线贴图技术通过计算高细节度模型的法线信息并将其保存在一张高压缩比(3DC/DC5)的法线贴图之中，然后将这张法线贴图贴用于低细节模型上代替原型的多边形曲面的光照计算，从而等到一个低多边形、高细节的3D模型。这样做就能在保证模型细节的情况下，大幅度降低场景的多边形数目。法线贴图目前已经广泛应用于3D游戏中。

视觉效果达到1亿多边形的场景，通过线框显示发现只用了50万多边形。（虚幻3引擎场景）

法线贴图在《孤岛危机》里的应用，立体感表现得非常好：

七、视差贴图（Parallax Mapping）

视差贴图技术我们其实应该称之为视差遮蔽贴图技术，因为在这一技术中，会对纹理的坐标做变换，一些凸出的纹理会遮蔽到其他的纹理，这样就会看起来具备更好的凹凸的感觉了。视差贴图技术的实现原理，其实和法线贴图是一样的，都是根据法线贴图进行的处理。视差贴图比法线贴图提供更好的视觉效果，而且跟法线贴图有同一个目的：在保证模型细节的情况下，大幅度降低场景的多边形数目。

《S.T.A.L.K.E.R.》中的视差贴图效果，砖块和石板上的凹痕表现十分生动：

《孤岛危机》中使用的视差消隐贴图，堪称目前Bump mapping技术的极致！逼真的鹅卵石让人留下深刻的印象！：

八、次表面散射（SubSurface Scattering，简称3S）

目前使用次表面散射效果的游戏极少，似乎就只有《孤岛危机》。它主要用于模拟不完全透明材质内部表现出的一种真实光影特效。当灯光照射到玻璃或清澈的液体表面时，灯光会穿透这些介质，3S效果可用来模拟灯光进入介质内部后发生的散射。

《孤岛危机》中树叶的透光性：

3S的另一个重要用处在于表现光源照射下的人物皮肤，换句话说，要想表现真实的皮肤材质，3S效果必不可少。目前的许多游戏在人物皮肤的渲染上就因为缺乏3S效果而显得塑料化、橡胶化。

《F.E.A.R.》人物缺乏3S效果，塑胶感较大：

CryEngine 2使用3S效果生成的人物脸部：

《孤岛危机》的人物脸部效果非常出色：

照片级的CG图，同样采用了3S，效果惊人！：

九、体积云/体积雾（Volumetric Clouds/Fog）

简单地说，在游戏中的体积云就是使用图像引擎来模拟真实云雾半透明、无规则的表现效果。

在早期游戏中，实现云雾烟火效果的方式常常使用贴图的方法。CS中可以很清楚的看到这一点。将烟雾品质改为“低”时，CS中烟雾的表现如同灰白色的墙壁一般。采用云雾烟火贴图的游戏经常会降低透过云雾贴图之后远景效果，甚至替换远景贴图，仔细观察就会发现，而体积云则不会。

CS的烟雾弹效果，可以看到层状的材质：

《使命召唤4》在关闭烟雾柔化后，也表现出同样效果：

事实上，体积云本身的定义就比较模糊，欧美业界的观点是：通过3D引擎实时生成的、能够随时间流逝而自动改变的、能够和物力引擎互动产生变化的（比如飞机飞过云雾散开），才能称为体积云/体积雾。

《孤岛危机》中采用的就是体积云效果：

《冲突世界》也大量使用了体积云：

《生化冲击》在DX10才能开启体积云效果：

十、体积光（Volumetric Light）
先来看下面一个现实世界的光线图，在3D图形中要实现这种效果就是体积光（Volumetric Light）。目前的游戏都是在DX10下才有体积光效果，看来是得益于DX10的渲染架构的改进，使体积光这种高级特效得以更容易地在游戏中实现。

《冲突世界》的招牌DX10效果－体积光：

《孤岛危机》作为DX10的招牌游戏当然少不了体积光效果：

CryEngine 2演示视频，可以注意到，当主角经过时，枪支会被透射的光线照耀到：

《孤岛惊魂》《半条命2：失落的海岸线》的光束效果似乎比较生硬、呆板，光照强度一成不变，也不会留下恰当的阴影，显然是预先安排好的，并非真正的体积光效果:

十一、SpeedTree

SpeedTree是一个专门的植被引擎。其技术最大的特征就是可以在使用极少多边形的情况下创造出高度逼真的树木和植物，并且可以调整风速效果，使得这些植物随着风的吹动而真实地摇动。游戏开发者就可以直接在特定地形上生成整个森林，无需将树一棵一棵地设置在相应地点上，大大提高了工作效率。并且通过SpeedTree的代码优化技术，画面上数量繁多的枝叶不会对画面帧数造成太大影响。

虚幻3引擎整合了SpeedTree技术，虚幻3引擎制作的游戏都可以用SpeedTree技术快速生成大量高品质的植被：

《上古卷轴4》用SpeedTree创造了一个神奇的世界：

《冲突世界》也使用了SpeedTree技术：

十二、延迟渲染（Deferred Rendering）

延迟渲染技术可以说是未来游戏的发展趋势，其原理是先把全景多边形物体的信息比如位置、法线面、各种贴图渲染到G-Buffer（缓冲区）内，延迟打光步骤。

延迟渲染可以避免在渲染过程中出现无效渲染（渲染器在运算过程中做了某些无用功）的现象和提高出现大量复杂、耗时的像素渲染时的工作效率。

延迟渲染可以创建大量的点光源以及产生真实的光照结果，提高画面的真实度；也可以避免对不可见的点进行光照，节省了资源。不过，延迟渲染并不是很适合DX9，在目前的硬件上必须以牺牲MSAA（多重取样抗锯齿）为代价（使用了延迟渲染的《S.T.A.L.K.E.R.》、《幽灵行动：尖峰战士》都无法支持多重取样抗锯齿），而在新的DX10硬件上则没有问题。最新版本的UE3引擎已经为DX10做了优化，MSAA已经完全没有问题（《战争机器》PC版在DX10下即可开启抗锯齿），但是之前面世的几个采用UE3的游戏都是基于老版本的UE3开发，所以对MSAA的支持还存在各种问题。对于目前的几个UE3引擎游戏，它们并未使用延迟渲染技术。

目前使用了延迟渲染技术的游戏有《S.T.A.L.K.E.R.》、《幽灵行动：尖峰战士》系列。

[转载]2010年互联网使用统计

qingran — Fri, 04 Feb 2011 13:51:59 +0000

2010年互联网使用统计。记录备案。

原文见：http://www.focus.com/images/view/48564/

中文版翻译来自：http://www.ifanr.com/32311

电子邮件概况：

19 亿：全球使用 email 的用户总数
2940 亿：平均每天发出的邮件数量
107 万亿：2010 年全年发出的邮件数量
目前全球有 29 亿个已知的 email 账户，其中 25% 为企业账户。
据估计，2010 年全部邮件中，近 89% 属于垃圾邮件。

垃圾邮件统计：

左边两幅分别是根据地区统计的全球互联网用户（分布）以及垃圾邮件情况，其中，标签色块从上至下依次代表的是：亚洲、欧洲、北美、拉丁美洲/加勒比、非洲、中东、大洋洲/澳大利亚。

全世界网站概况：

截止至 2010 年 12 月，互联网上有 2.55 亿个站点。全年新增站点 2140 万个。
截止至 2010 年末，互联网域名数量为 1.09 亿个，较 09 年增长 7%。
网络服务器市场份额：由于不断有新站点创建，去年一年中，网络服务器市场一直在增长。Apache 以 60% 的市场份额占据第一，遥遥领先第二名微软的 22%。谷歌则排在第四，为6%。Lighttpd 服务器尽管只有最少的 0.5%，但全年用户数量增长 55.7%，增速超过业内其它竞争对象。

互联网用户数在增长：

20 亿：全球范围内互联网用户数总和
14%：2010 年新增用户比例
浏览器份额：IE 仍以 47% 比例占据第一，之后依次是火狐（31%），谷歌 Chrome （15%），Safari （5%）和 Opera（2%）。

社交媒体：

2000 万：每天在 Facebook 上安装的程序数。
70%：美国以外地区的 Facebook 用户数。
2010年末，Facebook 约有 6 亿用户；当年新增用户数 2.5 亿。
1 亿：去年新增 Twitter 账户数。
1.52 亿：互联网上预估的博客数量。
250 亿：2010 年的发推数。

网络媒体流量：

20 亿：每天 Youtube 上被观看的视频数量。
每分钟上传到 Youtube 的视频播放时长总和为 35 小时。

84% 的美国网民收看在线视频。已经有 14% 的人曾经上传过视频。

[转]极客观察：利用人性弱点的互联网服务

qingran — Tue, 28 Dec 2010 09:47:05 +0000

转载自“极客公园” http:// www.geekpark.net/entity/view/90382

一个伟大的产品发明离不开对人性的深刻探索。你可能不知道到底为什么某个产品让你着迷，你也可能不知道为什么一些公司总能制造出你想要的产品。来让我们看看这些公司到底用什么东西吸引着你。

极客观察本期的话题是：利用人性弱点的互联网服务，我们将会从“贪婪”、“色欲”、“虚荣”、“窥视”、“懒惰”等角度来间隙各种互联网产品如何利用人性的弱点来推广、前进。

第一部分：贪婪。

在人类社会发展的长河中，贪婪也推动了这个社会的进步。有关销售的网站都巧妙的利用这人性的弱点，在某种意义上来说，贪婪是推动销售的中坚力量。从总体来说，无论是团购，点购，秒杀，还是抽奖，该类网站统一的制胜法宝就是价格极其低廉，巧妙的运用了低价这一特点，充分的激发人类贪婪的本性，一次次心甘情愿的点击购买。贪婪也让这个社会的大量资源被无情的给浪费了。

1、团购

以时下最为火爆的团购网站举例来说，超低价格的诱惑是它最具吸引力的地方。以低至三折甚至一折的价格能享受原本昂贵的产品或服务，这恰恰击中了人性贪婪的弱点。使很多没有消费需求的网友盲目的参与了团购。

团购网站都巧妙的设定了消费时限，迫使消费者怀有“今天不买明天就错过的心态”，参与了越来越多的团购，让人们在不知不觉中花费得更多。

结果，贪图便宜的心态就导致了很多人在大量团购之后感到很焦虑，因为当初购买了太多的团购卷，又没有找到特别合适机会去使用，而且已经临近有效期。于是便疲惫的奔波于各类商铺中，体验着那些同样也打了折扣的产品和服务。

2、点购

最近非常流行一种新型的购物形式：点购。

用户可以按照一定价格购买竞拍权利（一般为1-2元），每次竞拍将使该产品价格增加0.01元，并且同时增加20秒竞拍时间。当竞拍倒计时归0时，当时的领先者即最后出价的用户便赢得该竞拍，最终用户以非常低廉的价格买走该产品。

这种类型的网站以非常低的成交价格吸引着众多用户。例如，价值5000元的 iPhone 4 手机竟以200元的价格成交，如此低廉的价格，激发了用户贪婪一面。使得很多用户不计金钱和时间成本的无限制投入，为网站创造了大把大把的利润。

赢得产品的人变得更加贪婪，想去赢得更多的产品。没有赢得产品的人因为已经投入了很多金钱和时间，不得不再次投入让收支平衡。这种恶性循环正是贪婪的魔力。

3、秒杀

同样很多网站也非常流行一种叫ʻ秒杀ʼ的购物形式。

所谓“秒杀”，就是网络卖家发布一些限量的超低价格商品只能在有限的时间内购买。这恰恰激发了人们无限的贪婪欲望。由于商品价格低廉，往往一上架就被抢购一空，有时甚至只用一两秒钟。

“秒杀”从无到有、从有到强不过三个月时间。这种购物形式同样的会吸引很多人购买本不需要的产品，并且真正优惠的精品提供量都很少，很难抢到。这就没有满足广大客户的贪婪需求，使得类似这种活动很难再次激发出人们的购买欲望，所以这种购物形式正在走向落末。

4、抽奖

虽然秒杀越来越不给力，但是ʻ抽奖ʼ这种非常普通的行销手段却长盛不衰。

特别是大量的出现在团购网站上的各类抽奖活动。形形色色的网站都推出过类似“0元购IPad”等活动，甚至于去抽奖“一套房”。这里也是利用人们贪婪的心里，去让客户注册，购买。并且与此同时获得大量的用户资料，之后在对其进行大量的团购宣传，重新满足他们贪婪的欲望。就像人人都想中彩票，但是不知自己浪费了时间以及进入了下一个贪婪陷阱。

5、下载

我们身边或自己或许都有这么一种习惯，如果宽带是包月的话，就不舍得浪费每一秒钟，无时无刻的在下载根本不需要的内容。

比如一个用户想下载一本书，后来发现自己下载了上千本书，到最后估计一本书也没看成。但是这种贪婪的心态给他们带来了满足感。这样就造成了大量的用户半夜挂机下载一堆将来有可能会用到的文件，从而推动了下载软件的发展和移动硬盘的发展。

6、存储空间

这是一个非常有意思的现象。当您可以推荐你的朋友来增加自己网络硬盘的容量的时候，大多数人只是追求最大容量而不顾自己的实际需求。这些商家都利用了用户“想要更多”的贪婪心理，让用户主动的为自己宣传。用户的需求是可以被满足的，但是用户的贪婪的渴求是难以被真正满足的。

第二部分：色欲。

色欲是人类发展繁殖的基础和动力，同样也是网站发展壮大秘密法宝。从目前来看，厂家利用美女对那些饥渴的玩家进行心理上的刺激。其实色欲不应当只有美女这一种形式，所谓食色性也，或许我们今后更多会看到由帅哥组成的营销手段，更或者是美食。

1、美女社区

美女人人爱看，美女多的地方，人气自然也就旺。于是，一个以遍布美女为标榜的社区类网站——美空网，在没有任何宣传的情况下，不到半年流量就超过了百万大关。很多兄弟们在美色的诱惑下登陆查看美空中的美女，并且非常积极的传播给身边的朋友。

这个网站恰到好处挑选出了精品美女，不仅有图片还有视频，充分满足了各位仁兄的欲望。从而推动这个网站的发展，而且是几何级数的增长。

这就是美女的魅力，这就是色欲的强大。

2、美女ID

在网站推广里，“美女ID”起着极其重要的作用。

几乎现在各个社区网站或者SNS网站，充斥这各种美女ID，从头像到相册，从诱惑发言到激情日记。全方位的激活大众色欲需求，激活网站流量的增长。其实我们或多或少的是因为某个美女ID从而注册某个网站或服务，在注册之后会发现更多的美女ID向你扑来。最近有一个好玩的现象就是在社交网站经常有美女ID要加为你的好友，你在不忍心之余就遭受了大量的垃圾广告。这就是色欲惹的祸。

3、胸

社区通常举办各种活动来吸引用户的参与。例如，猫扑网站之前举办的“美胸大赛”，吸引了众多眼球。各种各样的有关美女的帖子也为社区填“色”不少。

4、美女玩家

很多游戏也以色欲作为出发点，推广自己的产品。首当其冲的就是某款游戏给“美女玩家”发工资。美女玩家只有通过严格的审核才能通过，每个月都能收到游戏公司发的红包。这样的举措极大的鼓励和吸引了大量的美女玩家来玩这些游戏，正是大量的美女陪伴左右，在此同时也吸引了广大群众参与进来。色欲这个欲望满足了双方的情感。从而让游戏发展壮大火爆起来。

5、美女工会

更有甚者，看出了厂家利用色欲来吸引玩家的手段后，自行组织了“美女工会”，就像是经纪人公司一样。这种美女工会不仅吸引了各个游戏厂家争先恐后邀约他们入住自己的游戏，同时工会也创造出了自己的生存价值。

不只是厂家可以利用色欲这种人性的弱点，群众也可以团结起来，形成强大的组织来满足各个方面的需求。

第三部分：虚荣。

人生的价值就是获得别人的肯定，过分的追求不合理的或者虚假的表扬就是虚荣。虚荣心是人类一种普通的心理状态。虚荣使一个人上瘾，同时也极易容易影响他人，这就是虚荣强大的力量。现在众多网站都注意到了这一点，下大力气在体现用户价值上面做足了文章。

1、等级制度

使用QQ的用户都知道，如果你的QQ上有多个太阳，这证明了你的QQ资深身份。用户不得不长期的定时的使用产品来证明自己的高人一等的身份。腾讯巧妙的利用这种等级制度满足了大家虚荣的渴求，导致长时间的活跃用户在线，并让腾讯获利无穷。用户之间互相攀比导致更多的人追求更高的等级，也影响了周围的人。

这也是把游戏的等级部分延伸到游戏外。现在有更多的网站加入进来，人人也开始的自己的等级划分，各种消费的金银虚拟卡等等，无一例外的利用了人们虚荣的弱点，迫使人们做出了原本不愿意做的事情来证明自己的强大。

2、号码抢占

抢占各种资源也是虚荣的一种表现。不惜代价的搞到并维持漂亮的QQ号码，例如，现在身边有些朋友每个月迫不得已支付10元来保持住自己7位的QQ靓号，并且使用了越长时间的东西就越难以放弃，这都是因为当初的虚荣。更有甚者，当初为了证明自己多么厉害，竟然花费上百元点亮各种QQ标示。这就是腾讯利用虚荣这一人性的弱点演奏出来的一首首好曲。

3、位置服务

原本LBS是很无聊的，但是正因为加入了各种勋章，虚拟称号之后就变得火热起来。这同样满足了人类的虚荣的心里，用户为了各种徽章和称号，自愿去自己原本不想去的地方去Checkin（签到）。同样因为是虚荣，用户会向周围的朋友宣传自己的成就导致更多的人加入进来。这就是虚荣强大之处，需要别人的认可才能满足自己的虚荣。

用户通常都有持续登录Foursquar、Gowalla以及Facebook地理服务的心理需求，并不是因为想要告诉朋友他们在哪，而是为了保护自己在某一地盘上的领主地位不被他人取代。同时，对于那些没有成为领主的用户，他们也会努力去从现任的领主手中夺取这一称号。如果你因为经常忘记check-in而让自己没有机会成为你所在的办公室或者咖啡馆的领主，沮丧感将随之而来。

4、微博

微博也非常巧妙的利用了虚荣。用户可以炫耀自己的粉丝数量，这就激发起互相攀比自己的粉丝数量。同时网站也提供一项服务“分配粉丝”，这就是在新用户刚刚注册时候分配一些用户给他们，这就给网站提供了另外一条吸金途径。

用户会特别注意自己的发送内容的转发数量，转发的越多越能满足他们内在虚荣的需求。这就迫使用户提供更多的高质量的内容去吸引自己的粉丝转发自己的内容，从而进行了一个良性循环。

第四部分：窥视。

强大的好奇心引发了各种各样的窥视行为，了解别人成为窥视的最大动力，同时窥视成为了社交网站中最强驱动力。

1、博客

博客天生就是用来被人窥视的，以方便可以来展现自己的风采，以及可以让想要了解你的人提供一种渠道。这就导致了很多人因为想去窥视某些人的博客从而使用某种服务。并且用户可以利用各种各样的博客信息去推测，例如，你可以通过观察你女朋友的博客，去了解到谁经常浏览她的博客，又有可能和谁建立了比较亲密的关系等。因为满足了窥视这种心里需求，使得人人网，开心网等众多社交网站发展迅速。

2、隐身

正是因为网站提供了详细的信息，使得可以从这些信息中挖掘出很多有价值的信息。比如谁看了这个照片，谁在这个月内浏览你的博客过多少次等。这就使得有些人不愿意留下自己的痕迹去窥视别人，从而隐身这项功能就诞生了。它可以充分的满足人们窥视的心里，让他们安心的去看自己想看的内容从而不留下任何痕迹。

3、名人博客/微博

名人博客的快速发展必须充分满足群众对于窥视他们的渴望。

名博经常会爆一些小料来让更多的人去关注他们的博客，粉丝们也想了解名人的私生活，会经常去看名人的博客，窥探他们的生活。

第五部分：懒惰。

懒懒定律：凡是优秀的用户体验，必定是满足人性懒惰的。

懒惰是社会发展的根本动力。正是因为懒惰，汽车代替了步行，计算器代替了算盘，电子邮件代替了传统邮件。现在有越来越多的服务都专门向懒人提供，况且懒惰是人类的天性，人人都是懒人。人人都需要可以让其可以懒惰的服务。

1、快捷键

一个拥有大量可以快捷键的产品总是受人欢迎的。

比如Google的各个产品都是用统一的快捷键，你可以快速高效的完成任务，懒惰的你可以尽量减少手臂的移动。大量的快捷键也可以让操作变得更加流畅，手可以呆在一个区域内去完成尽可能多的任务。耳熟能详的快捷键有复制，黏贴，撤销等。

2、网购

男人袜是一个网站给懒惰的男人设计的网购网站。很多男人都不在乎穿怎样的袜子，因为袜子一般不会露出来。也很少专门为了袜子去商场，最终可能很长一段时间都穿着有两个窟窿的袜子。

“男人袜”用极其简单的步骤满足了这帮懒惰的人的需求。这个网站甚至不用注册，直接使用支付宝支付一年的袜子费用，然后每三个月收到三双袜子。这样就非常完美的解决了“穿洞袜”的问题，中间的过程也极其简单。人类懒惰的本性让不懒惰的人找到了商业契机。

3、简单

当遇到新的事物的时候，大多数人都以懒惰为借口拒绝学习。但是苹果公司对这点把握的极其出色，它制造出了很多学习门槛极低的设备，这让这些懒人得到了充分的满足。这种极其简单的产品或者服务现在越来越受到人们的欢迎，比如说，最简单的文件共享网站Ge.tt，只需点击四下鼠标就可以把自己的文件共享给别人了。

Twitter为何流行?两个字：简单。简单是表象，隐藏的是懒惰。140字，不是限制，是自由。只能输入文字？很好，我本就这么懒。懒对于用户体验来说，就如五弦琴的第六弦，看不见但却至关重要。

版本控制再思考

qingran — Mon, 15 Nov 2010 17:37:15 +0000

最近必须解决Version Control的问题了，目前使用的svn，并采用主干活跃，分支稳定的开发策略（平时的修改都在trunk进行，主干版本发布后需要修改bug才创建分支，并在分支工作，完成后merge主干），目前发现和想到的问题有以下几点：

版本库过大导致检出代码太慢（3个月过去有7000+版本，检出一次50GB）；
平时工作代码的提交都在主干进行，所以主干必须能够编译，由此引出以下问题：
- 复杂的模块儿完成时间较久，成员很久都不提交，并且提交后这段时间没有自己的修改历史日志；
- 成员机器的硬盘在这个长时间有可能挂掉，导致工作成果丢失的风险；
成员之间交换工作成果通过svn在主干进行，违背了主干必须能编译，并导致大量的垃圾提交。

针对以上问题目前想到的解决方法：

改用分布式版本控制工具，Mercurial和GIT，准备分别试一下；
充分利用分布式管理工具创建分支容易，速度快的特点：
- 每个人都创建属于自己的分支，平时的工作都在分支上进行，并定期（阶段成果完成后）向主干合并
- 自己的修改每步都可以commit到本地，每天push一次
分离美术和程序的svn目录：美术的svn目录定期干掉头1000版本。

做到以上几点后，所有提出的几点问题都应该迎刃而解。这样每个人接到工作任务后的操作顺序是以下几步：

创建属于自己的分支，可以按季度创建；
平时的工作都在此分支上进行，同时自己的每步重大修改都commit；
2天或3天视工作进度和其他人对你工作部分代码的需求而push到远程库；或者在放假前需要对代码做备份防止硬盘挂掉，也push分支工作成果到远程库；
任务完成后，测试通过后，从分支merge到主干；
新季度开始，回到操作1。

完成，临睡觉前粗糙的想了一下，应该还有很多不足之处，希望看见的兄弟多指正。

SVN转换Mercurial，Mercurial的安装

qingran — Mon, 15 Nov 2010 16:19:11 +0000

背景：目前的项目使用的版本控制是SVN。只建立了一个svn库并使用bdb模式。项目开始了3个月，svn的版本号就突破了7000，svn库在服务器端有9GB。而在windows下用TortoiseSVN检出所有的东西，总共近50GB大小（.svn目录貌似保留了所有的历史），居然需要3个小时以上！实在忍不了了，准备换分布式VC。目前暂时选择Mercurial。

首先需要把svn转换为Mercurial，同时还要把svn库分离一下，系统是ubuntu-10.04 server amd64：

#apt-get install mercurial meld python-subversion #svnadmin dump ./repos/ > svn.dump

#wget http://bakacsin.ki.iif.hu/~kissg/project/svn/svngrep

#./svngrep '^dev\/core\b' svn.dump > core.dump
svngrep有重大问题，导致其导出的不全，改用svndumpfilter

#cat svn.dump | svndumpfilter include dev/core --drop-empty-revs --renumber-revs  > core.dump
#svnadmin create core/
#sed -r -e 's/^Node-path: dev\//^Node-path: /' core.dump > core.dump.new
#svnadmin load core < core.dump.new

# cat /root/.hgrc
[extensions]
hgext.convert =

#hg convert file:///data/test/core/

#mkdir -p /var/mercurial/

#mv /data/test/core-hg /var/mercurial/

#chown -R www-data:www-data /var/mercurial/

#chmod -R 700 /var/mercurial/

然后建立Mercurial：

# mkdir /var/www/cgi-bin/
# cp /usr/share/doc/mercurial/examples/hgweb.wsgi /var/www/cgi-bin/
# cat /var/www/cgi-bin/hgweb.config
[web]
style = coal
allow_push = *
push_ssl = false

[paths]
/ =  /data/mercurial/**

#chmod +x /var/www/cgi-bin/hgwebdir.wsgi

修改 /var/www/cgi-bin/hgwebdir.wsgi 文件，最后一行的“application = hgwebdir(‘hgweb.config’)“修改为：

application = hgwebdir('/var/www/cgi-bin/hgweb.config')

配置apache2，使之运行wsgi模式的Mercurial:

#apt-get install libapache2-mod-wsgi

在需要加入的VirtualHost里加入：

WSGIScriptAliasMatch ^(.*)$ /var/www/cgi-bin/hgwebdir.wsgi$1

	Options FollowSymlinks
	DirectoryIndex index.html
	AuthType Basic
	AuthName "Subversion Repository"
	AuthUserFile /etc/apache2/dav_svn.passwd
	Require valid-user



	Options ExecCGI FollowSymlinks
	AddHandler wsgi-script .wsgi
	AuthType Basic
	AuthName "Subversion Repository"
	AuthUserFile /etc/apache2/dav_svn.passwd
	Require valid-user

重启apache2，然后就开始使用吧。

完美的校园招聘

qingran — Thu, 11 Nov 2010 16:39:01 +0000

从10月份开始公司在做今年的校园招聘，由于我所在的项目组程序还有编制，所以就从人力资源的同事哪里了解到了校园招聘的一些情况。

这个事情的整个过程是公司企业文化的一个生动体现：大家都很努力的去做好自己分内的事情，这个努力绝对不是口头上的，是完完全全落实在行动上的；并且非常重视细节，在各个地方实施的都很有可圈可点之处。

主管程序招聘人力资源同事的专业性和敬业精神尤其值得肯定。在校园招聘开始之前一个月就要求各个部门分别出10道题，最后他汇总成今年的笔试题。在几个主要城市宣讲和笔试之后，人力资源的同事又对笔试题和简历进行了初步的筛选。并且根据学生的特点分成了：3D引擎，客户端，服务器端和互联网开发。

今天上午又召集了所有工作室的程序负责人，以及引擎中心的boss，以及主管技术的大boss一起看卷子挑简历。

从看答题的情况和简历看，今年的应届生出色的太多了，要是没有人员限制真是想全部拿下。

而我组的预算限制我们只能要2个人。这样简历中是否有大公司的实习经历；做过的项目情况；基础题目的正确率，以及我关注的自由发挥的题目就成为了选择的重要依据。

挑了一上午，看了100+的笔试题和面试题，最终挑了大概6个人，准备进行面试。

最后感叹一句，计算机软件真是火箭行业，现在的应届生的能力已经远超当年的我。。。

革命尚未成功，同志尚需努力。

試試iphone的繁體字

qingran — Tue, 26 Oct 2010 10:09:24 +0000

測試繁體字功能

测试wordpress iphone app发博客

qingran — Tue, 26 Oct 2010 09:43:09 +0000

刚刚安装了iphone的wordpress应用,测试一下。

用Linux Kernel源代码绘制的企鹅

qingran — Fri, 20 Aug 2010 15:46:38 +0000

刚看到一张由专业的海报设计公司Postertext设计的Linux海报，它由Kernel 2.6.34.1版本的源代码“绘制”而成，取自以下部分：sched.c、sched_clock.c、sched_cpupri.c、sched_cpupri.h、sched_debug.c、sched_fair.c。

Postertext是一家海报设计公司，专业从事将文学名著作品以文字形式制作成海报。日前Postertext完成一件新的作品，那就是用Linux Kernel源代码完成的Linux企鹅海报。

MySQL的莫名故障

qingran — Wed, 18 Aug 2010 16:32:45 +0000

博客的wordpress的mysql数据库突然故障，报了一下错误，同时把我VPS的CPU搞到了100%

Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_commentmeta' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_commentmeta'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_comments' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_comments'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_options' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_options'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_postmeta' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_postmeta'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_posts' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_posts'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_term_relationships' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_term_relationships'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_term_taxonomy' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_term_taxonomy'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_terms' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_terms'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_usermeta' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_usermeta'
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [ERROR] /usr/sbin/mysqld: Table './qingran_blog/wp_users' is marked as crashed and should be repaired
Aug 18 23:36:29 www mysqld: 100818 23:36:29 [Warning] Checking table:   './qingran_blog/wp_users'
Aug 18 23:40:48 www ntpd[2718]: synchronized to 91.189.94.4, stratum 2

奇怪了，这个mysql的访问量很低，怎么会有如此问题？尝试mysqld restart，备份数据库，执行mysqlcheck和myisamchk，居然任何错误没有，一切正常。。。
这是我遇到的第n次mysql奇怪问题这两天找时间换PostgreSQL！

如何实现团队成员的最大价值？

qingran — Tue, 10 Aug 2010 10:35:41 +0000

如何让团队的效率最大化，那么就团队中的每位成员的价值应该最大化，同时亲密无间、步调一致的前进。

团队的整体效率是做乘法。

摘录以前一位领导的博客上的一段话做为这个总结：

“””

这里我不想说其它的什么，做为一个管理者，做为一个团队的leader，让每一位同事实现他们的价值是你的工作任务。更准确的来讲，绩效出现问题时，问题首先出在管理者身上，如果这个人的本质并没有问题，哪么他为什么就会这样面对工作呢？为什么就不能达成你所期望的目标呢？

答案只有一个：为提高每一位工作同事的价值为理念，改进工作方法，提高自己对于每一位同事的关注度（一定不是电子邮件，更多的是要去面对面的和他们一起工作），当好部下的打工仔，为他们的价值而高兴！

记在这里，希望能为一些同事有一些启发。

“””

此篇博文地址

http://blog.sina.com.cn/s/blog_5595d51401000bcm.html

[转载]Google MapReduce中文版

qingran — Fri, 06 Aug 2010 12:22:38 +0000

Google MapReduce原文 http://labs.google.com/papers/mapreduce.html

本文的Google MapReduce中文翻译源自 http://blademaster.ixiezi.com/2010/03/27/google-mapreduce中文版/

摘要

MapReduce是一个编程模型，也是一个处理和生成超大数据集的算法模型的相关实现。用户首先创建一个Map函数处理一个基于key/value pair的数据集合，输出中间的基于key/value pair的数据集合；然后再创建一个Reduce函数用来合并所有的具有相同中间key值的中间value值。现实世界中有很多满足上述处理模型的例子，本论文将详细描述这个模型。

MapReduce架构的程序能够在大量的普通配置的计算机上实现并行化处理。这个系统在运行时只关心：如何分割输入数据，在大量计算机组成的集群上的调度，集群中计算机的错误处理，管理集群中计算机之间必要的通信。采用MapReduce架构可以使那些没有并行计算和分布式处理系统开发经验的程序员有效利用分布式系统的丰富资源。

我们的MapReduce实现运行在规模可以灵活调整的由普通机器组成的集群上：一个典型的MapReduce计算往往由几千台机器组成、处理以TB计算的数据。程序员发现这个系统非常好用：已经实现了数以百计的MapReduce程序，在Google的集群上，每天都有1000多个 MapReduce程序在执行。

1、介绍

在过去的5年里，包括本文作者在内的Google的很多程序员，为了处理海量的原始数据，已经实现了数以百计的、专用的计算方法。这些计算方法用来处理大量的原始数据，比如，文档抓取（类似网络爬虫的程序）、Web请求日志等等；也为了计算处理各种类型的衍生数据，比如倒排索引、Web文档的图结构的各种表示形势、每台主机上网络爬虫抓取的页面数量的汇总、每天被请求的最多的查询的集合等等。大多数这样的数据处理运算在概念上很容易理解。然而由于输入的数据量巨大，因此要想在可接受的时间内完成运算，只有将这些计算分布在成百上千的主机上。如何处理并行计算、如何分发数据、如何处理错误？所有这些问题综合在一起，需要大量的代码处理，因此也使得原本简单的运算变得难以处理。

为了解决上述复杂的问题，我们设计一个新的抽象模型，使用这个抽象模型，我们只要表述我们想要执行的简单运算即可，而不必关心并行计算、容错、数据分布、负载均衡等复杂的细节，这些问题都被封装在了一个库里面。设计这个抽象模型的灵感来自Lisp和许多其他函数式语言的Map和Reduce的原语。我们意识到我们大多数的运算都包含这样的操作：在输入数据的“逻辑”记录上应用Map操作得出一个中间key/value pair集合，然后在所有具有相同key值的value值上应用Reduce操作，从而达到合并中间的数据，得到一个想要的结果的目的。使用 MapReduce模型，再结合用户实现的Map和Reduce函数，我们就可以非常容易的实现大规模并行化计算；通过MapReduce模型自带的“再次执行”（re-execution）功能，也提供了初级的容灾实现方案。

这个工作(实现一个MapReduce框架模型)的主要贡献是通过简单的接口来实现自动的并行化和大规模的分布式计算，通过使用MapReduce模型接口实现在大量普通的PC机上高性能计算。

第二部分描述基本的编程模型和一些使用案例。第三部分描述了一个经过裁剪的、适合我们的基于集群的计算环境的MapReduce实现。第四部分描述我们认为在MapReduce编程模型中一些实用的技巧。第五部分对于各种不同的任务，测量我们MapReduce实现的性能。第六部分揭示了在 Google内部如何使用MapReduce作为基础重写我们的索引系统产品，包括其它一些使用MapReduce的经验。第七部分讨论相关的和未来的工作。

2、编程模型

MapReduce编程模型的原理是：利用一个输入key/value pair集合来产生一个输出的key/value pair集合。MapReduce库的用户用两个函数表达这个计算：Map和Reduce。

用户自定义的Map函数接受一个输入的key/value pair值，然后产生一个中间key/value pair值的集合。MapReduce库把所有具有相同中间key值I的中间value值集合在一起后传递给reduce函数。

用户自定义的Reduce函数接受一个中间key的值I和相关的一个value值的集合。Reduce函数合并这些value值，形成一个较小的value值的集合。一般的，每次Reduce函数调用只产生0或1个输出value值。通常我们通过一个迭代器把中间value值提供给Reduce 函数，这样我们就可以处理无法全部放入内存中的大量的value值的集合。

2.1、例子

例如，计算一个大的文档集合中每个单词出现的次数，下面是伪代码段：
map(String key, String value):
// key: document name
// value: document contents
for each word w in value:
EmitIntermediate(w, “1″);
reduce(String key, Iterator values):
// key: a word
// values: a list of counts
int result = 0;
for each v in values:
result += ParseInt(v);
Emit(AsString(result));

Map函数输出文档中的每个词、以及这个词的出现次数(在这个简单的例子里就是1)。Reduce函数把Map函数产生的每一个特定的词的计数累加起来。

另外，用户编写代码，使用输入和输出文件的名字、可选的调节参数来完成一个符合MapReduce模型规范的对象，然后调用MapReduce 函数，并把这个规范对象传递给它。用户的代码和MapReduce库链接在一起(用C++实现)。附录A包含了这个实例的全部程序代码。

2.2、类型

尽管在前面例子的伪代码中使用了以字符串表示的输入输出值，但是在概念上，用户定义的Map和Reduce函数都有相关联的类型：
map(k1,v1) ->list(k2,v2)
reduce(k2,list(v2)) ->list(v2)
比如，输入的key和value值与输出的key和value值在类型上推导的域不同。此外，中间key和value值与输出key和value值在类型上推导的域相同。

（alex注：原文中这个domain的含义不是很清楚，我参考Hadoop、KFS等实现，map和reduce都使用了泛型，因此，我把domain翻译成类型推导的域）。
我们的C++中使用字符串类型作为用户自定义函数的输入输出，用户在自己的代码中对字符串进行适当的类型转换。

2.3、更多的例子

这里还有一些有趣的简单例子，可以很容易的使用MapReduce模型来表示：

分布式的Grep：Map函数输出匹配某个模式的一行，Reduce函数是一个恒等函数，即把中间数据复制到输出。
计算URL访问频率：Map函数处理日志中web页面请求的记录，然后输出(URL,1)。Reduce函数把相同URL的value值都累加起来，产生(URL,记录总数)结果。
倒转网络链接图：Map函数在源页面（source）中搜索所有的链接目标（target）并输出为(target,source)。Reduce函数把给定链接目标（target）的链接组合成一个列表，输出(target,list(source))。
每个主机的检索词向量：检索词向量用一个(词,频率)列表来概述出现在文档或文档集中的最重要的一些词。Map函数为每一个输入文档输出(主机名,检索词向量)，其中主机名来自文档的URL。Reduce函数接收给定主机的所有文档的检索词向量，并把这些检索词向量加在一起，丢弃掉低频的检索词，输出一个最终的(主机名,检索词向量)。
倒排索引：Map函数分析每个文档输出一个(词,文档号)的列表，Reduce函数的输入是一个给定词的所有（词，文档号），排序所有的文档号，输出(词,list（文档号）)。所有的输出集合形成一个简单的倒排索引，它以一种简单的算法跟踪词在文档中的位置。
分布式排序：Map函数从每个记录提取key，输出(key,record)。Reduce函数不改变任何的值。这个运算依赖分区机制(在4.1描述)和排序属性(在4.2描述)。

3、实现

MapReduce模型可以有多种不同的实现方式。如何正确选择取决于具体的环境。例如，一种实现方式适用于小型的共享内存方式的机器，另外一种实现方式则适用于大型NUMA架构的多处理器的主机，而有的实现方式更适合大型的网络连接集群。

本章节描述一个适用于Google内部广泛使用的运算环境的实现：用以太网交换机连接、由普通PC机组成的大型集群。在我们的环境里包括：
1.x86架构、运行Linux操作系统、双处理器、2-4GB内存的机器。
2.普通的网络硬件设备，每个机器的带宽为百兆或者千兆，但是远小于网络的平均带宽的一半。 （alex注：这里需要网络专家解释一下了）
3.集群中包含成百上千的机器，因此，机器故障是常态。
4.存储为廉价的内置IDE硬盘。一个内部分布式文件系统用来管理存储在这些磁盘上的数据。文件系统通过数据复制来在不可靠的硬件上保证数据的可靠性和有效性。
5.用户提交工作（job）给调度系统。每个工作（job）都包含一系列的任务（task），调度系统将这些任务调度到集群中多台可用的机器上。

3.1、执行概括

通过将Map调用的输入数据自动分割为M个数据片段的集合，Map调用被分布到多台机器上执行。输入的数据片段能够在不同的机器上并行处理。使用分区函数将Map调用产生的中间key值分成R个不同分区（例如，hash(key) mod R），Reduce调用也被分布到多台机器上执行。分区数量（R）和分区函数由用户来指定。

图1展示了我们的MapReduce实现中操作的全部流程。当用户调用MapReduce函数时，将发生下面的一系列动作（下面的序号和图1中的序号一一对应）：
1.用户程序首先调用的MapReduce库将输入文件分成M个数据片度，每个数据片段的大小一般从 16MB到64MB(可以通过可选的参数来控制每个数据片段的大小)。然后用户程序在机群中创建大量的程序副本。 （alex：copies of the program还真难翻译）
2.这些程序副本中的有一个特殊的程序–master。副本中其它的程序都是worker程序，由master分配任务。有M个Map任务和R个Reduce任务将被分配，master将一个Map任务或Reduce任务分配给一个空闲的worker。
3.被分配了map任务的worker程序读取相关的输入数据片段，从输入的数据片段中解析出key/value pair，然后把key/value pair传递给用户自定义的Map函数，由Map函数生成并输出的中间key/value pair，并缓存在内存中。
4.缓存中的key/value pair通过分区函数分成R个区域，之后周期性的写入到本地磁盘上。缓存的key/value pair在本地磁盘上的存储位置将被回传给master，由master负责把这些存储位置再传送给Reduce worker。
5.当Reduce worker程序接收到master程序发来的数据存储位置信息后，使用RPC从Map worker所在主机的磁盘上读取这些缓存数据。当Reduce worker读取了所有的中间数据后，通过对key进行排序后使得具有相同key值的数据聚合在一起。由于许多不同的key值会映射到相同的Reduce 任务上，因此必须进行排序。如果中间数据太大无法在内存中完成排序，那么就要在外部进行排序。
6.Reduce worker程序遍历排序后的中间数据，对于每一个唯一的中间key值，Reduce worker程序将这个key值和它相关的中间value值的集合传递给用户自定义的Reduce函数。Reduce函数的输出被追加到所属分区的输出文件。
7.当所有的Map和Reduce任务都完成之后，master唤醒用户程序。在这个时候，在用户程序里的对MapReduce调用才返回。

在成功完成任务之后，MapReduce的输出存放在R个输出文件中（对应每个Reduce任务产生一个输出文件，文件名由用户指定）。一般情况下，用户不需要将这R个输出文件合并成一个文件–他们经常把这些文件作为另外一个MapReduce的输入，或者在另外一个可以处理多个分割文件的分布式应用中使用。

3.2、Master数据结构

Master持有一些数据结构，它存储每一个Map和Reduce任务的状态（空闲、工作中或完成)，以及Worker机器(非空闲任务的机器)的标识。

Master就像一个数据管道，中间文件存储区域的位置信息通过这个管道从Map传递到Reduce。因此，对于每个已经完成的Map任务，master存储了Map任务产生的R个中间文件存储区域的大小和位置。当Map任务完成时，Master接收到位置和大小的更新信息，这些信息被逐步递增的推送给那些正在工作的Reduce任务。

3.3、容错

因为MapReduce库的设计初衷是使用由成百上千的机器组成的集群来处理超大规模的数据，所以，这个库必须要能很好的处理机器故障。

worker故障
master周期性的ping每个worker。如果在一个约定的时间范围内没有收到worker返回的信息，master将把这个 worker标记为失效。所有由这个失效的worker完成的Map任务被重设为初始的空闲状态，之后这些任务就可以被安排给其他的worker。同样的，worker失效时正在运行的Map或Reduce任务也将被重新置为空闲状态，等待重新调度。

当worker故障时，由于已经完成的Map任务的输出存储在这台机器上，Map任务的输出已不可访问了，因此必须重新执行。而已经完成的Reduce任务的输出存储在全局文件系统上，因此不需要再次执行。

当一个Map任务首先被worker A执行，之后由于worker A失效了又被调度到worker B执行，这个“重新执行”的动作会被通知给所有执行Reduce任务的worker。任何还没有从worker A读取数据的Reduce任务将从worker B读取数据。

MapReduce可以处理大规模worker失效的情况。比如，在一个MapReduce操作执行期间，在正在运行的集群上进行网络维护引起 80台机器在几分钟内不可访问了，MapReduce master只需要简单的再次执行那些不可访问的worker完成的工作，之后继续执行未完成的任务，直到最终完成这个MapReduce操作。

master失败
一个简单的解决办法是让master周期性的将上面描述的数据结构（alex注：指3.2节）的写入磁盘，即检查点（checkpoint）。如果这个master任务失效了，可以从最后一个检查点（checkpoint）开始启动另一个 master进程。然而，由于只有一个master进程，master失效后再恢复是比较麻烦的，因此我们现在的实现是如果master失效，就中止 MapReduce运算。客户可以检查到这个状态，并且可以根据需要重新执行MapReduce操作。

在失效方面的处理机制
（alex注：原文为”semantics in the presence of failures”）
当用户提供的Map和Reduce操作是输入确定性函数（即相同的输入产生相同的输出）时，我们的分布式实现在任何情况下的输出都和所有程序没有出现任何错误、顺序的执行产生的输出是一样的。

我们依赖对Map和Reduce任务的输出是原子提交的来完成这个特性。每个工作中的任务把它的输出写到私有的临时文件中。每个Reduce任务生成一个这样的文件，而每个Map任务则生成R个这样的文件（一个Reduce任务对应一个文件）。当一个Map任务完成的时，worker发送一个包含R个临时文件名的完成消息给master。如果master从一个已经完成的Map任务再次接收到到一个完成消息，master将忽略这个消息；否则，master将这R个文件的名字记录在数据结构里。

当Reduce任务完成时，Reduce worker进程以原子的方式把临时文件重命名为最终的输出文件。如果同一个Reduce任务在多台机器上执行，针对同一个最终的输出文件将有多个重命名操作执行。我们依赖底层文件系统提供的重命名操作的原子性来保证最终的文件系统状态仅仅包含一个Reduce任务产生的数据。

使用MapReduce模型的程序员可以很容易的理解他们程序的行为，因为我们绝大多数的Map和Reduce操作是确定性的，而且存在这样的一个事实：我们的失效处理机制等价于一个顺序的执行的操作。当Map或/和Reduce操作是不确定性的时候，我们提供虽然较弱但是依然合理的处理机制。当使用非确定操作的时候，一个Reduce任务R1的输出等价于一个非确定性程序顺序执行产生时的输出。但是，另一个Reduce任务R2的输出也许符合一个不同的非确定顺序程序执行产生的R2的输出。

考虑Map任务M和Reduce任务R1、R2的情况。我们设定e(Ri)是Ri已经提交的执行过程（有且仅有一个这样的执行过程）。当e(R1)读取了由M一次执行产生的输出，而e(R2)读取了由M的另一次执行产生的输出，导致了较弱的失效处理。

3.4、存储位置

在我们的计算运行环境中，网络带宽是一个相当匮乏的资源。我们通过尽量把输入数据(由GFS管理)存储在集群中机器的本地磁盘上来节省网络带宽。GFS把每个文件按64MB一个Block分隔，每个Block保存在多台机器上，环境中就存放了多份拷贝(一般是3个拷贝)。MapReduce的 master在调度Map任务时会考虑输入文件的位置信息，尽量将一个Map任务调度在包含相关输入数据拷贝的机器上执行；如果上述努力失败了，master将尝试在保存有输入数据拷贝的机器附近的机器上执行Map任务(例如，分配到一个和包含输入数据的机器在一个switch里的 worker机器上执行)。当在一个足够大的cluster集群上运行大型MapReduce操作的时候，大部分的输入数据都能从本地机器读取，因此消耗非常少的网络带宽。

3.5、任务粒度

如前所述，我们把Map拆分成了M个片段、把Reduce拆分成R个片段执行。理想情况下，M和R应当比集群中worker的机器数量要多得多。在每台worker机器都执行大量的不同任务能够提高集群的动态的负载均衡能力，并且能够加快故障恢复的速度：失效机器上执行的大量Map任务都可以分布到所有其他的worker机器上去执行。

但是实际上，在我们的具体实现中对M和R的取值都有一定的客观限制，因为master必须执行O(M+R)次调度，并且在内存中保存O(M*R)个状态（对影响内存使用的因素还是比较小的：O(M*R)块状态，大概每对Map任务/Reduce任务1个字节就可以了）。

更进一步，R值通常是由用户指定的，因为每个Reduce任务最终都会生成一个独立的输出文件。实际使用时我们也倾向于选择合适的M值，以使得每一个独立任务都是处理大约16M到64M的输入数据（这样，上面描写的输入数据本地存储优化策略才最有效），另外，我们把R值设置为我们想使用的 worker机器数量的小的倍数。我们通常会用这样的比例来执行MapReduce：M=200000，R=5000，使用2000台worker机器。

3.6、备用任务

影响一个MapReduce的总执行时间最通常的因素是“落伍者”：在运算过程中，如果有一台机器花了很长的时间才完成最后几个Map或 Reduce任务，导致MapReduce操作总的执行时间超过预期。出现“落伍者”的原因非常多。比如：如果一个机器的硬盘出了问题，在读取的时候要经常的进行读取纠错操作，导致读取数据的速度从30M/s降低到1M/s。如果cluster的调度系统在这台机器上又调度了其他的任务，由于CPU、内存、本地硬盘和网络带宽等竞争因素的存在，导致执行MapReduce代码的执行效率更加缓慢。我们最近遇到的一个问题是由于机器的初始化代码有bug，导致关闭了的处理器的缓存：在这些机器上执行任务的性能和正常情况相差上百倍。

我们有一个通用的机制来减少“落伍者”出现的情况。当一个MapReduce操作接近完成的时候，master调度备用（backup）任务进程来执行剩下的、处于处理中状态（in-progress）的任务。无论是最初的执行进程、还是备用（backup）任务进程完成了任务，我们都把这个任务标记成为已经完成。我们调优了这个机制，通常只会占用比正常操作多几个百分点的计算资源。我们发现采用这样的机制对于减少超大MapReduce操作的总处理时间效果显著。例如，在5.3节描述的排序任务，在关闭掉备用任务的情况下要多花44%的时间完成排序任务。

4、技巧

虽然简单的Map和Reduce函数提供的基本功能已经能够满足大部分的计算需要，我们还是发掘出了一些有价值的扩展功能。本节将描述这些扩展功能。

4.1、分区函数

MapReduce的使用者通常会指定Reduce任务和Reduce任务输出文件的数量（R）。我们在中间key上使用分区函数来对数据进行分区，之后再输入到后续任务执行进程。一个缺省的分区函数是使用hash方法(比如，hash(key) mod R)进行分区。hash方法能产生非常平衡的分区。然而，有的时候，其它的一些分区函数对key值进行的分区将非常有用。比如，输出的key值是 URLs，我们希望每个主机的所有条目保持在同一个输出文件中。为了支持类似的情况，MapReduce库的用户需要提供专门的分区函数。例如，使用 “hash(Hostname(urlkey)) mod R”作为分区函数就可以把所有来自同一个主机的URLs保存在同一个输出文件中。

4.2、顺序保证

我们确保在给定的分区中，中间key/value pair数据的处理顺序是按照key值增量顺序处理的。这样的顺序保证对每个分成生成一个有序的输出文件，这对于需要对输出文件按key值随机存取的应用非常有意义，对在排序输出的数据集也很有帮助。

4.3、Combiner函数

在某些情况下，Map函数产生的中间key值的重复数据会占很大的比重，并且，用户自定义的Reduce函数满足结合律和交换律。在2.1节的词数统计程序是个很好的例子。由于词频率倾向于一个zipf分布(齐夫分布)，每个Map任务将产生成千上万个这样的记录。所有的这些记录将通过网络被发送到一个单独的Reduce任务，然后由这个Reduce任务把所有这些记录累加起来产生一个数字。我们允许用户指定一个可选的combiner函数，combiner函数首先在本地将这些记录进行一次合并，然后将合并的结果再通过网络发送出去。

Combiner函数在每台执行Map任务的机器上都会被执行一次。一般情况下，Combiner和Reduce函数是一样的。 Combiner函数和Reduce函数之间唯一的区别是MapReduce库怎样控制函数的输出。Reduce函数的输出被保存在最终的输出文件里，而 Combiner函数的输出被写到中间文件里，然后被发送给Reduce任务。

部分的合并中间结果可以显著的提高一些MapReduce操作的速度。附录A包含一个使用combiner函数的例子。

4.4、输入和输出的类型

MapReduce库支持几种不同的格式的输入数据。比如，文本模式的输入数据的每一行被视为是一个key/value pair。key是文件的偏移量，value是那一行的内容。另外一种常见的格式是以key进行排序来存储的key/value pair的序列。每种输入类型的实现都必须能够把输入数据分割成数据片段，该数据片段能够由单独的Map任务来进行后续处理(例如，文本模式的范围分割必须确保仅仅在每行的边界进行范围分割)。虽然大多数MapReduce的使用者仅仅使用很少的预定义输入类型就满足要求了，但是使用者依然可以通过提供一个简单的Reader接口实现就能够支持一个新的输入类型。

Reader并非一定要从文件中读取数据，比如，我们可以很容易的实现一个从数据库里读记录的Reader，或者从内存中的数据结构读取数据的Reader。

类似的，我们提供了一些预定义的输出数据的类型，通过这些预定义类型能够产生不同格式的数据。用户采用类似添加新的输入数据类型的方式增加新的输出类型。

4.5、副作用

在某些情况下，MapReduce的使用者发现，如果在Map和/或Reduce操作过程中增加辅助的输出文件会比较省事。我们依靠程序writer把这种“副作用”变成原子的和幂等的（alex注：幂等的指一个总是产生相同结果的数学运算）。通常应用程序首先把输出结果写到一个临时文件中，在输出全部数据之后，在使用系统级的原子操作rename重新命名这个临时文件。

如果一个任务产生了多个输出文件，我们没有提供类似两阶段提交的原子操作支持这种情况。因此，对于会产生多个输出文件、并且对于跨文件有一致性要求的任务，都必须是确定性的任务。但是在实际应用过程中，这个限制还没有给我们带来过麻烦。

4.6、跳过损坏的记录

有时候，用户程序中的bug导致Map或者Reduce函数在处理某些记录的时候crash掉，MapReduce操作无法顺利完成。惯常的做法是修复bug后再次执行MapReduce操作，但是，有时候找出这些bug并修复它们不是一件容易的事情；这些bug也许是在第三方库里边，而我们手头没有这些库的源代码。而且在很多时候，忽略一些有问题的记录也是可以接受的，比如在一个巨大的数据集上进行统计分析的时候。我们提供了一种执行模式，在这种模式下，为了保证保证整个处理能继续进行，MapReduce会检测哪些记录导致确定性的crash，并且跳过这些记录不处理。

每个worker进程都设置了信号处理函数捕获内存段异常（segmentation violation）和总线错误（bus error）。在执行Map或者Reduce操作之前，MapReduce库通过全局变量保存记录序号。如果用户程序触发了一个系统信号，消息处理函数将用“最后一口气”通过UDP包向master发送处理的最后一条记录的序号。当master看到在处理某条特定记录不止失败一次时，master就标志着条记录需要被跳过，并且在下次重新执行相关的Map或者Reduce任务的时候跳过这条记录。

4.7、本地执行

调试Map和Reduce函数的bug是非常困难的，因为实际执行操作时不但是分布在系统中执行的，而且通常是在好几千台计算机上执行，具体的执行位置是由master进行动态调度的，这又大大增加了调试的难度。为了简化调试、profile和小规模测试，我们开发了一套MapReduce库的本地实现版本，通过使用本地版本的MapReduce库，MapReduce操作在本地计算机上顺序的执行。用户可以控制MapReduce操作的执行，可以把操作限制到特定的Map任务上。用户通过设定特别的标志来在本地执行他们的程序，之后就可以很容易的使用本地调试和测试工具（比如gdb）。

4.8、状态信息

master使用嵌入式的HTTP服务器（如Jetty）显示一组状态信息页面，用户可以监控各种执行状态。状态信息页面显示了包括计算执行的进度，比如已经完成了多少任务、有多少任务正在处理、输入的字节数、中间数据的字节数、输出的字节数、处理百分比等等。页面还包含了指向每个任务的 stderr和stdout文件的链接。用户根据这些数据预测计算需要执行大约多长时间、是否需要增加额外的计算资源。这些页面也可以用来分析什么时候计算执行的比预期的要慢。

另外，处于最顶层的状态页面显示了哪些worker失效了，以及他们失效的时候正在运行的Map和Reduce任务。这些信息对于调试用户代码中的bug很有帮助。

4.9、计数器

MapReduce库使用计数器统计不同事件发生次数。比如，用户可能想统计已经处理了多少个单词、已经索引的多少篇German文档等等。

为了使用这个特性，用户在程序中创建一个命名的计数器对象，在Map和Reduce函数中相应的增加计数器的值。例如：
Counter* uppercase;
uppercase = GetCounter(“uppercase”);

map(String name, String contents):
for each word w in contents:
if (IsCapitalized(w)):
uppercase->Increment();
EmitIntermediate(w, “1″);

这些计数器的值周期性的从各个单独的worker机器上传递给master（附加在ping的应答包中传递）。master把执行成功的Map和Reduce任务的计数器值进行累计，当MapReduce操作完成之后，返回给用户代码。

计数器当前的值也会显示在master的状态页面上，这样用户就可以看到当前计算的进度。当累加计数器的值的时候，master要检查重复运行的Map或者Reduce任务，避免重复累加（之前提到的备用任务和失效后重新执行任务这两种情况会导致相同的任务被多次执行）。

有些计数器的值是由MapReduce库自动维持的，比如已经处理的输入的key/value pair的数量、输出的key/value pair的数量等等。

计数器机制对于MapReduce操作的完整性检查非常有用。比如，在某些MapReduce操作中，用户需要确保输出的key value pair精确的等于输入的key value pair，或者处理的German文档数量在处理的整个文档数量中属于合理范围。

5、性能

本节我们用在一个大型集群上运行的两个计算来衡量MapReduce的性能。一个计算在大约1TB的数据中进行特定的模式匹配，另一个计算对大约1TB的数据进行排序。

这两个程序在大量的使用MapReduce的实际应用中是非常典型的 — 一类是对数据格式进行转换，从一种表现形式转换为另外一种表现形式；另一类是从海量数据中抽取少部分的用户感兴趣的数据。

5.1、集群配置

所有这些程序都运行在一个大约由1800台机器构成的集群上。每台机器配置2个2G主频、支持超线程的Intel Xeon处理器，4GB的物理内存，两个160GB的IDE硬盘和一个千兆以太网卡。这些机器部署在一个两层的树形交换网络中，在root节点大概有 100-200GBPS的传输带宽。所有这些机器都采用相同的部署（对等部署），因此任意两点之间的网络来回时间小于1毫秒。

在4GB内存里，大概有1-1.5G用于运行在集群上的其他任务。测试程序在周末下午开始执行，这时主机的CPU、磁盘和网络基本上处于空闲状态。

5.2、GREP

这个分布式的grep程序需要扫描大概10的10次方个由100个字节组成的记录，查找出现概率较小的3个字符的模式（这个模式在92337个记录中出现）。输入数据被拆分成大约64M的Block（M=15000），整个输出数据存放在一个文件中（R=1）。

图2显示了这个运算随时间的处理过程。其中Y轴表示输入数据的处理速度。处理速度随着参与MapReduce计算的机器数量的增加而增加，当 1764台worker参与计算的时，处理速度达到了30GB/s。当Map任务结束的时候，即在计算开始后80秒，输入的处理速度降到0。整个计算过程从开始到结束一共花了大概150秒。这包括了大约一分钟的初始启动阶段。初始启动阶段消耗的时间包括了是把这个程序传送到各个worker机器上的时间、等待GFS文件系统打开1000个输入文件集合的时间、获取相关的文件本地位置优化信息的时间。

5.3、排序

排序程序处理10的10次方个100个字节组成的记录（大概1TB的数据）。这个程序模仿TeraSort benchmark[10]。

排序程序由不到50行代码组成。只有三行的Map函数从文本行中解析出10个字节的key值作为排序的key，并且把这个key和原始文本行作为中间的key/value pair值输出。我们使用了一个内置的恒等函数作为Reduce操作函数。这个函数把中间的key/value pair值不作任何改变输出。最终排序结果输出到两路复制的GFS文件系统（也就是说，程序输出2TB的数据）。

如前所述，输入数据被分成64MB的Block（M=15000）。我们把排序后的输出结果分区后存储到4000个文件（R=4000）。分区函数使用key的原始字节来把数据分区到R个片段中。

在这个benchmark测试中，我们使用的分区函数知道key的分区情况。通常对于排序程序来说，我们会增加一个预处理的MapReduce操作用于采样key值的分布情况，通过采样的数据来计算对最终排序处理的分区点。

图三（a）显示了这个排序程序的正常执行过程。左上的图显示了输入数据读取的速度。数据读取速度峰值会达到13GB/s，并且所有Map任务完成之后，即大约200秒之后迅速滑落到0。值得注意的是，排序程序输入数据读取速度小于分布式grep程序。这是因为排序程序的Map任务花了大约一半的处理时间和I/O带宽把中间输出结果写到本地硬盘。相应的分布式grep程序的中间结果输出几乎可以忽略不计。

左边中间的图显示了中间数据从Map任务发送到Reduce任务的网络速度。这个过程从第一个Map任务完成之后就开始缓慢启动了。图示的第一个高峰是启动了第一批大概1700个Reduce任务（整个MapReduce分布到大概1700台机器上，每台机器1次最多执行1个Reduce任务）。排序程序运行大约300秒后，第一批启动的Reduce任务有些完成了，我们开始执行剩下的Reduce任务。所有的处理在大约600秒后结束。

左下图表示Reduce任务把排序后的数据写到最终的输出文件的速度。在第一个排序阶段结束和数据开始写入磁盘之间有一个小的延时，这是因为 worker机器正在忙于排序中间数据。磁盘写入速度在2-4GB/s持续一段时间。输出数据写入磁盘大约持续850秒。计入初始启动部分的时间，整个运算消耗了891秒。这个速度和TeraSort benchmark[18]的最高纪录1057秒相差不多。

还有一些值得注意的现象：输入数据的读取速度比排序速度和输出数据写入磁盘速度要高不少，这是因为我们的输入数据本地化优化策略起了作用 — 绝大部分数据都是从本地硬盘读取的，从而节省了网络带宽。排序速度比输出数据写入到磁盘的速度快，这是因为输出数据写了两份（我们使用了2路的GFS文件系统，写入复制节点的原因是为了保证数据可靠性和可用性）。我们把输出数据写入到两个复制节点的原因是因为这是底层文件系统的保证数据可靠性和可用性的实现机制。如果底层文件系统使用类似容错编码[14](erasure coding)的方式而不是复制的方式保证数据的可靠性和可用性，那么在输出数据写入磁盘的时候，就可以降低网络带宽的使用。

5.4、高效的backup任务

图三（b）显示了关闭了备用任务后排序程序执行情况。执行的过程和图3（a）很相似，除了输出数据写磁盘的动作在时间上拖了一个很长的尾巴，而且在这段时间里，几乎没有什么写入动作。在960秒后，只有5个Reduce任务没有完成。这些拖后腿的任务又执行了300秒才完成。整个计算消耗了 1283秒，多了44%的执行时间。

5.5、失效的机器

在图三（c）中演示的排序程序执行的过程中，我们在程序开始后几分钟有意的kill了1746个worker中的200个。集群底层的调度立刻在这些机器上重新开始新的worker处理进程（因为只是worker机器上的处理进程被kill了，机器本身还在工作）。

图三（c）显示出了一个“负”的输入数据读取速度，这是因为一些已经完成的Map任务丢失了（由于相应的执行Map任务的worker进程被 kill了），需要重新执行这些任务。相关Map任务很快就被重新执行了。整个运算在933秒内完成，包括了初始启动时间（只比正常执行多消耗了5%的时间）。

6、经验

我们在2003年1月完成了第一个版本的MapReduce库，在2003年8月的版本有了显著的增强，这包括了输入数据本地优化、 worker机器之间的动态负载均衡等等。从那以后，我们惊喜的发现，MapReduce库能广泛应用于我们日常工作中遇到的各类问题。它现在在 Google内部各个领域得到广泛应用，包括：

大规模机器学习问题
Google News和Froogle产品的集群问题
从公众查询产品（比如Google的Zeitgeist）的报告中抽取数据。
从大量的新应用和新产品的网页中提取有用信息（比如，从大量的位置搜索网页中抽取地理位置信息）。
大规模的图形计算。

图四显示了在我们的源代码管理系统中，随着时间推移，独立的MapReduce程序数量的显著增加。从2003年早些时候的0个增长到2004 年9月份的差不多900个不同的程序。MapReduce的成功取决于采用MapReduce库能够在不到半个小时时间内写出一个简单的程序，这个简单的程序能够在上千台机器的组成的集群上做大规模并发处理，这极大的加快了开发和原形设计的周期。另外，采用MapReduce库，可以让完全没有分布式和/ 或并行系统开发经验的程序员很容易的利用大量的资源，开发出分布式和/或并行处理的应用。

在每个任务结束的时候，MapReduce库统计计算资源的使用状况。在表1，我们列出了2004年8月份MapReduce运行的任务所占用的相关资源。

6.1、大规模索引

到目前为止，MapReduce最成功的应用就是重写了Google网络搜索服务所使用到的index系统。索引系统的输入数据是网络爬虫抓取回来的海量的文档，这些文档数据都保存在GFS文件系统里。这些文档原始内容（alex注：raw contents，我认为就是网页中的剔除html标记后的内容、pdf和word等有格式文档中提取的文本内容等）的大小超过了20TB。索引程序是通过一系列的MapReduce操作（大约5到10次）来建立索引。使用MapReduce（替换上一个特别设计的、分布式处理的索引程序）带来这些好处：

实现索引部分的代码简单、小巧、容易理解，因为对于容错、分布式以及并行计算的处理都是MapReduce库提供的。比如，使用MapReduce库，计算的代码行数从原来的3800行C++代码减少到大概700行代码。
MapReduce库的性能已经足够好了，因此我们可以把在概念上不相关的计算步骤分开处理，而不是混在一起以期减少数据传递的额外消耗。概念上不相关的计算步骤的隔离也使得我们可以很容易改变索引处理方式。比如，对之前的索引系统的一个小更改可能要耗费好几个月的时间，但是在使用 MapReduce的新系统上，这样的更改只需要花几天时间就可以了。
索引系统的操作管理更容易了。因为由机器失效、机器处理速度缓慢、以及网络的瞬间阻塞等引起的绝大部分问题都已经由MapReduce库解决了，不再需要操作人员的介入了。另外，我们可以通过在索引系统集群中增加机器的简单方法提高整体处理性能。

7、相关工作

很多系统都提供了严格的编程模式，并且通过对编程的严格限制来实现并行计算。例如，一个结合函数可以通过把N个元素的数组的前缀在N个处理器上使用并行前缀算法，在log N的时间内计算完[6，9，13]（alex注：完全没有明白作者在说啥，具体参考相关6、9、13文档）。MapReduce可以看作是我们结合在真实环境下处理海量数据的经验，对这些经典模型进行简化和萃取的成果。更加值得骄傲的是，我们还实现了基于上千台处理器的集群的容错处理。相比而言，大部分并发处理系统都只在小规模的集群上实现，并且把容错处理交给了程序员。

Bulk Synchronous Programming[17]和一些MPI原语[11]提供了更高级别的并行处理抽象，可以更容易写出并行处理的程序。MapReduce和这些系统的关键不同之处在于，MapReduce利用限制性编程模式实现了用户程序的自动并发处理，并且提供了透明的容错处理。

我们数据本地优化策略的灵感来源于active disks[12,15]等技术，在active disks中，计算任务是尽量推送到数据存储的节点处理（alex注：即靠近数据源处理），这样就减少了网络和IO子系统的吞吐量。我们在挂载几个硬盘的普通机器上执行我们的运算，而不是在磁盘处理器上执行我们的工作，但是达到的目的一样的。

我们的备用任务机制和Charlotte System[3]提出的eager调度机制比较类似。Eager调度机制的一个缺点是如果一个任务反复失效，那么整个计算就不能完成。我们通过忽略引起故障的记录的方式在某种程度上解决了这个问题。

MapReduce的实现依赖于一个内部的集群管理系统，这个集群管理系统负责在一个超大的、共享机器的集群上分布和运行用户任务。虽然这个不是本论文的重点，但是有必要提一下，这个集群管理系统在理念上和其它系统，如Condor[16]是一样。

MapReduce库的排序机制和NOW-Sort[1]的操作上很类似。读取输入源的机器（map workers）把待排序的数据进行分区后，发送到R个Reduce worker中的一个进行处理。每个Reduce worker在本地对数据进行排序（尽可能在内存中排序）。当然，NOW-Sort没有给用户自定义的Map和Reduce函数的机会，因此不具备 MapReduce库广泛的实用性。

River[2]提供了一个编程模型：处理进程通过分布式队列传送数据的方式进行互相通讯。和MapReduce类似，River系统尝试在不对等的硬件环境下，或者在系统颠簸的情况下也能提供近似平均的性能。River是通过精心调度硬盘和网络的通讯来平衡任务的完成时间。MapReduce 库采用了其它的方法。通过对编程模型进行限制，MapReduce框架把问题分解成为大量的“小”任务。这些任务在可用的worker集群上动态的调度，这样快速的worker就可以执行更多的任务。通过对编程模型进行限制，我们可用在工作接近完成的时候调度备用任务，缩短在硬件配置不均衡的情况下缩小整个操作完成的时间（比如有的机器性能差、或者机器被某些操作阻塞了）。

BAD-FS[5]采用了和MapReduce完全不同的编程模式，它是面向广域网（alex注：wide-area network）的。不过，这两个系统有两个基础功能很类似。（1）两个系统采用重新执行的方式来防止由于失效导致的数据丢失。（2）两个都使用数据本地化调度策略，减少网络通讯的数据量。

TACC[7]是一个用于简化构造高可用性网络服务的系统。和MapReduce一样，它也依靠重新执行机制来实现的容错处理。

8、结束语

MapReduce编程模型在Google内部成功应用于多个领域。我们把这种成功归结为几个方面：首先，由于MapReduce封装了并行处理、容错处理、数据本地化优化、负载均衡等等技术难点的细节，这使得MapReduce库易于使用。即便对于完全没有并行或者分布式系统开发经验的程序员而言；其次，大量不同类型的问题都可以通过MapReduce简单的解决。比如，MapReduce用于生成Google的网络搜索服务所需要的数据、用来排序、用来数据挖掘、用于机器学习，以及很多其它的系统；第三，我们实现了一个在数千台计算机组成的大型集群上灵活部署运行的MapReduce。这个实现使得有效利用这些丰富的计算资源变得非常简单，因此也适合用来解决Google遇到的其他很多需要大量计算的问题。

我们也从MapReduce开发过程中学到了不少东西。首先，约束编程模式使得并行和分布式计算非常容易，也易于构造容错的计算环境；其次，网络带宽是稀有资源。大量的系统优化是针对减少网络传输量为目的的：本地优化策略使大量的数据从本地磁盘读取，中间文件写入本地磁盘、并且只写一份中间文件也节约了网络带宽；第三，多次执行相同的任务可以减少性能缓慢的机器带来的负面影响（alex注：即硬件配置的不平衡），同时解决了由于机器失效导致的数据丢失问题。

9、感谢

（alex注：还是原汁原味的感谢词比较好，这个就不翻译了）Josh Levenberg has been instrumental in revising and extending the user-level MapReduce API with a number of new features based on his experience with using MapReduce and other people’s suggestions for enhancements. MapReduce reads its input from and writes its output to the Google File System [8]. We would like to thank Mohit Aron, Howard Gobioff, Markus Gutschke, David Kramer, Shun-Tak Leung, and Josh Redstone for their work in developing GFS. We would also like to thank Percy Liang and Olcan Sercinoglu for their work in developing the cluster management system used by MapReduce. Mike Burrows, Wilson Hsieh, Josh Levenberg, Sharon Perl, Rob Pike, and Debby Wallach provided helpful comments on earlier drafts of this paper.The anonymous OSDI reviewers, and our shepherd, Eric Brewer, provided many useful suggestions of areas where the paper could be improved. Finally, we thank all the users of MapReduce within Google’s engineering organization for providing helpful feedback, suggestions, and bug reports.

10、参考资料

[1] Andrea C. Arpaci-Dusseau, Remzi H. Arpaci-Dusseau,David E. Culler, Joseph M. Hellerstein, and David A. Patterson.High-performance sorting on networks of workstations.In Proceedings of the 1997 ACM SIGMOD InternationalConference on Management of Data, Tucson,Arizona, May 1997.
[2] Remzi H. Arpaci-Dusseau, Eric Anderson, NoahTreuhaft, David E. Culler, Joseph M. Hellerstein, David Patterson, and Kathy Yelick. Cluster I/O with River:Making the fast case common. In Proceedings of the Sixth Workshop on Input/Output in Parallel and Distributed Systems (IOPADS ‘99), pages 10.22, Atlanta, Georgia, May 1999.
[3] Arash Baratloo, Mehmet Karaul, Zvi Kedem, and Peter Wyckoff. Charlotte: Metacomputing on the web. In Proceedings of the 9th International Conference on Parallel and Distributed Computing Systems, 1996. [4] Luiz A. Barroso, Jeffrey Dean, and Urs H¨olzle. Web search for a planet: The Google cluster architecture. IEEE Micro, 23(2):22.28, April 2003.
[5] John Bent, Douglas Thain, Andrea C.Arpaci-Dusseau, Remzi H. Arpaci-Dusseau, and Miron Livny. Explicit control in a batch-aware distributed file system. In Proceedings of the 1st USENIX Symposium on Networked Systems Design and Implementation NSDI, March 2004.
[6] Guy E. Blelloch. Scans as primitive parallel operations.IEEE Transactions on Computers, C-38(11), November 1989.
[7] Armando Fox, Steven D. Gribble, Yatin Chawathe, Eric A. Brewer, and Paul Gauthier. Cluster-based scalable network services. In Proceedings of the 16th ACM Symposium on Operating System Principles, pages 78. 91, Saint-Malo, France, 1997.
[8] Sanjay Ghemawat, Howard Gobioff, and Shun-Tak Leung. The Google file system. In 19th Symposium on Operating Systems Principles, pages 29.43, Lake George, New York, 2003. To appear in OSDI 2004 12
[9] S. Gorlatch. Systematic efficient parallelization of scan and other list homomorphisms. In L. Bouge, P. Fraigniaud, A. Mignotte, and Y. Robert, editors, Euro-Par’96. Parallel Processing, Lecture Notes in Computer Science 1124, pages 401.408. Springer-Verlag, 1996.
[10] Jim Gray. Sort benchmark home page. http://research.microsoft.com/barc/SortBenchmark/.
[11] William Gropp, Ewing Lusk, and Anthony Skjellum. Using MPI: Portable Parallel Programming with the Message-Passing Interface. MIT Press, Cambridge, MA, 1999.
[12] L. Huston, R. Sukthankar, R.Wickremesinghe, M. Satyanarayanan, G. R. Ganger, E. Riedel, and A. Ailamaki. Diamond: A storage architecture for early discard in interactive search. In Proceedings of the 2004 USENIX File and Storage Technologies FAST Conference, April 2004.
[13] Richard E. Ladner and Michael J. Fischer. Parallel prefix computation. Journal of the ACM, 27(4):831.838, 1980.
[14] Michael O. Rabin. Efficient dispersal of information for security, load balancing and fault tolerance. Journal of the ACM, 36(2):335.348, 1989.
[15] Erik Riedel, Christos Faloutsos, Garth A. Gibson, and David Nagle. Active disks for large-scale data processing. IEEE Computer, pages 68.74, June 2001.
[16] Douglas Thain, Todd Tannenbaum, and Miron Livny. Distributed computing in practice: The Condor experience. Concurrency and Computation: Practice and Experience, 2004.
[17] L. G. Valiant. A bridging model for parallel computation. Communications of the ACM, 33(8):103.111, 1997.
[18] Jim Wyllie. Spsort: How to sort a terabyte quickly. http://alme1.almaden.ibm.com/cs/spsort.pdf.

附录A、单词频率统计

本节包含了一个完整的程序，用于统计在一组命令行指定的输入文件中，每一个不同的单词出现频率。
#include “mapreduce/mapreduce.h”

// User’s map function
class WordCounter : public Mapper {
public:
virtual void Map(const MapInput& input) {
const string& text = input.value();
const int n = text.size();
for (int i = 0; i < n; ) {
// Skip past leading whitespace
while ((i < n) && isspace(text[i]))
i++;

// Find word end
int start = i;
while ((i < n) && !isspace(text[i]))
i++;
if (start < i)
Emit(text.substr(start,i-start),”1″);
}
}
};

REGISTER_MAPPER(WordCounter);

// User’s reduce function
class Adder : public Reducer {
virtual void Reduce(ReduceInput* input) {
// Iterate over all entries with the
// same key and add the values
int64 value = 0;
while (!input->done()) {
value += StringToInt(input->value());
input->NextValue();
}

// Emit sum for input->key()
Emit(IntToString(value));
}
};

REGISTER_REDUCER(Adder);

int main(int argc, char** argv) {
ParseCommandLineFlags(argc, argv);

MapReduceSpecification spec;

// Store list of input files into “spec”
for (int i = 1; i < argc; i++) {
MapReduceInput* input = spec.add_input();
input->set_format(“text”);
input->set_filepattern(argv[i]);
input->set_mapper_class(“WordCounter”);
}

// Specify the output files:
// /gfs/test/freq-00000-of-00100
// /gfs/test/freq-00001-of-00100
// …
MapReduceOutput* out = spec.output();
out->set_filebase(“/gfs/test/freq”);
out->set_num_tasks(100);
out->set_format(“text”);
out->set_reducer_class(“Adder”);

// Optional: do partial sums within map
// tasks to save network bandwidth
out->set_combiner_class(“Adder”);

// Tuning parameters: use at most 2000
// machines and 100 MB of memory per task
spec.set_machines(2000);
spec.set_map_megabytes(100);
spec.set_reduce_megabytes(100);

// Now run it
MapReduceResult result;
if (!MapReduce(spec, &result)) abort();

// Done: ‘result’ structure contains info
// about counters, time taken, number of
// machines used, etc.
return 0;
}

我的失误

FreeBSD 8.1 发布

qingran — Sat, 24 Jul 2010 14:26:55 +0000

FreeBSD.org发布了最新的FreeBSD 8.1.版本，主要的改进在fs和对新CPU的支持，具体如下：

加入zfsloader；
zpool升级到14版本；
UFS和ZFS支持NFSv4 ACL，并且添加入到cp(1), find(1), getfacl(1), mv(1), 和 setfacl(1)；
添加对Sun UltraSPARC IV/IV+和 SPARC64 V的CPU支持
对IBM PowerPC G5加入SMP支持
BIND升级到9.6.2-P2
sendmail升级到8.14.4
OpenSSH升级到5.4p1
GNOME 2.30.1, KDE 4.4.5

详细的release announcement详见 http://www.freebsd.org/releases/8.1R/announce.html

从日本的Mirror下载ISO可以到100KB/s +，ftp://ftp.jp.freebsd.org/pub/FreeBSD/

传统互联网应用和网游技术架构差异

qingran — Wed, 21 Jul 2010 04:16:56 +0000

传统互联网应用（包括电子邮件、博客、以及最近很火的“微博”）在技术架构上强调大用户量、高并发和高PV，并且对7×24小时的不间断运行有强烈的要求。所以在架构上要求横向的可扩展，并且在每一个节点都需要做到冗余。但是每个链接的应用逻辑不太复杂。

网络游戏与之正好相反，在应用逻辑的复杂的前提下，逻辑的正确性和顺序性是最先要保障的。同时游戏的表现力，包括画面的质量，3D动作的流畅，以及音效次之。但对用户量、并发和冗余性都不是非常关注。

现在是这样，未来呢？

Apache2 KeepAlive详解 + subversion优化

qingran — Thu, 08 Jul 2010 17:23:03 +0000

由于现在subversion的数据有10GB之多，并且一次checkout会有10w个文件之多，所以这两天看如何优化一下我们的subversion，其中一个点就是apache2的keep alive参数。

Apache Keep-Alive扩展源自自HTTP/1.0和HTTP/1.1标准的的持久链接特性。提供了相对长效的HTTP链接方式，用以在同一个TCP连接中进行多次HTTP请求。KeepAlive设置出现在Apache 1.2版本以后。

对于HTTP/1.0的客户端来说，仅当客户端指定使用的时候才会使用持久链接连接。此外，仅当能够预先知道传输的内容长度时，才会与HTTP/1.0的客户端建立持久链接连接。而对于HTTP/1.1的客户端来说，如果没有进行特殊指定，持久将是默认的连接方式。如果客户端进行了请求，将使用数据分块以解决在持久链接里发送未知长度内容的问题。

KeepAliveTimeout的设置说明：
Apache在关闭持久连接前等待下一个请求的秒数。一旦收到一个请求，超时值将会被设置为Timeout指令指定的秒数。
对于高负荷服务器来说，KeepAliveTimeout值较大会导致一些性能方面的问题：超时值越大，与空闲客户端保持连接的进程就越多。

MaxKeepAliveRequests的设置说明：
MaxKeepAliveRequests指令限制了当启用KeepAlive时，每个连接允许的请求数量。如果将此值设为”0″，将不限制请求的数目。我们建议最好将此值设为一个比较大的值，以确保最优的服务器性能。

通过Apache的设置说明，我们明白在对于一个包含许多图片、css、js的静态内容网页，客户端会在瞬间发出多个HTTP请求，此时多次建立TCP连接会大大降低响应速度且耗费服务器端资源。此时通过持续连接，可以允许用户在一个TCP连接中发出多个HTTP请求，减少TCP连接建立次数，提高响应速度。我们可以通过access log统计出连续HTTP请求出现的次数、间隔时间、访问量，以确定 MaxKeepAliveRequests 和 KeepAliveTimeout 的值。 KeepAliveTimeout 太小发挥不了持续连接的作用；太大了，该断开连接迟迟的在等待，不仅浪费TCP连接数，而且系统中的apache2的进程数目会因此不断增加，使得系统负载升高。

哪么什么决定着我们是不是要开启KeepAlive的因素就很简单了：就是用户一个页面请求中是否会引发向同一个apache2服务器发出多个HTTP的请求。

但是当你的服务器只是在处理动态网页请求时，由于用户很少会瞬间请求多个动态网页（一般都是打开页面之后阅读好半天才点下一页），此时打开KeepAlive无异于浪费TCP连接数。所以此时应该把KeepAlive off之。

而对于提供静态文件服务，例如图片或静态文件服务，如果一用户需要同时从这个服务上得到数个甚至数十个文件，那么KeepAlive不仅仅能减少TCP的链接请求，更能节省apache2的进程资源。
而对于subversion，由于是一个HTTP同步一个文件，所以特别需要KeepAlive的支持，以下是我的配置：

KeepAlive on
KeepAliveTimeout 5
MaxKeepAliveRequests 0
MaxRequestsPerChild 1000

解决evince中文乱码

qingran — Tue, 06 Jul 2010 06:12:22 +0000

evince打开中文pdf的时候经常是乱码，今天实在忍不了了，google了一翻，其实解决方案很简单：

sudo apt-get install poppler-data

GNU/Linux笔记本CPU频率调整

qingran — Mon, 05 Jul 2010 06:57:26 +0000

笔记本电脑的CPU频率可以使用cpufrequtils来调整。

cpu频率有五档：available cpufreq governors: conservative, ondemand, userspace, powersave, performance。默认是ondemand。

先安装：

sudo apt-get install cpufrequtils

具体使用方法：
sudo cpufreq-set -g 模式

sudo cpufreq-set -g powersave //设置为最低

sudo cpuferq-set -c 设置单个CPU的模式

sudo  cpuferq-set -c 1 -g powersave //双核cpu 设置第二个

sudo cpufreq-set -f 你所需要的频率
sudo cpufreq-set -d 频率下限
sudo cpufreq-set -u 频率上限

更多的请使用万能的“man“吧。

Yaw, Pitch, Roll的含义

qingran — Wed, 23 Jun 2010 04:14:12 +0000

刚刚在wikipedia看到了一个非常好的图示Yaw, Pitch, Roll，摘录如下：

Yaw – Vertical axis

Pitch – Lateral axis

Roll – Longitudinal axis

The Position of All three axes

摘自

http://en.wikipedia.org/wiki/Aircraft_principal_axes

http://en.wikipedia.org/wiki/Yaw,_pitch,_and_roll

Tech – 夏清然的日志

OS X 10.11 El Capitan 三指拖动的开启方法

Macbook OS X 安装配置zsh

[转]热门3D游戏视觉效果名词简介

[转载]2010年互联网使用统计

电子邮件概况：

垃圾邮件统计：

全世界网站概况：

互联网用户数在增长：

社交媒体：

网络媒体流量：

更多的照片：

[转]极客观察：利用人性弱点的互联网服务

版本控制再思考

SVN转换Mercurial，Mercurial的安装

完美的校园招聘

試試iphone的繁體字

测试wordpress iphone app发博客

用Linux Kernel源代码绘制的企鹅

MySQL的莫名故障

如何实现团队成员的最大价值？

[转载]Google MapReduce中文版

摘要

1、介绍

2、编程模型

2.1、例子

2.2、类型

2.3、更多的例子

3、实现

3.1、执行概括

3.2、Master数据结构

3.3、容错

3.4、存储位置

3.5、任务粒度

3.6、备用任务

4、技巧

4.1、分区函数

4.2、顺序保证

4.3、Combiner函数

4.4、输入和输出的类型

4.5、副作用

4.6、跳过损坏的记录

4.7、本地执行

4.8、状态信息

4.9、计数器

5、性能

5.1、集群配置

5.2、GREP

5.3、排序

5.4、高效的backup任务

5.5、失效的机器

6、经验

6.1、大规模索引

7、相关工作

8、结束语

9、感谢

10、参考资料

附录A、单词频率统计

FreeBSD 8.1 发布

传统互联网应用和网游技术架构差异

Apache2 KeepAlive详解 + subversion优化

解决evince中文乱码

GNU/Linux笔记本CPU频率调整

Yaw, Pitch, Roll的含义