大数据经典论文解读

共 60 讲。

目录

• 大数据经典论文解读
• 开篇词 - 读论文是成为优秀工程师的成年礼
• 01 - 什么是大数据：从GFS到Dataflow，12年大数据生态演化图
• 02 - 学习方法：建立你的大数据知识网络
• 03 - The Google File System （一）： Master的三个身份
• 04 - The Google File System （二）： 如何应对网络瓶颈？
• 05 - The Google File System （三）： 多写几次也没关系
• 06 - MapReduce（一）：源起Unix的设计思想
• 07 - MapReduce（二）：不怕失败的计算框架
• 08 - Bigtable（一）：错失百亿的Friendster
• 09 - Bigtable（二）：不认识“主人”的分布式架构
• 10 - Bigtable（三）：SSTable存储引擎详解
• 11 - 通过Thrift序列化：我们要预知未来才能向后兼容吗？
• 12 - 分布式锁Chubby（一） ：交易之前先签合同
• 13 - 分布式锁Chubby（二） ：众口铄金的真相
• 14 - 分布式锁Chubby（三） ：移形换影保障高可用
• 15 - Hive：来来去去的DSL，永生不死的SQL
• 16 - 从Dremel到Parquet（一）：深入剖析列式存储
• 17 - 从Dremel到Parquet（二）：他山之石的MPP数据库
• 18 - Spark：别忘了内存比磁盘快多少
• 19 - Megastore（一）：全国各地都能写入的数据库
• 20 - Megastore（二）：把Bigtable玩出花来
• 21 - Megastore（三）：让Paxos跨越“国界”
• 22 - Spanner（一）：“重写”Bigtable和Megastore
• 23 - Spanner（二）：时间的悖论
• 24 - Spanner（三）：严格串行化的分布式系统
• 25 - 从S4到Storm（一）：当分布式遇上实时计算
• 26 - 从S4到Storm（二）：位运算是个好东西
• 27 - Kafka（一）：消息队列的新标准
• 28 - Kafka（二）：从Lambda到Kappa，流批一体计算的起源
• 29 - Dataflow（一）：正确性、容错和时间窗口
• 30 - Dataflow（二）：MillWheel，一个早期实现
• 31 - Dataflow（三）：一个统一的编程模型
• 复习课（一）- The Google File System
• 复习课（二）- MapReduce
• 复习课（三）- Bigtable
• 复习课（四）- Thrift
• 复习课（五）- Chubby
• 复习课（六）- Hive
• 复习课（七）- Dremel
• 复习课（八）- Resilient Distributed Datasets
• 复习课（九）- Megastore
• 复习课（十）- Spanner
• 加餐1 - 选择和努力同样重要：聊聊如何读论文和选论文
• 加餐2 - 设置你的学习“母题”：如何选择阅读材料？
• 加餐3 - 我该使用什么样的大数据系统？
• 32 - Raft（一）：不会背叛的信使
• 33 - Raft（二）：服务器增减的“自举”实现
• 34 - Borg（一）：当电力成为成本瓶颈
• 35 - Borg（二）：互不“信任”的调度系统
• 36 - 从Omega到Kubernetes：哺育云原生的开源项目
• 用户故事 - 陈煌：唯有自强不息，方能屹立不倒
• 用户故事 - 黄涛：水滴石穿、坚持不懈，必能有所精进
• 用户故事 - 许灵：不抛弃不放弃
• 用户故事 - 核桃：95后的技术成长之路
• 37 - 当数据遇上AI，Twitter的数据挖掘实战（一）
• 38 - 当数据遇上AI，Twitter的数据挖掘实战（二）
• 39 - 十年一梦，一起来看Facebook的数据仓库变迁（一）
• 40 - 十年一梦，一起来看Facebook的数据仓库变迁（二）
• 结束语 - 长风破浪会有时，直挂云帆济沧海