HBase 的机制里包含了许多优秀的算法，如 Region 定位、Region 分配、Region Server的上线和下线、Master 的上线和下线。在谈到这些之前，先把 HBase 的基本架构里的一些概念列在这里。一、HBase组成1.Client：利用 RPC 机制与 HMaster 和HRegionServer通信；2.Zookeeper： 协调，避免 HMaster 单点问

今年的软件自由日(SFD)，我在广州Linux用户组的线下活动上做了一个分享，主题叫做《做一名开源社区的扫地僧(上)》。我把演讲的内容重新整理扩充, 写出了文字版, 希望可以跟更多朋友分享。金庸笔下有一个传奇人物，人称扫地僧，身世隐秘，武功绝顶。小说中的扫地僧一出现就是个高手，没人知道高手怎么炼成的。这种"扫地僧"，实在可望不可及。 然而，还有另一种扫地僧，人人都可以效仿，人人都可以做到，

scrapy框架的学习，目前个人觉得比较详尽的资料主要有两个：1.官方教程文档、scrapy的github wiki；2.一个很好的scrapy中文文档：http://scrapy-chs.readthedocs.org/zh_CN/0.24/index.html；        剩下的就是网上其他的一些demo。 一、scrapy框架结构        还是先上个图吧，这

喜欢写Blog的人，会经历三个阶段。　　第一阶段，刚接触Blog，觉得很新鲜，试着选择一个免费空间来写。　　第二阶段，发现免费空间限制太多，就自己购买域名和空间，搭建独立博客。　　第三阶段，觉得独立博客的管理太麻烦，最好在保留控制权的前提下，让别人来管，自己只负责写文章。大多数Blog作者，都停留在第一和第二阶段，因为第三阶段不太容易到达：你很难找到俯首听命、愿意为你管

一、中文分词        词是最小的能够独立活动的有意义的语言成分，英文单词之间是以空格作为自然分界符的，而汉语是以字为基本的书写单位，词语之间没有明显的区分标记，因此，中文词语分析是中文信息处理的基础与关键。        Lucene中对中文的处理是基于自动切分的单字切分，或者二元切分。除此之外，还有最大切分（包括向前、向后、以及前后相结合）、最少切分、全切分等等。二、 中文分词