oceanbase源碼
A. C++，大佬們看下這里報錯是為什麼可是這代碼能AC啊！
蘋果iCloud（貴安）數據中心投入運行；網易公布不當言論HR處理結果：已開除；OceanBase資料庫將開源|極客頭條
程序員35歲就該退休了嗎？
從「不作惡」到「門就在那邊」，谷歌 AI 倫理史
B. 探索一下DefaultMQPushConsumer的實現原理及源碼分析
RocketMQ開源是使用文件作為持久化工具，阿里內部未開源的性能會更高，使用oceanBase作為持久化工具。
在RocketMQ1.x和2.x使用zookeeper管理集群，3.x開始使用nameserver代替zk，更輕量級，此外RocketMQ的客戶端擁有兩種的操作方式：DefaultMQPushConsumer和DefaultMQPullConsumer。
HTML
以上所說的第一次啟動是指從來沒有消費過的消費者，如果該消費者消費過，那麼會在broker端記錄該消費者的消費位置，如果該消費者掛了再啟動，那麼自動從上次消費的進度開始
Go
DefaultMQPushConsumerImpl中各個對象的主要功能如下：
RebalancePushImpl：主要負責決定，當前的consumer應該從哪些Queue中消費消息；
consumer.registerMessageListener執行過程：
Go
通過源碼可以看出主要實現過程在DefaultMQPushConsumerImpl類中consumer.start後調用DefaultMQPushConsumerImpl的同步start方法
Go
通過mQClientFactory.start();發我們發現他調用
Go
在這個方法中有多個start，我們主要看pullMessageService.start();通過這里我們發現RocketMQ的Push模式底層其實也是通過pull實現的，下面我們來看下pullMessageService處理了哪些邏輯：
Bash
我們發現其實他還是通過DefaultMQPushConsumerImpl類的pullMessage方法來進行消息的邏輯處理.
PullRequest這里說明一下，上面我們已經提了一下rocketmq的push模式其實是通過pull模式封裝實現的，pullrequest這里是通過長輪詢的方式達到push效果。
長輪詢方式既有pull的優點又有push模式的實時性有點。
PullAPIWrapper.pullKernelImpl(MessageQueue mq, String subExpression, long subVersion,long offset, int maxNums, int sysFlag,long commitOffset,long brokerSuspendMaxTimeMillis, long timeoutMillis, CommunicationMode communicationMode, PullCallback pullCallback)方法進行消息拉取操作。
將回調類PullCallback傳入該方法中，當採用非同步方式拉取消息時，在收到響應之後會回調該回調類的方法。
Go
在MQClientAPIImpl.pullMessage方法中，根據入參communicationMode的值分為非同步拉取和同步拉取方式兩種。
無論是非同步方式拉取還是同步方式拉取，在發送拉取請求之前都會構造一個ResponseFuture對象，以請求消息的序列號為key值，存入NettyRemotingAbstract.responseTable:ConcurrentHashMap, ResponseFuture>變數中，對該變數有幾種情況會處理：
Go
對於同步發送方式，調用MQClientAPIImpl.pullMessageSync(String addr, RemotingCommand request, long timeoutMillis)方法,大致步驟如下：
Go
getMQClientAPIImpl().pullMessage最終通過channel寫入並刷新隊列中。然後在消息服務端大體的處理邏輯是服務端收到新消息請求後，如果隊列中沒有消息不急於返回，通過一個循環狀態，每次waitForRunning一段時間默認5秒，然後再check，如果broker一直沒有新新消息，第三次check的時間等到時間超過SuspendMaxTimeMills就返回空，如果在等待過程中收到了新消息直接調用notifyMessageArriving函數返回請求結果。「長輪詢」的核心是，Broker端HOLD住客戶端過來的請求一小段時間，在這個時間內有新消息到達，就利用現有的連接立刻返回消息給 Consumer 。長輪詢的主動權掌握在consumer中，即使broker有大量的消息堆積也不會主動推送給consumer。
C. 做混合的話Uniapp和Flutter我應該學哪個啊
王紅元《Flutter從入門到實戰》（高清視頻）網路網盤
鏈接: https://pan..com/s/1DhInF6MZ0UJ1VEpRcx0uaQ
若資源有問題歡迎追問~
D. 什麼是大數據的主流框架
市場上有許多可用的框架。其中一些更受歡迎，例如Spark，Hadoop，Hive和Storm。Presto在效用指數上得分很高，而Flink具有巨大的潛力。
1. Apache Hadoop
Hadoop是基於Java的平台。這是一個開放源代碼框架，可跨集群排列的一組硬體機器提供批處理數據處理和數據存儲服務。Hadoop同樣適用於可靠，可擴展和分布式的計算。但是，它也可以用作通用文件存儲。它可以存儲和處理PB的信息。Hadoop由三個主要組件組成。
2. Apache Spark
Spark框架由加利福尼亞大學伯克利分校成立。它是具有改進的數據流處理的批處理框架。藉助完整的內存計算以及處理優化，它保證了極其快速的集群計算系統。
3.Apache Storm
Apache Storm是另一個引人注目的解決方案，專注於處理巨大的實時數據流。Storm的主要亮點是可伸縮性和停機後的迅速恢復能力。
4. Apache Flink
Apache Flink是一個開源框架，同樣適用於批處理和流數據處理。它最適合於集群環境。該框架基於轉換–流概念。它也是大數據的4G。它比Hadoop – Map Rece快100倍。
5. Presto
Presto是最適合較小數據集的開源分布式SQL工具。Presto配備了協調員以及各種工人。當客戶提交查詢時，將對這些查詢進行解析，分析，計劃執行並分配給協調員在工作人員之間進行處理。
6. Samza
Apache Samza是有狀態的流，准備與Kafka共同開發的大數據系統。Kafka提供數據服務，緩沖和容錯能力。
E. 大數據工程師需要掌握哪些技能
對於大數據工程師而言，您至少要掌握以下技能：
一門JVM系語言：當前大數據生態JVM系語言類的比重極大，某種程度上說是壟斷也不為過。這里我推薦大家學習Java或Scala，至於Clojure這樣的語言上手不易，其實並不推薦大家使用。另外，如今是「母以子貴」的年代，某個大數據框架會帶火它的編程語言的流行，比如Docker之於Go、Kafka之於Scala。因此筆者這里建議您至少要精通一門JVM系的語言。值得一提的，一定要弄懂這門語言的多線程模型和內存模型，很多大數據框架的處理模式其實在語言層面和多線程處理模型是類似的，只是大數據框架把它們引申到了多機分布式這個層面。
計算處理框架：嚴格來說，這分為離線批處理和流式處理。流式處理是未來的趨勢，建議大家一定要去學習；而離線批處理其實已經快過時了，它的分批處理思想無法處理無窮數據集，因此其適用范圍日益縮小。事實上，Google已經在公司內部正式廢棄了以MapRece為代表的離線處理。因此如果要學習大數據工程，掌握一門實時流式處理框架是必須的。當下主流的框架包括：Apache Samza, Apache Storm, Apache Spark Streaming以及最近一年風頭正勁的Apache Flink。當然Apache Kafka也推出了它自己的流式處理框架：Kafka Streams
分布式存儲框架：雖說MapRece有些過時了，但Hadoop的另一個基石HDFS依然堅挺，並且是開源社區最受歡迎的分布式存儲，絕對您花時間去學習。如果想深入研究的話，Google的GFS論文也是一定要讀的（[url=]https://static.googleusercontent.com/media/research.google.com/en//archive/gfs-sosp2003.pdf[/url]）。當然開源世界中還有很多的分布式存儲，國內阿里巴巴的OceanBase也是很優秀的一個。
資源調度框架：Docker可是整整火了最近一兩年。各個公司都在發力基於Docker的容器解決方案，最有名的開源容器調度框架就是K8S了，但同樣著名的還有Hadoop的YARN和Apache Mesos。後兩者不僅可以調度容器集群，還可以調度非容器集群，非常值得我們學習。
分布式協調框架：有一些通用的功能在所有主流大數據分布式框架中都需要實現，比如服務發現、領導者選舉、分布式鎖、KV存儲等。這些功能也就催生了分布式協調框架的發展。最古老也是最有名的當屬Apache Zookeeper了，新一些的包括Consul，etcd等。學習大數據工程，分布式協調框架是不能不了解的， 某種程度上還要深入了解。
KV資料庫：典型的就是memcache和Redis了，特別是Redis簡直是發展神速。其簡潔的API設計和高性能的TPS日益得到廣大用戶的青睞。即使是不學習大數據，學學Redis都是大有裨益的。
列式存儲資料庫：筆者曾經花了很長的時間學習Oracle，但不得不承認當下關系型資料庫已經慢慢地淡出了人們的視野，有太多的方案可以替代rdbms了。人們針對行式存儲不適用於大數據ad-hoc查詢這種弊端開發出了列式存儲，典型的列式存儲資料庫就是開源社區的HBASE。實際上列式存儲的概念也是出自Google的一篇論文：Google BigTable，有興趣的話大家最好讀一下：
消息隊列：大數據工程處理中消息隊列作為「削峰填谷」的主力系統是必不可少的，當前該領域內的解決方案有很多，包括ActiveMQ，Kafka等。國內阿里也開源了RocketMQ。這其中的翹楚當屬Apache Kafka了。Kafka的很多設計思想都特別契合分布流式數據處理的設計理念。這也難怪，Kafka的原作者Jay Kreps可是當今實時流式處理方面的頂級大神。