系统架构 -- IT技术博客大学习 -- 共学习共进步！

和TCP/UDP协议比起来，HTTP协议或许更为大家所熟知，因为大家处处都可以看到http://xxx.com的字样。但是，真正了解HTTP协议的同学，或许只是少数，还有很多人甚至不知道“404”的含义。而本文，正是让大家来更深入的了解下这位最熟悉的陌生人。

• 抓取网页内容生成Kindle电子书

自从买了kindle后，总是想着如何最大效用发挥其效用。虽然多看上有很多书可以购买，网上也有很多免费的电子书，但是仍然有很多感兴趣的内容是以网页的形式存在的。例如O’Reilly Atlas就提供了诸多电子书，但是只提供免费的在线阅读；另外还有很多资料或文档都只有网页形式。于是就希望通过某种方法讲这些在线资料转为epub或mobi格式，以便在kindle上阅读。这篇文章介绍了如何借助calibre并编写少量代码来达到这个目的。

• 抽奖类活动项目的一些技术Tips

一般互联网产品为了拉升人气等，会有各种运营活动，活动一般会发实物奖品，就会吸引很多用户来抽奖，当然里面也会混杂很多专业刷奖的人，他们关注各个公司的抽奖活动以刷奖为生，所以我们的抽奖系统一定要设计的符合这种实际情况才安全，否则把奖品发超了，引来用户投诉吐槽，说明代码写的不到位，会影响技术人员的光荣伟大正确的形象的。(奖品内定或者程序里埋雷不属于本讨论范畴)

• 微信二维码登录的原理

在电脑上使用微信时，你可能已经发现微信不提供传统的账号密码登陆，取而代之的是通过扫描二维码进行登陆。今天就要研究下次登陆方式微信时如何实现的？

• IO不再神秘

随着所有的在高可用服务器设计上的炒作，以及nodejs背后的风行，我想关注一些IO的设计模式，却一起没有足够的时间。现在正在完成的一些研究，我想最好记下这些资料以备查。让我们跳上IO bus兜风去。

• Web 开发程序员谈网游服务器开发

今天参加了一个和某网游开发团队的交流, 感受到了网游开发和 Web 开发之间的巨大差异, 所以我写了本篇博文. 传统的网游开发者可能由于更大的精力放在游戏逻辑上面, 并且因为游戏客户端是一个高度内聚逻辑复杂的终端程序, 所以网游开发者在开发服务器端的时候, 也容易把客户端的经验放在服务器端, 很少考虑动态可扩展性和服务容灾性.

• 移动APP开发过程

此文总结的不错，列个list在这很容易提醒和整理自己的思路，这才是好文。经过尝试实践再来看看是不是更合理好了。

• 移动互联网系统架构十大陷阱

过去的三年，一直奋斗在中国移动互联网一线，历经各种坑爹的情况。以下特做记录。

• 图片服务架构学习之ZIMG

zimg是一套国人针对图片处理服务器而设计开发的开源程序，目的是解决图片服务中如下三个问题：大流量、高并发、海量存储。

• Storm：最火的流式处理框架

Storm是一个免费开源、分布式、高容错的实时计算系统。Storm令持续不断的流计算变得容易，弥补了Hadoop批处理所不能满足的实时要求。Storm经常用于在实时分析、在线机器学习、持续计算、分布式远程调用和ETL等领域。Storm的部署管理非常简单，而且，在同类的流式计算工具，Storm的性能也是非常出众的。

• Netty和Jetty的Java NIO 网络框架模型分析

在以前的文章中，为解决Jetty的问题，分析过Java NIO基于多路事件分离器的异步IO框架模型。一直都没有系统分析Netty和Jetty的网络模型，这两天将二者的网络框架部分的代码仔细读了一下，整理了二者的网络模型，画出了Netty的模型图.......

• Spark：一个高效的分布式计算系统

Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用的并行计算框架，Spark基于map reduce算法实现的分布式计算，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法。

• 苹果信息推送服务（Apple Push Notification Service）使用总结

苹果信息推送服务(Apple Push Notification Service)，是由苹果官方提供的消息推送服务。推送形式包括顶部消息条、声音以及badge number()有了APNS，应用程序可在任意状态接收到与程序有关的消息(包括运行状态not running，foreground以及background)，由于在大多数情况下，iOS中最多只有一个应用能处于active状态，所以，APNS为应用的交互提供了极大的便利。

• Impala：新一代开源大数据分析引擎

Impala是Cloudera公司主导开发的新型查询系统，它提供SQL语义，能够查询存储在Hadoop的HDFS和HBase中的PB级大数据。已有的Hive系统虽然也提供了SQL语义，但是由于Hive底层执行使用的是MapReduce引擎，仍然是一个批处理过程，难以满足查询的交互性；相比之下，Impala的最大特点也是最大卖点就是它的快速。那么Impala如何实现大数据的快速查询呢？在回答这个问题之前，我们需要先介绍Google的Dremel系统，因为Impala最开始就是参照Dremel系统进行设计的。

• 在线状态服务在网站系统中的应用

在线状态服务, 是这样的一个服务, 它维护了网站当前的在线用户列表, 接受其它模块的查询. 是实现统计网站同时在线人数, 维护在线用户列表等功能的基础服务. 在Facebook的聊天系统中, 在线状态是为聊天系统服务的, 所以在线状态是一种”强”在线, 也即用户保持着和Comet服务器的连接, 可随时接受服务器推送(push)的消息.

• [译文]关于移动Web性能的5个神话

这篇文章由Sencha的CEO Michael Mullany所写，主要是回应早前的一篇引起较多关于移动Web性能讨论的文章，作者的主要观点是“Why mobile web apps are slow”文中给出的数据虽然基本正确，但是对数据的解读却存在误导的成分，并且只考量了JavaScript的性能，而对移动应用来说更关键的Graphics性能并没有被考量在内。并且移动应用性能的提升不仅仅会得益于浏览器提升JavaScript的性能，还会得益于更高程度的GPU加速渲染，多线程并行化处理等等。

• 关键词推荐技术介绍

本文通过行业对比等角度分析了关键词推荐技术及工具，关键词推荐系统帮助广告主扩展选词思路，挖掘有价值的关键词，从而更好地提升产品的曝光，帮助广告主找到客户；同时，一个好的关键词推荐系统也能更好地服务用户，帮助用户快速找到合适的供应商。

• 个性化实时计算系统及其应用探索

个性化是搜索技术、计算广告技术以及电子商务领域的一个发展趋势和时髦话题。随着互联网技术的发展，搜索技术越来越为互联网用户所熟悉。但人们已经不满足于一个完全由自己输入而得到返回内容的不聪明的“机器”，人们更希望一个能自动理解、甚至提前猜测自己意图，并能将这种意图准确地体现在返回结果的聪明系统，这个系统在面对不同的用户输入相同的搜索语句时，能够根据用户的差异，展现用户最希望看到的结果。

• 谈谈Facebook的聊天系统架构

今天看到一份 Facebook 公司 2009 年的 PDF, 介绍它的聊天系统架构, 其中的一张图结构非常清晰, 所以我对这张图谈谈我的看法。

• 天猫导航的内部机制揭秘

天猫导航从功能上分成类目导航和属性导航两类，从展现的方式上分可以分成qp推荐和引擎推荐两类。在排序的时候qp推荐的会排在引擎推荐的之前，引擎推荐的以补充为主，如果没有qp推荐的或者qp推荐的很少，才会在前端展示出来，否则则放在“更多”中。引擎补足的就是简单的按照线上商品数进行排序，具体点就是通过b2c merger加载宝贝，在search服务中建索引，再在 detail服务中存放详细的宝贝信息，ranker中对Query的宝贝数进行排序。而我们算法能产生作用的仅仅是qp推荐的部分。