jQuery是一個了不起的javascript庫，它可以是我們用很少的幾句代碼就可以創建出漂亮的頁面效果。從網站的方面說，這使得javascript更加有趣。如果你這樣想：“孩子，我需要另外一個javascript庫，就好比我I need another hole in my head”那么加入這個俱樂部吧。這正是我第一次遇到的時候所想的。我已經用過了Moo.fx, Scriptaculous, TW-SACK, 和 Prototype. 我曾參與了RICO, Yahoo YUI和其他一些庫的開發。 沒有了PHPjavascript和我一點也不親近了。但是我還是盡全力保持頭腦清醒，并盡量保持用AJAX去思考。

一、jQuery的基本用法:隨著WEB2.0及ajax思想在互聯網上的快速發展傳播，陸續出現了一些優秀的Js框架，其中比較著名的有Prototype、YUI、jQuery、mootools、Bindows以及國內的JSVM框架等，jQuery是繼prototype之后的又一個優秀的Javascript框架。它是由JohnResig于2006年初創建的，它有助于簡化JavaScript以及Ajax編程。它具有如下一些特點：1.代碼簡練、語義易懂、學習快速、文檔豐富。2.jQuery是一個輕量級的腳本，其代碼非常小巧，最新版的JavaScript包只有20K左右。3.jQuery支持CSS1-CSS3,以及基本的xPath。

jQuery語法您可以選取（查詢，query）HTML元素，并對它們執行“操作”（actions）。

http頭信息詳解HTTP（Hyper TextTransfer Protocol）是超文本傳輸協議的縮寫，它用于傳送WWW方式的數據，關于HTTP協議的詳細內容請參考RFC2616。HTTP協議采用了請求/響應模型。客戶端向服務器發送一個請求，請求頭包含請求的方法、URI、協議版本、以及包含請求修飾符、客戶信息和內容的類似于MIME的消息結構。服務器以一個狀態行作為響應，相應的內容包括消息協議的版本，成功或者錯誤編碼加上包含服務器信息、實體元信息以及可能的實體內容。通常HTTP消息包括客戶機向服務器的請求消息和服務器向客戶機的響應消息。這兩種類型的消息由一個起始行，一個或者多個頭域，一個只是頭域結束的空行和可選的消息體組成。

Spark 是Scala寫的, 運行在JVM上。所以運行環境是Java6或者以上。 如果想要使用 Python API，需要安裝Python 解釋器2.6版本或者以上。 目前Spark(1.2.0版本) 與Python 3不兼容。

解決低效問題 我們知道userData 表比每五分鐘的時間日志大很多，這浪費了很多工作。userData 每次調用的時候，都通過網絡hashed和shuffled，盡管它不變化。 在userData使用partitionBy()

Spark是怎樣分割工作的 每個RDD都有一個固定個數的partitions，決定了當執行RDD操作時候的并行度。 Spark會嘗試基于集群大小的默認值，一些情況下，你需要優化并行度。 當我們執行聚合或者分組操作的時候，我們可以讓Spark使用特定個數的partitions。

combineByKey(createCombiner,mergeValue,mergeCombiners,partitioner) combineByKey()是最常用的基于key的聚合函數，返回的類型可以與輸入類型不一樣。 許多基于key的聚合函數都用到了它，像groupByKey()，aggregate()。

KeyValue對RDDs(Pairs RDDS)一般用來聚合操作。 將數據轉換成Key/value格式的方法：ETL (extract, transform,and load)操作 extract：字段抽取 transform：已有的RDD轉換 load：加載的時候 parallelize()

Spark維護著RDDs之間的依賴關系和創建關系, 叫做 血統關系圖（lineage graph）。 Spark使用血統關系圖來計算每個RDD的需求和恢復丟失的數據(當一些存儲的RDD丟失的時候)。

RDDs Resilient distributed datasets(彈性分布式數據集，簡寫RDDs)。 一個RDD就是一個不可改變的分布式集合對象，內部由許多partitions(分片)組成，每個partition都包括一部分數據，這些partitions可以在集群的不同節點上計算 Partitions是Spark中的并行處理的單元。Spark順序的，并行的處理partitions。 RDDs 是 Spark的分發數據和計算的基礎抽象類，是Spark的核心概念。 RDD可以包含 Python, Java, 或者 Scala中的任何數據類型，包括用戶自定義的類。 在Spark中，所有的計算都是通過RDDs的創建，轉換，操作完成的。 RDD具有lineage graph(血統關系圖)。

Transformations的特點： Transformations返回一個嶄新的RDD， filter() 操作返回一個指針，指向一個嶄新的RDD，原RDD不受影響，能夠在后面重復利用。

在RDD上計算出來一個結果，把結果返回給driver program或者保存在外部文件系統上，像count() 函數 first()。

Spark是快速的 很多任務能夠秒級完成，對于一些特定的工作，Spark比Mapreduce快10-20倍。 Spark擴充了流行的Mapreduce計算模型，使Spark更高效地支持更多類型的計算，包括交互式查詢，和流處理。 速度快的另一個主要原因就是，能夠在內存中計算。

Spark程序的開發和運行。創建SparkContext、WordCount程序。

使用Scala+IntelliJ IDEA+Sbt搭建開發環境

大綱并發編程概述JMM（Java Memory Model）概述可見性有序性并發工具監控與跟蹤為什么要學習并發編程？充分利用服務器資源提高服務吞吐量、降低響應時間爬蟲、WebServer、日志分析……分布式系統資源的爭用、可伸縮性多線程的優點多線程的代價設計更復雜資源共享、數據一致性及可見性、調試困難性能開銷鎖、上下文切換內存開銷貿然進行的性能優化順序IOvs隨機IO的例子問題所有內存都是共享的嗎？棧上分配的變量是線程安全的共享內存一定不是線程安全的嗎？不一定，正確的同步or不可變對象or線程級別的資源鎖的是誰？試試回答這些問題還有一題：大綱并發編程概述JMM（Java Memory Model）概述可見性有序性并發工具監控與跟蹤JMM-抽象模型SandyBridge內存模型JMM-線程間通訊大綱并發編程概述JMM（JavaMemoryModel）概述可見性有序性并發工具監控與跟蹤問題：可見性?寫boolean型對其它線程馬上可見嗎

Activiti數據表結構Activiti數據表結構Activiti數據庫表結構數據庫表名說明Activiti工作流總共包含23張數據表，所有的表名默認以“ACT_”開頭。并且表名的第二部分用兩個字母表明表的用例，而這個用例也基本上跟ServiceAPI匹配。ACT_GE_*:“GE”代表“General”（通用），用在各種情況下；ACT_HI_*:“HI”代表“History”（歷史），這些表中保存的都是歷史數據，比如執行過的流程實例、變量、任務，等等。Activit默認提供了4種歷史級別：none:不保存任何歷史記錄，可以提高系統性能；activity：保存所有的流程實例、任務、活動信息；

Jquer獲取頁面控件的值 select,checkbox,radio

一、所需工具 1、java jdk 2、Eclipse （eclipse for ee ） 3、Adt 4、Sdk 二、安裝工具 1、jdk 安裝 JDK包含的基本工具主要有： javac：Java編譯器，將源代碼轉成字節碼。 jar：打包工具，將相關的類文件打包成一個文件。 javadoc：文檔生成器，從源碼注釋中提取文檔。 jdb：debugger，調試查錯工具。 java：運行編譯后的java程序。