宇宙湾

Apache IoTDB 是什么？

Apache IoTDB™ (Database for Internet of Things) is an IoT native database with high performance for data management and analysis, deployable on the edge and the cloud.

特性

• 高吞吐量读写
• 高效的目录结构
• 丰富的查询语义
• 硬件成本低
• 灵活的部署
• 与开源生态系统的紧密集成

应用场景

• 高端制造业
• 本地控制器服务器
• 云数据管理

关于本文

　本文主要是为了，记录给 Apache Druid / Apache Eagle / Apache Flink / Apache HBase / Apache Kafka / Apache Superset / Apache ZooKeeper & Apache Curator / TensorFlow / Alibaba DataX 等开源项目贡献代码，尽自己一点绵薄之力的过程

　文章最后，总结了一些经验之谈，期冀能帮助到同样热爱开源、也想成为 PMC 的小伙伴们

Apache Superset 是什么？

Apache Superset™ is a modern data exploration and visualization platform.

基础组件

Flask

　Python 几大著名 Web 框架之一，以其轻量级，高可扩展性而著名

• Jinja2
  模板引擎

• Werkzeug
  WSGI 工具集

Gunicorn

　Gunicorn 是一个开源的 Python WSGI HTTP 服务器，移植于 Ruby 的 Unicorn 项目的采用 pre-fork 模式的服务器

WSGI

　WSGI，即 Python Web Server Gateway Interface，是专门用于 Python 应用程序或框架与 Web 服务器之间的一种接口，没有官方的实现，因为 WSGI 更像一个协议，只要遵照这些协议，WSGI 应用都可以在 任何服务器上运行，反之亦然

Pre-Fork

　一个进程处理一个请求，基于 select 模型，所以最多一次创建 1024 个进程
　预先创建进程，pre-fork 采用的是预派生子进程方式，用子进程处理不同的请求，每个请求对应一个子进程，进程之间是彼此独立的
　一定程度上加快了进程的响应速度

基本概念

　Apache Eagle 是一个高度可扩展的监控警报平台，采用了设计灵活的应用框架和经过实践考验的大数据技术，如 Kafka，Spark 和 Storm。它提供了丰富的大数据平台监控程序，例如 HDFS / HBase / YARN 服务运行状况检查，JMX 指标，守护进程日志，审核日志 和 Yarn 应用程序。外部 Eagle 开发人员可以自定义应用来监视其 NoSQL 数据库或 Web 服务器，可以自己决定是否共享到 Eagle 应用程序存储库。它还提供最先进的警报引擎来报告安全漏洞，服务故障和应用程序异常，由警报策略定义高度可定制。

Site

　管理一组应用程序实例，用来区别某些被多次安装的应用程序

Application

　应用程序（或监控应用程序）是 Apache Eagle 中的一级公民，它代表端到端的监控 / 警报解决方案，通常包含监控源入站，源的 schema规范，警报策略和 仪表板定义

Stream

　Stream 是 Alert Engine 的输入，每个应用程序应该有自己的由开发人员定义的流。通常，流定义里面包含了一个类似 POJO 的结构。一旦定义完成，应用程序就有了将数据写入Kafka 的逻辑

LeetCode 组队刷题活动

介绍

代码仓库

　代码仓库的坐标：asdf2014 / algorithm

报名途径

　只需要在《Algorithm》文末的评论区，或者在 issues#40 中留言，即可随时参与

参与方式

　每位参与的小伙伴，都会获得代码仓库的 Collaborator 权限，可以自由地提交代码（不限制语种）。在 /Codes/${你的 Github 账号名} 目录下，每人都将拥有一个自己的代码库。留下 Github 名称后，将很快会收到邀请函，大家可以在 asdf2014 - algorithm - invitations 链接中认领（当然，也欢迎直接通过提交 Pull Request 参与进来）。随后，可以在任意目录下（不需要是空目录），使用如下命令，一键完成您的第一次代码提交：

1

bash -c "$(curl -L https://raw.githubusercontent.com/asdf2014/algorithm/master/first_commit.sh)"

刷题频率

　考虑到可能大家的闲暇时间并不多，我们暂定刷题频率为“一周一题”

选题策略

　选题机器人会在每周五晚八点，自动地随机选定一个题目，当前题目点击这里查看。

其他

　操作 Git 时遇到问题的话，可以参考我的一篇博客《Git 高级玩法》

　同时，为了大家更加方便地交流，也欢迎加入算法 QQ 群 或者 Gitter 聊天室

　另外，因为大部分算法都会有很多实现思路，我们会尽可能地展现所有可能的解题方法。但为了文章的排版更加地紧凑，我们会将同一算法的不同实现，通过选项卡的形式展现。且默认展示的选项卡将会是最优解。这样的话，如果您想要快速阅读本文，则可以不用翻看其他的选项卡。实际效果如下：

1
2
3
4
5
6
7
8
9
10
11

def solution(n):
    if n <= 1:
        return n
    a = 0
    b = 1
    while n > 1:
        n = n - 1
        sum_ = a + b
        a = b
        b = sum_
    return b

1
2
3
4
5

def solution(n):
    if n <= 1:
        return n
    else:
        return solution(n - 1) + solution(n - 2)

1
2
3
4
5
6
7
8

def solution(n):
    if n <= 1:
        return n
    cache = [x for x in range(0, n + 1)]
    cache[1] = 1
    for i in range(2, n + 1):
        cache[i] = cache[i - 1] + cache[i - 2]
    return cache[n]