厚积薄发

Node.js 是什么？

　Node.js® is a platform built on Chrome’s JavaScript runtime for easily building fast, scalable network applications. Node.js uses an event-driven, non-blocking I/O model that makes it lightweight and efficient, perfect for data-intensive real-time applications that run across distributed devices.

Current Version: v0.10.33

为什么要有 Node 模块？

　模块，是 Node 让代码易于重用的一种组织和包装方式

关于本文

　业余玩家的一些学习笔记（哈哈~ 浪起来吧~~~）

　微积分、线性代数、概率论 等基础知识可以参阅另一篇文章《人工智能》

级数

格兰迪级数

　格兰迪级数（Grandi´s series），即 $1 − 1 + 1 − 1 + \cdots$，记做 $\sum_{n=0}^{+\infty}{(-1)^n}$。这是一种发散级数。在 1703 年由意大利数学家格兰迪发表，后来荷兰数学家丹尼尔·伯努利和瑞士数学家莱昂哈德·欧拉等人也都曾研究过它。格兰迪级数的欧拉和和切萨罗和均为 $\frac{1}2$

　比较简单的一种证法如下（下文 $p$ 进数中也有一段印证）：

$S = 1 - 1 + 1 - 1 + \cdots$
$1 - S = 1 - (1 - 1 + 1 - 1 + \cdots) = 1 - 1 + 1 - 1 + \cdots) = S$
$2S = 1$
$S = \frac{1}2$

数论

p 进数

　可以想象成，一个从 $0$ 不断往 $1$ 逼近的点，每次只移动剩余路程的一半，最后，该点是无限趋近于 $1$ 的
　如果将 $\frac{1}2$ 推广为 $p$（$0 \leq p < 1$），也就是每次移动后，剩余路程为 $p$，记做

　如果将 $p = -1$ 代入到等式中，那么可以得到 $1 - 1 + 1 - 1 + \cdots = \frac{1}2$；如果将 $p=2$ 代入等式中，那么可以得到 $1 + 2 + 4 + \cdots + 2^n + \cdots = -1$。不过上述等式成立的前提是 $0 \leq p < 1$，虽然等式右边将任意不等于 $1$ 的 $p$ 代入，都是有意义的，但是其实是不严谨的

　这时候，就需要定义新的数域，同时也需要保证平移不变性，即 $dist(a, b)$ = $dist(a + x, b + x)$，还有三角形不等式，即 $dist(A, B) + dist(B, C) > dist(A, C)$。由此，我们可以设计出 $2$ 进数，实数集不是放在一条直线上，而是放在一层层嵌套的盒子里，排列顺序为 $[0, \cdots, 2^n, \cdots, 2^3, 2^2, 2, 1]$，切分小盒子的时候，保证 $0$ 和所有大于 $1$ 的 $2^n$ 在同一个盒子，$[[[[0, \cdots, 2^n, \cdots, 2^3], 2^2], 2], 1]$，再次依据平移不变形将其他数字填入对应的盒子 $[[0, \cdots, 2^n, \cdots, 2^3, 2^2, 12],$ $[2, 10, 6, 14]],$ $[[1, 9, 5, 13],$ $[3, 11, 7, 15]]$。由此可以看出，$dist(-1, 2^n-1)$ = $dist(0, 2^n)$，而 $2^n$ 是逼近于 $0$ 的，所有 $2^n - 1$ 也是无限逼近于 $-1$ 的。这些数之间的距离，则定义为每个同层的不同盒子里面数，距离为 $\frac{1}{2^n} \, (n\geq0)$，这就是数论里面的 $p$ 进数的一种（其中 $p$ 为素数）

什么是 散列表?

　散列表（Hash Table，即哈希表）是根据键值（Key）而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表

为什么要有 散列表?

可以提供快速的插入操作和查找操作

　不论哈希表中有多少数据，插入和删除（有时包括侧除）只需要接近常量的时间即 O(1) 的时间级
　实际上，这只需要几条机器指令
　哈希表运算得非常快，在计算机程序中，如果需要在一秒种内查找上千条记录通常使用哈希表（例如拼写检查器），而树的操作通常需要 O(N) 的时间级

编程实现相对容易

散列表工作机制

存储

　使用一个数组实现的无序符号表
　意味着, 数组创建后，难于扩展（某些哈希表被基本填满时，性能下降得非常严重）
　要么预设足够的空间，要么定期将数据迁移到更大的哈希表

ElasticSearch 是什么？

　ElasticSearch 是一款基于 Lucene 开源的 搜索引擎，不但稳定、可靠、快速，同时具备良好的水平扩展能力

主要概念

Cluster 集群

　在一个分布式系统里面，可以通过多个 ElasticSearch 运行实例组成一个集群，这个集群里面有一个节点叫做主节点 (master)， ElasticSearch 是去中心化的，所以这里的主节点是动态选举出来的，不存在单点故障
　在同一个子网内，只需要在每个节点上设置相同的集群名， ElasticSearch 就会自动的把这些集群名相同的节点组成一个集群。节点和节点之间通讯，以及节点间的数据分配和平衡，全部都由 ElasticSearch 自动管理
　在外部看来 ElasticSearch 集群就是一个整体

什么是 JVM?

　A Java Virtual Machine（JVM）is an abstract computing machine that enables a computer to run a Java program.

为什么要有 JVM?

跨平台性

　JVM 的存在，使得 Java 程序 能够轻易地在多平台上移植，基本上脱离了对硬件的依赖性（这也满足了 David Parnas 的 “信息隐藏” 准则）

多语言性

　因为底层 JIT 编译优化、高效 GC、JUC 对多线程并发编程的支持，以及社区中海量成熟的库 等优点，使得很多语言都开发出可运行在 JVM 上的版本

　同时，多语言混合编程成为一种趋势，在需要快速开发、灵活部署 和 针对特定问题的 DSL 等场景下，选择恰当的 JVM-hosted language，可以最大化原有代码的价值

　那么，在日常的开发过程中，究竟应该如何运用 JVM 的知识，来逐步提高实际编程水平呢？ 上下而求索后，找到了以下几个层面作为出发点

开发人员用一种语言就能编写整个 Web 应用

　可以减少开发客户端和服务端时所需的语言切换（Clojure, ClojureScript 一样的道理）
　代码可以再客户端和服务端中共享（表单校验或游戏逻辑中使用同样的代码）

JSON 是目前非常流行的数据交换格式

　JSON 还是 JavaScript 原生的

有些 NoSQL 数据库中用的就是 JavaScript 语言

　MongoDB 的管理和查询语言都是 JavaScript
　CouchDB 的 Map/reduce 也是 JavaScript

JavaScript 是一门编译目标语言

　List of languages that compile to JS

Node 用的虚拟机（V8）会紧跟 ECMAScirpt 标准

　在 Node 中如果想用新的 JavaScript 语言特性，不用等到所有浏览器都支持

SSO 是什么 ?

　SSO（Single Sign-on），即单点登录，指在一个多系统共存的环境下，用户在一处登录后，就不用在其他系统中重新登录，也就是说用户的一次登录能得到其他所有系统的信任

为什么要有 SSO ?

　尤其，大型网站背后是成百上千的子系统，用户一次操作或交易可能涉及到几十个子系统的协作
　如果每次子系统都需要用户认证，不仅用户会疯掉，各子系统也会为这种重复认证的逻辑搞疯掉

Session 是什么 ?

　代表服务器与浏览器之间的一次会话过程，这个过程可以是连续的，也可以是时断时续的。而在 Web 开发语境下，则指一类用来在客户端与服务器之间保持状态的解决方案

多样的存在形式

• Java

  1	javax.servlet.http.HttpSession

• Python

  1	s = requests.session()

• PHP

  1

  $_session

• Hibernate

  1	org.hibernate interface Session

• WebLogic

  1	Weblogic Server session

• JSP

  1	HttpSession