前端老实人

写在前面： 学习大数据之前，首先要具备分而治之的思想。并且在了解分布式之前，还需要了解如何用单机来处理大数据问题。因为分布式的本质还是要榨干每台单机的性能。

本篇文章用通俗的方式介绍MapReduce思想，以及为了解决IO问题MapReduce是如何设计的。并简单介绍了MapReduce是如何实现计算向数据移动的。

本文主要介绍了MapTask的工作流程，包括数据通过split清单进行读取、如何写入buffer以及如何溢写。

本文详细介绍了HDFS的存储模型、架构设计以及读写流程，作为Hadoop计算层分治和并行计算的核心，为后续介绍MapRedcue打下了基础。

本文简单介绍了ReduceTask的运行步骤，重点介绍了ReduceTask是如何使用迭代器模式进行数据的读取，规避了优先内存处理大数据会出现OOM的问题。

通过学习MapReduce的客户端源码，进一步了解split切片与block的关系，以及分治与计算向数据移动的思想。

本片文章记录了Redo Log和Undo Log，以及数据更新流程中Redo Log的两段提交的学习笔记。

本文详细介绍了常见垃圾回收算法、分代算法和常见垃圾回收器。后续会陆续补充ZGC和shenandoah。

Dynamic Linking 动态链接：指向运行时常量池的符号链接，方法名是啥，方法类型是啥，没解析就动态解析，已经解析就直接使用。 return address:表示方法返回地址，即a() -> b()中。b方法返回值存放地址。 用于存储已被虚拟机加载的类信息、常量、静态变…