Storm简介
Storm是一个开源的分布式实时计算系统，可以简单、可靠的处理大量的数据流。
而且支持水平扩展，具有高容错性，保证每个消息都会得到处理。
Storm处理速度很快（在一个小集群中，每个结点每秒可以处理数以百万计的消息）。
Storm的部署和运维都很便捷，更为重要的是可以使用任意编程语言来开发应用。
目前国内一般采用阿里巴巴开源的JStorm版本；
Centos7安装MySQL5.6
Drools学习笔记
You can build a simple rules engine yourself. All you need is to create a bunch of objects with conditions and actions, store them in a collection, and run through them to evaluate the conditions and execute the actions.
-Martin Fowler
Elasticsearch常用API
JMS学习笔记
JMS即Java消息服务（Java Message Service）应用程序接口是一个Java平台中关于面向消息中间件（MOM）的API，用于在两个应用程序之间，或分布式系统中发送消息，进行异步通信。
Java消息服务是一个与具体平台无关的API，绝大多数MOM提供商都对JMS提供支持。
JMS (Java Message Service) is an API that provides the facility to create， send and read messages。
It provides loosely coupled（松耦合）， reliable（可靠） and asynchronous（异步） communication。
Elasticsearch批量插入测试
Elasticsearch批量插入测试
数据：10万结构化document（json），每个1.3k；
测试结果：bulkProcess性能最优(4s)，bulkRequest次之（1m）；indexAPI适用于单条插入。
测试项目源码见me.demo.elasticsearch
Elasticsearch集群部署
Elasticsearch学习笔记
Elasticsearch是一个基于Apache Lucene(TM)的开源搜索引擎。
Lucene非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
不过，Elasticsearch不仅仅是Lucene和全文搜索，我们还能这样去描述它：
- 分布式的实时文件存储，每个字段都被索引并可被搜索
- 分布式的实时分析搜索引擎
- 可以扩展到上百台服务器，处理PB级结构化或非结构化数据
而且，所有的这些功能被集成到一个服务里面，你的应用可以通过简单的RESTful API、各种语言的客户端甚至命令行与之交互。
在Elasticsearch中，文档归属于一种类型(type),而这些类型存在于索引(index)中，类比传统关系型数据库：
Relational DB -> Databases -> Tables -> Rows -> Columns
Elasticsearch -> Indices -> Types -> Documents -> Fields
Elasticsearch集群可以包含多个索引(indices)（数据库），每一个索引可以包含多个类型(types)（表），每一个类型包含多个文档(documents)（行），然后每个文档包含多个字段(Fields)（列）。
日志分析ELK
开源实时日志分析 ELK 平台由 ElasticSearch 、Logstash 和 Kiabana 三个开源工具组成。
官方网站
- Elasticsearch 是个开源分布式搜索引擎，它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制， restful 风格接口，多数据源，自动搜索负载等。
- Logstash 是一个完全开源的工具，他可以对你的日志进行收集、分析，并将其存储供以后使用（如，搜索）。
- kibana 也是一个开源和免费的工具，他 Kibana 可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面，可以帮助您汇总、分析和搜索重要数据日志。
安装配置
Docker…
Neo4j索引笔记之SchemaIndex和LegacyIndex
neo4j包含schema indexes 和 legacy indexes两种类型，两者理念不同且不可互换或兼容，实际应用中应明确检索需求后采用合适的索引。
Lucene学习笔记
Neo4j图数据库的索引采用的是Lucene全文索引，特别是LegacyIndex部分，需要深入了解Lucene进行索引定制，之前以IK分词在Solr中建索引和检索浅尝辄止，对Lucene也是停留在概念层。
Solr对Lucene商业封装后的易用性很强，提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展并对查询性能进行了优化，并且提供了一个完善的功能管理界面。Solr的封装屏蔽了许多技术细节，但是对于开发人员来说，最好还是自下而上循序渐进比较好。
lucene（全文检索引擎工具包）>solr（企业级搜索应用服务器）>nutch（分布式检索引擎）和打Boss一样，得一个个来。
Neo4j中实现自定义中文全文索引
数据库检索效率时，一般首要优化途径是从索引入手，然后根据需求再考虑更复杂的负载均衡、读写分离和分布式水平/垂直分库/表等手段；
索引通过信息冗余来提高检索效率，其以空间换时间并会降低数据写入的效率；因此对索引字段的选择非常重要。
- Neo4j可对指定Label的Node Create Index，当新增/更新符合条件的Node属性时，Index会自动更新。Neo4j Index默认采用Lucene实现（可定制，如Spatial Index自定义实现的RTree索引），但默认新建的索引只支持精确匹配（get），模糊查询（query）的话需要以全文索引，控制Lucene后台的分词行为。
- Neo4j全文索引默认的分词器是针对西方语种的，如默认的exact查询采用的是lucene KeywordAnalyzer（关键词分词器）,fulltext查询采用的是 white-space tokenizer（空格分词器），大小写什么的对中文没啥意义；所以针对中文分词需要挂一个中文分词器，如IK Analyzer,Ansj，至于类似梁厂长家的基于深度学习的分词系统pullword，那就更厉害啦。
本文以常用的IK Analyzer分词器为例，介绍如何在Neo4j中对字段新建全文索引实现模糊查询。
前端工程化开发环境
# IDE
Hbuild apiclound：http://www.dcloud.io/
# node.js
Node.js是一个事件驱动I/O伺服端JavaScript环境，基于Google的V8引擎。目的是为了提供撰写可扩充网络程序，如Web服务。Node.js并不是在Web浏览器上执行，而是一种在服务器上执行的Javascript伺服端JavaScript。Node.js实作了部份CommonJS规格（Spec）。Node.js包含了一个互动测试REPL环境。[wiki]
# npm
npm 是 node.js 用来下载及安装套件的工具
# bower（弃用）
bower 由 Twitter 团队研发，能自动下载安装 CSS 及 JavaScript 套件，并可自动处理相依性，角色与 NuGet 相当
# grunt
Grunt 是一个 Task Runner，常用来执行 JS/CSS 打包压缩、SASS/LESS/CoffeeScript 编译、单元测试… 等工作，常被拿来当成前端开发自动化的引擎。
# Gulp
用来简化 Grunt 设定，透过 gulpfile.js 按排作业流程：task, run, watch, src, dest
npm -g install gulp
npm install --save-dev gulp （安装到项目目录，限定开发才用到）
npm install gulp-compass --save-dev （gulp-compass 是常用 Gulp 外挂，内含大量 Mixin 定义）
一种常见应用是让 Gulp 透过 watch 目录，一旦档案发生异动，就立即启动编译、打包等动作，实现连续整合的目标。
Neo4j空间索引学习笔记
Neo4j采用Neo4j Spatial插件实现空间索引，Neo4j Spatial可使用API或Cypher执行空间查询操作，另作为插件可部署于GeoServer与uDig；与Oracle/MySQL Spatial Extention/MongoDB 2dSphere等空间模块相比，这种结合关系与空间的分析更值得尝试！
Neo4j常用CypherQL语句
MongoDB与Neo4j数据同步
MySQL常用函数（UDF）
JVM学习笔记（三）垃圾收集器与内存分配策略
MySQL存储过程学习笔记
团队一直有小伙伴顶着数据库相关的工作，ETL数据整合分析事情多了，研发开发工作相应减少，终于有机会也来写写存储过程了。
以SP进行SQL业务逻辑封装，执行性能能大大提高，在注意合理拆分SP、SQL书写简洁规范和注释到位的情况下，也能做到易于维护。
特别是对于海量数据分析追求时效性的业务，效率第一，就算逻辑复杂不易维护也得认。如Hibernate VS Mybatis，产品 VS 项目，现实世界丰富多彩，存在即合理。