大数据经典论文解读
00-开篇词-读论文是成为优秀工程师的成年礼.html
01-01-什么是大数据：从GFS到Dataflow，12年大数据生态演化图.html
02-02-学习方法：建立你的大数据知识网络.html
03-03-TheGoogleFileSystem（一）：Master的三个身份.html
04-04-TheGoogleFileSystem（二）：如何应对网络瓶颈？.html
05-05-TheGoogleFileSystem（三）：多写几次也没关系.html
06-06-MapReduce（一）：源起Unix的设计思想.html
07-07-MapReduce（二）：不怕失败的计算框架.html
08-08-Bigtable（一）：错失百亿的Friendster.html
09-09-Bigtable（二）：不认识“主人”的分布式架构.html
10-10-Bigtable（三）：SSTable存储引擎详解.html
11-11-通过Thrift序列化：我们要预知未来才能向后兼容吗？.html
12-12-分布式锁Chubby（一）：交易之前先签合同.html
13-13-分布式锁Chubby（二）：众口铄金的真相.html
14-14-分布式锁Chubby（三）：移形换影保障高可用.html
15-15-Hive：来来去去的DSL，永生不死的SQL.html
16-16-从Dremel到Parquet（一）：深入剖析列式存储.html
17-17-从Dremel到Parquet（二）：他山之石的MPP数据库.html
18-18-Spark：别忘了内存比磁盘快多少.html
19-19-Megastore（一）：全国各地都能写入的数据库.html
20-20-Megastore（二）：把Bigtable玩出花来.html
21-21-Megastore（三）：让Paxos跨越“国界”.html
22-22-Spanner（一）：“重写”Bigtable和Megastore.html
23-23-Spanner（二）：时间的悖论.html
24-24-Spanner（三）：严格串行化的分布式系统.html
25-25-从S4到Storm（一）：当分布式遇上实时计算.html
26-26-从S4到Storm（二）：位运算是个好东西.html
27-27-Kafka（一）：消息队列的新标准.html
28-28-Kafka（二）：从Lambda到Kappa，流批一体计算的起源.html
29-29-Dataflow（一）：正确性、容错和时间窗口.html
30-30-Dataflow（二）：MillWheel，一个早期实现.html
31-31-Dataflow（三）：一个统一的编程模型.html
32-复习课（一）-TheGoogleFileSystem.html
33-复习课（二）-MapReduce.html
34-复习课（三）-Bigtable.html
35-复习课（四）-Thrift.html
36-复习课（五）-Chubby.html
37-复习课（六）-Hive.html
38-复习课（七）-Dremel.html
39-复习课（八）-ResilientDistributedDatasets.html
40-复习课（九）-Megastore.html
41-复习课（十）-Spanner.html
42-加餐1-选择和努力同样重要：聊聊如何读论文和选论文.html
43-加餐2-设置你的学习“母题”：如何选择阅读材料？.html
44-加餐3-我该使用什么样的大数据系统？.html
45-32-Raft（一）：不会背叛的信使.html
46-33-Raft（二）：服务器增减的“自举”实现.html
47-34-Borg（一）：当电力成为成本瓶颈.html
48-35-Borg（二）：互不“信任”的调度系统.html
49-36-从Omega到Kubernetes：哺育云原生的开源项目.html
50-用户故事-陈煌：唯有自强不息，方能屹立不倒.html
51-用户故事-黄涛：水滴石穿、坚持不懈，必能有所精进.html
52-用户故事-许灵：不抛弃不放弃.html
53-用户故事-核桃：95后的技术成长之路.html
54-37-当数据遇上AI，Twitter的数据挖掘实战（一）.html
55-38-当数据遇上AI，Twitter的数据挖掘实战（二）.html
56-39-十年一梦，一起来看Facebook的数据仓库变迁（一）.html
57-40-十年一梦，一起来看Facebook的数据仓库变迁（二）.html
58-结束语-长风破浪会有时，直挂云帆济沧海.html