最近应用在测试中出现Out Of Memory的问题， 通过jmap查看，发现JVM heap全用满了。 有很多工具可以查看JVM堆的信息， 收费的比如JProfiler， YourKit，免费的如Oracle JDK自带的visualvm

nicstat 是 Solaris 和 Linux 的网络流量统计工具。 在 SOLARIS 构建 mv Makefile.Solaris Makefile make 在 LINUX

.NET Assembly 能显示 .NET 程序集的详细信息： 1) 编译模式调试/发布 2) .NET Assembly 全称 3) .NET Assembly 递归引用

-开发-方法 介绍 这篇文章主要是介绍一下我在iOS开发中使用到的一些可以提升开发效率的方法和工具。 IDE 首先要说的肯定是IDE了，说到IDE，Xcode不能跑，当然你也可能同时在使用Ap

一般的工具 脚手架工具（帮助启动项目） Yeoman －Yeoman是一个强健且固执的客户端堆栈，其包含一些能帮助开发人员快速构建漂亮web应用程序的工具和框架。 构建工具（自动化的） Grunt

SCOUTER是一个开源APM和数据库监控工具。它监视Tomcat和MariaDB的性能。 如果您使用的Tomcat，SCOUTER将是监测的最佳选择。 模块 Scouter 拥有三个模块: Agent

Zsh Zsh 也许是目前最好用的 bash 工具了。这里列举了 zsh 的一些优点： 为什么要使用 zsh 。 Mac 自带 zsh，不过我们当然要用最新版啦，其他发行版请参照各自的软件安装方法。安装完毕后，重新打开

的特点 Ansible 中的概念 Ansible 1 分钟入门 最后 比起来其他自动化集群管理和运维工具 Puppet、Chef、Slat, Ansible 显得很简单并且轻量级, 但是 Ansible

GoFunctools是一个简单的Golang库，包括一些公共常用的函数编程工具包。 特性 High level functions such as Apply/Reduce/Filter etc

Detector 是 PHP Depend 的分拆项目，旨在提供一个和 Java 工具 PMD 同样知名的 PHP 工具。PHPMD 可以看作为一个队用户友好且易于配置的前端。PHPMD 是这样工作的：它需要一个给定的

三个工具都出自 JakeWharton 大神。hugo和timber用于打印Log, scalpel用于在3D下查看界面的图层。 Hugo 做项目的时候有时候需要打印方法的传参和返回值，甚至方法的

是提供给前端开发者的 Saas 工具集，能帮助提高对一般样式代码模式的执行（implementations of common style-code patterns）。 Scut 工具集可以帮助用户避免重复写代码，扩大代码的可重用性。

SwiftCov 是一个可以产生 Swift 测试代码覆盖信息的工具。 用法： $ swiftcov helpAvailable commands:    generate   Generate 

一共81个，开源大数据处理工具汇总（上） ，第二部分主要收集整理的内容主要有日志收集系统、消息系统、分布式服务、集群管理、RPC、基础设施、搜索引擎、Iaas和监控管理等大数据开源工具。 日志收集系统 一、Facebook Scribe

Dockramp 是一个客户端驱动的 Docker 容器镜像构建工具。 主要特性： 没有上下文上传 高效分层和缓存 更丰富和扩展性更强的 Dockerfile 语法 安装： pro

简介 Shipyard 是一个基于 Web 的Dokcer管理工具，支持多 host，可以把多个 Docker host 上的containers统一管理；可以查看 images，甚至 build

一个java代码生成工具，支持hibernate,mybatis,jdbc三种数据持久层框架，标准的mvc模式代码。 Codetool 项目使用maven构建，请自行配置 maven 的 repository

件，只能手工Excel登记（特别不是总公司的这里）-_-!! 另一方面，想探究一下 ITDB 工具的管理方法，因此特意试试！ 系统：Ubuntu server 14.04 软件：ITDB

通过 nodejs 的npm安装gulp，插件也可以通过npm安装。windows系统是个.msi工具，只要一直下一步即可，软件会自动在写入环境变量中，这样就能在cmd命令窗口中直接使用node或npm指令。

机器学习 和 数据分析 。数据可视化是 发现 数据和展示结果的重要一环，只不过过去以来，相对于 R 这样的工具，发展还是落后一些。 幸运的是，过去几年出现了很多新的Python数据可视化库，弥补了一些这方面的差距。