jQuery是一个了不起的javascript库，它可以是我们用很少的几句代码就可以创建出漂亮的页面效果。从网站的方面说，这使得javascript更加有趣。如果你这样想：“孩子，我需要另外一个javascript库，就好比我I need another hole in my head”那么加入这个俱乐部吧。这正是我第一次遇到的时候所想的。我已经用过了Moo.fx, Scriptaculous, TW-SACK, 和 Prototype. 我曾参与了RICO, Yahoo YUI和其他一些库的开发。 没有了PHPjavascript和我一点也不亲近了。但是我还是尽全力保持头脑清醒，并尽量保持用AJAX去思考。

一、jQuery的基本用法:随着WEB2.0及ajax思想在互联网上的快速发展传播，陆续出现了一些优秀的Js框架，其中比较著名的有Prototype、YUI、jQuery、mootools、Bindows以及国内的JSVM框架等，jQuery是继prototype之后的又一个优秀的Javascript框架。它是由JohnResig于2006年初创建的，它有助于简化JavaScript以及Ajax编程。它具有如下一些特点：1.代码简练、语义易懂、学习快速、文档丰富。2.jQuery是一个轻量级的脚本，其代码非常小巧，最新版的JavaScript包只有20K左右。3.jQuery支持CSS1-CSS3,以及基本的xPath。

jQuery语法您可以选取（查询，query）HTML元素，并对它们执行“操作”（actions）。

http头信息详解HTTP（Hyper TextTransfer Protocol）是超文本传输协议的缩写，它用于传送WWW方式的数据，关于HTTP协议的详细内容请参考RFC2616。HTTP协议采用了请求/响应模型。客户端向服务器发送一个请求，请求头包含请求的方法、URI、协议版本、以及包含请求修饰符、客户信息和内容的类似于MIME的消息结构。服务器以一个状态行作为响应，相应的内容包括消息协议的版本，成功或者错误编码加上包含服务器信息、实体元信息以及可能的实体内容。通常HTTP消息包括客户机向服务器的请求消息和服务器向客户机的响应消息。这两种类型的消息由一个起始行，一个或者多个头域，一个只是头域结束的空行和可选的消息体组成。

Spark 是Scala写的, 运行在JVM上。所以运行环境是Java6或者以上。 如果想要使用 Python API，需要安装Python 解释器2.6版本或者以上。 目前Spark(1.2.0版本) 与Python 3不兼容。

解决低效问题 我们知道userData 表比每五分钟的时间日志大很多，这浪费了很多工作。userData 每次调用的时候，都通过网络hashed和shuffled，尽管它不变化。 在userData使用partitionBy()

Spark是怎样分割工作的 每个RDD都有一个固定个数的partitions，决定了当执行RDD操作时候的并行度。 Spark会尝试基于集群大小的默认值，一些情况下，你需要优化并行度。 当我们执行聚合或者分组操作的时候，我们可以让Spark使用特定个数的partitions。

combineByKey(createCombiner,mergeValue,mergeCombiners,partitioner) combineByKey()是最常用的基于key的聚合函数，返回的类型可以与输入类型不一样。 许多基于key的聚合函数都用到了它，像groupByKey()，aggregate()。

KeyValue对RDDs(Pairs RDDS)一般用来聚合操作。 将数据转换成Key/value格式的方法：ETL (extract, transform,and load)操作 extract：字段抽取 transform：已有的RDD转换 load：加载的时候 parallelize()

Spark维护着RDDs之间的依赖关系和创建关系, 叫做 血统关系图（lineage graph）。 Spark使用血统关系图来计算每个RDD的需求和恢复丢失的数据(当一些存储的RDD丢失的时候)。

RDDs Resilient distributed datasets(弹性分布式数据集，简写RDDs)。 一个RDD就是一个不可改变的分布式集合对象，内部由许多partitions(分片)组成，每个partition都包括一部分数据，这些partitions可以在集群的不同节点上计算 Partitions是Spark中的并行处理的单元。Spark顺序的，并行的处理partitions。 RDDs 是 Spark的分发数据和计算的基础抽象类，是Spark的核心概念。 RDD可以包含 Python, Java, 或者 Scala中的任何数据类型，包括用户自定义的类。 在Spark中，所有的计算都是通过RDDs的创建，转换，操作完成的。 RDD具有lineage graph(血统关系图)。

Transformations的特点： Transformations返回一个崭新的RDD， filter() 操作返回一个指针，指向一个崭新的RDD，原RDD不受影响，能够在后面重复利用。

在RDD上计算出来一个结果，把结果返回给driver program或者保存在外部文件系统上，像count() 函数 first()。

Spark是快速的 很多任务能够秒级完成，对于一些特定的工作，Spark比Mapreduce快10-20倍。 Spark扩充了流行的Mapreduce计算模型，使Spark更高效地支持更多类型的计算，包括交互式查询，和流处理。 速度快的另一个主要原因就是，能够在内存中计算。

Spark程序的开发和运行。创建SparkContext、WordCount程序。

使用Scala+IntelliJ IDEA+Sbt搭建开发环境

大纲并发编程概述JMM（Java Memory Model）概述可见性有序性并发工具监控与跟踪为什么要学习并发编程？充分利用服务器资源提高服务吞吐量、降低响应时间爬虫、WebServer、日志分析……分布式系统资源的争用、可伸缩性多线程的优点多线程的代价设计更复杂资源共享、数据一致性及可见性、调试困难性能开销锁、上下文切换内存开销贸然进行的性能优化顺序IOvs随机IO的例子问题所有内存都是共享的吗？栈上分配的变量是线程安全的共享内存一定不是线程安全的吗？不一定，正确的同步or不可变对象or线程级别的资源锁的是谁？试试回答这些问题还有一题：大纲并发编程概述JMM（Java Memory Model）概述可见性有序性并发工具监控与跟踪JMM-抽象模型SandyBridge内存模型JMM-线程间通讯大纲并发编程概述JMM（JavaMemoryModel）概述可见性有序性并发工具监控与跟踪问题：可见性?写boolean型对其它线程马上可见吗

Activiti数据表结构Activiti数据表结构Activiti数据库表结构数据库表名说明Activiti工作流总共包含23张数据表，所有的表名默认以“ACT_”开头。并且表名的第二部分用两个字母表明表的用例，而这个用例也基本上跟ServiceAPI匹配。ACT_GE_*:“GE”代表“General”（通用），用在各种情况下；ACT_HI_*:“HI”代表“History”（历史），这些表中保存的都是历史数据，比如执行过的流程实例、变量、任务，等等。Activit默认提供了4种历史级别：none:不保存任何历史记录，可以提高系统性能；activity：保存所有的流程实例、任务、活动信息；

Jquer获取页面控件的值 select,checkbox,radio

一、所需工具 1、java jdk 2、Eclipse （eclipse for ee ） 3、Adt 4、Sdk 二、安装工具 1、jdk 安装 JDK包含的基本工具主要有： javac：Java编译器，将源代码转成字节码。 jar：打包工具，将相关的类文件打包成一个文件。 javadoc：文档生成器，从源码注释中提取文档。 jdb：debugger，调试查错工具。 java：运行编译后的java程序。