大数据经典论文解读 下载
├─01-课前导读 (3讲)
│ 开篇词.读论文是成为优秀工程师的成年礼
│ 01.什么是大数据：从GFS到Dataflow，12年大数据生态演化图
│ 02.学习方法：建立你的大数据知识网络
│
├─02-基础知识篇：Google的三驾马车 (12讲)
│ 03.TheGoogleFileSystem（一）：Master的三个身份
│ 04.TheGoogleFileSystem（二）：如何应对网络瓶颈？
│ 05.TheGoogleFileSystem（三）：多写几次也没关系
│ 06.MapReduce（一）：源起Unix的设计思想
│ 07.MapReduce（二）：不怕失败的计算框架
│ 08.Bigtable（一）：错失百亿的Friendster
│ 09.Bigtable（二）：不认识“主人”的分布式架构
│ 10.Bigtable（三）：SSTable存储引擎详解
│ 11.通过Thrift序列化：我们要预知未来才能向后兼容吗？
│ 12.分布式锁Chubby（一）：交易之前先签合同
│ 13.分布式锁Chubby（二）：众口铄金的真相
│ 14.分布式锁Chubby（三）：移形换影保障高可用
│
├─03-加餐篇(3讲)
│ 加餐1.选择和努力同样重要：聊聊如何读论文和选论文
│ 加餐2.设置你的学习“母题”：如何选择阅读材料？
│ 加餐3.我该使用什么样的大数据系统？
│
├─04-数据库篇：OLAP和OLTP，一个都不能少(10讲)
│ 15.Hive：来来去去的DSL，永生不死的SQL
│ 16.从Dremel到Parquet（一）：深入剖析列式存储
│ 17.从Dremel到Parquet（二）：他山之石的MPP数据库
│ 18.Spark：别忘了内存比磁盘快多少
│ 19.Megastore（一）：全国各地都能写入的数据库
│ 20.Megastore（二）：把Bigtable玩出花来
│ 21.Megastore（三）：让Paxos跨越“国界”
│ 22.Spanner（上）：“重写”Bigtable和Megastore
│ 23.Spanner（二）：时间的悖论
│ 24.Spanner（三）：严格串行化的分布式系统
│
├─05-复习篇(10讲)
│ 复习课（一）.TheGoogleFileSystem
│ 复习课（七）.Dremel
│ 复习课（三）.Bigtable
│ 复习课（九）.Megastore
│ 复习课（二）.MapReduce
│ 复习课（五）.Chubby
│ 复习课（八）.ResilientDistributedDatasets
│ 复习课（六）.Hive
│ 复习课（十）.Spanner
│ 复习课（四）.Thrift
│
├─06-实时处理篇：批处理只是流式处理的“特殊情况”(7讲)
│ 25.从S4到Storm（一）：当分布式遇上实时计算
│ 26.从S4到Storm（二）：位运算是个好东西
│ 27.Kafka（一）：消息队列的新标准
│ 28.Kafka（二）：从Lambda到Kappa，流批一体计算的起源
│ 29.Dataflow（一）：正确性、容错和时间窗口
│ 30.Dataflow（二）：MillWheel，一个早期实现
│ 31.Dataflow（三）：一个统一的编程模型
│
├─07-资源调度篇：Google藏了10年的杀手锏(5讲)
│ 32.Raft（一）：不会背叛的信使
│ 33.Raft（二）：服务器增减的“自举”实现
│ 34.Borg（一）：当电力成为成本瓶颈
│ 35.Borg（二）：互不“信任”的调度系统
│ 36.从Omega到Kubernetes：哺育云原生的开源项目
│
├─08-实战应用篇：学以致用的大数据论文 (4讲)
│ 37.当数据遇上AI，Twitter的数据挖掘实战（一）
│ 38.当数据遇上AI，Twitter的数据挖掘实战（二）
│ 39.十年一梦，一起来看Facebook的数据仓库变迁（一）
│ 40.十年一梦，一起来看Facebook的数据仓库变迁（二）
│
├─09-结束语
│ 结束语.长风破浪会有时，直挂云帆济沧海
│
└─用户故事 (4讲)
用户故事.核桃：95后的技术成长之路
用户故事.许灵：不抛弃不放弃
用户故事.陈煌：唯有自强不息，方能屹立不倒
用户故事.黄涛：水滴石穿、坚持不懈，必能有所精进