大数据” 三个字其实是个marketing语言，从技术角度看，包含范围很广，计算、存储、网络都涉及，知识点广、学习难度高。
本期会给大家奉献上精彩的：MongoDB、spark 、混部署、分布式协议、oracle、机器学习、Hbase、flink 。全是干货，希望大家喜欢！！！
#大数据和云计算技术社区#希望通过坚持定期分享能帮助同学在大数据学习道路上尽一份微博之力。相信长期坚持认真阅读周报的同学，在技术的道路上一定会日益精进！感谢编辑们的长期坚持！也请同学们继续打赏，支持社区，支持编辑们持续奉献高质量知识！
#大数据和云计算技术社区#长期招募有兴趣参与社区编辑和运营的同学，欢迎扫描文末二维码联系（参与社区工作，收获知识和进步，还有红包哦）。
特别提醒，文末有惊喜！
以下是正文，限于众编辑水平有限，不保证大家都喜欢。（如果链接不能点开 请用二维码 谢谢）
１Spark Spark作为大数据计算引擎，凭借其快速、稳定、简易等特点，快速的占领了大数据计算的领域。本文主要为作者在搭建使用计算平台的过程中，对于Spark的理解，希望能给读者一些学习的思路。文章内容为介绍Spark在DataMagic平台扮演的角色、如何快速掌握Spark以及DataMagic平台是如何使用好Spark的。
https://mp.weixin.qq.com/s/NuxCd2dpgYbj2T-faVPcUw
**2混部署 ** 混部署技术
https://mp.weixin.qq.com/s/sUWy60vL-pEt5fE5PGGrww
**
**3MongoDB ** 本文讲述了在一次MongoDB故障中，发现由MongoDB主从复制的延迟而影响到业务的问题，以及通过对通过对db.printSlaveRepeReplicationInfo()结果的获取逻辑解析和验证得出造成MongoDB主从复制延迟的主要原因、及相应的避免措施。
http://mongoing.com/%3Fp%3D7662
**4分布式协议 ** 分布式系统中常见协议 大家可以了解下
https://mp.weixin.qq.com/s/M3GtZ-6p7FWgyCKmRO-FyA
5机器学习 最近几周把线性代数系统复习了一下。对应找了这篇文章。线性代数总体上包括行列式，矩阵，向量，线性方程，非线性方程，二次型。在无论是SVD PCA 甚至是梯度下降的推导中都有涉及。这篇文章中讲述的线性代数在机器学习中的应用是相对比较直观的，可供复习参考。
https://mp.weixin.qq.com/s/5qEiK8Fo3N8n7en5jT10xg
**6Flink ** Flink 是一种非常复杂的框架，它提供了多种调整其执行的方法。本文将介绍四种不同的方法来提升你的 Flink 应用程序的性能
https://www.iteblog.com/archives/2303.html
**7Redis ** 该文总结并演示了 Redis 的 常用管理命令、key 操作、字符串、集合、列表、散列类型的操作命令 清晰易懂
https://mp.weixin.qq.com/s/k-yBobqsm0kOzdhcrM-jmg
8 数据库
在关系数据库中，除了查询优化器之外，查询调度器和计划执行器是两个同等重要的模块，并且随着计算机硬件的发展，他们的重要性越发彰显。
https://mp.weixin.qq.com/s/tD7pTVBiuzAEZ1rV9orbUQ
**9Hbase ** 本文主要在建表时进行预分区，充分考虑rowkey的分布做出合理的预分区方案，来提高在数据量大、访问量大，或被批处理程序的读写性能
https://mp.weixin.qq.com/s/buJXfoRbc_XgOHX3ia6LCA
**10高可用 ** 对于访问量或者数据量都是呈指数级别地上升的情况下如何保证高可用
https://mp.weixin.qq.com/s/rqP54fB0UlXChIW2gBYQnQ
**11开心一刻 **
男人要记住，与女人吵架的要领是，要像在安装软件或注册网站时阅读“服务条款”那样，直接忽略所有的内容，到最后面勾选“我同意”，然后点击“确定”。
