joepie91认为，MongoDB不仅存在诸多问题，而且并无突出之处。如果项目涉及用户账户或者两条记录之间存在某种关系，那么就应该使用关系型数据库，而不是文档存储；如果项目在使用Mongoose，那么也应该使用关系型数据库，因为Mongoose只是使用文档存储模拟了有模式的关系型数据库。因此，大多数情况实际上需要的都是一个关系型数据库。在这些情况下，PostgreSQL是个不错的可选方案。开发者可以使用查询构建器或ORM来简化使用过程，比如，在Node.js中，可以选用Knex、Bookshelf、Sequelize或Waterline。即使真得需要一个文档存储，那么也有比MongoDB更好的选项。另外，他也不认为MongoDB适合于创建原型，因为如果生产环境使用不同的数据库，则还需要重写所有的代码。总之，MongoDB并没有什么适用场景。它在技术上比不上其它可选方案，并没有提供真正有用的独有的特性，而且开发人员也无法确保数据一致性和安全。最后，joepie91指出，流行度并不等同于质量，只能说明产品有一个不错的市场团队：
Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统。
几个小时要处理完TB的数据，但是这些程序一般都不是分布式系统人员开发的，使用起来因为一些分布式的系统问题，会非常的痛苦
实践的过程中，要不断地补充理论知识，总结经验，然后继续实践，如此循环，前进。今天结合实践心得总结一下智能产品设计的几个要点。主要的理论来源是社区的成员志荣推荐我一本书，谷歌的AI Guidebook，我抽空阅读了下，有一些我深有体会，再此总结了一个小型的5步指南，分享给大家。
Nodejs框架是基于V8的引擎，是目前速度最快的Javascript引擎。chrome浏览器就基于V8，同时打开20-30个网页都很流畅。Nodejs标准的web开发框架Express，可以帮助我们
http://www.gluster.org/documentation/Documenting_the_undocumented/
订阅了罗永浩在得到上的干货日志，今天是第一期。主要讲的是你是否适合创业？听（看）完以后，心情久久不能平静。不适合创业的六条理由（怕麻烦、没长性、抗压能力差、犹豫不决、不想受委屈、想平衡家庭工作的人），我占到两条。适合创业的两条理由，我也具备。人生就是一个无法兼顾的妥协。渴望有更多的时间陪老婆孩子，渴望赚大钱。现实情况却无法让我可以长性忍受低薪去创业，也无法做到不陪伴家人去全心投入创业。 感谢老罗的干货日志，我会每期都认真去听。我在简书上分享他的文章内容，不确定是否有版权问题，建议大家想听的可以去得到上购买。
Spark的适用场景 从大数据处理需求来看，大数据的业务大概可以分为以下三类 ： （1）复杂的批量数据处理，通常的时间跨度在数十分钟到数小时之间。 （2）基于历史数据的交互式查询，通常的时间跨度在数十秒到数分钟之间。 （3）基于实时数据流的数据处理，通常的时间跨度在数百毫秒到数秒之间。 目前已有很多相对成熟的开源和商业软件来处理以上三种情景 ：第一种业务，可以利用 MapReduce 来进行批量数据处理 ；第二种业务，可以用 Impala 来进行交互式查询 ；对于第三种流式数据处理，可以想到专业的流数据处理
自然语言处理中的分词结果，数字图像处理中的分割识别结果，它们通常有着不一样个数的单元，当我们需要逐个处理这些单元数据的时候如果全部导入MATLAB会占用大量内存，甚至卡死。
前言 Mysql 的索引是我们常用的，但实际了解多少呢？下面通过几个案例小问题来测验下，后面会有答案及相关解释 测试问题 问题1 下面的索引适合这个查询吗？ CREATE INDEX tbl_idx ON tbl (date_column) SELECT COUNT(*) FROM tbl WHERE EXTRACT(YEAR FROM date_column) = 2017 选项： A 很适合 B 不适合 问题2 下面的索引适合这个查询吗？ CREATE INDEX tbl_idx ON tbl
开发网站的时候，尤其是一些后台管理系统，会出现很多重复性工作，为追求方便快捷解决方法往往是简单粗暴的复制粘贴。复制粘贴会让代码散发出惹人讨厌的坏味道每个程序员都知道，但有时候除此之外别无解决方案，如项目中的html文件，除了头尾部份， 明明有很多冗余的代码存在于项目的html文件当中，但对于提取它们却总是束手无策。 这类代码即有html也有js html代码如，两张列表页面， 除了表的列数和具体的内容以外， html结构的规格都是相同的，但是我们在新建页面时，这类重复的table、tr、td总是不可避免的
TC39异步迭代器提案 将 for/await/of 引入了 JavaScript【http://thecodebarbarian.com/getting-started- with-async-iterators-in-node-js】，还介绍了异步生成器函数【https://github.com/tc39/proposal-async-iteration#async-generator-functions】的概念。现在 JavaScript 有 6 种不同的函数类型：
谈到大数据框架，不得不提Hadoop和 Spark，今天我们进行历史溯源，帮助大家了解Hadoop和Spark的过去，感应未来。 在Hadoop出现前人们采用什么计算模型呢？是典型的高性能 HPC workflow，它有专门负责计算的compute cluster，cluster memory很小，所以计算产生的任何数据会存储在storage中，最后在Tape里进行备份，这种workflow主要适用高速大规模复杂计算，像核物理模拟中会用到。 HPC workflow在实际应用中存在一些问题，这些问题
今天我们将学习Mongoose，什么是Mongoose呢，它于MongoDB又是什么关系呢，它可以用来做什么呢，介绍Mongoose之前，我们先简单了解一下MongoDB。
写需求的时候发现一个点，我想创建一个根据传入的length来生成length个0的数组。 于是，我写下了下面的代码
在网络服务器中，需要维护所有连接信息，通常是以fd做为key，连接信息结构体做为value。每次有新连接接入时，需求加入一个映射关系；每次有新数据到达时，需要根据对应的fd查询到对应的连接信息结构。
关于如何处理 node.js 服务连接 MongoDB，我查阅了大量中英文资料，发现并没有太适合我所期望的能力的方案，因此经过一番官方文档的研究，总结了以下的连接 MongoDB 的方法（使用目前 Node.js 平台最常用的 MongoDB ODM mongoose），斗胆称之为『最佳实践』，希望能够抛砖引玉，得到大家更专业的解答。 话不多说，先上代码：
Apache Spark正在引起很大的热议。Databricks是为支持Spark而成立的一个公司，它从Andreessen Horowitz募集到了$ 1400万美元，Cloudera决定全力支持Spark，其他人也认为这是下一件大事。所以我认为现在是时候看看并了解整个动态了。
nodejs是由Ryan Dahl写的。他做nodejs的初衷是为了做一个高性能是web服务器。 为了实现高性能服务器，实现要点是:
因为我的业务需求比较简单，直接从服务器中把返回的json数组转成了map 然后用的时候根据值找键，找到第一个就结束了，不用考虑其他的
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
