小周的院子

Dockerfile的组成构建docker镜像的文件，命令+参数+脚本步骤 编写一个dockerfile文件 docker build 构建成一个镜像 docker run运行镜像 docker push发布镜像至DockerHub或阿里云镜像仓库 官方做法：在dockerHub中随意点击一个镜像的版本，就会跳转至github的DockerFile目录，如cengtos7显示如下： 12345

如果开发的环境是unix、dos并存，那么一定会碰到文本格式的问题。比如dos环境中（win下的notepad++）编辑的脚本文件传输到linux上，行尾会多出来一个^M，导致脚本在linux上无法运行，这就是fileformat的问题。由于历史原因，unix、dos、mac三家系统采用的是不同的行结束符，unix是\n，windows是复古的\r\n（也不是所有windows上编辑的都是dos）

Crontab是啥？我们先来看看wiki的说法：再来看看官方（http://crontab.org/）对crontab的定义：大概说明了crontab命令的使用方法、参数的使用等注意事项，其实这些中文网已经有很多了。推荐一个小网站：https://tool.lu/crontab 这个网站可以用来执行我们的cron表达式，以检测是否有错误。我发现这种小工具网站是真的多，而且一个比一个好，一个比一个全

容器数据卷卷技术，作用是数据共享。由于容器删除后内部修改的数据也会丢失，因此需要有个地方存储数据。 卷技术可以让容器本地产生的数据映射到本地，卷技术的本质是目录的挂载，将容器内部的目录挂载到宿主机上，实现容器持久化。包括容器间也可以共享 123docker -v 主机目录:容器目录# 就算重启容器，映射关系也还是会存在 安装mysqlnavicat连接到云服务器的3305端口，映射到docke

单体DockerDockerDocker出现的契机：解决项目中的环境问题。docker的图标：鲸鱼上放了许多集装箱，也映射了docker的核心思想——隔离。每个箱子是互相隔离的。隔离机制也可以将linux服务器利用到极致深究历史2010年出现dotcloud，2013年开源后使用人数增多。2014年Docker1.0发布，基于Go语言开发。Docker优势是非常轻巧，在Docker之前一般都是使用

存储引擎将数据存储在磁盘中，查询数据时会选择合适的执行计划将数据查询，执行计划的选择取决于SQL语句执行的成本。而当我们在讨论查询的成本时，一般有两部分： I/O成本：查询时需要将磁盘上的数据加载到内存中。这个过程损耗的时间即I/O成本 CPU成本：读取记录、检测记录是否满足搜索条件、排序等操作的时间为CPU成本 在操作系统中，I/O和CPU因为效率的不同，计算成

单表查询单表查询的语句实际上是一种声明式的语法，只是告诉MySQL要获取的数据符合哪些规则，至于具体的执行方式是MySQL自己来定。针对不同的场景，也有不同的执行计划， MySQL基于开销(cost)的优化器策略，哪种执行计划开销更低，就意味着性能更好，速度更快，就选择哪一种。以下是执行计划的类型：const通过主键 或者唯一二级索引 与常数的等值比较 来定位一条记录，是最快的执行方式。主键定位直

hadoop搭建 ： 环境搭建：利用分发脚本在所有服务器上部署java和hadoop 组件部署：三个重要组件分别部署在三台服务器上，并修改配置文件 启动集群并测试功能：格式化后分别启动组件并上传文件，配置历史服务器和日志功能 服务器相关概念类型：文件服务器、数据库服务器、WEB服务器特点：高处理能力、高扩展性、高可靠性服务器磁盘机械硬盘：SCSI接口硬盘，早期使用，已停售，1w转/m

HDFS基本概念是一个文件系统，用于存储文件，通过目录树来定位文件；是分布式的，由多个服务器联合起来实现其功。适合场景：一次写入，多次读出，不可更改。文件写入后就不需要再改变HDFS特征优点 高容错，文件报错多个副本 适合处理大数据，数据规模到GB、TB甚至TP；文件数量多到百万级以上均可处理 可建构廉价机器上 缺点 不适合低延迟数据访问，实时场景不合适 无法高效对大量小文件进行存储（占用大

MapReduce一个分布式运算程序的编程框架，用户开发“基于Hadoop的数据分析应用”的核心框架。优点： 易于编程，用户只关心业务逻辑，实现框架的接口 良好的扩展性。可动态增加服务器，解决计算资源不够的问题 高容错性。任意节点挂掉可以将任务转移至其他节点 适合海量数据计算。（TB/PB级别）几千台服务器共同计算 缺点： 不擅长实时计算。（mysql毫秒级别的） 不擅长流式计算