一个纯正程序员的啰嗦
ICDM（国际数据挖掘大会）2006 年从 18 种提名的数据挖掘算法中投票选出了十大算法。这 18 中提名数据挖掘算法分属 10 大数据挖掘主题，蓝色部分即为最终选出的十大算法：
[……]阅读全文
Java 中的泛型带来了什么好处？规约。就像接口定义一样，可以帮助对于泛型类型和对象的使用上，保证类型的正确性。如果没有泛型的约束，程序员大概需要在代码里面使用大量的类型强制转换语句，而且需要非常清楚没有标注的对象实际类型，这是容易出错的、恼人的。但是话说回来，泛型可不只有规约，还有很多有趣的用法，容我一一道来。
泛型擦除
Java 的泛型在编译阶段实际上就已经被擦除了（这也是它和 C#泛型最本质的区别），也就是说，对于使用泛型的定义，对于编译执行的过程，并没有任何的帮助（有谁能告诉我为什么按着泛型擦除来设计？）。所以，单纯利用泛型的不同来设计接口，会遇到预期之外的问题，比如
[……]阅读全文
java.util.concurrent 包的类都来自于 JSR-166：Concurrent Utilities，官方的描述叫做“The JSR proposes a set of medium-level utilities that provide functionality commonly needed in concurrent programs. ”。作者是大名鼎鼎的 Doug Lea，这个包的前身可以在这里找到，它最好的文档就是系统的 API 手册。
当然，这里参考的 concurrent 包来自 JDK7，比最初 JDK1.5 的版本有了不少改进。我曾经在 《Java
[……]阅读全文
对于 DCL（Double Check Lock）情况下的对象安全发布，一直理解得不足够清楚；在通过和同事，以及和互联网上一些朋友的讨论之后，我觉得已经把问题搞清楚了。我把我对这个问题的理解简要记录在这里。
现在有代码 A：
class T {
private static volatile T instance;
public M m; // 这里没有 final 修饰
public static T getInstance() {
if (null == instance) {
synchronized (T.class) {
if (null ==
[……]阅读全文
上半部分请参见 《排序算法一览（上）：交换类、选择类和插入类排序》。
归并类排序
归并排序（Merge Sort）
归并排序是一种分治法，它反复将两个已经排序的序列合并成一个序列（平均时间复杂度 O(nlogn)，最好时间复杂度 O(n)）：
public class Sort {
public s
[……]阅读全文
[……]阅读全文
关于足球
我从 98 年世界杯就开始看球了，从最早国内的申花球迷，到后来长期看英超诸强的足球、西甲双雄的足球，我也算是一介有一点儿球龄的老球迷。一直以来我很想说一说关于足球青训的话题，今年在莫耶斯带领下的曼联，球踢得无比难看，比赛输得体无完肤，我觉得我找到了一个契机。比赛看得多了，也就不那么容易激动，看球更加理性。和许许多多竞技运动一样，你无法准确预测一场比赛的结果，但是长此以往的比赛分析下来，能看得到许多问题，孰强孰弱一目了然。虽说曼联的比赛我几乎一场不落，但是看看国内论坛上的帖子，骂战是从来都不可避免的，但是对弗格森的盲目的个人崇拜和神化已经到了一个简直无可救药的地步了。我相信很多曼联球
[……]阅读全文
Trie 树，又叫做前缀树或者是字典树，是一种有序的树。从空字符串的根开始，往下遍历到某个节点，确定了对应的字符串，也就是说，任意一个节点的所有子孙都具备相同的前缀。每一棵 Trie 树都可以被看做是一个简单版的确定有限状态的自动机（DFA，deterministic finite automaton），也就是说，对于一个任意给定的属于该自动机的状态 (①) 和一个属于该自动机字母表的字符 (②)，都可以根据给定的转移函数 (③) 转到下一个状态去。其中：
[……]阅读全文
一篇文章存成一个巨大的文件，总共大约有一亿个单词，要找出里面重复次数最多的。怎么做？
Hadoop 是一把威力巨大的榔头，在使用过 Hadoop 之后，看着任何东西都想把它给 map reduce 了。有一个关于 Jeff Dean 的小笑话，说在睡不着觉的时候，一般人是数羊，Jeff Dean 是 map reduce 他的羊群。所以，我的办法是，把这个文件拆分成若干个小文件，在 map 过程用 hash 算法保证相同的单词落入一个文件（这点很重要），计算单词出现次数，在 reduce 过程取得重复次数最多的单词来。
但是，真有必要这样啰嗦吗？
只有一亿个单词，简单估算一下，一个字母占据两个字节，假设单词平均长度 5，即便
[……]阅读全文
小 S 是一名新员工，他和很多踌躇满志的大学毕业生一样，实习+工作，他来到了一家非常对口自己爱好的公司，来到了一支温暖的团队 A，这支 30 人的大团队由老员工和新员工混合组成，年龄结构复合，有男有女，有从二十几岁到四十几岁的程序员，做的视频编解码项目。整个项目组的成员都是视频编解码领域的能手或专家，最多的有 10 年的相关经验，也有几项专利，小 S 觉得这样的人应该很耐得住寂寞，有很深的造诣。
有一位导师手把手地带着他学习和进入项目，陪他一起吃饭，和他聊天，给了他公司内部通用的学习材料。于是他很快上手，最开始有一些疑惑，但是小 S 积极地去询问问题，导师和同事都很乐于帮助他，于是他进步很快。公司有一个专门帮
[……]阅读全文
在这里可以找得到这些工具的列表，虽然官网上免责声明为 “The tools described in this section are unsupported and experimental in nature and should be used with that in mind. They might not be available in future JDK versions.”，但实际上这些工具还是非常有用的，尤其可以站在 JVM 的角度来定位问题。我在此简单罗列一些常用的工具和命令，以及相应的执行结果示例。如果你经常和 JVM 打交道，最好对这些工具的常用命令熟记。
jst
[……]阅读全文
因为项目的需要，学习使用了 Hadoop，和所有过热的技术一样，“大数据”、“海量” 这类词语在互联网上满天乱飞。Hadoop 是一个非常优秀的分布式编程框架，设计精巧而且目前没有同级别同重量的替代品。另外也接触到一个内部使用的框架，对于 Hadoop 做了封装和定制，使得更满足业务需求。我最近也想写一些 Hadoop 的学习和使用心得，但是看到网上那么泛滥的文章，我觉得再写点笔记一样的东西实在是没有价值。倒不如在漫天颂歌的时候冷静下来看看，有哪些不适合 Hadoop 解决的难题呢？
这张图就是 Hadoop 的架构图，Map 和 Reduce 是两个最基本的处理阶段，之前有输入数据格式定义和数据分片，之后 [……]阅读全文
最近在工作中我需要把数据从公共的 Data Warehouse（数据仓库）导出来，放到属于我们 team 自己账号的云端存储资源中去，然后再在我们的应用中查询这样的资源。需要导出数据是因为直接从 Data Warehouse 查询数据是一个缓慢而且异步的过程，而我们的应用数据查询需要实时性。现在要解决这个问题有一些 AWS 的服务可供我们可以选择，基本上分成了两大类：
第一类是存储和内容分发（Storage & Content Delivery）：
[……]阅读全文
本文翻译自《Java 8 Explained: Applying Lambdas to Java Collections》。
Lambdas 表达式是 Java 8 的主题，在 Java 平台上我们期待了很久。但是，如果如果我们不在集合中使用它的话，就损失了很大价值。把现有接口迁移成为 lambda 风格接口的问题已经通过 default methods，也就是 defender methods 解决了。在这篇文章里面我们来看一看 Java 集合里面的批量数据操作（bulk operation）。
批量操作
最初的变更文档已经说了，批量操作是 “给 Java 集合框架添加的用以批量操作数据的功能，而它是基于 lam
[……]阅读全文
最近在看一本书，叫做 《思考的乐趣》，第 26 节 “我最爱的证明”，里面介绍了这样一则有趣的问题（文章链接在此）：
设想一个平面上布满间距为 1 的横纵直线，形成由一个个 1×1 正方形组成的网格。任意给一个面积小于 1 个单位的图形，证明这个图形总能放在网格中而不包含任何一个格点。
初看这个论断，觉得似乎是正确的，但又不知从何下手。文中指出证明的思路很巧妙，让人感到数学的美妙。我的感触是，文中的证明大大地换了个角度，很有峰回路转的感觉。正在读这篇文章的你，不妨先思考一下，别急着往下看答案。
如果陷入了拼命去构造各种各样的图形类别，去思考不同类别图形的情况下，怎么去摆放这样的图形，使得图形不覆
[……]阅读全文
今天是来武汉的第四天。有机会来华科招聘毕业生，是一件很有趣也很有价值的事情。有一些是很有意思的见闻，更多的是锻炼以及收获。大学里面有很多优秀的人才，有一些人的错过则颇为可惜。请那些勤奋、有天赋而且有抱负的学生保持热情，至少我可以明确地感受到，人才的价值。互联网公司为了招聘到优秀的人才，倾注了非常多的精力。以我们为例，这一次来华科的招聘团队 7、8 个人里面，大部分都折腾得非常疲惫，每天也没什么时间吃午饭，晚上还要讨论结果、审阅简历，回酒店倒头就睡。但是很多非常有潜质的工程师，往往还持有其他互联网企业的 offer，这其中对人才的竞争是非常激烈的。
一些有趣的现象
相对于沿海地区、北京上海 [……]阅读全文
在系统设计阶段考虑全面很难，有许多人倾向于把整个设计分成若干阶段，在迭代中完成整个设计，这本身是非常好的，但是，就如同 “先做出来，以后再优化” 这样的经典谎言一样，本身并无错，只是许多程序员都不习惯于真正的迭代设计和迭代优化。举例来说，有一个日益复杂的类，每个人都修改一点点，一直到最后都没有人愿意去做重构，大家的心态都是一样的：“我只修改了一点点，为什么要我去动那么大的刀，于我没有任何好处”。我不在这里谈论这一问题的解决办法，我倒是想说，在开始阶段考虑清楚问题在多数情况下还是很有好处的，设计考虑得越是清楚，在后续阶段代码可以承受越多的变更而不腐朽。
再做系统设计的时候，我们常常会这样说：“一般
[……]阅读全文
今天晚上在北京航空航天大学举行了亚马逊今年第一场校园招聘会，我也上去过了一把 speaker 的瘾，做了 20 分钟的 tech talk。工作 5 年多以后第一次得以回到大学学校（虽然不是自己毕业的大学），走上略显陈旧的教学楼，闻到楼道里厕所的味道，我一下就记起大学来了。每年到了这个时候，总是有很多学生要面临择业的问题。有一些怀念，也有不少新的感触，虽说都很微小，我简单地记录在这里。我一直觉得如果这件事情可以放在刚入大学就进行，会有很多大学生明白自己应该在人生最荒诞的四年甚至六年、七年里面，可以做一些什么，不让自己后悔。
很多非计算机相关专业的学生想投身软件行业，甚至相当程序员。不少学生在担心自己专业不对
[……]阅读全文
首先，Jeff Dean 是谁？
我想许多程序员都对这个名字如雷贯耳，如果你没有听说过，可以扫一眼他的个人履历，你会感到无比惊讶的：
但是，最著名的就是他设计和实现了 Map Reduce 和 Big Table，这两项改变世界的技术。
坊间流传着许多关于 Jeff Dean 有趣的说法，我挑了一些我觉得有趣的列在
[……]阅读全文