大数据视频及源码材料包含：Linux的使用、HBASE、Flume、kafka、Hadoop、ProtoBuf、sqoop、Hive、

讲述如何采用最简单的kafka+flume的方式，及时的去读取oracle中的重做日志+归档日志的信息，从而达到日志文件数据及时写入到hdfs中，然后将hdfs中的数据结构化到hive中。

flume衔接数据库

基于深度学习的监督学习，使用梯度下降、ALS、LFM算法，使用AngularJS2生成前端框架，数据库为MongoDB，使用ElasticSearch作为搜索服务器，Redis作为缓存数据库，其中包括Spark的离线统计服务、Azkaban的工作调度服务、Flume的日志采集服务、Kafka作为消息缓冲服务，全局采用Scala编写，Java作为Tomcat部署使用，实现离线推荐、实时推荐、服务器冷启动问题处理。

本文来自于cnblogs,文章主要引见了什么是HDFS，命令行接口，Java接口，数据流，通过Flume和Sqoop导入数据，通过distcp并行复制等相关。
学习完Hadoop权威指南有一段时间了，现在再回顾和总结一下HDFS的知识点。
HDFS是什么：HDFS即Hadoop分布式文件系统（HadoopDistributedFilesystem），以流式数据访问模式来存储超大文件，运行于商用硬件集群上，是管理网络中跨多台计算机存储的文件系统。
HDFS不适合用在：要求低时间延迟数据访问的应用，存储大量的小文件，多用户写入，任意修改文件。
HDFS数据块：HDFS上的文件被划分为块大小的多个分块，作为

flume想要将数据输出到hdfs，必需要有hadoop相关jar包。
本资源是hadoop2.7.7版本

本书作者是国内较早接触Solr的技术专家之一，多年一直在Solr的研究、实践和布道的路上不遗余力、乐此不彼。
本书立足全球视野，综合Solr技术的发展和应用、从业人员的学习曲线，以及中英文资料的供给情况，给自己设定了一个极高的目标：力争在内容的全面性、系统性、深浅度和实战性上概括所有的同类书。
从完成的结果上来看，我们的目标接近完成，Solr的基础知识、核心技术、进阶知识和扩展知识悉数包括在内。
全书一共16章，分为上下两卷：上卷（第1~10章）全面、系统地讲解了Solr的基础知识和核心技术。
包括部署、配置、SolrCore、SolrDIH、全量导入、增量导入、索引、中文分词、查询组件、SolrFacet、高亮、查询建议，以及企业如何在真实的项目中使用Solr。
不仅讲解了基本概念和使用方法，而且还分析了各组件的内部工作机制。
下卷（第11~16章）细致、深入地讲解了Solr的高级知识和拓展知识。
高级知识部分包括：Solr的高级查询及其各种查询技巧，如函数查询、地理空间查询、Facet嵌套等；
SolrJ、SolrCloud、SpringDataSolr的使用详解和工作原理；
Solr的多种功能优化技巧，如索引的功能优化、缓存的功能优化、查询的功能优化、JVM和Web容器的优化，以及操作系统级别的优化。
拓展知识中首先讲解了Solr的一些比较生僻的知识点，如伪域、多语种索引支持、安全认证，以及Solr6.x中的SQL接口和Streaming表达式等；
然后讲解了Solr与MapReduce、HDFS、Hbase、Kafka、Flume、Storm、Spark等大数据技术的结合使用的集成方法。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。