阿福

互联网行业中，Kafka 承担的职责变得越来越越重要。Kafka 不仅仅承担了数据流的 “发布 / 订阅”，更是在事实上成为了 “下一代” 数据架构的基础。 本场 Chat，我们将初探 Kafka 的方方面面，主要包括以下方面： 1. Kafka 基本概念 2. Kafka 基础实践： 生产者 & 消费者 3. Kafka 内部原理浅析 & Kafka 的 “可靠性” 保障 4. Kafka 运维事项：命令行工具、监控 5. 流式计算架构中的 Kafka 期望通过本场 Chat，读者能够了解关于 Kafka 的基础内容，并能够于日常工作中进行实践。

作为致力于提供 Stateful Computations over Data Streams 的“下一代大数据处理引擎”，Flink 在流式计算领域带来了诸多全新特性。 本场 Chat，我们将从 0 开始，帮助读者入门 Flink，主要内容包括： 1. 流式计算的目标与传统架构； 2. Flink 基础结构； 3. Flink 编程模型及其关于“窗口”与“状态”的支持； 4. Flink 实践示例：使用 Flink API 和 Flink SQL。 期望通过以上内容，读者能够建立关于 Flink 的基本认知。

作为分布式、可扩展的非关系型数据库，HBase 致力于提供大数据的 “在线” “随机读写” 能力。在互联网行业，HBase 承担着重要职责。本场 Chat，我们将从 0 开始，帮忙读者入门 HBase，主要内容包括： 1. HBase 基本概念、基础实例 2. HBase 内部机制、表设计建议 3. HBase 数据访问优化：过滤器、协处理器 4. HBase 案例：OpenTSDB 5. HBase 运维事项 期望通过以上内容，读者能够建立关于 HBase 的基本认知。

前一场 Chat [《MyBatis 基础入门》](http://gitbook.cn/m/mazi/activity/5ad105e87e92727030f22154)，我们概述了 MyBatis 的基础内容。本场 Chat，我们将关注 MyBatis 进阶的内容： 1. MyBatis 运行原理 2. 插件机制与示例 3. 自定义类型处理器 4. 使用 Cache 5. 级联查询 通过本场 Chat，读者能够更好地于日常工作中实践 MyBatis。

MyBatis 是互联网行业中流行的 ORM 框架。本场 Chat，我们将从 0 开始，帮忙读者全面地了解 MyBatis 的特性。 主要内容包括： 1. MyBatis 基础结构 2. MyBatis 的配置、映射器以及动态 SQL 3. MyBatis-Spring 实践 4. MyBatis Generator 通过本场 Chat，读者将能够对 MyBatis 建立基础的认知。后续的 Chat，我们将进行深入地探讨，请期待。

前一场 Chat [《ZooKeeper 基本概念、使用方法、实践场景》](http://gitbook.cn/gitchat/activity/5a792eaa7648740c4c24dcf5)，我们针对于 ZooKeeper 进行了整体阐述，内容主要侧重于应用，即借助 ZooKeeper 能力构建分布式的组件。 作为开发者，不仅仅需要了解 ZooKeeper 的应用，更应当了解其背后的原理，本场 Chat，我们将主要围绕以下话题，初探 ZooKeeper 技术内幕： 1. 分布式数据一致性算法。 2. ZAB (ZooKeeper Atomic Broadcast) 协议。 3. ZooKeeper 数据模型与存储。 4. ZooKeeper 会话管理。 期望通过本场 Chat，我们能够初步了解 ZooKeeper 内部的工作机制，基本理解 ZooKeeper 实现 “分布式协调” 的原理，进而在日常的应用中，做到 “心中有数”。

毋庸置疑，ZooKeeper 已经成为互联网行业不可或缺的基础组件。ZooKeeper 实现了高可用的分布式协调机制，能够提供配置管理、命名服务、分布式同步、分组服务等分布式系统中不可或缺的基础能力。本场 Chat，我们将针对 ZooKeeper 进行探讨，主要内容包括： 1. ZooKeeper 基本概念 2. ZooKeeper 使用：部署、客户端脚本、Java API 3. ZooKeeper 实践场景 4. ZooKeeper 应用示例：Kafka、Dubbo 关于 ZooKeeper 内部实现机制，请期待后续的 Chat。

通过前一场 Chat “如何基于 Redis 构建应用程序组件”的内容，我们基本了解了 Redis 提供的数据结构、命令以及适用场景。本场 Chat，我们将关注 Redis 进阶的内容。 主要包括： - Redis 数据持久化 - Redis “主 - 从” 机制 - 优化 Redis 内存使用 - 扩展 Redis 的容量和性能 - 基于 Lua 的 Redis “存储过程” 期望通过本场 Chat，我们能够进一步了解产生环境中应用 Redis 的各种事宜。

Redis 是一个基于内存的开源存储系统，能够用作数据库、缓存和消息中间件。Redis 支持 5 种不同类型的数据结构：字符串、链表、集合、散列表、有序集合，并且为不同的数据结构提供了不同的命令，而这正是 Redis 能够解决诸多问题的关键因素之一。 本场 Chat 将主要讲述如何通过 Redis 构建常用的应用程序组件，包括： 1. 计数器 2. 日志记录 & 统计分析 3. 分布式锁 4. 信号量 5. 消息队列 6. 配置中心 此外，若读者对于 Redis 的数据结构和命令没有多少了解，本文亦将予以进行概述，并阐述 Redis 对于事务的支持。 后续还将推出 Redis 的进阶分享，重点阐述：Redis 持久化、分布式扩展、内存优化及 “存储过程”。

作为 Java 8 众多新特性之一，Stream API 带来了一种新的抽象概念，它允许以 “声明式” 的方法来操作数据集合。我们先看下面的代码： ``` class Good { String name; // 商品名称 long price; // 价格 long sales; // 销量 public Good(String name, long price, long sales) { this.name = name; this.price = price; this.sales = sales; } public long getPrice() { return price; } public void setPrice(long price) { this.price = price; } public long getSales() { return sales; } } void process(List<Good> goods) { // // 筛选 price > 500 & sales < 200 的商品, 价格最高的 10 件商品, 价格减半（双十一来啦！） // goods.stream() .filter(c -> c.getPrice() > 500 && c.getSales() < 200) .sorted(Comparator.comparing(Good::getPrice).reversed()) .limit(10) .forEach(c -> { c.setPrice(c.getPrice() / 2); }); } ``` 想象一下，Java 8 之前的 `process(List<Good> goods)`，将是怎么样的一种实现 ^_^，Stream API，就是这么简单。（当然，还借助了 Java 8 的 Lambda 表达式与方法引用） 通过本场 Chat，我们将能够了解 Stream API 的基础概念、常见的操作，并探索有关并行数据处理与性能的话题。此外，如果对于 Lambda 表达式和方法引用还没有多少了解，我们也会简要地阐述。