刚毕业那会用 ubuntu ，折腾了两年，后来挣了钱换了 mac ，使用习惯没太大变化但是世界从此清静了。由此明白了一个人生哲理：干活吃饭的家伙稳定好用是最重要的，千万别折腾。

阿里云国际版，注意是国际版，用邮箱或国外的手机号注册(比如 google voice)，PayPal 或信用卡付款，不用实名认证。主要就是看上了他家的香港轻量级服务器，最便宜的好像是$3.5 每月，挂个域名离线下载偶尔翻个梯子(一定做好混淆伪装)，速度是真快，延迟北京联通 40 -50 ，其他的没试过不知道。

一般遇到这种事情，我的想法是：我不缺这 200, 而且花 200 就想让我开户，而且还是和钱有关的账户，算了吧，我忙着摸鱼呢🐶🐶

python3 以后可以这样写
```python
def add(a: int, b: int) -> int:
return a + b
```

大数据现在也很卷了，坐标北京

传统技术
hadoop 3.0/spark 3.0/hive 3.0/kafka 3.0 /zookeeper/hbase 新特性 /原理 /源码

新技术
pulsar
flink 开发 /原理 /源码
OLAP 技术栈 : impala+kudu /presto / doris /clickhouse
数据湖 hudi

架构方面
数据中台 /大数据云原生 /全域数仓 /onedata/指标平台 等等吧，看你侧重哪个方向了

几年前买了为知笔记的私有部署永久许可证，一直用到现在了，懒得换

找个靠谱的机场，两三百块钱爽一年

就好比程序员入门需要学习 c++吗

大数据开发 5 年的老鸟告诉你，必须学。虽然企业总已经不再适用 MR 了，但是 HDFS 作为大数据集群最基础的文件系统，Yarn 作为基础的任务调度系统，其他的比如 spark/flink 等都是跑在 yarn 上的 ，而且至今都没有替代品。

其次，理解了 hadoop 的设计思想你才真的理解了大数据处理的基本思路。把 hdfs 和 yarn 的源码研究一遍，其他的框架你就能平趟了。

看具体业务啦，对于临时性的简单业务，一般公司大数据中台都可以直接把 sql 提交到 spark 运行，这样更灵活一些。对于复杂的业务，一条 sql 搞不定的，或者比较稳定的业务，就手撸 DataFrame

六个人，老电脑 1T 的存储空间，1000+买个群晖吧，否则电脑系统崩溃的时候，硬盘坏掉的时候，你会哭的

顺便提醒大家注意提肛

阿里云

SELECT
CASE WHEN FIRST_B=B THEN A ELSE '' END AS A_VALUE,
B
FROM
(SELECT
FIRST_VALUE(B) OVER(PARTITION BY A ORDER BY B) AS FIRST_B,
A,
B
FROM T) T0

听广播剧

以我为例，10W 行的 java 项目本地调试没问题，我相信没有多少人会比我的项目更大。我一般不会开太多东西，外部数据资源都在服务器上，本地只是编码和调试。如果你开发过程中需要开着大量的网页，需要同时开几个 IDEA 项目，那可能内存就捉急了。

@xiaocongcong 以后可千万别在外面说这话，容易露怯。12306 是目前技术水平下能做到的最好的票务系统，阿里双十一和他比都是弟弟

可见大学计算机专业从 C/c++ 语言开始入门是多么明智的安排

上万个节点规模 hadoop 集群中的 Namenode 节点就需要大内存服务器，况且 960G 也不算大啊，大数据领域中 TB 的也很常见

hdfs 源码研究透了，你就可以直接去找大数据的工作了，去 TM 的毕业设计