相信大家对它们再熟悉不过了。前两年还在学校时，我曾经读过它们的主要源码，如今写篇笔记从个人角度简单对比一下它们的实现方式，权当做复习，有理解错误之处，欢迎指正。 文中使用的架构类的图片大多来自于网

一、异同对比选择 1、python和ruby的相同点： * 都强调语法简单，都具有更一般的表达方式。python是缩进，ruby是类basic的表达。都大量减少了符号。 * 都是动态数据类型。都是有丰富的数据结构。

以下是RapidXml提供的常见xml库效率对照表，其中还很牛鼻地提供了和strlen()函数的效率对比。如下图是其他网友提供非本人对比数据： 二、简单使用 包含必要的头文件 #include "rapidxml

jBPM3、jBPM4 Drools Flow 12 所属公司 Alfresco jBoss.org 优劣对比： 从技术组成来看，Activiti最大的优势是采用了PVM（流程虚拟机），支持除了BPMN2.0

ava项目中我们应该选择哪个框架？ 下图将会对Junit 4 和 TestNG 做个功能特征的对比。 注解支持 Junit 4 和 TestNG 在注解方面的实现非常相似。 特性 JUnit

如果你在读这篇文章，说明你跟大多数开发者一样对GIT感兴趣，如果你还没有机会来试一试GIT，我想现在你就要了解它了。

Kafka 是LinkedIn 开发的一个高性能、分布式的消息系统，广泛用于日志收集、流式数据处理、在线和离线消息分发等场景。虽然不是作为传统的MQ来设计，在大部分情况，Kafaka 也可以代替原先ActiveMQ 等传统的消息系统。

的每个功能进行详细的对比， 而这篇文章要做的就是对 Antirez 的文章进行补充： 本文将从功能和网络搜索热度两个方面， 对 Redis 和 Memcached 进行详细的对比， 通过查看这些对比结果， 读者应该能明白

要深入的使用EventBus，同时会从源码的角度对于订阅和发送消息做分析，以及和另外的消息总线框架Otto在性能等方面做一个对比分析。 FastDev4Android框架项目地址: https://github

（这里仅从数据缓存方面考虑，当然，后期可以采用Hadoop+HBase+Hive等分布式存储分析平台） 三、主流解Cache和数据库对比： 上述技术基本上代表了当今在数据存储方面所有的实现方案，其中主要涉及到了

了，你就杀掉他，用一 头新牛代替。VMWare和OpenStack的云计算Vision、功能、特点对比正式这个战争或者说趋势的一个生动写照。未来的应用架构应该像对待农 场中的公牛一样：VMware的“

通过运行云测试平台工具进行录制的或者使用自动化测试框架编写的自动化脚本，实现模拟用户操作的目的，并且减少手动测试时间。 性能监控和分析 利用Android SDK提供的借口，云测试平台可以检测移动app的耗电量，CPU等资源占用

H5、React Native、Native应用对比分析 离上次在北京开源中国盛典已经快一个月了，有点想念@oschina的小伙伴了。我必须承认oschina是国内最大的同性社交网站，这也是无可争

Lighttpd是一个具有非常低的内存开销，cpu占用率低，效能好，以及丰富的模块等特点。lighttpd是众多OpenSource轻量级的web server中较为优秀的一个。支持FastCGI, CGI, Auth,输出压缩(output compress), URL重写, Alias等重要功能。 Lighttpd使用fastcgi方式运行php,它会使用很少的PHP进程响应很大的并发量。

发现最近大家都在关注有关前端开发的薪资问题，不同地方各有差异，今天我就总结一下发出来方便大家的查阅。

对象的系统设计方法，而php还是采用面向过程的开发方法。所以用java进行开发前期需要做大量的系统分析和设计的工作。 四、 跨平台性 java和php都有很好的跨平台的特性。几乎都可以在不作任何修

Spark采用一个统一的技术堆栈解决了云计算大数据的如流处理、图技术、机器学习、NoSQL查询等方面的所有核心问题，具有完善的生态系统，这直接奠定了其一统云计算大数据领域的霸主地位； 要想成为Spark高手，需要经历六大阶段：

同时将一些java 程序转为Scala的程序将平台上的代码减少了很多，在实施的过程中，开到一些Spark相关的YARN的部署上都是基于之前的Hadoop 1.x的部分方式，在Hadoop2.2 +版本之上

Apache Spark 的设计与实现，重点关注其设计思想、运行原理、实现架构及性能调优，附带讨论与 Hadoop MapReduce 在设计与实现上的区别。不喜欢将该文档称之为“源码分析”，因为本文的

在柏林最近GOTO发布会，Mahout的提交者Sebastian Schelter概述了Mahout中的 最新进展 ，即持续努力为数据分析创造一个可扩展的基础，使其如R或Python一样易用。 Schelter所述的主要目标是提供一