大数据经典论文解读
├┈01丨什么是大数据：从GFS到Dataflow，12年大数据生态演化图.PDF
├┈02丨学习方法：建立你的大数据知识网络.PDF
├┈03丨TheGoogleFileSystem（一）：Master的三个身份.PDF
├┈04丨TheGoogleFileSystem（二）：如何应对网络瓶颈？.PDF
├┈05丨TheGoogleFileSystem（三）：多写几次也没关系.PDF
├┈06丨MapReduce（一）：源起Unix的设计思想.PDF
├┈07丨MapReduce（二）：不怕失败的计算框架.PDF
├┈08丨Bigtable（一）：错失百亿的Friendster.PDF
├┈09丨Bigtable（二）：不认识“主人”的分布式架构.PDF
├┈10丨Bigtable（三）：SSTable存储引擎详解.PDF
├┈11丨通过Thrift序列化：我们要预知未来才能向后兼容吗？.PDF
├┈12丨分布式锁Chubby（一）：交易之前先签合同.PDF
├┈13丨分布式锁Chubby（二）：众口铄金的真相.PDF
├┈14丨分布式锁Chubby（三）：移形换影保障高可用.PDF
├┈15丨Hive：来来去去的DSL，永生不死的SQL.PDF
├┈16丨从Dremel到Parquet（一）：深入剖析列式存储.PDF
├┈17丨从Dremel到Parquet（二）：他山之石的MPP数据库.PDF
├┈18丨Spark：别忘了内存比磁盘快多少.PDF
├┈19丨Megastore（一）：全国各地都能写入的数据库.PDF
├┈20丨Megastore（二）：把Bigtable玩出花来.PDF
├┈21丨Megastore（三）：让Paxos跨越“国界”.PDF
├┈22丨Spanner（上）：“重写”Bigtable和Megastore.PDF
├┈23丨Spanner（二）：时间的悖论.PDF
├┈24丨Spanner（三）：严格串行化的分布式系统.PDF
├┈25丨从S4到Storm（一）：当分布式遇上实时计算.PDF
├┈26丨从S4到Storm（二）：位运算是个好东西.PDF
├┈27丨Kafka（一）：消息队列的新标准.PDF
├┈28丨Kafka（二）：从Lambda到Kappa，流批一体计算的起源.PDF
├┈29丨Dataflow（一）：正确性、容错和时间窗口.PDF
├┈30丨Dataflow（二）：MillWheel，一个早期实现.PDF
├┈31丨Dataflow（三）：一个统一的编程模型.PDF
├┈32丨Raft（一）：不会背叛的信使.PDF
├┈33丨Raft（二）：服务器增减的“自举”实现.PDF
├┈34丨Borg（一）：当电力成为成本瓶颈.PDF
├┈35丨Borg（二）：互不“信任”的调度系统.PDF
├┈36丨从Omega到Kubernetes：哺育云原生的开源项目.PDF
├┈37丨当数据遇上AI，Twitter的数据挖掘实战（一）.PDF
├┈38丨当数据遇上AI，Twitter的数据挖掘实战（二）.PDF
├┈39丨十年一梦，一起来看Facebook的数据仓库变迁（一）.PDF
├┈40丨十年一梦，一起来看Facebook的数据仓库变迁（二）.PDF
├┈复习课（八）丨ResilientDistributedDatasets.PDF
├┈复习课（二）丨MapReduce.PDF
├┈复习课（九）丨Megastore.PDF
├┈复习课（六）丨Hive.PDF
├┈复习课（七）丨Dremel.PDF
├┈复习课（三）丨Bigtable.PDF
├┈复习课（十）丨Spanner.PDF
├┈复习课（四）丨Thrift.PDF
├┈复习课（五）丨Chubby.PDF
├┈复习课（一）丨TheGoogleFileSystem.PDF
├┈加餐1丨选择和努力同样重要：聊聊如何读论文和选论文.PDF
├┈加餐2丨设置你的学习“母题”：如何选择阅读材料？.PDF
├┈加餐3丨我该使用什么样的大数据系统？.PDF
├┈结束语丨长风破浪会有时，直挂云帆济沧海.PDF
├┈开篇词丨读论文是成为优秀工程师的成年礼.PDF
├┈用户故事丨陈煌：唯有自强不息，方能屹立不倒.PDF
├┈用户故事丨核桃：95后的技术成长之路.PDF
├┈用户故事丨黄涛：水滴石穿、坚持不懈，必能有所精进.PDF
└┈用户故事丨许灵：不抛弃不放弃.PDF