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