<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[imbrad_sun的博客]]></title><description><![CDATA[硬件工程师的云计算开发养成记]]></description><link>https://blog.youkuaiyun.com/imbrad_sun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; imbrad_sun]]></copyright><item><title><![CDATA[Hadoop on mesos 配置安装方法]]></title><link>https://blog.youkuaiyun.com/imbrad_sun/article/details/52254464</link><guid>https://blog.youkuaiyun.com/imbrad_sun/article/details/52254464</guid><author>imbrad_sun</author><pubDate>Fri, 19 Aug 2016 21:54:00 +0800</pubDate><description><![CDATA[Hadoop on mesos]]></description><category></category></item><item><title><![CDATA[JAVA并发编程--并发模式]]></title><link>https://blog.youkuaiyun.com/imbrad_sun/article/details/52105129</link><guid>https://blog.youkuaiyun.com/imbrad_sun/article/details/52105129</guid><author>imbrad_sun</author><pubDate>Wed, 03 Aug 2016 16:48:23 +0800</pubDate><description><![CDATA[并行工作者

并行工作者模型的优点
并行工作者模式的优点是，它很容易理解。你只需添加更多的工作者来提高系统的并行度。
例如，如果你正在做一个网络爬虫，可以试试使用不同数量的工作者抓取到一定数量的页面，然后看看多少数量的工作者消耗的时间最短（意味着性能最高）。由于网络爬虫是一个IO密集型工作，最终结果很有可能是你电脑中的每个CPU或核心分配了几个线程。每个CPU若只分配一个线程可能有点少，因]]></description><category></category></item><item><title><![CDATA[oprofile的安装 使用 ubuntu14.04]]></title><link>https://blog.youkuaiyun.com/imbrad_sun/article/details/52076134</link><guid>https://blog.youkuaiyun.com/imbrad_sun/article/details/52076134</guid><author>imbrad_sun</author><pubDate>Sat, 30 Jul 2016 23:59:07 +0800</pubDate><description><![CDATA[其实可以用apt-get的方式安装，不过不建议。首先版本是0.9.9的，而现在最新的是1.1.0。
官方文档：
http://oprofile.sourceforge.net/doc/index.html


下载源码：
http://oprofile.sourceforge.net/download/
就是那三个步骤进入文件./configure, make, make insta]]></description><category></category></item><item><title><![CDATA[学习笔记：进步一认识mesos（部分翻译）]]></title><link>https://blog.youkuaiyun.com/imbrad_sun/article/details/52012506</link><guid>https://blog.youkuaiyun.com/imbrad_sun/article/details/52012506</guid><author>imbrad_sun</author><pubDate>Sun, 24 Jul 2016 09:52:07 +0800</pubDate><description><![CDATA[Source: Mesos in action.
我就喜欢图多的书！！！
工作流程详解：


他的实际工作流程：
1.  The Mesos slave offers itsavailable CPU, memory, and disk to the Mesos master in the form of a resourceoffer.
2.  The Mesos master’s]]></description><category></category></item><item><title><![CDATA[学习笔记：Architecture of Next Generation Apache Hadoop MapReduce Framework（不完全翻译）]]></title><link>https://blog.youkuaiyun.com/imbrad_sun/article/details/51985966</link><guid>https://blog.youkuaiyun.com/imbrad_sun/article/details/51985966</guid><author>imbrad_sun</author><pubDate>Thu, 21 Jul 2016 19:32:57 +0800</pubDate><description><![CDATA[首先实际的工作流程:

用户提交任务到完成步骤 :
u  Step 1: client首先通知RM自己希望提交app
u  Step 2: 随后RM会响应一个ApplicationID及关于当前系统资源容量的信息（供client发起资源请求时作为参考）
u  Step 3: client回应“Applicatin Submission Context” 及 “Container Laun]]></description><category></category></item><item><title><![CDATA[初识Yarn, Mesos and Borg]]></title><link>https://blog.youkuaiyun.com/imbrad_sun/article/details/51933765</link><guid>https://blog.youkuaiyun.com/imbrad_sun/article/details/51933765</guid><author>imbrad_sun</author><pubDate>Sun, 17 Jul 2016 19:07:50 +0800</pubDate><description><![CDATA[机缘巧合让我这个计算机小白开始了对云计算资源管理方面的研究。这下面是我对最近看过的三篇文章的阶段性的总结。之后我还会分开细致的总结每一篇文章的细节。第一次写博客不，第一次接触云计算。有什么问题请多指教]]></description><category></category></item></channel></rss>