Flink核心API进阶（二）
本篇文章主要学习Flink的核心API的进阶部分的笔记，包含自定义Source、自定义分区器、自定义Sink等都是经常会遇到的场景，另外介绍了Transformation 部分高级算子，从Flink Function 的宏观层级出发，通过实现顶层接口把自定义的功能交给Flink去执行，后续遇到了更复杂的自定义场景也会在本篇笔记中补充。
移动端业务指标通用计算模型
关键指标分析是一种常用的业务分析手段。对于产品来说，某个功能上线后需要观察用户的操作数据，比如很简单的PV/UV，用户在层级留存率等等。对于研发的来说，关注的点在于功能的某个具体流程优化上，更关注性能或者稳定性相关的数据，那么就需要采用一套系统来完成这样的数据统计能力。本篇文章将介绍这种通用的业务指标计算模型，根据自定义的规则就可以得出想要的数据。
Kibana学习笔记
Kibana 是为Elasticsearch设计的开源分析和可视化平台，利用Kibana可以很容易对Elasticsearch中的数据实现图表可视化、搜索等功能。当然熟悉Kibana的前提是对Elasticsearch有一定的了解，这是kibana的官方手册： https://www.elastic.co/guide/cn/kibana/current/index.html ，本篇文章主要是Lucene查询语法，添加索引，以及如何使用Kibana的可视化平台（图表和仪表盘）。
Flink架构与核心API基础（一）
本篇文章主要学习 Flink的核心API的基础部分的笔记， 在学习之前先部署了一个单节点的Flink环境，然后重点需要了解的就是Flink的执行上下文(StreamExecutionEnvironment)、数据源(Source API)、转化相关操作(Transformation)、输出(Sink) 等，另外就是提交和取消作业的一些操作。
Flink流式计算与批处理 —— 词频统计
也是因为最近处理业务上的问题，如果我希望看到某些实时数据的变化那么必然会涉及到流式计算，大数据处理框架从原始的 MapReduce、Hive 到 DAG的Tez，再到Spark的近实时处理是一个不断进化的过程，对于要求更高的场景还是Apache Flink比较在行，Apache Flink是一个带状态的流式计算框架，Flink不但能进行流式计算，也能进行批处理，也就是离线计算。下面是最近两天学习Flink的一些笔记，后面会逐步完善和校正。
Vim常见配置与基本用法
最近在B站开了一个Unix系统编程的系列分享，目前打算是一周至少出2期视频，不过于追求速度但求精细，对于涉及操作系统原理部分肯定也会深入讲解，同时也是自己巩固知识的最好方法。买了《UNIX环境高级编程》（第三版）这本书但是一直没看，自己对Linux系统编程除了上大学的时候写的一些Demo以外就没写过其他东西了，但是NDK开发中时不时还会用到，而且一旦涉及内存优化、OOM监控这些必定跟Linux底层脱不了干系，所以花一些时间巩固基础，同时也保持一颗分享的初心，通过简单明了通俗易懂的方式给大家呈现出来。绝不同于部分大学课堂的只念PPT，更注重实际操作，通过实操加深对知识的理解，本节是 Vim 的常用操作和一些配置，放在博客里仅供参考，Bilibili合集的地址是： https://www.bilibili.com/video/BV1ua411b7sF
一元线性回归的梯度下降算法实现
一元线性回归算法是机器学习部分接触的第一个算法，更重要的通过一元线性回归足以了解监督学习过程完整的流程，之所以称为监督学习是因为对于每个数据来说，已经存在了正确的答案。本文所有的内容都只是在学习Andrew Ng老师的机器学习课程中记的笔记，并且自己用Ocatve实现了一元线性回归的梯度下降算法。
Octave简明教程（二）
本篇文档主要内容是Octave编程中的函数定义相关内容，包括可变参数、多返回值、可变返回值等内容。以及通过Octave进行矩阵运算、求解联立方程组、计算矩阵特征值和特征向量等等。另外我会介绍Octave的高阶绘图技巧（包括绘制3D图形）。