2023-03-24 08:18来源：m.sf1369.com作者：宇宇
在linux上编程，不用刻意考虑硬件的问题，除非你想限制速度。
你可以使用epoll模型来代替线程进程，然后将需要传输的数据拆分成多个部分，同时处理。数据发送前可以做简单的压缩以加快传输速度，数据处理和数据发送的epoll子程一定要分开。epoll支持多CPU，能够大大加快处理速度。
双网卡是下层的问题，和你使用怎样的编程方式无关，你也不用管，系统会自动为你的网络程序分配网卡资源。你起了多线程之后，用linux命令查看当前网络流量利用了多少就可以。如果没有完全利用到，再增加网卡也于事无补。
至于交换机，与其用两个，倒不如换用一个速度更快的。不过据我的经验，网络程序，瓶颈往往在电脑而不在交换机。
控制数据如果很重要但是量又不大，最好用TCP传输，毕竟你局域网，说白了TCP效率能拖累你多少。单独起TCP处理控制数据，一般的网络程序比较常用这种方式。
至于传输的数据，如果确实需要UDP传输，建议你到网上搜集一些冗余传输算法，这些算法能满足你在使用UDP的同时，不丢失数据，不过就我个人的经验，在局域网里，UDP比TCP，在数据传输速度的提升很有限。
R语言：它的有点在于简单易上手，通过R语言，你可以从复杂的数据集中筛选你想要的数据，从负责的模型函数中操作数据，建立有序的图表呈现数字，只需要几行代码就可以了，比如说，像是好动版本的Excel表格。
Pythom语言：Python结合了R语言的快速，处理复杂数据的能力以及更务实的语言特质，迅速地成为主流，也更简单和直观了，尤其是近几年的成长很快。在数据处理范畴内，通常在规模与复杂之间要有个取舍，Python以折中的姿态出现，是相当好的数据处理工具。
java语言：java没有和Python和R语言一样好的可视化功能，也不是统计建模的最佳工具，但是如果你需要建立一个庞大的系统，使用过去的原型，java是最基本的选择了。
Hadoop pand
Hive：为了迎合大量数据处理的需求，以java为基础的大数据开始了。Hadoop为一批数据处理，发展以java为基础的架构关键，相对于其他处理工具，Hadoop慢许多，但是无比的准确可被后端数据库分析广泛使用，和Hive搭配的很好。
Scala：另一个以java为基础的语言，和java很像，对任何想要进行大规模的机械学习或是建立高阶的算法，Scala是逐渐兴起的工具，善于呈现且拥有建立可靠系统的能力。
Kafkaand Storm：是一个特别快速的查询信息系统，缺点是太快了，因此在实施操作时会犯错，有时候会漏掉东西。使用Scala写出来的架构，大幅增加他在串流处理的受欢迎程度。
www.okeycar.com
1､Java设计和编程思想；2､数据库技术和Web基础；3､Java Web技术和主流框架；4､大数据技术（Hadoop和Spark）
如果不知道学完可以做哪方面的工作，可以找一包就业的培训机构进行系统的学习，学完不仅掌握了技能，也找到了好工作，我朋友就是在北风学的零基础大数据，现在月薪也有1W多了！
是我自行开发的库表文件（数据库和报表共用一种结构）的扩展名。我的百度空间主页上供下载的软件都是采用这种数据结构进行数据处理的。缺点是编程有点麻烦，不像用VB可以调用的数据库简单；好处是自由度比较大。对海量数据采用“2分快速排序”，大约1秒可处理10000条记录，可满足百万级数据的快速处理。
