@iAV 应该看 dmesg 的什么信息？ dmesg 信息没显示完，已经没有反应了，卡在那了

@Andy1999 应该不是链路异常。 ping 只有 0.1ms

@yangqi 远程的。不过都在内网，同一机架上的几台主机都没问题。 ping 只有 0.1ms

@O21 硬盘没问题吧

1. MapReduce 是一个编程模型，也是一个处理超大规模数据集的算法模型实现。使用 Mapreduce 模型，用户只需实现 Map 和 Reduce 函数，就可以轻松的实现大规模并行化计算。

2. Spark 与 Hadoop 都是大数据框架。 Spark 的大部分操作都是在内存中，而 Hadoop 的 MapReduce 任务会在每次操作之后都将数据写回到物理存储介质中。因此， Spark 的速度会比 Hadoop 快很多。 Spark 除了提供 Map 和 Reduce 操作之外，还支持 SQL 查询、流数据 Spark Streaming 、图处理 GraphX 以及常用的机器学习库 MLib 等。

Spark 经常运行于 Hadoop 上（因为 Spark 本身并没有分布式存储系统，需要 Hadoop 的 HDFS ），可以简单理解为 Spark 可以取代 Hadoop 中的 MapReduce 。

1. 堆（二叉堆）是一个数组，可以看成一个近似的完全二叉树，树中每一个结点对应数组中的一个元素。二叉堆有两种形式：最大堆和最小堆。在最大堆中，除了根结点之外的所有结点的值小于等于其父节点的值，因此，堆中最大的元素存放在根结点中，并且在任一子树中，该子树所包含的所有结点的值都不大于该子树根结点的值。最小堆的组织方式正好相反。因此，每次只是保证根结点处是当前剩余节点的最大（或最小）的。

2. 堆排序的过程如下：
①利用 BUILD-MAX-HEAP 将输入数组 A[1..n]建成一个最大堆，其中 n = A.length ；
②将数组最大元素所在的 A[1]位置的值与 A[n]位置的值进行交换，然后从堆中去掉结点 n ；
③在新的根结点 1 可能会违背最大堆的性质，因此需要利用 MAX-HEAPIFY 进行调整；
④不断重复 2,3 步，直到堆中只剩下一个元素，此时排序完成。

3. 因为使用了堆这个数据结构，所以就叫堆排序。

南山随便一个村里，上次就 5w 以上了。。。

Rio 发型好酷

确实挺恶心，不过还是做完了。。。

能内推不？

现在身家好几十个亿。完全有实力再创业

难道不是 pip install 吗？在 Windows 、 Linux 和 Mac OS X 都是这么装的啊。有啥问题？

谷歌搜索：谷歌站长。
可以提交你网站的 sitemap 也可以手动提交网址让谷歌收录。

不一定每天都更新。但是，最近的更新是越来越频繁了。昨天，今天都分别加了一道新题。

本期的主题还有“程序猿如何找到女朋友”。哈哈

gitbook editor ?

哎，Python不像Ruby有个活跃的社区。

英文好就到stackoverflow吧。国内的v2ex和segmentfault也试试

Google Reader关闭后一直用的The older Reader

https://theoldreader.com/

还有个叫inoreader吧