postgresql难点的简单介绍

C++学习。。。

大一学习的c++，工作之后也一直用的c++。

在清河等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供成都网站建设、成都做网站 网站设计制作按需求定制制作,公司网站建设,企业网站建设,成都品牌网站建设,成都全网营销,成都外贸网站制作,清河网站建设费用合理。

1. 涵盖c++入门到精通的图书列表

《The C programming language》必读

《C++ Primer》，号称是一本可以让你从C或JAVA程序员转为一个真正的C++程序员的入门参考书，必读。

《The C++ programming language》，C++之父，人称B教主著作，在看过C++ primer后，应该可以跳章选读。

《Think in c++》，网上说此书的中文版翻译质量奇差，推荐看影印版，选读。

《Effective c++》，类似 Effective java，讲的是最佳实践，程序员必读。

《More effective c++》，上书的补充。

《The C++ standard library》，会写C，不会用标准库怎么行。这就跟java程序员不会用java.util包一样，必读。

《Effective STL》，STL库的最佳实践。Effective C++作者又一力作，必读。

《The annotated STL source》，STL源码分析，这本书应该算是深入/精通类了，选读。

《Generic programming and STL》，号称C++编程里，就是跟模板，泛型打交道，那么精通泛型是势在必行。

《C++ Template》，C++模板编程，代码复用的经验之道，必读。

《Exceptional C++》，跟Effective C++类似，属于最佳实践和难题解析，书中列出了许多应用场景和实例代码供读者揣摩，选读。

《More Exceptional C++》，上书的补充。

《Exceptional C++ Style》，上上书的补充

《Inside The C++ Object Model》，有了上面这些书做铺垫，那么终于可以读此神书了。它会带你游览C++对象模型的底层实现机制。读完此书，任何C++代码看起来如同行云流水，必读。

2. 优秀的C/C++开源项目(阅读代码)

OS：Linux kernel LVS、Linux应用程序

DB：Mysql、PostgreSQL

Complier：VM、GCC

Framework：OpenSip、SipProxy、

Net：ACE(Java Mina、Netty)、TCP/IP、HTTP协议栈

Cache：Memcached、Redis、

Library：STL（java util package）、Boost、Qt(UI)、

balance：Apache、Nginx

GSL

地址：

Boost文档

地址：

wxWidgets官网

地址：

gtkmm

地址：

CopperSpice

地址：

Qt

地址：

地址：

Plot utils

地址：

Asio

地址：

POCO

地址：

abseil

地址：

C++开源库汇总列表

地址：

除了这些开源项目，也可以找一些免费的公开课，那这里也推荐一个ACM金牌大佬讲授的免费C++课程，可以去体验一下：

学好C++才是入职大厂的敲门砖！ 当年要是有这课，我的C++也不至于这样

已失效

3.C++语法讲解

语言基础

详细介绍变量、表达式、语句、指针、数组、流程控制、函数、文件组织等。

抽象机制 - 面向对象编程

深入讲解C++的抽象机制，封装（类）、继承、多态；操作符重载、函数对象、异常处理等。

模板 - 泛型编程

详细介绍C++的模板机制，类模板、函数模板、模板特化等方面的内容。

4.深入c++面向对象

4.1、从C到C++

引用和指针：为什么引用很重要

const关键字：为什么const很重要

名字空间 (namespace)

4.2、深入C++对象

关于C++对象

内置类型的对象，如int、double对象，自定义类型的对象

对象类型的定义

关键字class和struct

类成员：成员函数和数据成员

静态数据成员

成员的访问控制

对象的size

关于this指针

onst成员函数、const究竟修饰什么

mutable数据成员

4种特殊成员函数：constructor、destructor、copy constructor、operator=

对象的构造、初始化列表

对象的析构

对象的复制

什么情况下有必要显式定义4种特殊函数

C++对象生命周

4.3、操作符重载

关于C++中操作符重载机制

重要操作符重载

算术运算：+, -, *, /, %, ++, --, ...

关系运算：, , ==, !=

下标存取：[ ]

函数调用：()，函数对象

类型转换、单参数构造函数与隐式转换、阻止隐式转换 -- explicit关键字

友元与成员

4.4、面向对象基础 -- 继承

基类与派生类

再谈对象的构造与析构

虚函数、纯虚函数

派生类的内存布局、虚函数表

多态、多态类型、如何体现多态

虚析构、为什么虚析构很重要

4.5、关于继承更多的话题

多继承

虚继承与虚基类

对基类的访问、public / protected / private继承

Down cast：static_cast和dynamic_cast

运行期类型识别 (RTTI)

4.6、C++与面向对象设计

C++语言机制提供了完整的OOP支持

超越继承

OOP若干法则和设计模式

5.C++泛型编程与STL

5.1、C++ 模板机制

5.2、STL 概要

5.3、STL容器

5.4、STL迭代

5.5、STL算法

5.6、预与定义STL数对象

5.7、STL适配器

6. C++进阶

《C++ Primer》

最新版本：第三版（第四版国外已上架， 国内一些网上书店也在预订中）

适合有丰富C经验，缺乏C++经验的。不过我个人一直认为此书带着过于强烈的C语言的痕迹，对于C++的学习未必是 好事。

《The C++ Programming Language》/《C++程序设计语言》

最新版本：第三版特别版

简称 TC++PL，有其他语言的丰富经验的。（也有人简称之为“TCPL”，但需与另一本《The C Programmer Language》区分开来）

《Essential C++》

《Accelerated C++》

这两本薄一些，都是不错的选择。《Accelerated C++》本人没有读过，从各方面的评价来看，完全值得推荐。

以上几本书都有相应的中文版，而且翻译的质量都不错。上面的书未必都需要读一遍，但无论如何，TC++PL是应该阅读的。

《Effective C++》

最新版本：第二版（第三版国外已上架，国内一些网上书店也在预订中）

简称EC。C++程序员必读！很多时候，我们说C++圣经不是指TC++PL，而是这一本。《The Pragmatic Programmer》一书中写到：“一旦你发现自己要参与C++项目的开发，赶快跑（不要走）到书店去购买Scott Mayer的《Effective C++》，可能还要《More Effective C++》”。

《C++ Coding Standards: 101 Rules, Guidelines, and Best Practices》/《C++ 编程规范》

个人认为此书应为C++程序员必备的案头书。几乎Effective系列和Exceptional系 列都在这里得到了总结。最新的模版、异常的业界经验都在这里的到了体现。可能的唯一缺陷就是对一个新手而言，关于“为什么这么做”的问题，解释的不够。

我 的看法是：如果你不理解其中的条款，记忆，并且照做；如果你理解其中的条款，我猜你一定会同意书中的观点。我认为这本书中的内容至少在2009年以前都不 会过时，人们将广为传诵它制定的101条戒律。

还不知道他的简称，也许“101”会成为一个候选者？

提到《Effective C++》，那么另外三本书一一浮出水面：

《More Effective C++》

《Exceptional C++》

《More Exceptional C++》。

新书《Exceptional C++ Style》也是值得一看的好书。

上 述几本书，一本也不应该放过。

个人建议上述书籍按顺序阅读。并且，在将来反复阅读这几本书。

《Thinking in C++》/《C++编程思想》

这本书及其中文版传言好坏都有，没有认真看过，不做评价，如果确有兴趣，不妨尝试 一下该书。

以下几本书基本上涉及的都是语言本身，大体上可以按照以下的顺序阅读。

《C++必知必会》

如果早一年，这本书将是重量级的，然而它被101和《Exceptional C++ Style》盖过一头。

《C++ Gotchas: Avoiding Common Problems in Coding and Design》/《C++程序设计陷阱》

这又是一本我未曾读过，而且广受好评的书。

《STL 源码剖析》

这本书我刚到手，就被人"借"走，以至于到现在也没有看过。看过这本书的朋友，可以给一个合适的评价。

7. C++进阶之数据结构基础

这是所有编程语言中最应该学习的部分，程序组成的基础之一。

顺序存储、链式存储、循环链表；

双向链表、栈(顺序和链式)、队列(顺序和链式)；

栈的应用、树基本概念及遍历、二叉树；

排序算法、并归算法、选择、插入、快速、希尔。

以上这些内容你知道吗?

8. C++进阶之UI界面开发

掌握QT类库构架，图形界面开发模型；

掌握QT开发技巧，消息机制，图形处理；

掌握QT网络编程，UDP，TCP使用方式；

掌握QT文件处理方式，序列化；

掌握QT在windows，linux，ios，android不同平台下的移植技术。

9. C++进阶之Unix/Linux网络服务器

掌握Unix/Linux平台开发方式；

熟练使用系统调用；

熟练Unix/Linux内存管理，进程，线程调度；

熟悉网络服务器开发方式，熟练编写TCP，UCP网络服务程序；

掌握同步/异步IO模型在网络编程中的使用方式。

10.C++进阶之数据库开发

掌握SQL语言的实用技巧。Oracle,MySQL数据库的使用方式。

如果你能熟练掌握以上列出的技能，具备解决复杂问题和技术难点的能力，而且你能独立开发一些比较复杂的功能模块，那么很荣幸地告诉你，你已经达到中级水平，薪资过万对你来说简直是小菜一碟。

11.C++标准参考

C++ reference

地址：

C++ Coding Standard

地址：

Standard C++

地址：

State of C++ Evolution

地址：

The C++ Resources Network

地址：

Draft C++ Standard: Contents

地址：

关注一些公众号，比如c语言与cpp编程

大数据开发难不难学？

大数据开发难不难学？

大数据开发，难点有以下4个阶段：

1、数据采集

数据采集有线上和线下两种方式，线上一般通过爬虫、通过抓取，或者通过已有应用系统的采集，在这个阶段，我们可以做一个大数据采集平台，依托自动爬虫(使用python或者nodejs制作爬虫软件)，ETL工具、或者自定义的抽取转换引擎，从文件中、数据库中、网页中专项爬取数据，如果这一步通过自动化系统来做的话，可以很方便的管理所有的原始数据，并且从数据的开始对数据进行标签采集，可以规范开发人员的工作。并且目标数据源可以更方便的管理。

数据采集的难点在于多数据源，例如mysql、postgresql、sqlserver 、 mongodb 、sqllite。还有本地文件、excel统计文档、甚至是doc文件。如何将他们规整的、有方案的整理进我们的大数据流程中也是必不可缺的一环。

2、数据汇聚

数据的汇聚是大数据流程关键的一步，你可以在这里加上数据标准化，你也可以在这里做数据清洗，数据合并，还可以在这一步将数据存档，将确认可用的数据经过可监控的流程进行整理归类，这里产出的所有数据就是整个公司的数据资产了，到了一定的量就是一笔固定资产。

数据汇聚的难点在于如何标准化数据，例如表名标准化，表的标签分类，表的用途，数据的量，是否有数据增量?，数据是否可用? 需要在业务上下很大的功夫，必要时还要引入智能化处理，例如根据内容训练结果自动打标签，自动分配推荐表名、表字段名等。还有如何从原始数据中导入数据等。

3、数据转换和映射

经过数据汇聚的数据资产如何提供给具体的使用方使用?在这一步，主要就是考虑数据如何应用，如何将两个?三个?数据表转换成一张能够提供服务的数据。然后定期更新增量。

经过前面的那几步，在这一步难点并不太多了，如何转换数据与如何清洗数据、标准数据无二，将两个字段的值转换成一个字段，或者根据多个可用表统计出一张图表数据等等。

4、数据应用

数据的应用方式很多，有对外的、有对内的，如果拥有了前期的大量数据资产，通过restful API提供给用户?或者提供流式引擎 KAFKA 给应用消费? 或者直接组成专题数据，供自己的应用查询?这里对数据资产的要求比较高，所以前期的工作做好了，这里的自由度很高。

大数据开发的难点主要是监控，怎么样规划开发人员的工作?开发人员随随便便采集了一堆垃圾数据，并且直连数据库。 短期来看，这些问题比较小，可以矫正。 但是在资产的量不断增加的时候，这就是一颗定时炸弹，随时会引爆，然后引发一系列对数据资产的影响，例如数据混乱带来的就是数据资产的价值下降，客户信任度变低。

在大数据行业工作两年是怎样一种体验

在大数据行业工作两年是怎样一种体验

写在前面

今年广州的初夏在经历了大雨的洗礼之后，一切都变得更加明朗起来，新的工作，新的人和事。懒惰让我变得更焦虑，焦虑促使我进步，程序员的焦虑大家应该都有共同的感觉，时代的步伐太快了，在这个环境下的软件开发一定会淘汰掉那些不懂得学习、懒惰的人。希望跟大家共勉。

在本文中，我主要回顾这两年来，在大数据行业公司从事大数据类的前端开发的工作。最近刚刚换了一份工作，这里把我的经验稍作总结分享给大家。

本文主要从大数据开发的角度出发，到大数据治理的必要性，再到图形化建模的畅想，最后在数据质量的把关，然后到大数据可视化的应用，总结两年的见闻和我的学习成果，也不知理解有无偏差，希望大家能给出建议。

大数据开发

大数据开发，有几个阶段：

1.数据采集（原始数据)

2.数据汇聚（经过清洗合并的可用数据)

3.数据转换和映射（经过分类、提取的专项主题数据)

4.数据应用（提供api 智能系统 、应用系统等)

数据采集

数据采集有线上和线下两种方式，线上一般通过爬虫，通过抓取或者通过已有应用系统的采集。

在这个阶段，我们可以做一个大数据采集平台，依托自动爬虫（使用Python或者Node.js制作爬虫软件），ETL工具、或者自定义的抽取转换引擎，从文件中、数据库中、网页中专项爬取数据。如果这一步通过自动化系统来做的话，可以很方便的管理所有的原始数据，并且从数据的开始对数据进行标签采集，可以规范开发人员的工作，同时目标数据源可以更方便的管理。

数据采集的难点在于多数据源，例如mysql、postgresql、sqlserver 、 mongodb 、sqllite。还有本地文件、excel统计文档、甚至是doc文件。如何将它们规整、有方案地整理进我们的大数据流程中也是必不可缺的一环。

数据汇聚

数据的汇聚是大数据流程最关键的一步，你可以在这里加上数据标准化，你也可以在这里做数据清洗，数据合并，还可以在这一步将数据存档，将确认可用的数据经过可监控的流程进行整理归类，这里产出的所有数据就是整个公司的数据资产，到了一定的量就是一笔固定资产。

数据汇聚的难点在于如何标准化数据，例如表名标准化，表的标签分类，表的用途，数据的量，是否有数据增量？数据是否可用？

这些需要在业务上下很大的功夫，必要时还要引入智能化处理，例如根据内容训练结果自动打标签，自动分配推荐表名、表字段名等，还有如何从原始数据中导入数据等。

数据转换和映射

经过数据汇聚的数据资产如何提供给具体的使用方使用？在这一步，主要就是考虑数据如何应用，如何将两、三个数据表转换成一张能够提供服务的数据。然后定期更新增量。

经过前面的那几步，在这一步难点并不太多了，如何转换数据与如何清洗数据、标准数据无二，将两个字段的值转换成一个字段，或者根据多个可用表统计出一张图表数据等等。

数据应用

数据的应用方式很多，有对外的、有对内的，如果拥有了前期的大量数据资产，是通过restful API提供给用户？还是提供流式引擎 KAFKA 给应用消费? 或者直接组成专题数据，供自己的应用查询？这里对数据资产的要求比较高，所以前期的工作做好了，这里的自由度很高。

大数据开发的难点

大数据开发的难点主要是监控，怎么样规划开发人员的工作。开发人员随随便便采集了一堆垃圾数据，并且直连数据库。 短期来看，这些问题比较小，可以矫正。 但是在资产的量不断增加的时候，这就是一颗定时炸弹，随时会引爆，然后引发一系列对数据资产的影响，例如数据混乱带来的就是数据资产的价值下降，客户信任度变低。

如何监控开发人员的开发流程？

答案只能是自动化平台，只有自动化平台能够做到让开发人员感到舒心的同时，接受新的事务，抛弃手动时代。

这就是前端开发工程师在大数据行业中所占有的优势点，如何制作交互良好的可视化操作界面？如何将现有的工作流程、工作需求变成一个个的可视化操作界面？ 可不可以使用智能化取代一些无脑的操作？

从一定意义上来说，大数据开发中，我个人认为前端开发工程师占据着更重要的位置，仅次于大数据开发工程师。至于后台开发，系统开发是第三位的。

好的交互至关重要，如何转换数据，如何抽取数据，一定程度上，都是有先人踩过的坑，例如kettle，再例如kafka，pipeline ，解决方案众多。关键是如何交互？ 怎么样变现为可视化界面？ 这是一个重要的课题。

现有的各位朋友的侧重点不同，认为前端的角色都是可有可无，我觉得是错误的，后台的确很重要，但是后台的解决方案多。 前端实际的地位更重要，但是基本无开源的解决方案，如果不够重视前端开发， 面临的问题就是交互很烂，界面烂，体验差，导致开发人员的排斥，而可视化这块的知识点众多，对开发人员的素质要求更高。

大数据治理

大数据治理应该贯穿整个大数据开发流程，它有扮演着重要的角色，浅略的介绍几点：

· 数据血缘

· 数据质量审查

· 全平台监控

数据血缘

从数据血缘说起，数据血缘应该是大数据治理的入口，通过一张表，能够清晰看见它的来龙去脉，字段的拆分，清洗过程，表的流转，数据的量的变化，都应该从数据血缘出发，我个人认为，大数据治理整个的目标就是这个数据血缘，从数据血缘能够有监控全局的能力。

数据血缘是依托于大数据开发过程的，它包围着整个大数据开发过程，每一步开发的历史，数据导入的历史，都应该有相应的记录，数据血缘在数据资产有一定规模时，基本必不可少。

数据质量审查

数据开发中，每一个模型(表)创建的结束，都应该有一个数据质量审查的过程，在体系大的环境中，还应该在关键步骤添加审批。例如在数据转换和映射这一步，涉及到客户的数据提供，应该建立一个完善的数据质量审查制度，帮助企业第一时间发现数据存在的问题，在数据发生问题时也能第一时间看到问题的所在，并从根源解决问题，而不是盲目的通过连接数据库一遍一遍的查询SQL。

全平台监控

监控其实包含了很多的点，例如应用监控，数据监控，预警系统，工单系统等，对我们接管的每个数据源、数据表都需要做到实时监控，一旦发生殆机，或者发生停电，能够第一时间电话或者短信通知到具体负责人，这里可以借鉴一些自动化运维平台的经验的，监控约等于运维，好的监控提供的数据资产的保护也是很重要的。

大数据可视化

大数据可视化不仅仅是图表的展现，大数据可视化不仅仅是图表的展现，大数据可视化不仅仅是图表的展现。

重要的事说三遍，大数据可视化归类的数据开发中，有一部分属于应用类，有一部分属于开发类。

在开发中，大数据可视化扮演的是可视化操作的角色， 如何通过可视化的模式建立模型？ 如何通过拖拉拽，或者立体操作来实现数据质量的可操作性？ 画两个表格加几个按钮实现复杂的操作流程是不现实的。

在可视化应用中，更多的也有如何转换数据，如何展示数据，图表是其中的一部分，平时更多的工作还是对数据的分析，怎么样更直观的表达数据？这需要对数据有深刻的理解，对业务有深刻的理解，才能做出合适的可视化应用。

智能的可视化平台

可视化是可以被再可视化的，例如superset，通过操作SQL实现图表，有一些产品甚至能做到根据数据的内容智能分类，推荐图表类型，实时的进行可视化开发，这样的功能才是可视化现有的发展方向，我们需要大量的可视化内容来对公司发生产出，例如服装行业，销售部门：进货出货，颜色搭配对用户的影响，季节对选择的影响 生产部门：布料价格走势？ 产能和效率的数据统计？ 等等，每一个部门都可以有一个数据大屏，可以通过平台任意规划自己的大屏，所有人每天能够关注到自己的领域动向，这才是大数据可视化应用的具体意义。

结语

洋洋洒洒写了很多，对我近两年的所见所闻所学所想进行了一些总结。

有些童鞋会问，不是技术么？为什么没有代码？我要说，代码是要学的，要写的，但是与工作无关，代码是我个人的技能，个人傍身，实现个人想法的重要技能。 但是代码与业务的关系不大，在工作中，懂业务的人代码写的更好，因为他知道公司想要什么。 如果你业务很差，那也没关系，你代码好就行了呀，根据别人的交代干活，也是很不错的。技术和业务是相辅相成的，稍后博主总结代码的精进。

写完了，我的焦虑一丝未少，我的代码规范性不够，目前技术栈JS、Java、Node.js、Python 。

主业JS熟练度80%，正在研究阮一峰的es6（看的差不多）和vuejs的源码（有点搁浅），vuejs算是中等，css和布局方面可以说还可以，另外d3.js，go.js都是处于会用，能干活。 Node.js呢，express和koa无问题，看过一些express的源代码，还写过两个中间件。

Java、Python都处于能做项目的程度，目前也不想抽很多精力去深入它们，就想要保持在想用能用的地步。

未来的几年，我打算多学学人工智能、大数据开发的知识，未来这块应该还有一些热度的。

最后和大家共勉，三人行，必有我师焉。