Spark 2.0引入了更高级别的新的流处理API，叫做Structured Streaming[结构化流]。本文通过Spark的源代码来理解具体的Structured Streaming的执行过程。本文使用的是Spark 2.4.0的源代码。Structured Streaming相关的源代码存在于sql文件夹中。

如前文所述，Docker是一个轻量级的容器，将应用程序，第三方库，数据文件和环境放在一起使用户可以最大程度使用宿主机的硬件。Docker容器是平台无关[platform-agnostic]和硬件无关[hardware-agnostic]，这说明Docker对于一些通用的硬件已经有很好的支持，但是当使用特殊的硬件，如NVIDIA GPUs时，这就产生了一个问题，这些硬件需要内核模块和用户级库来操作，也就是我们常说的驱动程序。

Docker镜像是由多个文件系统[只读层]叠加而成。当我们启动一个容器的时候，Docker会加载只读镜像层并在其上[镜像栈顶部]添加一个读写层。如果运行中的容器修改了现有的一个已经存在的文件，那该文件将会从读写层下面的只读层复制到读写层，然后在读写层进行修改，但是文件的只读版本仍然存在于只读层，只是已经被读写层中该文件的副本所隐藏。当删除Docker容器，并通过该镜像重新启动时，之前在读写层的更改将会丢失。所以默认情况下，数据在Docker运行时无法进行持久化操作。

本文简要介绍了个人常用的docker命令

Python的 -m 选项[option], 作用是将模块当作脚本来运行。

虽然 Python 不是一个专门的面向对象的语言，但是 Python 仍然有着优秀的封装，继承，多态的机制。其中继承尤其是多重继承是在复杂项目中经常用到的。但是多重继承在使用的过程中有很多需要注意的地方，以至于很多开发人员都会尽量避免使用多重继承。

我们在使用调用 python API 的时候，经常能够看见在参数列表的最后有两个“奇怪”的参数*args, **kwargs。首先要明白，其实并不是必须写成*args和**kwargs。只有变量前面的*和**才是必须的。这两个参数的用法就是 python 中的不定长参数[当然了，大多数语言都支持不定长参数]。

打包和发布是 python 的重要功能，其实方便快捷的打包发布方式也是 python 为什么能这么流行的原因。