Join[连接]是数据库查询最重要的操作，应该没有之一，主要用于连接两个以上的表并获得对应的结果。Join可以从类型和算法实现两个角度理解。

数据库的查询引擎[Query Engines]有两种查询方式，Push-based和Pull-based。

本文记录了部署Hadoop的具体步骤，因为感觉以前每次部署都是Google一下，这回记录一下。这里使用Hadoop-2.10.2版本的standalone mode作为例子。

本文介绍一个python常用的装饰器Property，其主要作用就是解决python class的属性的setter和getter，和类属性保护的问题。

在开发过程中，编译部署都是无法避免的步骤，但是在调试时，需要重复地进行编译部署，如果这个过程复杂，那就更加耗时费力。重复劳作是枯燥的，所以大多数情况下，我们可以使用expect来进行自动化交互过程，从而自动化整个编译和部署过程。

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。