scala

``` sealed trait List[+A] // `List` data type, parameterized on a type, `A` case object Nil extends List[Nothing] // A `List` data constructor representing the empty list /* Another data constructor, representing nonempty lists. Note that `tail` is another `List[A]`, which may be `Nil` or another `Cons`. */ case class Cons[+A](head: A, tail: List[A]) extends List[A] object List { // `List` companion object. Contains functions for creating and working with lists. def sum(ints: List[Int]): Int = ints match { // A function that uses pattern matching to add up a list of integers case Nil => 0 //

一、kafka的基本介绍 官网：http://kafka.apache.org/ kafka是一个分布式，分区的，多副本的，多订阅者的消息发布订阅系统（分布式MQ系统），可以用于搜索日志，监控日志，访问日志等。 最初由linkedin公司开发，使用scala语言编写， Kafka is a distributed,partitioned,replicated commit logservice。 kafka对消息保存时根据Topic进行归类，发送消息者成为Producer,消息接受者成为Consumer,此外kafka集群有多个kafka实例组成，每个实例(server)成为broker。无论是kafka集群，还是producer和consumer都依赖于zookeeper来保证系统可用性集群保存一些meta信息 二、kafka的好处 可靠性： 分布式的，分区，复制和容错。 可扩展性： kafka消息传递系统轻松缩放，无需停机。 耐用性： kafka使用分布式提交日志，这意味着消息会尽可能快速的保存在磁盘上，因此它是持久的。 性能：kafka对于发布和定于消息都具有高吞吐量。即使存储了许多TB的消息，他也爆出稳定的性能。 kafka非常快： 保证零停机和零数据丢失。 三、分布式的发布与订阅系统 apache kafka是一个分布式发布- 订阅消息系统和一个强大的队列

ScalaFX 源代码名称:scalafx 源代码网址:http://www.github.com/scalafx/scalafx scalafx源代码文档 scalafx源代码下载 Git URL:复制 git://www.github.com/scalafx/scalafx.git Git Clone代码到本地:复制 git clone http://www.github.com/scalafx/scalafx Subversion代码到本地:复制 $ svn co --depth empty http://www.github.com/scalafx/scalafx Checked out revision 1. $ cd repo $ svn up trunk ScalaFX是在 8和 JavaFX 2.2之上的Scala 语言中编写的UI DSL。 这意味着每个ScalaFX应用程序都是有效的Scala 应用程序。 通过扩展它支持与Java完全兼容，可以在Java虚拟机( JVM ) 和 JavaFX 8或者 JavaFX 2.2支持的任何地方运行。 Join the chat at https://gitter.im/scalafx/scalafx Build StatusMaven CentralScaladocReference Status 最初

前言 ​ 最近公司里比较新的项目里面，看到了很多关于java8新特性的用法，由于之前自己对java8的新特性不是很了解也没有去做深入研究，所以最近就系统的去学习了一下，然后总结了一篇文章第一时间和大家分享一下。 ​ ​ 在了解一项新技术之前，我们需要了解我们为什么要去学习它以及它的优点，以下是我总结的： Java8（又称jdk1.8）是java语言开发的一个主要版本，Java8是oracal公司于2014年3月发布，可以看成是自java5以来最具有革命性的版本。 新特性的优点： 速度更快、代码更少、便于并行、最大化减少空指针异常 函数式编程提供了一种更高层次的抽象化 排序： List<RoleEntity> rolesListSort = rolesList.stream().sorted(Comparator.comparing(RoleEntity::getCreateDate)).collect(Collectors.toList()); Consumer是一个函数式接口 参数是Consumer类型的，Consumer里面的泛型表示泛型的类型要么是Integer,要么是Integer的父类，super表示它及它上面的，也就是父类。 下面这段代码是在Iterable接口里面的默认方法，jdk8之后的新方法，默认方法（默认方法的引入很大程度上是为了保证向后兼容） default

　　Flink 统计当日的UV、PV 　　测试环境： 　　　　flink 1.7.2 　　1、数据流程 　　　　 　　　　a.模拟数据生成，发送到kafka（json 格式）　　 　　　　b.flink 读取数据，count 　　　　c. 输出数据到kafka（为了方便查看，输出了一份到控制台） 　　2、模拟数据生成器 　　　　数据格式如下 ： {"id" : 1, "createTime" : "2019-05-24 10:36:43.707"} 　　　　id 为数据生成的序号（累加），时间为数据时间（默认为数据生成时间） 　　模拟数据生成器代码如下： 　　 /** * test data maker */ object CurrentDayMaker { var minute : Int = 1 val calendar: Calendar = Calendar.getInstance() /** * 一天时间比较长，不方便观察，将时间改为当前时间， * 每次累加10分钟，这样一天只需要144次循环，也就是144秒 * @return */ def getCreateTime(): String = { // minute = minute + 1 calendar.add(Calendar.MINUTE, 10 ) sdf.format(calendar.getTime) }