其实并不常做字幕特效，毕竟也基本上都是心血来潮自己完成全部的字幕任务，不过每次想做的时候总是记不住那些特效代码，翻帖子去找然后慢慢试效果，果然还是自己整理一个较常用的标签列表比较妥当
先贴一个完整的标签代码手册
Data Structure - programming implementation
来源于大一数据结构上机课程的练习，最近复习数据结构时候做个备份吧感觉当时写的还算很有心
有时间慢慢整理吧~
标注OOP的话就是cpp面向对象实现的，没有的话就是普通的结构体
所有的structure实现都是头文件.h和.cpp实现操作，具体的测试main函数就不放出了，自行测试
koa-multer插件的食用尝试
学习koa框架时考虑到了一个问题，有关上传文件的实现
搜到了koa-multer这个可以直接用在koa的中间件，于是着手尝试食用
大数据学习笔记| Hadoop - Hadoop伪分布式环境搭建
说说「伪分布式」
Hadoop的安装配置方式有三种：单机、伪分布式和完全分布式。
单机模式 顾名思义，只在一台单机上运行，不需要与其他节点交互，不使用HDFS分布式文件系统，不加载Hadoop的守护进程。当你解压了hadoop的软件包后的默认最小模式，各种配置为空。
完全分布式 需要在至少3台机器上配置hadoop节点，真正分布式地完成存储和计算任务。
伪分布式 也很好理解，即在单机上搭建分布式系统。虽然是在单机上运行，但是通过配置实现用不同的Java进程模仿分布式运行的各类节点，即在一个机器上，既有namenode也有datanode，既有jobtracker也有tasktracker。既然并没有在多台机器上真正的搭建分布式环境，所以称之为「伪分布式」。
安装环境
Hadoop需要安装在Linux环境下（当然macos也可以），无论是物理机linux或是虚拟机Linux均可，发行版本无所谓，我这里>使用的是ubuntu16.04 server,安装的Hadoop版本为2.8.1
大数据学习笔记| Hadoop - Hadoop概述
Hadoop作为Apache的一个顶级项目，开源实现了Google的MapReduce、GFS(Google File System)、Bigtable等核心技术，成为目前大数据技术领域的核心软件平台，围绕着hadoop的一系列工具促使了hadoop生态圈的迅速发展
随着web和移动互联网的高速发展，人们创造出的数据量越来越庞大，面对这些海量的数据和信息，如何存储如何处理，如何提取出用户想要了解的有价值的信息，这些问题的产生和解决，成为了大数据时代的重要的发展线索。
随着云计算的发展，大量的数据存储在了云端，人们寻求着高效存储与处理信息，并且低成本的解决方案。Hadoop的发展与应用无疑是诸多数据发掘者的不二之选。