其实区别不大 对sql的要求和bi差不多 但是要掌握更多的工具和编程语言 如hadoop hive hbase redis 语言包括java python scala等

这个帮不了你 推荐你看看jvm界的经典之作 《揭秘Java虚拟机：JVM设计原理与实现》

绿色字体的程序没有问题是吧 就是一个简单的继承，子类对象初始化优先调用父类构造方法，所以先打印T（）再打印B（）最后是调用子类的方法。
第二段代码 第一个语句son.minusOne（）这个方法调用的是son类的方法，但是son类没有这个方法 所以找到了父类，要执行的是对testvalue-1 这个this指的是父类 所以前两次打印的是0 99 this指的是当前对象 在父类中指的是父类对象 在子类中指的是子类对象
以此类推 后面一个打印是对子类的testvalue+1 所以是1 ， 变量前默认是有this指针的
最后一个打印 因为父类的testvalue刚刚被-1了 所以还是99

最好这么做 因为这样的话 gc会比较及时的回收这个对象 java和python中都建议不用的对象最好直接置空或是删除，这是一个好的编程习惯

对list打乱，这个简单的方法是再创建一个list 或是用现在的list，可以以一定的随机概率交换list中两个元素的位置，java获取一个范围内的随机数应该有现成的api把 ，这种方法也就不难实现了

boss数据集群是啥东西 头一次听这个词 能详细说说吗

可以啊 chmod 777 里面的东西悠着点改

spark是一个很强大的生态系统，flink目前也只能替代spark的Spark Streaming组件，
1、处理可以实时：Spark Streaming 是微批处理，运行的时候需要指定批处理的时间，每次运行 job 时处理一个批次的数据，严格来讲达不到实时处理，Flink 是基于事件驱动的，事件可以理解为消息。事件驱动的应用程序是一种状态应用程序，它会从一个或者多个流中注入事件，通过触发计算更新状态，或外部动作对注入的事件作出反应，可以做到实时性
2、更好的容错：对于 Spark Streaming 任务，我们可以设置 checkpoint，然后假如发生故障并重启，我们可以从上次 checkpoint 之处恢复，但是这个行为只能使得数据不丢失，可能会重复处理，不能做到恰一次处理语义。若要 sink 支持仅一次语义，必须以事务的方式写数据到 Kafka，这样当提交事务时两次 checkpoint 间的所有写入操作作为一个事务被提交。这确保了出现故障或崩溃时这些写入操作能够被回滚。

@晓月星稀 最终一致性

@晓月星稀 连接的地址写的是zk集群的地址 不是某个zk 一个zk挂了客户端会自动去连接其他的live的

实例.name不行吗

不是一回事，java的注解相信你已经了解了 ，我就不赘述了，python的装饰器简单可以理解为函数的参数，python有个特点是函数也能当参数用
def use_logging(func):

def wrapper():
    logging.warn("%s is running" % func.__name__)
    return func()
return wrapper

@use_logging
def foo():
print("i am foo")

foo()
比如这段代码，use_logging设置为装饰器，执行foo的时候回去找use_logging 然后把foo作为参数传递进去

Beam 的组件 IO 更丰富了，并且计算平台支持Apache Apex、Direct Runner、Apache Flink、Apache Spark、Google Cloud Dataflow 等 你可以理解为beam是更高于flink的一层api 除了支持flink以外还支持很多的其他的框架，serverless不太了解 没法回答你了

设置定时任务是开发者必须会的技能，linux系统自带crontab 可以定时执行制定的命令 比如shell命令，这种在运维中特别常见，当然除了系统层面还有很多应用层面的框架，如果只是python任务的话 一般是写一个死循环，然后在循环中判断是不是到一定的时间点 到了则运行定时脚本，未到则sleep一下，这里需要注意的是sleep的时间单位应该小于执行脚本的时间单元，举个例子：比如每天早上九点执行，那你sleep的时间单位应该小于天，所以应该是小时，每小时唤醒一次检查是不是早上九点既可

对 通过设置JAVA_HOME就可以 JAVA_HOME的设置有很多种方式 可以修改hadoop的配置文件制定JAVA_HOME，
也可以修改机器的环境变量