从小厂出来，没想到在另一家公司又寄了。到这家公司开始上班，加班是每天必不可少的，看在钱给的比较多的份上，就不太计较了。没想到8月一纸通知，所有人不准加班，加班费不仅没有了，薪资还要降40%,这下搞的饭都吃不起了。还在有个朋友内推我去了一家互联网公司，兴冲冲见面试官，没想到一道题把我给问死了：如果模块请求http改为了https,测试方案应该如何制定，修改感觉好简单的题，硬是没有答出来，早知道好好看看一大佬软件测试面试宝典了。通过大数据总结发现，其实软件测试岗的面试都是差不多的。常问的有下面这几块知识点：全网首发-涵盖16个技术栈第一部分，测试理论（测试基础+需求分析+测试模型+测试计划+测试
从小厂出来，没想到在另一家公司又寄了。到这家公司开始上班，加班是每天必不可少的，看在钱给的比较多的份上，就不太计较了。没想到10月一纸通知，所有人不准加班，加班费不仅没有了，薪资还要降40%,这下搞的饭都吃不起了。还在有个朋友内推我去了一家互联网公司，兴冲冲见面试官，没想到一道题把我给问死了：如果模块请求http改为了https,测试方案应该如何制定，修改?感觉好简单的题，硬是没有答出来，早知道好好看看一大佬软件测试面试宝典了。通过大数据总结发现，其实软件测试岗的面试都是差不多的。常问的有下面这几块知识点：全网首发-涵盖16个技术栈第一部分，测试理论（测试基础+需求分析+测试模型+测试计划+测
延迟队列是指当消息被发送以后，并不是立即执行，而是等待特定的时间后，消费者才会执行该消息。延迟队列的使用场景有以下几种：未按时支付的订单，30分钟过期之后取消订单。给活跃度比较低的用户间隔N天之后推送消息，提高活跃度。新注册会员的用户，等待几分钟之后发送欢迎邮件等。一、如何实现延迟队列？延迟队列有以下两种实现方式：通过消息过期后进入死信交换器，再由交换器转发到延迟消费队列，实现延迟功能；使用官方提供的延迟插件实现延迟功能。早期，大部分公司都会采用第一种方式，而随着RabbitMQ3.5.7（2015年底发布）的延迟插件的发布，因为其使用更简单、更方便，所以它现在才是大家普通会采用的，实现延迟队
SparkonYarn安装配置本任务需要使用root用户完成相关配置，已安装Hadoop及需要配置前置环境，具体要求如下：1、从宿主机/opt目录下将文件spark-3.1.1-bin-hadoop3.2.tgz复制到容器Master中的/opt/software（若路径不存在，则需新建）中，将Spark包解压到/opt/module路径中(若路径不存在，则需新建)，将完整解压命令复制粘贴至客户端桌面【Release\任务A提交结果.docx】中对应的任务序号下；步骤1：复制和解压Spark安装包解压文件：将Spark安装包解压到/opt/module目录中。tar-zxvf/opt/soft
daDDR3D:\.lnk\ChineseTechnology\ChineseMedicine\相关文档\MT41K256M16-DDR3SDRAM\MT41K256M16.pdf-------------------------------------------------------------------D:\.lnk\ChineseTechnology\ChineseMedicine\相关文档\MT41K256M16-DDR3SDRAM\ug586_7Series_MIS.pdf我接触到的DDR3SDRAM的厂商是Micro（美光）旗下的MT41K256M16(TW-107)Para
目录引言迁移背景迁移方案设计迁移成果总结引言把基于mapreduce的离线hiveSQL任务迁移到sparkSQL，不但能大幅缩短任务运行时间，还能节省不少计算资源。最近我们也把组内2000左右的hivesql任务迁移到了sparkSQL，这里做个简单的记录和分享，本文偏重于具体条件下的方案选择。迁移背景SQL任务运行慢HiveSQL处理任务虽然较为稳定，但是其时效性已经达瓶颈，无法再进一步提升，同一个SQL，Hive比Spark执行的时间更长。SparkSQL的发展远超HSQL随着 Spark以及其社区的不断发展，SparkSQL 本身技术也在不断成熟，Spark在技术架构和性能上都展示出H
目录1、金融行业软件测试的重要性2、金融行业软件测试的方法3、金融行业软件测试的挑战4、金融行业软件测试的未来发展5、如何应对可能出现的面试问题6、结论1、金融行业软件测试的重要性在当今数字化时代，金融行业的各种业务越来越依赖于软件系统。因此，金融行业软件测试是确保金融应用程序质量和功能的重要过程，以确保它们满足用户需求、符合监管要求和安全标准。缺乏充分的测试可能导致严重的后果，比如数据泄露、交易失败或客户信息被盗。2、金融行业软件测试的方法金融行业软件测试通常分为以下几个阶段：2.1需求分析在这一阶段，测试团队需要仔细分析并理解业务需求，并将其转化为测试用例。测试用例应涵盖所有业务场景，并包
目录一、collect二、count三、first四、take五、takeOrdered六、countByKey七、foreach八、简单案例九、一个综合案例9.1需求1的实现9.2需求2的实现9.3需求3的实现一、collect函数签名：defcollect():Array[T]功能说明：收集每个分区数据，以数组Array的形式封装后发给driver。设置driver内存：bin/spark-submit--driver-memory10G(内存大小）注意：collect会把所有分区的数据全部拉取到driver端，如果数据量过大，可能内存溢出。importorg.apache.spark.{
RDD的持久化RDD缓存当RDD被重复使用，或者计算该RDD比较容易出错，而且需要消耗比较多的资源和时间的时候，我们就可以将该RDD缓存起来。主要作用:提升Spark程序的计算效率注意事项:RDD的缓存可以存储在内存或者是磁盘上，甚至可以存储在Executor进程的堆外内存中。主要是放在内存中，因此缓存的数据是不太稳定可靠。由于是临时存储，可能会存在丢失，所以缓存操作，并不会将RDD之间的依赖关系给截断掉(丢失掉)，因为当缓存失效后，可以全部重新计算缓存的API都是Lazy惰性的，如果需要触发缓存操作，推荐调用count算子，因为运行效率高设置缓存的API: rdd.cache():将RDD的
async/await-事件循环前面我们学习了生成器和迭代器，那么在本篇文章中，我们主要讲解生成器与Promise的结合使用，从而引出async/await语法，同时会涉及面试中频次最高的一个知识点：事件循环生成器与异步处理首先需要了解回调地狱在Promise出来之前，我们多次请求网络接口，有可能产生回调地狱//伪代码functionrequest(url){//请求的逻辑代码//返回一个结果returnres;}//这样一层嵌套着一层，就是回调地狱request("第一次").then((res1)=>{request("第二次"+res1).then((res2)=>{request("第
