免費的存儲很多，但是真正好用的沒幾個，我試過163的，聯想的，但是總是感覺少一口氣，用了不到一個月就忘記了，很早就聽說了dropbox，但是一直沒下定決心選擇它（中國的河蟹太強大了），一次偶然的機會嘗試了下，突然發現我們真的可以生活在云端了。
Dropbox 上手指南
Dropbox注冊非常簡單，點擊注冊:
簡單填寫之后可以擁有了免費的2G的空間了。在Dropbox的web界面可以直接上傳文件了，但是如果緊緊提供這些功能那么Dropbox也就是緊緊只是一個普通的云存儲了，真正貼心的功能在于它的客戶端。廢話少說，注冊之后有用戶指南會引引導你到下載客戶端頁面。一步步安裝之后就可以指定某個文件夾同步到云端了。
Dropbox有哪些特色
- 免費的2G空間（目前官方的活動可以將免費空間擴展到5.25G）
- 速度不錯（公司電信和家杭州網通都可以達到220K下行和26K的上行速度）
- 貼心的客戶端，你只要將文件拖進文件夾，客戶端就會自動同步。
- 支持linux，mac，Windows 甚至iphone
- 免費的外鏈和多人共享空間
Dropbox有哪些不足之處
- 沒辦法同步多個文件夾（可以通過junction命令將文件夾硬連到同步目錄去）
- 客戶端同步計劃不可編輯，它會在每臺機器上都會同步所有的文件，文件大了就麻煩了。
可以改進之處（個人愚見）
- 加強客戶端功能，允許用戶制定同步計劃，在線規劃后哪些文件需要同步到哪些機器，哪些文件無需同步到所有機器等。
- 支持多文件夾，以及網絡映射
- 支持同步策略制定，比如只上傳不下載、只下載不上傳等策略。
相關鏈接
Mark Richards, 主管和高級技術架構師, Collaborative Consulting, LLC
2009 年 7 月 31 日
事務策略系列文章的作者 Mark Richards 將討論如何在 Java? 平臺中為具有高吞吐量和高用戶并發性需求的應用程序實現事務策略。理解如何進行折衷將幫助您確保高水平的數據完整性和一致性，并減少隨后開發流程中的重構工作。
我在本系列 的前幾篇文章中所介紹的 API 層和客戶端編排策略事務策略是應用于大多數標準業務應用程序的核心策略。它們簡單、可靠、相對易于實現，并且提供了最高水平的數據完整性和一致性。但有時，您可能需要減小事務的作用域以獲取吞吐量、改善性能并提高數據庫的并發性。您如何才能實現這些目的，同時仍然維持高水平的數據完整性和一致性呢？答案是使用 High Concurrency 事務策略。
High Concurrency 策略源自 API 層 策略。API 層策略雖然非常堅固和可靠，但它存在一些缺點。始終在調用棧的最高層（API 層）啟動事務有時會效率低下，特別是對于具有高用戶吞吐量和高數據庫并發性需求的應用程序。限制特定的業務需求，長時間占用事務和長時間鎖定都會消耗過多資源。
與 API 層策略類似，High Concurrency 策略釋放了客戶機層的任何事務責任。但是，這還意味著，您只能通過客戶機層調用一次任何特定的邏輯工作單元（LUW）。High Concurrency 策略旨在減小事務的總體作用域，以便資源鎖定的時間更短，從而增加應用程序的吞吐量、并發性以及性能。
通過使用此策略所獲取的好處在一定程度上將由您所使用的數據庫以及它所采用的配置決定。一些數據庫（比如說使用 InnoDB 引擎的 Oracle 和 MySQL）不會保留讀取鎖，而其他數據庫（比如沒有 Snapshot Isolation Level 的 SQL Server）則與之相反。保留的鎖越多，無論它們是共享還是專用的，它們對數據庫（以及應用程序）的并發性、性能和吞吐量的影響就越大。
但是，獲取并在數據庫中保留鎖僅僅是高并發性任務的一個部分。并發性和吞吐量還與您釋放鎖的時間有關。無論您使用何種數據庫，不必要地長時間占用事務將更長地保留共享和專用鎖。在高并發性下，這可能會造成數據庫將鎖級別從低級鎖提高到頁面級鎖，并且在一些極端情況下，從頁面級鎖切換到表級鎖。在多數情況下，您無法控制數據引擎用于選擇何時升級鎖級別的啟發方法。一些數據庫（比如 SQL Server）允許您禁用頁面級鎖，以期它不會從行級鎖切換到表級鎖。有時，這種賭博有用，但大多數情況下，您都不會實現預期中的并發性改善。
底線是，在高數據庫并發性的場景中，數據庫鎖定（共享或專用）的時間越長，則越有可能出現以下問題：
- 數據庫連接耗盡，從而造成應用程序處于等待狀態
- 由共享和專用鎖造成的死鎖，從而造成性能較差以及事務失敗
- 從頁面級鎖升級到表級鎖
換句話說，應用程序在數據庫中所處的時間越長，應用程序能處理的并發性就越低。我所列出的任何問題都會造成您的應用程序運行緩慢，并且將直接減少總體吞吐量和降低性能 - 以及應用程序處理大型并發性用戶負載的能力。
折衷
High Concurrency 策略解決了高并發性需求，因為它能將事務在體系結構中的作用域盡可能減小。其結果是，事務會比在 API 層事務策略中更快地完成（提交或回滾）。但是，就像您從 Vasa 中學到的（見參考資料），您不能同時擁有它們。生活中充滿了折衷，事務處理也不例外。您不能期望提供與 API 層策略同樣可靠的事務處理，同時提供最大的用戶并發性和最高的吞吐量。
因此，您在使用 High Concurrency 事務策略時放棄了什么呢？根據您的應用程序的設計，您可能需要在事務作用域外部執行讀取操作，即使讀取操作用于更新目的。"等一等！"您說："您不能這樣做 - 您可能會更新在最后一次讀取之后發生了變化的數據！"這是合理的擔憂，并且也是需要開始考慮折衷的地方。通過此策略，由于您未對數據保持讀取鎖，因此在執行更新操作時遇到失效數據異常的機率會增加。但是，與 Vasa 的情況一樣，所有這些都可以歸結為一個問題，即哪個特性更加重要：可靠、堅固的事務策略（如 API 層策略），還是高用戶并發性和吞吐量。在高并發性情形中，同時實現兩者是極為困難的。如果您嘗試這樣做，則可能會適得其反。
第二個折衷之處是事務可靠性的總體缺乏。此策略難以實現，并且需要更長的時間進行開發和測試，并且比 API 層或 Client Orchestration 策略更易于出錯。考慮到這些折衷，您首先應該分析當前的情形以確定使用此策略是否是正確的方法。由于 High Concurrency 策略派生自 API 層策略，因此一種比較好的方法是先使用 API 層策略，并使用較高的用戶負載對應用程序執行負載測試（比您預期的峰值負載更高）。如果您發現吞吐量較低、性能較第、等待次數非常多，或者甚至出現死鎖，則要準備遷移到 High Concurrency 策略。
在本文的其余部分，我將向您介紹 High Concurrency 事務策略的其他一些特性，以及實現它的兩種方法。
基本結構和特性
圖 1 通過我在 事務策略系列中所使用的邏輯應用程序棧展示了 High Concurrency 事務策略。包含事務邏輯的類顯示為紅色陰影。 圖 1 通過我在 事務策略系列中所使用的邏輯應用程序棧展示了 High Concurrency 事務策略。包含事務邏輯的類顯示為紅色陰影。
圖 1. 體系結構層和事務邏輯
一些 API 層策略的特性和規則是有效的 - 但并非所有。注意，圖 1 中的客戶機層沒有事務邏輯，這意味著任何類型的客戶機都可以用于此事務策略，包括基于 Web 的客戶機、桌面、Web 服務和 Java Message Service (JMS)。并且事務策略遍布于客戶機下面的層中，但這不是絕對的。一些事務可能在 API 層中開始，一些在業務層中開始，還有一些甚至在 DAO 層中開始。這種一致性的缺乏是造成策略難以實現、維護和治理的原因之一。
在大多數情況下，您會發現您需要使用Programmatic Transaction 模型 來減小事務作用域，但有時您仍然會使用Declarative Transaction 模型。但是，您通常不能在相同的應用程序中混用 Programmatic 和 Declarative Transaction 模型。在使用這種事務策略時，不應該堅持使用這種 Programmatic Transaction 模型，這樣您就不會遇到各種問題。但是，如果您發現自己可以在此策略中使用 Declarative Transaction 模型，那么您應該在使用 REQUIRED 事務屬性開始事務的層中標記所有公共寫方法（插入、更新和刪除）。此屬性表示需要一個事務，并且如果事務不存在，則由方法啟動。
與其他事務策略一樣，無論您選擇開始事務的組件或層是什么，啟動事務的方法都被認為是事務擁有者。只要可能，事務擁有者應該是對事務執行提交和回滾的唯一方法。
事務策略實現
您可以使用兩個主要技巧來實現 High Concurrency 事務策略。先讀取（read-first）技巧涉及在盡可能高的應用層（通常為 API 層）對事務作用域范圍外的讀取操作進行分組。低級（lower-level）技巧涉及在體系結構中盡可能低的層啟動事務，同時仍然能夠更新操作的原子性和隔離。
先讀取技巧
先讀取技巧涉及重構（或編寫）應用程序邏輯和工作流，以便所有的處理和讀取操作在事務作用域的外部首先發生。這種方法消除了不必要的共享或讀取鎖，但是如果數據在您能夠提交工作之前更新或提交，則可能會引入失效數據異常。為了應對可能的這種情況，如果在此事務策略中使用對象關系映射（ORM）框架，則應確保使用了版本驗證功能。
為了演示這種先讀取技巧，我們從一些實現 API 層事務策略的代碼入手。在清單 1 中，事務在 API 層中開始，并且包圍了整個工作單元，包括所有的讀取、處理和更新操作：
清單 1. 使用 API 層策略
@TransactionAttribute(TransactionAttributeType.REQUIRED)
public void processTrade(TradeData trade) throws Exception {
try {
//first validate and insert the trade
TraderData trader = service.getTrader(trade.getTraderID());
validateTraderEntitlements(trade, trader);
verifyTraderLimits(trade, trader);
performPreTradeCompliance(trade, trader);
service.insertTrade(trade);
//now adjust the account
AcctData acct = service.getAcct(trade.getAcctId());
verifyFundsAvailability(acct, trade);
adjustBalance(acct, trade);
service.updateAcct(trade);
//post processing
performPostTradeCompliance(trade, trader);
} catch (Exception up) {
ctx.setRollbackOnly();
throw up;
}
}
|
注意在 清單 1 中，所有的處理都包含在 Java Transaction API (JTA) 事務的作用域內，包括所有的確認、驗證和兼容性檢查（提前和事后）。如果您通過探查器工具來運行 processTrade() 方法，那么就會看到每個方法調用的執行時間將與表 1 相似：
表 1. API 層方法探查 - 事務作用域
| 方法名稱 |
執行時間 (ms) |
service.getTrader() |
100 |
validateTraderEntitlements() |
300 |
verifyTraderLimits() |
500 |
performPreTradeCompliance() |
2300 |
service.insertTrade() |
200 |
service.getAcct() |
100 |
verifyFundsAvailability() |
600 |
adjustBalance() |
100 |
service.updateAcct() |
100 |
performPostTradeCompliance() |
1800 |
processTrade() 方法的持續時間稍微長于 6 秒 (6100 ms)。由于事務的起始時間與方法相同，因此事務的持續時間也是 6100 ms。根據您所使用的數據庫類型以及特定的配置設計，您將在事務執行過程中保持共享和專用鎖（從執行讀取操作開始）。此外，在由 processTrade() 方法調用的方法中執行的任何讀取操作也可以在數據庫中保持一個鎖。您可能會猜想，在本例中，在數據庫中保持鎖持續 6 秒以上將不能擴展以支持高用戶負載。
清單 1 中的代碼在沒有高用戶并發性或高吞吐量需求的環境中可能會非常出色地運行。遺憾的是，這只是大多數人用于測試的一種環境。一旦此代碼進入生產環境，其中數以百計的交易者（或者是全球的）都在進行交易，則該系統最有可能會運行得非常糟糕，并且極有可能會遇到數據庫死鎖（根據您所使用的數據庫而定）。
現在，我將修復 清單 1 中的代碼，方法是應用 High Concurrency 事務策略的先讀取技巧。在清單 1 所示的代碼中，第一個要注意的地方是總共只用了 300 ms 的更新操作（插入和更新）。（此處，我假定 processTrade() 方法調用的其他方法不執行更新操作。基本技巧是在事務作用域之外執行讀取操作和非更新處理，并且僅將更新封裝在事務內部。清單 2 中的代碼演示了減小事務作用域并仍然維持原子性的必要性：
清單 2. 使用 High Concurrency 策略（先讀取技巧）
public void processTrade(TradeData trade) throws Exception {
UserTransaction txn = null;
try {
//first validate the trade
TraderData trader = service.getTrader(trade.getTraderID());
validateTraderEntitlements(trade, trader);
verifyTraderLimits(trade, trader);
performPreTradeCompliance(trade, trader);
//now adjust the account
AcctData acct = service.getAcct(trade.getAcctId());
verifyFundsAvailability(acct, trade);
adjustBalance(acct, trade);
performPostTradeCompliance(trade, trader);
//start the transaction and perform the updates
txn = (UserTransaction)ctx.lookup("UserTransaction");
txn.begin();
service.insertTrade(trade);
service.updateAcct(trade);
txn.commit();
} catch (Exception up) {
if (txn != null) {
try {
txn.rollback();
} catch (Exception t) {
throw up;
}
}
throw up;
}
}
|
注意，我將 insertTrade() 和 updateAcct() 方法移動到了 processTrade() 方法的末尾，并將它們封裝在了一個編程事務中。通過這種方法，所有讀取操作和相應的處理將在事務的上下文之外執行，因此不會在事務持續時間內在數據庫中保持鎖。在新代碼中，事務持續時間只有 300 ms，這顯著低于 清單 1 中的 6100 ms。再次，其目標是減少在數據庫中花費的時間，從而減少數據庫的總體并發性，以及應用程序處理較大并發用戶負載的能力。通過使用 清單 2 中的代碼將數據庫占用時間減少至 300 ms，從理論上說，吞吐量將實現 20 倍的提升。
如表 2 所示，在事務作用域中執行的代碼至減少至 300 ms：
表 2. API 層方法探查 - 修改后的事務作用域
| 方法名稱 |
執行時間 (ms) |
service.insertTrade() |
200 |
service.updateAcct() |
100 |
雖然這從數據庫并發性的角度來說是一種顯著的改善，但先讀取技巧帶來了一個風險：由于為更新指定的對象上沒有任何鎖，因此任何人都可以在此 LUW 過程中更新這些未鎖定的實體。因此，您必須確保被插入或更新的對象一般情況下不會由多個用戶同時更新。在之前的交易場景中，我做了一個安全的假設，即只有一個交易者會在特定的時間操作特定的交易和帳戶。但是，并非始終都是這種情況，并且可能會出現失效數據異常。
另外需要注意：在使用 Enterprise JavaBeans (EJB) 3.0 時，您必須通知容器您計劃使用編程事務管理。為此，您可以使用 @TransactionManagement(TransactionManagementType.BEAN) 注釋。注意，這個注釋是類級的（而不是方法級的），這表示您不能在相同的類中結合 Declarative 和 Programmatic 事務模型。選擇并堅持其中之一。
低級技巧
假設您希望堅持使用 Declarative Transaction 模型來簡化事務處理，但是仍然能在高用戶并發性場景中增加吞吐量。同時，您應該在這種事務策略中使用低級技巧。通過此技巧，您通常會遇到與先讀取技巧相同的折衷問題：讀取操作通常是在事務作用域的外部完成的。并且，實現這種技巧最有可能需要代碼重構。
我仍然從 清單 1 中的示例入手。不用在相同的方法中使用編程事務，而是將更新操作移動到調用棧的另一個公共方法中。然后，完成讀取操作和處理時，您可以調用更新方法；它會開始一個事務，調用更新方法并返回。清單 3 演示了這個技巧：
清單 3. 使用 High Concurrency 策略（低級技巧）
@TransactionAttribute(TransactionAttributeType.SUPPORTS)
public void processTrade(TradeData trade) throws Exception {
try {
//first validate the trade
TraderData trader = service.getTrader(trade.getTraderID());
validateTraderEntitlements(trade, trader);
verifyTraderLimits(trade, trader);
performPreTradeCompliance(trade, trader);
//now adjust the account
AcctData acct = service.getAcct(trade.getAcctId());
verifyFundsAvailability(acct, trade);
adjustBalance(acct, trade);
performPostTradeCompliance(trade, trader);
//Now perform the updates
processTradeUpdates(trade, acct);
} catch (Exception up) {
throw up;
}
}
@TransactionAttribute(TransactionAttributeType.REQUIRED)
public void processTradeUpdates(TradeData trade, AcctData acct) throws Exception {
try {
service.insertTrade(trade);
service.updateAcct(trade);
} catch (Exception up) {
ctx.setRollbackOnly();
throw up;
}
}
|
通過此技巧，您可以有效地在調用棧的較低層次開始事務，從而減少花費在數據庫中的時間。注意，processTradeUpdates() 方法僅更新在父方法（或以上）中修改中創建的實體。再次，保持事務的時間不再是 6 秒，您只需要 300 ms。
現在是最難的部分。與 API 層策略或 Client Orchestration 策略不同，High Concurrency 策略并未使用一致的實現方法。這便是 圖 1 看上去為何像一名經驗豐富的曲棍球員（包括缺少的牙齒）的原因。對于一些 API 調用，事務可能會在 API 層的末端開始，而其他時候，它可能僅限于 DAO 層（特別是對于 LUW 中的單表更新）。技巧是確定在多個客戶機請求之間共享的方法，并確保如果某個事務是在較高級的方法中開始的，則它將在較低級的方法中使用。遺憾的是，此特性的效果是，作為非事務擁有者的較低級方法可以對異常執行回滾。結果，開始事務的父方法不能對異常采取正確的措施，并且在嘗試回滾（或提交）已經標記為回滾的事務時會出現異常。
實現指南
有些情況僅需要稍微小些的事務作用域來滿足吞吐量和并發性需求，而另一些情況需要大大縮小事務作用域來實現所需的目的。不管具體情況如何，您都可以遵循以下的實現指導，它們能夠幫助您設計和實現 High Concurrency 策略：
- 在著手使用低級別技術之前，首先要從先讀技術開始。這樣，事務至少包含在應用程序架構的 API 層，并且不擴散到其他層中。
- 當使用聲明性事務時，經常使用
REQUIRED 事務屬性而不是 MANDATORY 事務屬性來獲得保護，避免啟動某個事務的方法調用另一個事務方法。
- 在采用此事務策略之前，確保您在事務作用域外部執行讀取操作時是相對安全的。查看您的實體模型并問自己多個用戶同時操作相同的實體是常見的、少見還是不可能的。舉例來說，兩個用戶可以同時修改相同的帳戶嗎？如果您的回答是常見，則面臨著極高的失效數據異常風險，那么這個策略對于您的應用程序探查來說是一個很差的選擇。
- 并不需要讓所有 讀取操作都處于事務作用域之外。如果有一個特定的實體經常會被多個用戶同時更改，則應該想盡一切辦法將它添加到事務作用域中。但是應該清楚，添加到事務作用域中的讀取操作和處理越多，吞吐量和用戶負載功能的下降就越大。
結束語
一切都歸結于如何在問題之間取得折衷。為了在應用程序或子系統中支持高吞吐量和高用戶并發性，您需要高數據庫并發性。要支持高數據庫并發性，則需要減少數據庫鎖，并盡可能縮短保持資源的時間。某些數據庫類型和配置可以處理一些這種工作，但在大多數情況下，解決方案最終歸結為如何設計代碼和事務處理。對這些問題有一些了解之后，您在稍后可以更加輕松地完成復雜的重構工作。選擇正確的事務策略對應用程序的成功至關重要。對于高用戶并發性需求，可以使用 High Concurrency 事務策略作為確保高水平數據完整性，同時維持高并發性和吞吐量需求的解決方案。
參考資料
學習
討論
轉自：http://www.ibm.com/developerworks/cn/java/j-ts5/index.html?ca=drs-cn-0731
1.通過修改/etc/fstab 方式來加載
在/etc/fstab中加入下面一行
192.168.206.232:/opt/share /opt/share nfs rw,async 0 0
然后執行下 mount -a
2.通過命令行臨時加載
mount -t cifs //10.1.27.195/linux /opt/other -o username=XXX,password=xxx,rw
通過 umount /opt/other 來卸載共享
具體命令來通過 man mount來查看。
有時候我們需要在網頁上展現PPT，Google Docs 是一個好去處，最近發現一款軟件iSpring 下一款免費軟件可以將PPT直接轉換成Flash，方便傳播。
官方網址：http://www.ispringsolutions.com/
我們可以下載免費的PPT轉換軟件：iSpring Free
下載之后，按提示一步步安裝，安裝完成之后打開PowerPoint可以看見多了一行菜單
點擊Publish就可以將PPT轉換成Flash了：
最終我們可以得到我們需求的swf文件，直接嵌入到頁面中去就可以訪問了：
Flickr : PPT轉換成Flash
最近需要用C操作文件，但是使用fopen和fseek的時候，在32位操作系統中，沒辦法操作2G以上的文件，后面經過多次Google和高手指點之后通過open64、lseek解決這個問題：
1 #include <stdio.h>
2 // #define _LARGEFILE_SOURCE
3 // #define _LARGEFILE64_SOURCE
4 // #define _FILE_OFFSET_BITS 64
5 #include <sys/types.h>
6 #include <sys/stat.h>
7 #include <unistd.h>
8 #include <stdio.h>
9 #include <fcntl.h>
10 #include <errno.h>
11
12 int main(int argc, char *argv[])
13 {
14 off_t file_last_pos;
15 off_t end = 0;
16 // FILE *fp;
17 int fp = open64(argv[1], O_RDONLY);
18 if (fp < 0 ) {
19 printf("can't open file [%s]\n", strerror(errno));
20 return 1;
21 } else {
22 printf("file open success\n");
23 }
24 file_last_pos = lseek(fp, 0, SEEK_END);
25 printf("Size: %1d \n",file_last_pos);
26 close(fp);
27 return 0;
28 }
//這行GCC參數很重要，原來是希望通過define的方式來解決的，但是最后還是只能通過這種方式
gcc -D_LARGEFILE_SOURCE -D_FILE_OFFSET_BITS=64 test.c -o test
Gem 發布了1.3版本,如果你的版本是1.1或者1.2在執行
C:\Documents and Settings\suoni>gem update --system
Updating RubyGems
Nothing to update
可能會出現以上錯誤,通過以下這種方法安裝可以解決這個問題:
C:\Documents and Settings\suoni>gem install rubygems-update
Successfully installed rubygems-update-1.3.1
1 gem installed
(請多執行幾次,如果一次不成功的話,我機器上第二次才行)
然后執行
C:\Documents and Settings\suoni>update_rubygems
進行安裝