高性能服务器编程pdf

❶ 《linux高性能服务器编程》pdf下载在线阅读全文，求百度网盘云资源

《Linux高性能服务器编程》（游双）电子书网盘下载免费在线阅读

链接:

书名：Linux高性能服务器编程

作者：游双

豆瓣评分：7.9

出版社：机械工业出版社

出版年份：2013-5-1

页数：360

内容简介：

本书是Linux服务器编程领域的经典着作，由资深Linux软件开发工程师撰写，从网络协议、服务器编程核心要素、原理机制、工具框架等多角度全面阐释了编写高性能Linux服务器应用的方法、技巧和思想。不仅理论全面、深入，抓住了重点和难点，还包含两个综合性案例，极具实战意义。

全书共17章，分为3个部分：第一部分对Linux服务器编程的核心基础——TCP/IP协议进行了深入的解读和阐述，包括TCP/IP协议族、TCP/IP协议，以及一个经典的TCP/IP通信案例；第二部分对高性能服务器编程的核心要素进行了全面深入的剖析，包含Linux网络编程API、高级I/O函数、Linux服务器程序规范、高性能服务器程序框架、I/O复用、信号、定时器、高性能I/O框架库Libevent、多进程编程、多线程编程、进程池和线程池等内容，原理、技术与方法并重；第三部分从侧重实战的角度讲解了高性能服务器的优化与监测，包含服务器的调制、调试和测试，以及各种实用系统监测工具的使用等内容。

作者简介：

游双，资深Linux软件开发工程师，对Linux网络编程，尤其是服务器端的编程，有非常深入的研究，实战经验也十分丰富。曾就职于摩托罗拉，担任高级Linux软件工程师。此外，他还精通C++、Android、QT等相关的技术。活跃于Chinaunix等专业技术社区，发表了大量关于Linux网络编程的文章，深受社区欢迎。

❷ 我为什么说 python 是大数据全栈式开发语言 怎样成为数据分析师

就像只要会javaScript就可以写出完整的Web应用，只要会Python，就可以实现一个完整的大数据处理平台。

云基础设施

这年头，不支持云平台，不支持海量数据，不支持动态伸缩，根本不敢说自己是做大数据的，顶多也就敢跟人说是做商业智能（BI）。

云平台分为私有云和公有云。私有云平台如日中天的 OpenStack

，就是Python写的。曾经的追赶者CloudStack，在刚推出时大肆强调自己是Java写的，比Python有优势。结果，搬石砸脚，2015年
初，CloudStack的发起人Citrix宣布加入OpenStack基金会，CloudStack眼看着就要寿终正寝。

如果嫌麻烦不想自己搭建私有云，用公有云，不论是AWS，GCE，Azure，还是阿里云，青云，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青云只提供Python SDK。可见各家云平台对Python的重视。

提到基础设施搭建，不得不提Hadoop，在今天，Hadoop因为其MapRece数据处理速度不够快，已经不再作为大数据处理的首选，但
是HDFS和Yarn——Hadoop的两个组件——倒是越来越受欢迎。Hadoop的开发语言是Java，没有官方提供Python支持，不过有很多第
三方库封装了Hadoop的API接口（pydoop，hadoopy等等）。

Hadoop MapRece的替代者，是号称快上100倍的 Spark ，其开发语言是Scala，但是提供了Scala，Java，Python的开发接口，想要讨好那么多用Python开发的数据科学家，不支持Python，真是说不过去。HDFS的替代品，比如GlusterFS， Ceph 等，都是直接提供Python支持。Yarn的替代者， Mesos 是C++实现，除C++外，提供了Java和Python的支持包。

DevOps

DevOps有个中文名字，叫做 开发自运维 。互联网时代，只有能够快速试验新想法，并在第一时间，安全、可靠的交付业务价值，才能保持竞争力。DevOps推崇的自动化构建/测试/部署，以及系统度量等技术实践，是互联网时代必不可少的。

自动化构建是因应用而易的，如果是Python应用，因为有setuptools, pip, virtualenv, tox,
flake8等工具的存在，自动化构建非常简单。而且，因为几乎所有Linux系统都内置Python解释器，所以用Python做自动化，不需要系统预
安装什么软件。

自动化测试方面，基于Python的 Robot Framework 企业级应用最喜欢的自动化测试框架，而且和语言无关。Cucumber也有很多支持者，Python对应的Lettuce可以做到完全一样的事情。 Locust 在自动化性能测试方面也开始受到越来越多的关注。

自动化配置管理工具，老牌的如Chef和Puppet，是Ruby开发，目前仍保持着强劲的势头。不过，新生代 Ansible 和 SaltStack ——均为Python开发——因为较前两者设计更为轻量化，受到越来越多开发这的欢迎，已经开始给前辈们制造了不少的压力。

在系统监控与度量方面，传统的Nagios逐渐没落，新贵如 Sensu 大受好评，云服务形式的New Relic已经成为创业公司的标配，这些都不是直接通过Python实现的，不过Python要接入这些工具，并不困难。

除了上述这些工具，基于Python，提供完整DevOps功能的PaaS平台，如 Cloudify 和 Deis ，虽未成气候，但已经得到大量关注。

网络爬虫

大数据的数据从哪里来？除了部分企业有能力自己产生大量的数据，大部分时候，是需要靠爬虫来抓取互联网数据来做分析。

网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能够独当一面的类库。

不过，网络爬虫并不仅仅是打开网页，解析HTML这么简单。高效的爬虫要能够支持大量灵活的并发操作，常常要能够同时几千甚至上万个网页同时抓取，传统的
线程池方式资源浪费比较大，线程数上千之后系统资源基本上就全浪费在线程调度上了。Python由于能够很好的支持协程（ Coroutine ）操作，基于此发展起来很多并发库，如Gevent，Eventlet，还有Celery之类的分布式任务框架。被认为是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了对高并发的支持，网络爬虫才真正可以达到大数据规模。

抓取下来的数据，需要做分词处理，Python在这方面也不逊色，着名的自然语言处理程序包NLTK，还有专门做中文分词的Jieba，都是做分词的利器。

数据处理

万事俱备，只欠东风。这东风，就是数据处理算法。从统计理论，到数据挖掘，机器学习，再到最近几年提出来的深度学习理论，数据科学正处于百花齐放的时代。数据科学家们都用什么编程？

如果是在理论研究领域，R语言也许是最受数据科学家欢迎的，但是R语言的问题也很明显，因为是统计学家们创建了R语言，所以其语法略显怪异。而且
R语言要想实现大规模分布式系统，还需要很长一段时间的工程之路要走。所以很多公司使用R语言做原型试验，算法确定之后，再翻译成工程语言。

Python也是数据科学家最喜欢的语言之一。和R语言不同，Python本身就是一门工程性语言，数据科学家用Python实现的算法，可以直
接用在产品中，这对于大数据初创公司节省成本是非常有帮助的。正式因为数据科学家对Python和R的热爱，Spark为了讨好数据科学家，对这两种语言
提供了非常好的支持。

Python的数据处理相关类库非常多。高性能的科学计算类库NumPy和SciPy，给其他高级算法打了非常好的基础，matploglib让
Python画图变得像Matlab一样简单。Scikit-learn和Milk实现了很多机器学习算法，基于这两个库实现的 Pylearn2 ，是深度学习领域的重要成员。 Theano 利用GPU加速，实现了高性能数学符号计算和多维矩阵计算。当然，还有 Pandas ，一个在工程领域已经广泛使用的大数据处理类库，其DataFrame的设计借鉴自R语言，后来又启发了Spark项目实现了类似机制。

对了，还有 iPython ，这个工具如此有用，以至于我差点把他当成标准库而忘了介绍。iPython是一个交互式Python运行环境，能够实时看到每一段Python代码的结果。默认情况下，iPython运行在命令行，可以执行 ipython notebook 在网页中运行。用matplotlib绘制的图可以直接嵌入式的显示在iPython Notebook中。

iPython Notebook的笔记本文件可以共享给其他人，这样其他人就可以在自己的环境中重现你的工作成果；如果对方没有运行环境，还可以直接转换成HTML或者PDF。

为什么是Python

正是因为应用开发工程师、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言。

对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引力，在Python交互式环境中，执行 import this

，读一读Python之禅，你就明白Python为什么如此吸引人。Python社区一直非常有活力，和NodeJS社区软件包爆炸式增长不
同，Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高。有很多人诟病Python对于空格的要求过于苛刻，但正是因为这个要求，才
使得Python在做大型项目时比其他语言有优势。OpenStack项目总共超过200万行代码，证明了这一点。

对于运维工程师而言，Python的最大优势在于，几乎所有Linux发行版都内置了Python解释器。Shell虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用Python替代Shell，做一些复杂的任务，对运维人员来说，是一次解放。

对于数据科学家而言，Python简单又不失强大。和C/C++相比，不用做很多的底层工作，可以快速进行模型验证；和Java相比，Python语法简
洁，表达能力强，同样的工作只需要1/3代码；和Matlab，Octave相比，Python的工程成熟度更高。不止一个编程大牛表达过，Python
是最适合作为大学计算机科学编程课程使用的语言——MIT的计算机入门课程就是使用的Python——因为Python能够让人学到编程最重要的东西——
如何解决问题。

❸ 《深入理解Nginx模块开发与架构解析》pdf下载在线阅读，求百度网盘云资源

《深入理解Nginx》（陶辉）电子书网盘下载免费在线阅读

资源链接：

链接：

书名：深入理解Nginx

作者：陶辉

豆瓣评分：8.4

出版社：机械工业出版社

出版年份：2013-4-15

页数：584

内容简介：

本书是阿里巴巴资深Nginx技术专家呕心沥血之作，是作者多年的经验结晶，也是目前市场上唯一一本通过还原Nginx设计思想，剖析Nginx架构来帮助读者快速高效开发HTTP模块的图书。

本书首先通过介绍官方Nginx的基本用法和配置规则，帮助读者了解一般Nginx模块的用法，然后重点介绍如何开发HTTP模块（含HTTP过滤模块）来得到定制的Nginx，其中包括开发一个功能复杂的模块所需要了解的各种知识，如Nginx的基础数据结构、配置项的解析、记录日志的工具以及upstream、subrequest的使用方法等。在此基础上，综合Nginx框架代码分析Nginx的架构，介绍其设计理念和技巧，进一步帮助读者自由、有效地开发出功能丰富、性能一流的Nginx模块。

作者简介：

陶辉，毕业于西安交通大学计算机科学与技术专业，曾就职于华为中央软件部、腾讯QQ空间、思科中国CRDC等公司，目前在阿里巴巴云计算公司的飞天团队工作，研究方向为介于IaaS和PaaS间的弹性计算，多年以来专注于Nginx的定制化应用，对Nginx的设计与特性有深刻认识，实战经验丰富，编写过许多优秀的Nginx模块并应用于企业级产品中，同时撰写了大量关于Nginx的技术文章。擅长Linux环境下高性能服务器的开发，以及分布式环境下海量数据存储的设计开发。

❹ 《Node.js实战》pdf下载在线阅读，求百度网盘云资源

《Node.js实战》（[美] Mike Cantelon）电子书网盘下载免费在线阅读

链接：

书名：Node.js实战

作者：[美] Mike Cantelon

译者：吴海星

豆瓣评分：8.1

出版社：人民邮电出版社

出版年份：2014-5

页数：356

内容简介：

服务器端JavaScript？没错。Node.js是一个JavaScript服务器，支持可伸缩的高性能Web应用。借助异步I/O，这个服务器可以同时做很多事情，能满足聊天、游戏和实时统计等应用的需求。并且既然是JavaScript，那你就可以全栈使用一种语言。

本书向读者展示了如何构建产品级应用，对关键概念的介绍清晰明了，贴近实际的例子，涵盖从安装到部署的各个环节，是一部讲解与实践并重的优秀着作。通过学习本书，读者将深入异步编程、数据存储、输出模板、读写文件系统，掌握创建TCP/IP服务器和命令行工具等非HTTP程序的技术。本书同样非常适合熟悉Rails、Django或php开发的读者阅读学习。

本书主要内容：

Node.js及其扩展的安装配置；

全面理解异步编程和事件循环；

学会开发微博、聊天和游戏等热门应用。

作者简介：

作者简介：

Mike Cantelon

Node.js核心框架贡献者、Node社区活跃分子、资深培训师和演讲人。

Marc Harter

Node.js核心框架贡献者。

T.J. Holowaychuk

参与开发了很多Node.js模块，包括流行的Express框架。

Nathan Rajlich

大名鼎鼎的TooTallNate，Node.js核心代码提交者。

译者简介：

吴海星

2001年毕业于南京理工大学。编程数载代码不过几十万，翻译几年码字不过几百万。项目不过十几个，带队不到五十人。年过而立，惴惴不安，愈加发奋，孜孜求学，愿凭绵薄之力，贡献于IT社区。

❺ 谁帮我推荐几本linux运维方面的 项目实战文档、经验总结文档和 好的shell脚本编程 的书啊

根据楼主口述，楼主需要的是linux进阶的书籍。显然鸟哥私房菜一类的Linux启蒙书籍不能很好满足楼主。本身作为一个linux运维人员，强烈给你推荐两本书：
余洪春老师（抚琴煮酒）的《构建高可用Linux服务器》 机械工业出版社
高俊峰老师（南非蚂蚁）的《高性能Linux服务器构建实战 运维监控、性能调优与集群应用》 机械工业出版社
两位51CTO、CU技术论坛的明星博主的经验给了在运维上很多启迪，建议楼主可以先看电子书，但一定要买实体书，在工作之余或者应急响应的时候可以随手拈来。

❻ 求《NodeWeb开发》全文免费下载百度网盘资源,谢谢~

《NodeWeb开发》网络网盘pdf最新全集下载:
链接：https://pan..com/s/1B_gfb04H5WmuJYfOkHzwkA

❼ 有哪些关于C++高性能服务器开发的高质量博客

第零步
C语言，推荐：《C语言程序设计：现代方法》
第一步
UNIX/Linux系统编程，
推荐《UNIX环境高级编程：第三版》《Linux/UNIX系统编程手册》
第二步
TCP-IP详解卷一
卷二
卷三
第四步
精研nginx源码

❽ 《NodeWeb开发》pdf下载在线阅读全文，求百度网盘云资源

《NodeWeb开发》网络网盘pdf最新全集下载:
链接：https://pan..com/s/1B_gfb04H5WmuJYfOkHzwkA

❾ GitHub上面有哪些经典的java框架源码

• Bazel：来自Google的构建工具，可以快速、可靠地构建代码。官网

• Gradle：使用Groovy（非XML）进行增量构建，可以很好地与Maven依赖管理配合工作。官网

• Buck：Facebook构建工具。官网

字节码操作

编程方式操作字节码的开发库。

• ASM：通用底层字节码操作和分析开发库。官网

• Byte Buddy：使用流式API进一步简化字节码生成。官网

• Byteman：在运行时通过DSL（规则）操作字节码进行测试和故障排除。官网

• Javassist：一个简化字节码编辑尝试。官网

集群管理

在集群内动态管理应用程序的框架。

• Apache Aurora：Apache Aurora是一个Mesos框架，用于长时间运行服务和定时任务（cron job）。官网

• Singularity：Singularity是一个Mesos框架，方便部署和操作。它支持Web Service、后台运行、调度作业和一次性任务。官网

代码分析

测量代码指标和质量工具。

• Checkstyle：代码编写规范和标准静态分析工具。官网

• Error Prone：将常见编程错误作为运行时错误报告。官网

• FindBugs：通过字节码静态分析查找隐藏bug。官网

• jQAssistant：使用基于Neo4J查询语言进行代码静态分析。官网

• PMD：对源代码分析查找不良的编程习惯。官网

• SonarQube：通过插件集成其它分析组件，对过去一段时间内的数据进行统计。官网

编译器生成工具

用来创建解析器、解释器或编译器的框架。

• ANTLR：复杂的全功能自顶向下解析框架。官网

• JavaCC：JavaCC是更加专门的轻量级工具，易于上手且支持语法超前预测。官网

外部配置工具

支持外部配置的开发库。

• config：针对JVM语言的配置库。官网

• owner：减少冗余配置属性。官网

约束满足问题求解程序

帮助解决约束满足问题的开发库。

• Choco：可直接使用的约束满足问题求解程序，使用了约束规划技术。官网

• JaCoP：为FlatZinc语言提供了一个接口，可以执行MiniZinc模型。官网

• OptaPlanner：企业规划与资源调度优化求解程序。官网

• Sat4J：逻辑代数与优化问题最先进的求解程序。官网

持续集成

• Bamboo：Atlassian解决方案，可以很好地集成Atlassian的其他产品。可以选择开源许可，也可以购买商业版。官网

• CircleCI：提供托管服务，可以免费试用。官网

• Codeship：提供托管服务，提供有限的免费模式。官网

• fabric8：容器集成平台。官网

• Go：ThoughtWork开源解决方案。官网

• Jenkins：支持基于服务器的部署服务。官网

• TeamCity：JetBrain的持续集成解决方案，有免费版。官网

• Travis：通常用作开源项目的托管服务。官网

• Buildkite: 持续集成工具，用简单的脚本就能设置pipeline，而且能快速构建，可以免费试用。官网

CSV解析

简化CSV数据读写的框架与开发库

• uniVocity-parsers：速度最快功能最全的CSV开发库之一，同时支持TSV与固定宽度记录的读写。官网

数据库

简化数据库交互的相关工具。

• Apache Phoenix：HBase针对低延时应用程序的高性能关系数据库层。官网

• Crate：实现了数据同步、分片、缩放、复制的分布式数据存储。除此之外还可以使用基于SQL的语法跨集群查询。官网

• Flyway：简单的数据库迁移工具。官网

• H2：小型SQL数据库，以可以作为内存数据库使用着称。官网

• HikariCP：高性能JDBC连接工具。官网

• JDBI：便捷的JDBC抽象。官网

• Protobuf：Google数据交换格式。官网

• SBE：简单二进制编码，是最快速的消息格式之一。官网

• Wire：整洁轻量级协议缓存。官网

帮实现依赖翻转范式的开发库。官网

• Apache DeltaSpike：CDI扩展框架。官网

• Dagger2：编译时注入框架，不需要使用反射。官网

• Guice：可以匹敌Dagger的轻量级注入框架。官网

• HK2：轻量级动态依赖注入框架。官网

开发流程增强工具

从最基本的层面增强开发流程。

• ADT4J：针对代数数据类型的JSR-269代码生成器。官网

• AspectJ：面向切面编程（AOP）的无缝扩展。官网

• Auto：源代码生成器集合。官网

• DCEVM：通过修改JVM在运行时支持对已加载的类进行无限次重定义。官网

• HotswapAgent：支持无限次重定义运行时类与资源。官网

• Immutables：类似Scala的条件类。官网

• JHipster：基于Spring Boot与AngularJS应用程序的Yeoman源代码生成器。官网

• JRebel：无需重新部署，可以即时重新加载代码与配置的商业软件。官网

• Lombok：减少冗余的代码生成器。官网

• Spring Loaded：类重载代理。官网

• vert.x：多语言事件驱动应用框架。官网

分布式应用

用来编写分布式容错应用的开发库和框架。

• Akka：用来编写分布式容错并发事件驱动应用程序的工具和运行时。官网

• Apache Storm：实时计算系统。官网

• Apache ZooKeeper：针对大型分布式系统的协调服务，支持分布式配置、同步和名称注册。官网

• Hazelcast：高可扩展内存数据网格。官网

• Hystrix：提供延迟和容错。官网

• JGroups：提供可靠的消息传递和集群创建的工具。官网

• Orbit：支持虚拟角色（Actor），在传统角色的基础上增加了另外一层抽象。官网

• Quasar：为JVM提供轻量级线程和角色。官网

分布式数据库

对应用程序而言，在分布式系统中的数据库看起来就像是只有一个数据源。

• Apache Cassandra：列式数据库，可用性高且没有单点故障。官网

• Apache HBase：针对大数据的Hadoop数据库。官网

• Druid：实时和历史OLAP数据存储，在聚集查询和近似查询方面表现不俗。官网

• Infinispan：针对缓存的高并发键值对数据存储。官网

发布

以本机格式发布应用程序的工具。

• Bintray：发布二进制文件版本控制工具。可以于Maven或Gradle一起配合使用。提供开源免费版本和几种商业收费版本。官网

• Central Repository：最大的二进制组件仓库，面向开源社区提供免费服务。Apache Maven默认使用Central官网Repository，也可以在所有其他构建工具中使用。

• IzPack：为跨平台部署建立创作工具（Authoring Tool）。官网

• JitPack：打包GitHub仓库的便捷工具。可根据需要构建Maven、Gradle项目，发布可立即使用的组件。官网

• Launch4j：将JAR包装为轻量级本机Windows可执行程序。官网

• Nexus：支持代理和缓存功能的二进制管理工具。官网

• packr：将JAR、资源和JVM打包成Windows、Linux和Mac OS X本地发布文件。官网

文档处理工具

处理Office文档的开发库。

• Apache POI：支持OOXML规范（XLSX、DOCX、PPTX）以及OLE2规范（XLS、DOC、PPT）。官网

• documents4j：使用第三方转换器进行文档格式转换，转成类似MS Word这样的格式。官网

• jOpenDocument：处理OpenDocument格式（由Sun公司提出基于XML的文档格式）。官网

函数式编程

函数式编程支持库。

• Cyclops：支持一元（Monad）操作和流操作工具类、comprehension（List语法）、模式匹配、trampoline等特性。官网

• Fugue：Guava的函数式编程扩展。官网

• Functional Java：实现了多种基础和高级编程抽象，用来辅助面向组合开发（composition-oriented development）。官网

• Javaslang：一个函数式组件库，提供持久化数据类型和函数式控制结构。官网

• jOOλ：旨在填补Java 8 lambda差距的扩展，提供了众多缺失的类型和一组丰富的顺序流API。官网

游戏开发

游戏开发框架。

• jMonkeyEngine：现代3D游戏开发引擎。官网

• libGDX：全面的跨平台高级框架。官网

• LWJGL：对OpenGL/CL/AL等技术进行抽象的健壮框架。官网

GUI

现代图形化用户界面开发库。

• JavaFX：Swing的后继者。官网

• Scene Builder：开发JavaFX应用的可视化布局工具。官网

高性能计算

涵盖了从集合到特定开发库的高性能计算相关工具。

• Agrona：高性能应用中常见的数据结构和工具方法。官网

• Disruptor：线程间消息传递开发库。官网

• fastutil：快速紧凑的特定类型集合（Collection）。官网

• GS Collections：受Smalltalk启发的集合框架。官网

• HPPC：基础类型集合。官网

• Javolution：实时和嵌入式系统的开发库。官网

• JCTools：JDK中缺失的并发工具。官网

• Koloboke：Hash set和hash map。官网

• Trove：基础类型集合。官网

• High-scale-bli:Cliff Click 个人开发的高性能并发库官网

IDE

简化开发的集成开发环境。

• Eclipse：老牌开源项目，支持多种插件和编程语言。官网

• IntelliJ IDEA：支持众多JVM语言，是安卓开发者好的选择。商业版主要针对企业客户。官网

• NetBeans：为多种技术提供集成化支持，包括Java SE、Java EE、数据库访问、HTML5

• Imgscalr：纯Java 2D实现，简单、高效、支持硬件加速的图像缩放开发库。官网

• Picasso：安卓图片下载和图片缓存开发库。官网

• Thumbnailator：Thumbnailator是一个高质量Java缩略图开发库。官网

• ZXing：支持多种格式的一维、二维条形码图片处理开发库。官网

• im4java: 基于ImageMagick或GraphicsMagick命令行的图片处理开发库，基本上ImageMagick能够支持的图片格式和处理方式都能够处理。官网

• Apache Batik：在Java应用中程序以SVG格式显示、生成及处理图像的工具集，包括SVG解析器、SVG生成器、SVG DOM等模块，可以集成使用也可以单独使用，还可以扩展自定义的SVG标签。官网

JSON

简化JSON处理的开发库。

• Genson：强大且易于使用的Java到JSON转换开发库。官网

• Gson：谷歌官方推出的JSON处理库，支持在对象与JSON之间双向序列化，性能良好且可以实时调用。官网

• Jackson：与GSON类似，在频繁使用时性能更佳。官网

• LoganSquare：基于Jackson流式API，提供对JSON解析和序列化。比GSON与Jackson组合方式效果更好。官网

• Fastjson：一个Java语言编写的高性能功能完善的JSON库。官网

• Kyro：快速、高效、自动化的Java对象序列化和克隆库。官网

JVM与JDK

目前的JVM和JDK实现。

• JDK 9：JDK 9的早期访问版本。官网

• OpenJDK：JDK开源实现。官网

基于JVM的语言

除Java外，可以用来编写JVM应用程序的编程语言。

• Scala：融合了面向对象和函数式编程思想的静态类型编程语言。官网

• Groovy：类型可选（Optionally typed）的动态语言，支持静态类型和静态编译。目前是一个Apache孵化器项目。官网

• Clojure：可看做现代版Lisp的动态类型语言。官网

• Ceylon：RedHat开发的面向对象静态类型编程语言。官网

• Kotlin：JetBrain针对JVM、安卓和浏览器提供的静态类型编程语言。官网

• Xtend：一种静态编程语言，能够将其代码转换为简洁高效的Java代码，并基于JVM运行。官网

日志

记录应用程序行为日志的开发库。

• Apache Log4j 2：使用强大的插件和配置架构进行完全重写。官网

• kibana：分析及可视化日志文件。官网

• Logback：强健的日期开发库，通过Groovy提供很多有趣的选项。官网

• logstash：日志文件管理工具。官网

• Metrics：通过JMX或HTTP发布参数，并且支持存储到数据库。官网

• SLF4J：日志抽象层，需要与具体的实现配合使用。官网

机器学习

提供具体统计算法的工具。其算法可从数据中学习。

• Apache Flink：快速、可靠的大规模数据处理引擎。官网

• Apache Hadoop：在商用硬件集群上用来进行大规模数据存储的开源软件框架。官网

• Apache Mahout：专注协同过滤、聚类和分类的可扩展算法。官网

• Apache Spark：开源数据分析集群计算框架。官网

• DeepDive：从非结构化数据建立结构化信息并集成到已有数据库的工具。官网

• Deeplearning4j：分布式多线程深度学习开发库。官网

• H2O：用作大数据统计的分析引擎。官网

• Weka：用作数据挖掘的算法集合，包括从预处理到可视化的各个层次。官网

• QuickML：高效机器学习库。官网、GitHub

消息传递

在客户端之间进行消息传递，确保协议独立性的工具。

• Aeron：高效可扩展的单播、多播消息传递工具。官网

• Apache ActiveMQ：实现JMS的开源消息代理（broker），可将同步通讯转为异步通讯。官网

• Apache Camel：通过企业级整合模式（Enterprise Integration Pattern EIP）将不同的消息传输API整合在一起。官网

• Apache Kafka：高吞吐量分布式消息系统。官网

• Hermes：快速、可靠的消息代理（Broker），基于Kafka构建。官网

• JBoss HornetQ：清晰、准确、模块化，可以方便嵌入的消息工具。官网

• JeroMQ：ZeroMQ的纯Java实现。官网

• Smack：跨平台XMPP客户端函数库。官网

• Openfire：是开源的、基于XMPP、采用Java编程语言开发的实时协作服务器。 Openfire安装和使用都非常简单，并可利用Web界面进行管理。官网GitHub

• Spark：是一个开源，跨平台IM客户端。它的特性支持集组聊天，电话集成和强大安全性能。如果企业内部部署IM使用Openfire+Spark是最佳的组合。官网GitHub

• Tigase： 是一个轻量级的可伸缩的 Jabber/XMPP 服务器。无需其他第三方库支持，可以处理非常高的复杂和大量的用户数，可以根据需要进行水平扩展。官网

杂项

未分类其它资源。

• Design Patterns：实现并解释了最常见的设计模式。官网

• Jimfs：内存文件系统。官网

• Lanterna：类似curses的简单console文本GUI函数库。官网

• LightAdmin：可插入式CRUD UI函数库，可用来快速应用开发。官网

• OpenRefine：用来处理混乱数据的工具，包括清理、转换、使用Web Service进行扩展并将其关联到数据库。官网

• RoboVM：Java编写原生iOS应用。官网

• Quartz：强大的任务调度库.官网

应用监控工具

监控生产环境中应用程序的工具。

• AppDynamics：性能监测商业工具。官网

• JavaMelody：性能监测和分析工具。官网

• Kamon：Kamon用来监测在JVM上运行的应用程序。官网

• New Relic：性能监测商业工具。官网

• SPM：支持对JVM应用程序进行分布式事务追踪的性能监测商业工具。官网

• Takipi：产品运行时错误监测及调试商业工具。官网

原生开发库

用来进行特定平台开发的原生开发库。

• JNA：不使用JNI就可以使用原生开发库。此外，还为常见系统函数提供了接口。官网

自然语言处理

用来专门处理文本的函数库。

• Apache OpenNLP：处理类似分词等常见任务的工具。官网

• CoreNLP：斯坦佛CoreNLP提供了一组基础工具，可以处理类似标签、实体名识别和情感分析这样的任务。官网

• LingPipe：一组可以处理各种任务的工具集，支持POS标签、情感分析等。官网

• Mallet：统计学自然语言处理、文档分类、聚类、主题建模等。官网

网络

网络编程函数库。

• Async Http Client：异步HTTP和WebSocket客户端函数库。官网

• Grizzly：NIO框架，在Glassfish中作为网络层使用。官网

• Netty：构建高性能网络应用程序开发框架。官网

• OkHttp：一个Android和Java应用的HTTP+SPDY客户端。官网

• Undertow：基于NIO实现了阻塞和非阻塞API的Web服务器，在WildFly中作为网络层使用。官网

ORM

处理对象持久化的API。

• Ebean：支持快速数据访问和编码的ORM框架。官网

• EclipseLink：支持许多持久化标准，JPA、JAXB、JCA和SDO。官网

• Hibernate：广泛使用、强健的持久化框架。Hibernate的技术社区非常活跃。官网

• MyBatis：带有存储过程或者SQL语句的耦合对象（Couples object）。官网

• OrmLite：轻量级开发包，免除了其它ORM产品中的复杂性和开销。官网

• Nutz：另一个SSH。官网，Github

• JFinal：JAVA WEB + ORM框架。官网，Github

PDF

用来帮助创建PDF文件的资源。

• Apache FOP：从XSL-FO创建PDF。官网

• Apache PDFBox：用来创建和操作PDF的工具集。官网

• DynamicReports：JasperReports的精简版。官网

• flyingsaucer：XML/XHTML和CSS 2.1渲染器。官网

• iText：一个易于使用的PDF函数库，用来编程创建PDF文件。注意，用于商业用途时需要许可证。官网

• JasperReports：一个复杂的报表引擎。官网

性能分析

性能分析、性能剖析及基准测试工具。

• jHiccup：提供平台中JVM暂停的日志和记录。官网

• JMH：JVM基准测试工具。官网

• JProfiler：商业分析器。官网

• LatencyUtils：测量和报告延迟的工具。官网

• VisualVM：对运行中的应用程序信息提供了可视化界面。官网

• YourKit Java Profiler：商业分析器。官网

响应式开发库

用来开发响应式应用程序的开发库。

• Reactive Streams：异步流处理标准，支持非阻塞式反向压力（backpressure）。官网

• Reactor：构建响应式快速数据（fast-data）应用程序的开发库。官网

• RxJava：通过JVM可观察序列（observable sequence）构建异步和基于事件的程序。官网

REST框架

用来创建RESTful 服务的框架。

• Dropwizard：偏向于自己使用的Web框架。用来构建Web应用程序，使用了Jetty、Jackson、Jersey和Metrics。官网

• Feign：受Retrofit、JAXRS-2.0和WebSocket启发的HTTP客户端连接器（binder）。官网

• Jersey：JAX-RS参考实现。官网

• RESTEasy：经过JAX-RS规范完全认证的可移植实现。官网

• RestExpress：一个Java类型安全的REST客户端。官网

• RestX：基于注解处理和编译时源码生成的框架。官网

• Retrofit：类型安全的REST客户端。官网

• Spark：受到Sinatra启发的Java REST框架。官网

• Swagger：Swagger是一个规范且完整的框架，提供描述、生产、消费和可视化RESTful Web Service。官网

• Blade：国人开发的一个轻量级的MVC框架. 它拥有简洁的代码，优雅的设计。官网

科学计算与分析

用于科学计算和分析的函数库。

• DataMelt：用于科学计算、数据分析及数据可视化的开发环境。官网

• JGraphT：支持数学图论对象和算法的图形库。官网

• JScience：用来进行科学测量和单位的一组类。官网

搜索引擎

文档索引引擎，用于搜索和分析。

• Apache Solr：一个完全的企业搜索引擎。为高吞吐量通信进行了优化。官网

• Elasticsearch：一个分布式、支持多租户（multitenant）全文本搜索引擎。提供了RESTful Web接口和无schema的JSON文档。官网

• Apache Lucene：是一个开放源代码的全文检索引擎工具包，是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎。官网

安全

用于处理安全、认证、授权或会话管理的函数库。

• Apache Shiro：执行认证、授权、加密和会话管理。官网

• Bouncy Castle，涵盖了从基础的帮助函数到PGP/SMIME操作。官网：多途加密开发库。支持JCA提供者（JCA provider)

• Cryptomator：在云上进行客户端跨平台透明加密。官网

• Keycloak：为浏览器应用和RESTful Web Service集成SSO和IDM。目前还处于beta版本，但是看起来非常有前途。官网

• PicketLink：PicketLink是一个针对Java应用进行安全和身份认证管理的大型项目（Umbrella Project）。官网

序列化

用来高效处理序列化的函数库。

• FlatBuffers：高效利用内存的序列化函数库，无需解包和解析即可高效访问序列化数据。官网

• Kryo：快速、高效的对象图形序列化框架。官网

• FST：提供兼容JDK的高性能对象图形序列化。官网

• MessagePack：一种高效的二进制序列化格式。官网

应用服务器

用来部署应用程序的服务器。

• Apache Tomcat：针对Servlet和JSP的应用服务器，健壮性好且适用性强。官网

• Apache TomEE：Tomcat加Java EE。官网

• Jetty：轻量级、小巧的应用服务器，通常会嵌入到项目中。官网

• WebSphere Liberty：轻量级、模块化应用服务器，由IBM开发。官网

• WildFly：之前被称作JBoss，由Red Hat开发。支持很多Java EE功能。官网

模板引擎

在模板中替换表达式的工具。

• Apache Velocity：提供HTML页面模板、email模板和通用开源代码生成器模板。官网

• FreeMarker：通用模板引擎，不需要任何重量级或自己使用的依赖关系。官网

• Handlebars.java：使用Java编写的模板引擎，逻辑简单，支持语义扩展（semantic Mustache）。官网

• Thymeleaf：旨在替换JSP，支持XML文件的工具。官网

测试

测试内容从对象到接口，涵盖性能测试和基准测试工具。

• Apache JMeter：功能性测试和性能评测。官网

• Arquillian：集成测试和功能行测试平台，集成Java EE容器。官网

• AssertJ：支持流式断言提高测试的可读性。官网

• Awaitility：用来同步异步操作的DSL。官网

• Cucumber：BDD测试框架。官网

• Gatling：设计为易于使用、可维护的和高性能负载测试工具。官网

• Hamcrest：可用来灵活创建意图（intent）表达式的匹配器。官网

• JMockit：用来模拟静态、final方法等。官网

• JUnit：通用测试框架。官网

• Mockito：在自动化单元测试中创建测试对象，为TDD或BDD提供支持。官网

• PowerMock： 支持模拟静态方法、构造函数、final类和方法、私有方法以及移除静态初始化器的模拟工具。官网

• REST Assured：为REST/HTTP服务提供方便测试的Java DSL。官网

• Selenide：为Selenium提供精准的周边API，用来编写稳定且可读的UI测试。官网

• Selenium：为Web应用程序提供可移植软件测试框架。官网

• Spock：JUnit-compatible framework featuring an expressive Groovy-derived specification language.官网兼容JUnit框架，支持衍生的Groovy范的语言。

• TestNG：测试框架。官网

• Truth：Google的断言和命题（proposition）框架。官网

• Unitils：模块化测试函数库，支持单元测试和集成测试。官网

• WireMock：Web Service测试桩（Stub）和模拟函数。官网

通用工具库

通用工具类函数库。

• Apache Commons：提供各种用途的函数，比如配置、验证、集合、文件上传或XML处理等。官网

• args4j：命令行参数解析器。官网

• CRaSH：为运行进行提供CLI。官网

• Gephi：可视化跨平台网络图形化操作程序。官网

• Guava：集合、缓存、支持基本类型、并发函数库、通用注解、字符串处理、I/O等。官网

• JADE：构建、调试多租户系统的框架和环境。官网

• javatuples：正如名字表示的那样，提供tuple支持。尽管目前tuple的概念还有留有争议。官网

• JCommander：命令行参数解析器。官网

• Protégé：提供存在论（ontology）编辑器以及构建知识系统的框架。官网

网络爬虫

用于分析网站内容的函数库。

• Apache Nutch：可用于生产环境的高度可扩展、可伸缩的网络爬虫。官网

• Crawler4j：简单的轻量级网络爬虫。官网

• JSoup：刮取、解析、操作和清理HTML。官网

Web框架

用于处理Web应用程序不同层次间通讯的框架。

• Apache Tapestry：基于组件的框架，使用Java创建动态、强健的、高度可扩展的Web应用程序。官网

• Apache Wicket：基于组件的Web应用框架，与Tapestry类似带有状态显示GUI。官网

• Google Web Toolkit：一组Web开发工具集，包含在客户端将Java代码转为JavaScript的编译器、XML解析器、RCP官网API、JUnit集成、国际化支持和GUI控件。

• Grails：Groovy框架，旨在提供一个高效开发环境，使用约定而非配置、没有XML并支持混入（mixin）。官网

• Ninja：Java全栈Web开发框架。非常稳固、快速和高效。官网

• Pippo：小型、高度模块化的类Sinatra框架。官网

• Play：使用约定而非配置，支持代码热加载并在浏览器中显示错误。官网

• PrimeFaces：JSF框架，提供免费和带支持的商业版本。包括若干前端组件。官网

• Ratpack：一组Java开发函数库，用于构建快速、高效、可扩展且测试完备的HTTP应用程序。官网

• Spring Boot：微框架，简化了Spring新程序的开发过程。官网

• Spring：旨在简化Java EE的开发过程，提供依赖注入相关组件并支持面向切面编程。官网

• Vaadin：基于GWT构建的事件驱动框架。使用服务端架构，客户端使用Ajax。官网

• Blade：国人开发的一个轻量级的MVC框架. 它拥有简洁的代码，优雅的设计。官网

业务流程管理套件

流程驱动的软件系统构建。

• jBPM：非常灵活的业务流程管理框架，致力于构建开发与业务分析人员之间的桥梁。官网

• Activity：轻量级工作流和业务流程管理框架。官网github

资源

社区

❿ 懂编程的来

各种语言的介绍（第二版）

在介绍编程语言之前，先说说开放源代码的必要性。现在，在软件生产领域存在巨大的智利浪费，大家把大量的精力用在编写别人已经实现的 程序代码上。看看，文本编辑器有多少，看看ftp程序有多少，看看字处理程序有多少，这些程序虽然有差别，但主要的功能都是一样的。要实 现个性化的功能，在已有的软件基础上修改会节省多少时间呀！而每个程序各编一套，又浪费多少时间？如果，没有这些重复的工作量，世界 上的程序员至少可以节省80%的工作量。同时，开放源代码也方便了大家的交流，阅读源代码应该是最直接最有效的学习途径。尤其是比较专业 的领域。

要开放源代码，下面几点比较重要： ×、语言要流行。 ×、语言的函数和类库统一。 ×、语言的语法和编译器要统一。 ×、编译器是否开 放源代码。 ×、API是否开放源代码。 ×、语言的可重用性、功能、友好性。

语言统一的必要性：如果大家都用一种编程语言，都用同样的函数，同样的类库，那么，大家的共同语言就会很多。大家只要学会一种语言， 一套函数，一套类库，就可以相互读懂源代码，这样，学习量是最少的。学习新的API浪费程序员大量的时间和精力，尤其是当这个API有大量 和其他API重复的功能的时候。

要增加代码的可重用性，要从下面几点着手： ×、代码的可读性。如格式、是否接近英语语法和单词。 ×、代码的表达能力，也就是简单性 ，能用最少的语句和单词实现同样的功能。 ×、代码的结构性，如函数、模块、类。

语言功能的强大从下面几点来说： ×、是否拥有大量的库支持。这是最重要的，要求编写任何功能的程序都有强大的库支持。 ×、语法功能 是否强大，比如是否有出错处理。是否有指针。

语言的友好性： ×、语言包的大小，语言包越小，学习越简单。 ×、语言是否有友好的编辑调试环境。 ×、语言的可视化和集成编程环境。

c语言：

从性能上说，除了汇编语言，c语言是最接近机器的语言。各种操作系统的编程接口的默认语言都是c语言。因此，用c语言编程，可以最大限 度发挥操作系统的能力。同时，由于绝大部分的商品软件都是c实现的，都有c编程接口，可以说，没有c不能实现的功能。

在linux环境中，c具有很好的开放源代码的条件，它有统一的编译器gcc，有强大但比较难掌握的编程环境emacs，有统一的API：posix和 linux接口。并且编译器和API是开放源代码的。

在linux上编写图形界面程序，有两个选择KDE和gnome，KDE更成熟，gnome支持多语言和面向对象的程序间的协同。

在windows环境中，现在统一到了vc上，但有一个缺点，windows的升级换代太快，从dos环境到windows31

，从windows31到windows95，到windows2000，到.net。API常常变换，这样，在windows上的程序代码的寿命会比较短。并且vc的编译器和API 太复杂，难于掌握。

同时，由于c具有现代语言的大量特征，现在常常代替pasical作为教学的编程语言。

实际上，如果不深入学习，c也是一种很简单的语言。不学basic，直接学c完全没有问题。

和其他语言相比，c有多种编译器，多种操作系统API，多种语法和函数。学习的难度大，统一性差。

和java相比，c的语法不够丰富、现代。

java：

相对c，java作为现代语言，具有非常丰富的语法特征，如模块和类，不像c随操作系统和编译器的不同有极大差异，java是一个公司的产品 ，具有唯一的API，因此，java程序员没有语言隔阂。

相对跨平台的语言来说，java具有最好的图形界面编程API。

java所有的API都是类库，相对c的函数来说，是非常大的进步。java具有现代语言几乎所有的特征。

perl：

perl的最大特点是有强大的字符串模式匹配，是最好的文本文件的读取和生成语言。

perl具有很大的自由性，象英语一样有很大的随意性，

perl有一个强大的数据库接口和其他各种接口。

perl有最大量的程序库。

perl不适合编写大程序。

perl有一个着名的缺点是难懂，也有一个着名的优点是简练。

php：

我感到php是个怪胎，本来perl加嵌入html的功能就完全能实现php的功能，还要另创一种语言，加重了大家的学习负担。

php可以嵌入html，更容易编写服务器端程序。

php天然和web服务器以及mysql数据库相结合。

php可以动态生成图像。

python：

首先，python是和basic一样面向初学者的语言，和英语一样容易懂。

python具有和java一样的最丰富的语法。

python有和perl类似的简单性，但没有模式匹配。

python适合编写大程序。

python有和lisp相似的地方，它有将字符串作为程序执行的eval函数，可以对一个对象的所有数据进行保存，可以把函数作为参数传给另一 个函数。

python具有非常好的扩充性，python程序可以和c程序，以及java程序很好地结合。

tcl：

tcl具有最简单的语法，最好的和其他程序交互的能力，有编写图形界面程序的tk。

javascript：

编写动态网页的最佳工具。

lisp：

lisp的语法非常简单，只有简单的函数和参数的语句结构。

lisp数据和程序的界限模糊。

lisp可以深度嵌套。

prolog：

prolog是一种专门的语言。专门用来处理知识。

我感觉prolog是一种数据库的处理工具。

也是根据一些知识衍生出更多知识的推理工具。

basic：

现在最着名的basic是vb，

basic是简单的初级语言。

vb是快速的界面生成语言，是快速的数据库程序开发语言。

vba是vb的应用版，嵌入在offic中。编写offic上的程序很好用。

vbscript是vb的脚本语言，可以产生服务器端和客户端的动态网页。

basic的丑陋在于参数还是默认传地址。太危险。

delphi：

和vb一样是快速开发环境，但性能更好，功能更强大。

.net:

支持多种语言的统一的API类库，

可以编写webform程序，即所有的逻辑都在服务器端，传到客户端的是标准的html3.0，可以被各种浏览器支持。各程序组件间通过soap交换 消息。

2002-04-12新增内容：

除了汇编语言外，c是最接近系统底层的语言，因此它是大部分程序的编程语言。c的缺点是没有统一的函数库，标准不统一，因此，同样是c程 序员，相互看不懂代码是很平常的事。

ada的出现就是为了解决统一标准的问题。有一个国际组织专门进行严格ada语言的认证来保证ada的统一。因此，ada编译器有很多种，但ada语 言程序用任何ada编译器编译都能通过。同时，ada的执行程序的效率和c比较接近。有人说比c要快，我想不可能，除非c用的库有问题。ada比c 排错能力更强，但c也有类似的功能。ada还有一个缺点，就是语言罗索，象cobol一样非常难看。

java是对c的大大的改进。有统一的标准，丰富的库，完全的面向对象。也继承了c的一些特点，无所不包的全功能，深入系统底层的编程的灵 活性。但因为java学习了c的深入系统底层的特点，它的语言就严格、呆板、罗索。另外，java要跨平台，它的速度就非常令人不满意，只能局 限在高级应用方面。在速度上，可以选择微软的.net和苹果的coco（可能拼写有错误）。他们也同样是底层的面向对象语言。

作为高级的应用程序，如果没有保密要求，脚本语言是最合适的。脚本语言因为不用编译，因此开发速度会比编译语言快很多。

basic和perl都是古老的脚本语言。basic被微软发扬光大了，但它的缺点是没有完整的面向对象特性，因此编写大型程序很困难。另外，微软 的产品肯定是“肿件”。perl被特别设计来进行文本的处理，文本处理能力非常强，但不适合编写大程序，语言风格也比较令人费解。

python定位于入门的编程语言，是basic的代替品，它具有和basic同样的简单性，并且编程语句更优雅。python有比较完整的面向对象特性， 可以用来编写大程序，因此有些大型的实用程序是python完成的，从加快开发速度的角度，可以代替c和java。python的另一个巨大的应用领域 是用来操作定制其他程序，这个能力basic也有，从这个角度说，python就是unix世界的basic。但python更进一步，和c的沟通能力非常好，任 何为c编写的接口能够很容易转化为python的接口。和java的接口有专门的python的java版，就是jython，jython可以和java本身一样使用各种 java资源。

ruby首先是smalltalk的替代品。有彻底的面向对象特性。另外，也努力作为perl、php、basic、python的替代品。

rebol是lisp的替代品，同时作为脚本语言的一员，有自己的独特之处，他的网络编程和图形用户界面编程是最强大的。

语言解析语言yacc、 html、xml、xlt、xul等也可以算作语言。

[edit]

各种语言的选择

如果编写对性能要求苛刻，或和操作系统结合紧密的程序，必然选择c。

如果编写到处可用的程序，选java。

如果编写大程序，可能的化尽量用python，不行了再用java和c。因为python带来了生产力。

编写文本的处理程序用perl。

编写知识的处理程序用prolog。

编写最灵活，最模糊的程序用lisp。

编写office程序用vba。

编写服务器端程序，php、perl、python、asp都是选择。

编写数据库程序用vb或delphi。

[edit]

各种语言的选择

如果要追求性能和程序的能力，要完全发挥操作系统的能力，使用c语言是合适的。在windows环境下用vc，在linux环境下用gcc。

如果不是追求和操作系统完美结合，而只是性能，又要追求跨平台性，那么仍然选择c，但可以选择跨平台的库，如qt、gtk、fox、wxwindows 。如果要编写游戏也有跨平台选择：SDL。

如果不满意c领域标准的不统一，不满意c的容易出错，不满意c的面向对象特征不彻底。如果不在乎跨平台，windows平台可以选择c#，mac平台 可以选择coco。如果需要跨平台，可以选择java。

如果需要跨平台，又要广泛的支持的话，选择java。

如果不在乎商业机密，应用目标也不是太苛刻的话，编写大型跨平台程序还有一个选择就是python或ruby。脚本语言，但是具有全面的库的支 持，有和c语言的方便的交互能力。他们和java相比，编程效率更高。同时因为没有编译，程序更方便修改。因为他们的库都是c实现的，也比 java有更高性能。同时，他们都是开源的，都是对商业应用友好的，也是简单的、方便定制的。也是不满意java的不可控制的越来越庞大的库 的又一个选择。

在linux下，最方便的工具语言是perl，它有强大的社区和代码库的支持。

如果只作为简单应用的工具语言，python和ruby是更好的选择，他们的跨平台移植性好，应用也比较广泛。其中python更适合入门和交流，长 期使用也不错。ruby是对python不满意的另一个选择，它提供了很多额外的功能。

如果要选择一个程序的嵌入语言，原来有lisp、basic和java，现在还可以选择python和ruby。

如果在要求动态解释执行语言，而又不想学其他语言的话，c程序员的选择是pike，java程序员的选择是beanshell。

在java平台，又想用脚本语言的话，可以用jython。

最正统的基于文档的语言或叫动态页面语言是javascript。

最专门的服务器端语言是php，当然也有很多其他选择。

xml语言以xul为最着名，dtml也算一个，你自己也可以用xml作为自己特殊用途的语言。比如jedit就用xml作为一种模式定制语言。xml语言是 一种比较先进的趋势，比现有的语言在特殊领域更高效。

要找容易实现的语言，lisp和tcl是选择。

lisp的数据和程序融为一体的能力和自由是其他语言都没有的。现在出现了一个lisp的现代化的变种：rebol。

如果有基于事实的编程的需要的话，prolog和clips是必然。

[edit]

我为什么选择了python

首先声明，我编程只编应用程序，就是代替自己工作的小程序。如果编写系统程序总会用到c或java的。

我喜欢脚本语言，脚本语言不用编译就可以运行，非常便于修改，而编程序是一种经常性的活动，程序编完后总在不断的修改中，没必要搞的 很隆重，还要编译。另外，脚本程序每个使用的人都可以随手拿来修改，不会出现还要去找源代码的情况。因此，c和java就被排除了。

我喜欢简单的语言，不喜欢为了编写简单的程序而去学习大量复杂的规定，需要大量的学习才会的语言不是好语言，是把人当机器看。c和java 都有严格但罗索的语法，有永远学不完的函数、类、库。让人看到就头大。而perl有各种怪里怪气的速记符号，程序常常让人头晕。简单的含 义除了容易学，还要功能丰富，常用到的东西要早就准备好，不用每个人都去写同样的数据结构程序等。python有丰富的数据类型，有完备的 面向对象的结构，有规则表达式等各种方便编程的模块。这个逻辑就是程序做的多，人做的就少，如果程序做的少，就要人做的多。这就是界 面友好的问题。容易上手，功能丰富是程序设计的很重要的目标，windows就是靠这个流行的。而python也很好的体现了这点。而perl象unix的 emac之类其它工具一样，功能强大，但太难学，太难懂。是比较违背人性的。

关于性能。现在cpu已经很强大了。除了很大的程序和系统程序，没必要关心性能。

关于功能。如果不是编写系统程序和贴近系统的程序，没必要使用操作系统特别提供的功能。c是可以干任何事情，但它编程效率低，复杂。

至于我为什么不用vb，因为vb太庞大了。我没必要实现一个小功能启动这么庞大的程序。太夸张。另外，vb没有类继承，虽然是应用编程，但 如果要编稍微大的程序，总会用到类继承的。

python得强大得扩展能力使对python得学习不会浪费。python经过简单得处理能使用各种得c和c++库，也可以被c和c++调用。python可以直接 使用java得类，也可以直接被java调用。这样，对python、java、c得学习和使用经验都不会被浪费，还能相互补充。python可以提高java和c 得编程效率，java和c可以补充python功能上得不足。python还可以和tcl直接交互，这种功能是内置得。期待python能简单的调用perl和php得 功能。能使用lisp和prolog更好。

[edit]

ruby 吸取了所有语言精华的语言 第二版

ruby 语言还是杂耍 ruby?:O ruby 日本人的玩意

ruby有

* perl的正则表达式

* python的语言的简单性可读性、最容易的扩展能力，强大的可移植性。

* php的嵌入功能和多种客户端

* smalltalk的纯面向对象语法和单继承

* lisp的无穷嵌套的语法，也就是函数式的语法。

* 用“块”来实现更快捷的数据结构的处理。不知道是不是scheme的宏功能。用块能更清楚的实现python的表处理功能。

* java和ada的线程编程

* java的安全编程

不得不承认ruby确实是个精彩的语言，它完全学会了lisp的所有编程都是函数的思想，smalltalk的所有东西都是对象的思想，perl的一个目的 多种手段的方法，python的简单化的“最少惊喜”的原则，java的多线程和安全控制的功能，tcl的容易扩展的功能，php的嵌入功能和强大客 户端的功能,最方便的shell命令的调用。

[edit]

ruby和python的比较

[edit]

python和ruby的相同点

* 都强调语法简单，都具有更一般的表达方式。python是缩进，ruby是类basic的表达。都大量减少了符号。

* 都是动态数据类型。都是有丰富的数据结构。

* 都具有c语言扩展能力，都具有可移植性，比perl的可移植性更好。也都可以作为嵌入语言。

* 都是面向对象的语言，都可以作为大项目的开发工具。

* 都有丰富的库支持。

* 也有最宽松的版权许可，除了一些工具属于GNU世界。

* 都有lisp特色的eval函数，也都能把函数作为参数。

* 也有图形界面的ruby的专门编辑器。

* 都获得了广泛的c库的支持。如qt、gtk、tk、SDL、FOX等，ruby计划实现SWIG接口。

* 都有完善的文档。

[edit]

和python相比ruby的优点

* 具有正则表达式和嵌入html的功能。python也有正则表达式，但没有ruby的应用方便和广泛。python的嵌入html项目才刚起步。ruby还有 apache的mod模块。ruby本身也实现和很多unix工具，如racc，doctools。比python更亲近linux。

* 比python功能更完整的面向对象的语法。

* ruby的整个库都是具有类继承的结构。

* 他的基本的数据类型和运算符都是可以重载的。

* ruby主要的功能都是通过对象的方法调用来实现的，而不是函数。python也在向这方面发展，但没有ruby做的彻底。

* ruby的类是更规范的单继承，还有接口等概念的实现。

* python可以实现在列表内的条件语句、循环语句，而ruby用“块”的方式来实现这个功能，比python的更灵活，更具有通用性。

* ruby具有类似lisp的彻底的函数方式的条件语句、循环语句等。语句的表达能力更强。

* 附带一些unix工具，如racc等。

[edit]

和python相比ruby的不足

* 最大的不足正是因为ruby的强大所引起的。它没有python的简单性好。比较复杂的面向对象语法、“块”语法的引入、正则表达式的引入、 一些简写标记都增加了语言的复杂性。

* python的缩进表达方式比ruby的basic的表达方式更让人悦目，ruby程序的满眼的end让人不舒服。当然，ruby认为end的方式比python更先 进。

* ruby还没有python的“自省”的能力，没有从程序文件中生成文档的能力。

* ruby没有国际化的支持。国际化支持在ruby的计划中。这是因为ruby的历史比python要短造成的。

* ruby没有类似jython的东西。

[edit]

python和ruby的语言的选择

从简单的就是好的来说，选python是没错的。python适合寻找简单语言的人，这很可能造成python更流行，因此也有更多的支持。但如果要追 求更强大的语法功能，则ruby是好的选择。因为ruby和python的哲学有很多相似的地方，先从python入手，尽量用python，如果python的能力 不足了，可以在找ruby。

ruby和python的比较，就像五笔和拼音输入法的比较。拼音作为入门的输入法和长久使用的输入法都没有问题。五笔适合更高要求的情况。如 果追求性能的不妨学学ruby。对编程语言感兴趣，想了解各种编程概念的学ruby也会很兴奋。

[edit]

php有什么好处

我一直认为php是一个垃圾，因为它只是实现了脚本语言得嵌入，却单独实现一种语言、实现大量得函数库，浪费了大量得开发人员得宝贵时间 来重复其他脚本已经实现了得功能，也浪费了php开发人员得大量学习时间，还要单独学一种只能存在于web服务器得语言，浪费了perl、 python得已有得使用经验。相似得还有pike，一种c得脚本语言，没什么新东西，还不如仍然用c编译器。

但我最近看书才了解php得独特得开发目标。

php为什么不直接用perl作脚本语言。是因为perl是一种unix语言，带有unix传统得字符神秘高深，让人难于学习。而编动态网页得人不见得会 用perl这种unix工具，他们可能只有html知识。php就简化了perl得语言，变成了一种简单友好得语言，免去了人们学习perl得困难。

php为什么不选python作脚本。因为python是一种面向对象得语言，大量得功能都要涉及面向对象概念，而web应用只是简单得实现客户机逻辑 和显示功能。没必要涉及面向对象得复杂概念。函数是最简单，最容易理解得，因此，php倾向于所有得功能都用函数来解决，而不是用对象来 解决。这有点象c和c++之争。应该承认，函数在实现简单功能得时候是最有利得工具，它得语句量最少。

php定位于以html为用户界面，充当各种服务器得客户端，实现得是传统得客户端编程得任务。它有pop、smtp、ftp、多种数据库等各种服务器 得客户端得函数，也有图片、pdf生成，xml处理等这种必要得功能。这些都是其他脚本比不上php得地方。

我几乎没用过php，说得不对，请指教。

[edit]

ada语言草述

ada语言我看了他的介绍。

ada语言和c一样是一种编译语言，他们最后编译出的执行文件的机器码都很小。因此现在众多的语言只有c很ada能比较。

和c相比，ada的特点是可靠、可移植。

他的可靠是通过比其他语言都强大的类型，每种类型还都可以象数据库字段一样进行强类型、范围的检查。以此来保证在编译中就发现错误。

它有强大的标准化组织，严格认证ada编译器的标准。有多线程能力。

适于编写实时程序。

但和c相比太复杂、罗嗦，因此注定不能流行。

[edit]

多脚本语言的大统一及疑问

现在各种脚本语言太多了，有必要进行整合，parrot是一个好的想法。.net也是好的想法。它为各种脚本提供了一个统一的虚机，为各种脚本 语言提供了基于“类”的相互调用，为各种脚本提供了统一的类库。

现在各种脚本语言只是提供了对c语言的交互性，这种交互也是费劲的和效果不好的。比如python、perl、ruby等都提供了对c的交互功能。脚 本语言之间的交流障碍重重。而类似.net的东西，提供了非常容易的各种脚本的相互利用的途径，避免了很多的代码的重复编写。这种标准平 台的力量是很大的，这种标准平台为什么没有在开源领域首先出现呢？众多的脚本正是开源的特点和优势，为什么这种问题要微软来解决呢？ 前面有人提出了类似的问题，在linux中为什么至今没有好用的类似ODBC的东西呢？

可能这种整合只有商业公司有能力实现吧。

我的理解是，如果有创新思想的人都拿他的想法去卖钱了，因此，在开源中只剩下了模仿的人。kde是模仿windows，koffice是模仿office， linux是模仿unix，gcc、bash等也全都是模仿，以及gstep等，还有freedos、atheos等也是模仿，wxwindows、SDL也是模仿。我想知道开源社 区有没有自己的创新？我所知道的创新是zope，但zope最初也是商业产品，后来才开源的。perl是创新，python是创新，但还有什么呢？是不 是开源领域只有hack，没有creator？

[edit]

.net介绍

.net所实现的java的功能

可控代码 跨平台的虚机和伪码免费赠送命令行编译器 纯面向对象语言 对xml和xml web services的支持 和jsp对应的asp.net 网页上的程序 一套统一的中间件环境。

asp.net跟jsp不是同一个层次上的web技术， asp.net使用完善的事件响应机制，WinForms类似的 WebForm技术，只有JSF跟Asp.net有可比性。

.net未实现的java功能

免费的集成开发环境 多厂家支持,跨平台的成熟度

免费的IDE, #develop , ASP.net的有MS的WebMatrix 而免费开源的CLR实现，有MS自己的XP，FreeBSD，MacOS下的实现（原理演示不能进行商 业应用）， Novell下的Mono项目，已经发布了Beta1版本，在2004-6-30 将会发布Release1； 还有GNU的一个.net实现！！

[edit]

.net实现的java不具备的功能

多语言支持 强大的集成开发环境。在windows上媲美本机程序的速度。 对COM的支持，对vs的继承 对widows form 、web form、服务器端程序 的图形直观编程。

[edit]

相对vs6的改进

统一了集成开发环境，使c++程序也具有了vb的友好性。

[edit]

xml各种技术介绍

xml：

xml是统一格式的结构化数据的文本文件。

基于xml的程序，数据结构是开放的，方便不同程序处理同一种文件，这样，程序之间可以达到高水平的协作。

xml现在成为了各行各业统一数据格式的基础。

xml发展出了完善的语法，它用DTD或scheme来界定xml的标记语言。用uri来唯一确定一个xml格式。用css或XLT来转换xml格式，xlink和 xpointer等来建立xml的链接，用xpath来定位xml中的数据。

xhtml：

是严格符合xml格式的html。

RDF：

基于xml的元数据描述语言。方便交换结构化数据。方便交换知识。

RDF是用主语、谓语、宾语来描述知识的。

SVG：

xml格式的矢量图形格式。

SMILE：

xml格式的各种多媒体在时间线上的协同。

xmath：

xml格式的公式描述语言。

xml-rpc和soap：

以http协议和xml格式来进行网络程序之间的消息通讯。

xul：

netscape的mazilla使用的程序界面语言，基于xml格式，比html强大的多的描述图形界面的xml语言。它用css来换肤，用DTD来实现多语言界 面，用javascript来实现程序逻辑，以此编写跨平台的可方便定制界面的程序，现在这个程序API功能已经很强大了，整个mazilla程序就是基 于xul的。

xaml:

MS在LongHorn平台的最新编程语言，将统一Windows与Web编程，直接使用

LongHorn下的浏览器进行执行， 跟XUL有类比性

[edit]

最先进的xml格式图形界面程序开发工具－xul

大家知道netscape程序，一个仅次于ie得浏览器，也有很多人知道mozilla，netscape得开放源代码版本。但很多人只是使用mozilla，不知道 mozilla另一个重要得功能－－程序开发。在netscape开放源代码后三年mozilla得1。0版还没有问世，很多人讥笑他的超慢得开发速度，实际 上，mozilla酝酿出了一个超酷得新产品，可以看作是软件开发工具发展得另一个里程碑。

现在基于浏览器得三层开发结构非常流行，微软得.net得思路就是基于这个结构得。另外，不考虑服务器结构，就是基于网页得javascript小 程序也对人很有吸引力，这些产品得思路都是以html为用户界面，但开发人员常常苦恼于html太简陋。而mazilla得xul解决了这个问题。

xul是对html得扩展