每一个可以努力的日子，都是一份厚礼。
Python
Zenoss 报警 API
2012 6月 29th
Python写爬虫——抓取网页并解析HTML
2011 6月 10th
CUHK 上学期有门课叫做 Semantic Web，课程 project 是要搜集整个系里面的教授信息，输入到一个系统里，能够完成诸如“如果选了A教授的课，因时间冲突，B教授的哪些课不能选”、“和A教授实验室相邻的实验室都是哪些教授的”这一类的查询。这就是所谓的“语义网”了啊。。。然而最坑爹的是，所有这些信息，老师并没有给一个文档或者数据库，全要靠自己去系主页上搜集。唯一的想法是写个爬虫，令人悲哀的是，所有做这个 project 的同学，都是纯人肉手工完成，看得我只想扶墙。。。
从网页中抓取特定信息，我觉得这是一个普遍性的问题，以后经常会遇到。幸亏那个 project 只是需要我们系的所有教授的信息，大家人工也就算了。如果需要抓取的信息是海量的，举个栗子，把淘宝上所有的商品目录抓下来，那岂不是要吐血而亡？我决定好好把爬虫研究一下。 更多 >
反向索引Inverted Index – Map Reduce Program
2011 1月 4th
Inverted Index （反向索引）是搜索引擎需要做的一件经常性工作。在Google提出Map Reduce分布式编程框架中，这是一件很容易完成的事情。下面就是一个python写的示例。 更多 >
单词统计Word Count – Map Reduce Program
2011 1月 4th
在学习Map Reduce方法时，Word Count（单词统计）程序是最基础的入门训练。不同的写法会有不同的执行效率，下面是用python写的一个示例。 更多 >
Amazon S3 云存储服务Cloud Storage编程实践
2011 1月 4th
Amazon Simple Storage Service (S3) 是一个云端存储平台，这是现在蓬勃发展的云计算的典型应用之一。用户可以将自己的数据上传到云端服务器，便可以随时随地地访问到这些数据，灵活高效。它按需收费，也就是说使用相应容量的存储空间，就花相应的钱。这里有具体的资费标准。对于企业用户来说，使用这项服务实际上可以大大降低成本，这些成本不仅仅包括自己购置服务器硬件、软件成本，还包括电力、为IT设施维护而雇佣的人力成本等等。
在Amazon S3中有如下几个概念，通过分别介绍，我们可以大致理解云存储的基本原理。
Buckets:一个bucket是一个用于存储的容器，我们可以不太恰当地理解为就是云端的文件夹。文件夹要求一个独特唯一的名字，这和注册邮箱名差不多，可以加前缀或者后缀来避免重名。bucket使得我们在一个高层级上组织命名空间，并在数据的访问控制上扮演重要角色。下面举个例子，假设一个名为photos/puppy.jpg的文件对象存储在名为johnsmith的bucket里，那么我们就可以通过这样一个url访问到这个对象：http://johnsmith.s3.amazonaws.com/photos/puppy.jpg
更多 >
