 |
-- 會員 / 註冊 --
|
 |
|
|
|
Alluxio：大數據統一存儲原理與實踐 ( 簡體 字) |
| 作者：范斌,顧榮 | 類別：1. -> 程式設計 -> 大數據 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 51490
詢問書籍請說出此書號！【有庫存】
NT售價： 395 元 |
| 出版日：7/1/2019 |
| 頁數：199 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121367823 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：推薦序一
如今的世界步入了一個數據革命的時代。隨著互聯網、人工智能、移動計算、自動駕駛、物聯網等新技術的不斷進步，人們生成、采集、管理和分析的數據規模正在呈指數級增長，存儲和處理這些大規模數據促使人們不斷地實現技術的進步，并為人們帶來了難以想象的技術革命的重大機遇。在過去的十年中，我們看到了數據處理的技術棧領域產生了很多重要的技術革新。例如，在數據應用層，從最初的MapReduce 框架，衍生出了很多不同的通用化和專用化的系統，如通用數據處理平臺 Apache Spark，流式計算系統 Apache Flink、Apache Samza，機器學習，以及深度學習系統 TensorFlow、Apache Mahout，圖計算系統 GraphLab、GraphX，查詢系統Presto、Apache Hive、Apache Drill，等等。類似地，整個生態系統的存儲層也從 Hadoop分布式文件系統 HDFS 發展并增加了更多的可選項。例如，文件系統、對象存儲（Object Store）系統、二進制大對象存儲（BLOB Store）系統、鍵-值對存儲（Key-Value Store）系統、NoSQL 數據庫等。這些不同類型的系統實現了對性能、速度、成本、易用性、架構等設計上不同的權衡。
隨著技術棧復雜程度的不斷增加，數據產業的發展也面臨更多的機遇和更大的挑戰。數據被存儲在不同的存儲系統中，這使用戶和上層數據應用很難高效地發現、訪問和使用這些數據。例如，對于系統開發人員而言，需要開展更多的工作以將一個新的計算或存儲部件集成到現有的生態系統中；對于應用開發人員而言，高效地訪問不同數據存儲系統的方式變得更加復雜；對于終端用戶而言，從遠程的數據存儲系統中訪問數據，容易導致性能的損失和語義的不一致；對于系統管理員而言，當底層物理存儲和上層所有應用都深度耦合時，添加、刪除、升級一個現有計算系統或數據系統，抑或將數據從一個存儲系統遷移到另一個存儲系統，是非常具有挑戰性的。
Alluxio 作為全球首創的分布式虛擬文件系統（Virtual Distributed File System），就在上述背景下應運而生。它統一了數據訪問的方式，為上層計算框架和底層存儲系統構建了橋梁，使應用可以通過 Alluxio 提供的統一數據訪問方式訪問底層任意存儲系統中的數據。在大數據生態系統中，Alluxio 位于上層大數據計算框架和底層分布式存儲系統之間，運行在上層的大數據計算框架可以忽略底層分布式存儲系統的細節，直接和 Alluxio 進行交互，Alluxio 透明地將上層大數據框架的數據訪問請求轉發到底層分布式存儲系統中，并將底層多個分布式存儲系統中的數據自動緩存到Alluxio 中，從而提升某些上層大數據計算框架的數據訪問速度的數量級。Alluxio（前身 Tachyon）系統曾是我在加州大學伯克利分校 AMPLab 的博士研究課題，并在 2012年年末完成了該系統的第一個版本，于 2013 年 4 月正式開源，2015 年項目更名為Alluxio。
自 2013 年 4 月 Alluxio 開源以來，已有超過 200 個機構、1000 多位貢獻者參與到Alluxio 系統的開發中，其中包括阿里巴巴、百度、卡內基梅隆大學、谷歌、IBM、英特爾、加州大學伯克利分校、騰訊、京東、雅虎等大學、科研院所和企業。到今天為止，上百家公司的生產線中已經部署了 Alluxio，其中有的集群已經超過了 1000 個節點。隨
著 Alluxio 開源項目的快速發展和應用需求的日益旺盛，我們于 2015 年創立了 Alluxio公司，并且獲得 Andreessen Horowitz、Mark Leslie（Veritas Founding CEO）、Jack Xu（網易、新浪前 CTO）、Sujal Patel（Isilon 創始人）等人的投資。未來，我們將立志于讓Alluxio 成為大數據及其他水平擴展應用的事實上的統一數據層。
我很高興看到，這本系統、深入介紹 Alluxio 項目技術原理和應用實踐的書籍即將付梓。本書的兩位作者范斌博士和顧榮博士是分布式系統領域的專家，也是Alluxio 項目管理委員會的成員和源碼的維護者。其中，范斌博士于 2015 年從谷歌離職之后全身心致力于 Alluxio 開源項目的技術架構、開發與推廣，目前在 Alluxio社區代碼貢獻排名中排第二位。顧榮博士從 2013 年就開始向 Alluxio 社區貢獻源代碼，此后他在南京大學 PASA 大數據實驗室擔任助理教授，繼續從事大數據系統方面的研究，在 Alluxio 上開展了很多有意義的研究工作，并且一直努力推動 Alluxio社區在國內的發展。范斌和顧榮在 Alluxio 社區方面都是非常著名的技術專家，為Alluxio 開源社區的發展做出了重要貢獻。相信他們完成的這本著作能夠很好地幫助需要學習 Alluxio 技術的廣大讀者。最后，我也要特別感謝一直對 Alluxio 開源項目給予關心與支持的朋友們，我們將一如既往地努力投入，在不斷完善 Alluxio 軟件的同時，讓我們開源社區的運轉更加高效，期待后續創作出更多高質量的文章和書籍，以饗讀者。
——李浩源 Alluxio 開源項目主席、Alluxio 公司創始人、董事長兼 CTO
2019 年 4 月，于美國硅谷
推薦序二
The big data revolution is changing how every industry operates. Organizations and companies are leveraging tremendous amounts of data to create value. For example,Internet companies use data to provide better targeted advertisements and user experiences. Financial institutions process data to detect potential fraud in real time.
Manufacturing powerhouses study data to track, understand, and design locomotive and airplane engines better. Autonomous cars depend on data to function and to ensure the safety of passengers. People use data to make decisions or facilitate the decision-making process in some way.
The big data revolution has brought a lot of challenges and opportunities in distributed computer systems. There are significant innovations in distributed computation frameworks, such as Hadoop and Spark, and distributed storage systems, such as HDFS and Alluxio. The large-scale data processing stack has been reshaped by the big data ecosystem. In the big data ecosystem, organizations usually rely on multiple storage systems and computation frameworks in their data processing pipelines. This brings the significant challenges in data sharing and management, performance and flexibility.
To address these challenges, the Alluxio project proposes an architecture with Virtual Distributed File System (VDFS) as a data unification layer between the computing layer and the storage layer. A data unification layer brings significant value into the ecosystem.
It can improve data accessibility, performance, and data management, but also the convenience to plug future systems into the ecosystem, therefore making it easier and quicker for the industry to adopt innovations.
Alluxio is an open-source project started at UC Berkeley AMPLab in December 2012. In the over six years of development, this project has grown to be an important part in the big data ecosystem. Alluxio has been deployed at hundreds of leading companies in production, serving critical workloads. Its open-source community has attracted more than 900 contributors worldwide from over 200 companies. I am very glad to see this book to be published. The authors of this book——Bin Fan and Rong Gu are both Alluxio experts. They were also Alluxio topic speakers in the past Strata + Hadoop World conferences. I believe their Alluxio book will be very helpful to the Alluxio users and developers!
Ben Lorica Chief Data Scientist at O’Reilly Media Chair of Strata Data, and the Artificial Intelligence Conference
前 言
隨著計算機和信息技術的迅猛發展和普及應用，行業數據呈爆炸式增長，全球已經進入了“大數據”時代。大數據給全球帶來了重大的發展機遇，大規模數據資源蘊含著巨大的社會價值和商業價值，有效地管理這些數據，挖掘數據的深度價值，對國家治理、社會管理、企業決策和個人生活將帶來巨大的影響。然而，大規模數據資源給人們帶來新的發展機遇的同時，也帶來很多新的技術挑戰。格式多樣、形態復雜、規模龐大的行業大數據給傳統的計算技術帶來了很多技術困難。傳統的數據庫等信息處理技術已經難以有效應對大規模數據的處理需求。大數據廣泛且強烈
的應用需求極大地推動了大數據技術的快速發展，促進了大數據處理相關的基礎理論方法、關鍵技術及系統平臺的長足發展。
大數據處理的第一個基本問題是，如何有效地存儲和管理海量的大數據。大數據存儲管理是進行后續大數據計算分析和提供大數據應用服務的重要基礎。分布式存儲是目前公認并有效的大數據存儲管理方法，在大數據系統中處于基礎地位，在行業大數據應用中發揮著重要的作用。本書將介紹近些年來在大數據存儲領域發展得如火如荼的分布式存儲系統 Alluxio。Alluxio 是全球首創的以內存為中心（Memory-Centric）的分布式虛擬文件系統，已在全球數百個公司部署應用，并在超過 1000 個節點的集群上運行。
本書以廣泛使用的 Alluxio 1.8.1 版本為基礎進行編寫，全面介紹了 Alluxio 的相關技術原理與實踐案例，以及 Alluxio 的核心原理和架構技術。本書從概念和原理上對 Alluxio 的核心框架和相關技術應用進行了詳細解讀，并介紹了 Alluxio 技術在互聯網公司的使用案例，以及就如何向開源社區貢獻源代碼進行了簡要介紹，具有較好的前沿性和一定的國際視野。
本書目的
Alluxio 項目自 2013 年開源以來得到了長足的發展，貢獻者和用戶數量不斷增多。但是放眼國內，很少有完整、系統地介紹 Alluxio 相關技術使用原理和實踐應用案例的書籍。本書的兩位作者均為 Alluxio 項目管理委員會成員和源碼維護者，在社區的日常工作中經常需要回答很多關于 Alluxio 的技術問題，他們發現用戶很多時候苦于沒有完整的 Alluxio 中文學習資料。因此，他們決定一起寫一本關于Alluxio 的書籍，為大數據從業人員和大數據存儲技術愛好者提供一個深入學習的平臺，幫助 Alluxio 的用戶能夠更加全面和透徹地了解 Alluxio 的基本原理，從而更加容易地使用 Alluxio。
內容快覽
全書一共分為 8 章，各章的內容簡介如下。
第 1 章 Alluxio 系統快速入門：本章介紹了 Alluxio 項目的背景，包括系統功能簡介、項目發展歷史；還介紹了 Alluxio 軟件的獲取或編譯方式，以及搭建部署流程。
第 2 章 Alluxio ： 系統架構及讀寫工作機制：本章闡述了 Alluxio 的系統架構與功能組件，并介紹了 Alluxio 內部的讀數據和寫數據的工作運行原理，使讀者對 Alluxio的總體架構和運行流程有一定的認識。
第 3 章 Alluxio ： 與底層存儲系統的集成：本章介紹了 Alluxio 與當前主流的分布式存儲系統進行集成的方法，這些底層存儲系統具體包括 HDFS、Secure HDFS、AWS S3、Google GCS、Azure BLOB Store。
第 4 章 Alluxio ： 與上層計算框架的集成：本章首先介紹了 Alluxio 提供給管理員和用戶的命令行及其含義，然后闡述了 Alluxio 與主流的上層大數據計算框架進行對接集成的方法。上層計算框架包括 Hadoop MapReduce、Spark、Hive、Presto、TensorFlow。
第 5 章 Alluxio ： 基本功能的介紹與使用：本章介紹了 Alluxio 提供給用戶的基本配置與管理功能，包括 Alluxio 系統環境與屬性的配置、Alluxio 底層文件系統的配置與管理、Alluxio 緩存資源的配置與管理，還介紹了 Alluxio 系統 Web 用戶界面的查看與使用方法。
第 6 章 Alluxio ： 高級功能的介紹與使用：本章介紹了 Alluxio 提供給用戶的高級功能，具體包括 Alluxio 的安全認證與權限控制、Alluxio 的內置 Metrics 系統、Alluxio文件系統日志的使用與維護、Alluxio 系統的異常排查。
第 7 章 Alluxio 的應用案例與生產實踐：本章闡述了 Alluxio 在陌陌、京東、攜程、去哪兒網、百度等大型互聯網公司的應用與生產實踐案例。
第 8 章 Alluxio 的開源社區開發者指南：本章介紹了源代碼的規范、單元測試流程及向 Alluxio 開源社區貢獻源代碼的具體流程。
寫作分工
本書第 1 章、第 5 章、第 6 章、第 8 章由范斌完成，第 2 章、第 3 章、第 4 章由顧榮完成，第 7 章由富羽鵬、陳浩駿、毛寶龍、郭建華、徐磊、劉少山完成。
致謝
能夠完成本書需要感謝很多人。首先，我們要衷心地感謝 Alluxio 開源社區的廣大貢獻者和用戶，沒有你們的支持就沒有 Alluxio 項目的今天，也就沒有本書的出版問世。感謝本書第 7 章的來自眾多互聯網公司的工程師作者，感謝你們在繁忙的工作之余撰寫 Alluxio 在貴公司團隊的實踐應用案例。感謝為本書撰寫序言的李浩源博士和 Ben Lorica，他們在百忙之中閱讀了書籍的樣稿并提出了很多中肯的建議。感謝南京大學 PASA 大數據實驗室黃宜華教授、袁春風教授，以及實驗室眾多同學對于本書的主編顧榮在 Alluxio 開源項目工作上的認可與大力支持。感謝本書編輯及其他工作人員，你們認真嚴謹的工作為本書的出版奠定了堅實的基礎。最后，感謝我們的家人，整本書籍編寫周期較長，感謝你們在背后的默默支持，并且對于我們很多節假日未能陪同給予極大的理解與寬容。
由于作者水平有限，書中的疏漏和不妥之處在所難免，敬請讀者批評指正，并將反饋意見發送到郵箱 gurong@nju.edu.cn 或 binfan@alluxio.com，以便我們再版時及時修正錯誤。 |
內容簡介：Alluxio 這一以內存為中心的分布式虛擬文件系統，最初誕生于加州大學伯克利分校的 AMPLab，其開源社區在目前大數據生態系統中發展很快。本書以廣泛使用的 Alluxio 1.8.1 版本為基礎進行編寫，是一本全面介紹 Alluxio 相關技術原理與實踐案例的書籍。本書主要內容包括 Alluxio 系統快速入門、Alluxio 系統架構及讀寫工作機制、Alluxio 與底層存儲系統的集成、Alluxio 與上層計算框架的集成、Alluxio 基本功能和高級功能的介紹與使用。此外，本書還詳細介紹了 Alluxio 的應用案例與生產實踐，并詳細解讀了 Alluxio 的核心框架和技術應用，旨在為大數據從業人員和大數據存儲技術愛好者提供一個深入學習的平臺，也可用作開源社區開發者指南。
|
目錄：第 1 章 Alluxio 系統快速入門 ........... 1
1.1 Alluxio 背景概述 ............. 1
1.1.1 Alluxio 系統功能簡介 ......... 4
1.1.2 Alluxio 項目發展歷史 ......... 5
1.2 獲取/編譯 Alluxio 軟件 ........... 6
1.2.1 下載預編譯的 Alluxio 可執行包 ........ 6
1.2.2 編譯 Alluxio 源代碼 .......... 6
1.3 Alluxio 的搭建部署及程序運行 ......... 10
1.3.1 單機模式 ............ 10
1.3.2 集群模式 ............ 13
1.3.3 高可用集群模式 .......... 16
第 2 章 Alluxio 系統架構及讀寫工作機制 ......... 22
2.1 Alluxio 的構架簡介與基本特征 ......... 22
2.1.1 提升遠程存儲讀寫性能 .......... 23
2.1.2 統一持久化數據訪問接口 ........ 24
2.1.3 數據的快速復用和共享 .......... 26
2.2 Alluxio 的系統功能組件 ........... 27
2.2.1 Alluxio Master 組件 ........... 27
2.2.2 Alluxio Worker 組件 .......... 29
2.2.3 Alluxio Client 組件 .......... 30
2.3 Alluxio 讀寫場景的行為分析 ......... 31
2.3.1 Alluxio 的讀場景數據流 ......... 31
2.3.2 Alluxio 的寫場景數據流 ......... 37
第 3 章 Alluxio 與底層存儲系統的集成 ......... 40
3.1 配置 HDFS 作為 Alluxio 底層存儲 ........ 40
3.1.1 準備步驟與基本配置流程 ........ 41
3.1.2 高級參數配置 ............ 43
3.1.3 使用 HDFS 在本地運行 Alluxio ....... 44
3.2 配置 Secure HDFS 作為 Alluxio 底層存儲 ........ 44
3.2.1 準備步驟與基本配置流程 ........ 45
3.2.2 使用安全認證模式 HDFS 在本地運行 Alluxio ..... 46
3.3 配置 AWS S3 作為 Alluxio 底層存儲 ........ 47
3.3.1 準備步驟與基本配置流程 ........ 47
3.3.2 高級參數配置 ............ 49
3.3.3 使用 S3 在本地運行 Alluxio ......... 51
3.4 配置 Google GCS 作為 Alluxio 底層存儲 ....... 52
3.4.1 準備步驟與基本配置流程 ........ 52
3.4.2 高級參數配置 ............ 53
3.4.3 使用 GCS 本地運行 Alluxio ......... 54
3.5 配置 Azure BLOB Store 作為 Alluxio 底層存儲系統 ...... 55
3.5.1 準備步驟與基本配置流程 ........ 55
3.5.2 使用 Azure BLOB Store 本地運行 Alluxio ...... 57
第 4 章 Alluxio 與上層計算框架的集成 ......... 58
4.1 Alluxio 的管理員操作命令 ........... 58
4.1.1 操作命令列表 ............ 59
4.1.2 操作命令示例 ............ 59
4.2 Alluxio 的用戶操作命令 ........... 61
4.2.1 操作命令列表 ............ 62
4.2.2 操作命令示例 ............ 65
4.3 Alluxio 與 Hadoop 操作命令行的集成 ........ 78
4.3.1 前期準備與配置 .......... 78
4.3.2 具體使用示例 ............ 79
4.4 Alluxio 與 Hadoop MapReduce 的集成 ........ 79
4.4.1 前期準備與配置 .......... 80
4.4.2 具體使用示例 ............ 82
4.5 Alluxio 與 Spark 的集成 ........... 83
4.5.1 前期準備與配置 .......... 83
4.5.2 使用 Alluxio 作為輸入/輸出源 ......... 85
4.5.3 Alluxio 與 Spark 集成常見問題分析與解決 ...... 86
4.6 Alluxio 與 Hive 的集成 ........... 89
4.6.1 安裝并配置 Hive 環境 .......... 89
4.6.2 使用 Alluxio 存儲部分 Hive 表 ........ 90
4.6.3 使用 Alluxio 作為默認文件系統（存儲全部數據） .... 93
4.6.4 檢查 Hive 和 Alluxio 的集成情況（支持 Hive 2.x） ..... 95
4.7 Alluxio 與 Presto 的集成 ........... 96
4.7.1 前期準備 ............ 96
4.7.2 部署分發 Alluxio 客戶端 jar 包 ........ 98
4.7.3 Presto 操作命令示例 ......... 98
4.8 Alluxio 與 TensorFlow 的集成 ......... 100
4.8.1 深度學習面臨的數據挑戰 ........ 100
4.8.2 基于 Alluxio 解決深度學習存儲問題的分析 ...... 101
4.8.3 安裝并配置 Alluxio FUSE ......... 102
4.8.4 TensorFlow 使用 Alluxio FUSE 管理訪問數據 ..... 103
第 5 章 Alluxio 基本功能的介紹與使用 ......... 105
5.1 Alluxio 系統環境與屬性的配置 ......... 105
5.1.1 Alluxio 系統組件參數的配置 ......... 106
5.1.2 Alluxio 客戶端組件參數的配置 ....... 109
5.1.3 Alluxio 參數配置的相關工具 ......... 112
5.2 Alluxio 底層文件系統的配置與管理 ......... 113
5.2.1 Alluxio 掛載底層存儲 ......... 113
5.2.2 Alluxio 與底層存儲的元數據一致性保證 ..... 116
5.3 Alluxio 緩存資源的配置與管理 ......... 120
5.3.1 配置 Alluxio 緩存存儲資源 ........ 121
5.3.2 Alluxio 緩存數據的載入、駐留及釋放 ....... 126
5.3.3 配置 Alluxio 緩存數據的生存時間 ........ 127
5.4 Alluxio 系統 Web 用戶界面的查看與使用 ...... 128
5.4.1 Alluxio Master Web 界面介紹 ........ 128
5.4.2 Alluxio Worker Web 界面介紹 ....... 134
第 6 章 Alluxio 高級功能的介紹與使用 ......... 137
6.1 Alluxio 的安全認證與權限控制 ......... 137
6.1.1 Alluxio 安全認證模式的介紹 ......... 138
6.1.2 Alluxio 訪問權限控制的介紹 ......... 139
6.1.3 Alluxio 用戶模擬功能的介紹 ......... 141
6.1.4 Alluxio 審計日志功能的介紹 ......... 142
6.2 Alluxio 的內置 Metrics 系統......... 143
6.3 Alluxio 文件系統日志的使用與維護 ......... 145
6.4 Alluxio 系統的異常排查 ........... 148
Alluxio： 大數據統一存儲原理與實踐
第 7 章 Alluxio 的應用案例與生產實踐 ......... 152
7.1 陌陌基于 Alluxio 加速 Spark SQL 查詢 ........ 152
7.1.1 Alluxio 緩存應用背景簡介 ......... 153
7.1.2 陌陌應用場景結合 Alluxio 的分析 ........ 153
7.1.3 基于 Alluxio 的陌陌 Ad Hoc 查詢系統架構 ...... 155
7.1.4 基于 Alluxio 的查詢性能評估與分析 ...... 156
7.1.5 陌陌在 Alluxio 實戰方面的后續實踐 ...... 158
7.2 京東基于 Alluxio 和 Presto 構建交互式查詢引擎 ...... 158
7.2.1 京東大數據平臺的業務問題背景 ........ 159
7.2.2 JDPresto on Alluxio 架構與特性的介紹 ....... 160
7.2.3 JDPresto on Alluxio 的性能評估與分析 ....... 161
7.2.4 JDPresto on Alluxio 的應用總結 ....... 164
7.3 Alluxio 在攜程實時計算平臺中的應用與實踐 ....... 165
7.3.1 攜程實時計算的應用背景 ........ 165
7.3.2 基于 Alluxio 的跨集群數據共享方案與性能評估 .... 168
7.4 去哪兒網利用 Alluxio 提升異地存儲訪問性能 ...... 169
7.4.1 去哪兒網流式處理背景簡介 ........ 170
7.4.2 原有系統架構及相關問題分析 ........ 171
7.4.3 基于 Alluxio 改進后的系統架構介紹與性能評估 .... 172
7.5 百度基于 Alluxio 加速遠程數據讀取 ........ 176
7.5.1 百度跨機房數據查詢問題的描述 ........ 177
7.5.2 使用 Alluxio 緩存遠端數據的方案與效果 ...... 177
7.5.3 使用 Alluxio 分層存儲的方案與效果 ...... 178
7.5.4 基于 Alluxio 提速遠程數據訪問的總結 ...... 180
第 8 章 Alluxio 的開源社區開發者指南 ......... 181
8.1 Alluxio 的源代碼規范 ........... 181
8.1.1 源代碼風格要求 .......... 182
8.1.2 Alluxio 的單元測試 ......... 184
8.1.3 Alluxio 的日志系統 ......... 184
8.1.4 Alluxio 的 RPC 定義 ......... 186
8.1.5 Alluxio 文件系統日志消息 ......... 186
8.2 Alluxio 的單元測試流程介紹 ......... 187
8.2.1 運行 Alluxio 單元測試 .......... 187
8.2.2 創建 Alluxio 單元測試 .......... 188
8.2.3 單元測試需要避免的情況 ........ 190
8.2.4 Alluxio 單元測試的全局狀態管理 ....... 191
8.3 貢獻源代碼至 Alluxio 開源社區 ........ 193
8.3.1 開發者的系統要求和環境準備 ........ 194
8.3.2 下載 Alluxio 源代碼并配置開發者郵箱 ...... 194
8.3.3 編譯 Alluxio 源代碼 .......... 195
8.3.4 領取一個開發者新手任務 ........ 196
8.3.5 在本地副本中創建一個新的開發分支 ...... 196
8.3.6 提交本地的 commit ......... 197
8.3.7 提交一個社區 Pull Request ......... 198
8.3.8 審閱社區 Pull Request ......... 199 |
| 序： |
|
