订阅了 Youtube Premium，和 Netflix 一样，Youtube Premium 在每个国家地区的定价差异性较大，本文记录最具性价比的 Youtube Premium 订阅方案。
Youtube Premium 未在中国推出。想了想，这是句废话
YouTube Premium 提供了几大特性
对大多数人来说，最有用的应该就是免广告 + 后台播放了
在算法开发中必然会有 A/B 测试，通常可以简单的根据用户 ID 或 Cookie 去切割流量，实现让不同的用户走不同的算法，最后回溯数据评估效果。随着业务越来越多，通过该方案单纯的切割流量进行测试，会造成流量饥饿与流量偏置等问题。本文章记录一下 A/B Testing 中比较流行的多层重叠方案。
Homebrew 默认只安装最新版本的软件，如何制定版本？下面以安装 brew install apache-flink 为例，指定安装特定版本的 Flink。
在写这篇文章时， Flink 的最新版本为 1.11.1，使用 brew info apache-flink 查看版本信息：
由于平常的工作学习中基本都是在阿里云上开发，Hive 接触的比较少，所以这次总结也主要是针对在 MaxCompute SQL 上的优化，本质上一些语法都是大同小异
订阅了一个机场主的服务，只提供 SSR/V2Ray 协议，而 Surge 原生支持 SS 协议，查了下文档后发现 Surge 提供外部代理模式 External Proxy Provider，可以变相支持 SSR/V2Ray
结合 TensorFlow 在深度学习及传统机器学习上的优势，加上 Spark 在分布式及计算上的优势，实现 Spark 预测 TensorFlow 模型的方案
TensorFlow 本身是 Python 下的框架，但官方也提供了 Java API，支持 Java 应用调用 TensorFlow 各个接口，只是没有 Python API 那么全面。
那么作为 Java 的亲儿子 Scala，两者最终都是编译成 Class 在 JVM 上运行，用其开发的 Spark 应用也自然支持所有 Java 自带的 API 及第三方 API，我们只需要把 TensorFlow Java API 引入 Scala 项目中，就可以调用到了。
I/O 是 Input / Output 的缩写
不管是 Java 还是 Python，在程序运行时，总是会遇到 IO 的问题，IO 包括了对操作系统的的读写，对网络的读写等。
一般来讲，涉及到 IO ，尤其是需要通过请求响应的方式读写网络数据时，总会遇到阻塞的问题。有阻塞，就必然会影响程序的效率。
所以我们根据不同的 IO 方式，提出了这三种比较常见的 I/O 模式
最近升级到了 macOS Catalina 10.15，发现我的 MX Master 2S 鼠标在 10.15 系统下，使用 Unifying 优联模式，光标和左右按键全部失效，而功能键正常（蓝牙模式一切正常）。尝试了重装 Logi Option on Mac ，结果还是一样
网上找到很多中文的资料，但罗技中文的论坛几乎没人谈这个 bug。差点就要回滚系统的时候，在罗技的美国官网论坛，发现了解决方案。
开发测试过程中在本机安装了 Kafka Server，记录一下启动步骤和生产消费的代码。
1 | brew install zookeeper |
brew 指定 install 版本，请参考：Homebrew 指定版本安装
网上很多 Spark 实现 LR 的教程（包括基于 ML 和 MLLib），但是比较少 GBDT + LR 的教程。
GBDT + LR 全称 Gradient Boosting Decision Tree + Logistic Regression，在业界效果一直算比较不错，可以天然的发现一些人工不容易发现的重要特征和组合特征。所以这篇文章记录一下开发的主要逻辑。
