System modelling & Key-value stores(KVS)key-value store abstractionkey-value使用唯一的key来标识value，提供接口为get, scan, update, insert, delete，比文件系统更简单 一种想法是可以直接在filesystem上封装一层key-value store的API，key认为是文件名，

Distributed file system(DFS)distributed file service有以下类型： upload/download model: 如FTP，实现文件在客户端和服务端的复制，好处是简单，坏处是浪费、引发空间不足问题、难以保证一致性 remote access model: 使用RPC，好处是只用获取需要的部分、服务端可以维护一致性，缺点是可能出现服务器和

Remote Procedure CallRPC让文件系统变成远程，同时让远程服务器像运行在本地一样，相比于sockets api，RPC不必因为突然变成远程服务器而修改代码，即这个接口应当同时能访问本地和远程 为了不改应用的高层代码，将缺乏语义的共同部分打包成RPC stub client stub做以下事情：发请求，接受响应，进行convert server stub做以下事情：使用一

Scalability in Practice: a Highly scalable web app互联网应用需要支撑的三个能力： 处理海量的请求 存储海量的数据 透明化的可拓展性(transparent scale) 因此我们需要构建一个scalable的系统 case study: an e-commerce web application一次点击可能需要上千的服务器处理 远古时代使用单个

lab1: Basic Filesystem在lab1中，我们需要实现一个单机inode-based filesystem，共有三层架构： block layer: 包括block manager和block allocator inode layer: 包括inode manager filesystem layer: 包括create, write, read操作，同时对等directory

File System API and Disk I/Oimplement the file system APIAPI有以下几个： CHDIR（即cd）, MKDIR CREAT, LINK, UNLINK, RENAME SYMLINK MOUNT, UNMOUNT（读取super block） OPEN, READ, WRITE, APPEND, CLOSE SYNC（将内存数据

From single to distributed: inode-based File System使用不同的存储系统来对应不同的服务：scalable file system, scalable database, scalable key-value store，其中key-value store存放不必精确的数据，定期更新就行，而database用于精确存放准确的数据 single-n

hot100整理之python版哈希最长连续序列 给定一个未排序的整数数组 nums ，找出数字连续的最长序列（不要求序列元素在原数组中连续）的长度。请你设计并实现时间复杂度为 O(n) 的算法解决此问题。 12345678910111213class Solution: def longestConsecutive(self, nums: List[int]) -> int:

Python 刷 LeetCode时常用的 list 方法 1. 列表创建与访问 创建：nums = [1, 2, 3] 访问单个元素：nums[0]，nums[-1] 切片：nums[1:3]，nums[:]，nums[::-1]（逆序） 2. 增加元素 尾部添加：nums.append(x) 任意位置插入：nums.insert(i, x) 合并另一个列表：nums.extend([4,5

hot100整理哈希最长连续序列 给定一个未排序的整数数组 nums ，找出数字连续的最长序列（不要求序列元素在原数组中连续）的长度。请你设计并实现时间复杂度为 O(n) 的算法解决此问题。 1234567891011121314151617181920class Solution { public int longestConsecutive(int[] nums) {