前言
又到年底了，职场充斥着“裁员”、“优化”味道。前段时间所在公司也经历了一波，反正有那么几天周围的同事都无心工作。这周公司也算是“稳定”了，不过还是有些危机感。有时候，在反思这一年来自己工作的“亮点”。想了想，好像一直在“优化”的路上。这里的优化是和工作相关的，集群，存储，计算的治理占据了2019大半的“江山”。说来惭愧，好像也没实打实地落地成一个产品。
又到周末了，天气貌似不错。没有活动，自己看了看工作wiki，理了理工作内容。过程中，很多细节上的事情没有沉淀（虽然今年也依据工作内容输出了一点点想法），缺少细致的总结。导致现在很多事情让自己说，还是有很多不确定的细节。
再看alluxio
看到年初第一件事，集群拆分。主要工作是为了隔离ETL任务和实时任务(spark streaming或flink作业)。新的实时集群，只有计算资源，没有过多的存储。所以，问题就抽象成：计算资源隔离，存储资源共享（hdfs）问题。当时也做了简单的调研。最终采用了最快最直接的方式实现了。具体细节见：集群优化心酸历程
有大半年没关注alluxio了，看了看官网。稳定版本已经从之前的1.8.1到了2.1.0，可见社区也是很活跃的。然后看到出了一本书《Alluxio：大数据统一存储原理与实践》。
于是，买了一本拜读拜读。书不厚，大概花了一下午，简单过了下，有些章节泛读（或跳过）。将一些需要进一步探索的章节输出脑图。
整个书大概可以分3部分，一部分是原理性描述的（也是后续需要重点研究的）；另一部分，描述如何集成部署，这块可以放在以后读，和官网的文档对比了下，差不多（可以跳过）。其余部分，就是一些实践案例分享，一些场景分析（可以泛读，看看自己是否面临类似的问题）。
后续
看了这本书后，对alluxio的一些核心概念产生了兴趣。当然，很多设计理念，世面上大数据框架都有涉及。比如：高可用；master-worker；缓存；时间窗口；缓存策略（LRU等）；远程过程调用等等，可见，底层的实现原理都是通的。于是，萌生了一些好奇，一些策略是如何在alluxio中实践的？
早期，在调研的时候没有好好去看实现细节。经过今天的梳理和反思，感觉是需要细致的去了解下。于是fork源码，打算花上几天理理代码思路。
待续…
