Posted 2019-05-01Updated 2019-05-01Tool / Windowsa few seconds read (About 13 words)

MSYS配置

功能

Ctags

https://ctag.sourceforge.net下载ctag.exe
加入/path/to/mingw64/bin

Posted 2019-03-21Updated 2021-07-16Database / Hadoop27 minutes read (About 4104 words)

Zookeeper

Zookeeper是一个协调软件服务，用于构建可靠的、分布式群组

提供群组成员维护、领导人选举、工作流协同、分布式系统同步、命名、配置信息维护等服务
提供广义的分布式数据结构：锁、队列、屏障、锁存器
Zookeeper促进户端间的松耦合，提供最终一致的、类似传统文件系统中文件、目录的Znode视图，提供基本操作，如：创建、删除、检查Znode是否存在
提供事件驱动模型，客户端能观察到Znode的变化
Zookeeper运行多个Zookeeper Ensemble以获得高可用性，每个服务器上的Ensemble都持有分布式系统内存副本，为客户端读取请求提供服务

zookeeper_structure

Flume

Flume是分布式日志收集系统，收集日志、事件等数据资源，并集中存储

Flume组件、结构

旧版本组件、结构
新版本组件、结构：每个Flume整体称为Agent
- 两个版本的组件功能、数据流结构都有区别
- 但是3大组件基本可以一一对应（功能略有差异）
Agent是一组独立的JVM守护进程，从客户端、其他Agent接收数据、迅速传递给下个目的节点
支持多路径流量、多管道接入流量、多管道接出流量、上下文路由

Source（Agent）

采集数据，是Flume产生数据流的地方

运行在数据发生器所在的服务器上，接收数据发生器接受数据，将数据以event格式传递给一个或多个Channel
支持多种数据接收方式
- Avro Source：支持Avro RPC协议，内置支持
- Thrift Source：支持Thrift协议
- Exec Source：支持Unix标准输出
- JMS Source：从JMS（消息、主题）读取数据
- Spooling Directory Source：监控指定目录内数据变更
- Twitter 1% firehose Source：通过API持续下载Twitter 数据
- Netcat Source：监控端口，将流经端口的每个文本行数据作为Event输入
- Sequence Generator Source：序列生成器数据源
- HTTP Source：基于POST、GET方式数据源，支持JSON、BLOB 格式
收集数据模式
- Push Source：外部系统主动将数据推送到Flume中，如 RPC、syslog
- Polling Source：Flume主动从外部系统获取数据，如 text、exec

Channel （Collector）

暂时的存储容器，缓存接收到的event格式的数据，直到被sink消费

在source、sink间起桥梁作用
Channel基于事务传递Event，保证数据在收发时的一致性
Channel可以和任意数量source、sink连接
主要Channel类型有
- JDBC channel：数据持久化在数据库中，内置支持Derby
- File Channel：数据存储在磁盘文件中
- Memory Channel：数据存储在内存中
- Spillable Meemory Channel：优先存在内存中，内存队列满则持久到磁盘中
- Custom Channel：自定义Channel实现

Sink（Storage Tier）

将从Channel接收数据存储到集中存储器中（HDFS、HBase）

Flume Event

Flume事件是内部数据传输最小基本单元、事务处理基本单位

由一个装载数据的byte array、可选header构成
- 数据对Flume是不透明的
- header是容纳键值对字符串的无需集合，键在集合内唯一
- header可以在上下文路由中使用扩展，如：数据清洗
Event将传输数据进行封装

Flume架构特性（旧版）

Reliablity

Flume提供了3种数据可靠性选项

End-to-End：使用磁盘日志、接受端Ack的方式，保证Flume接收数据最终到导致目的地
Store on Failure：目的地不可用时，将数据保存在本地硬盘，但进程如果出问题，可能丢失部分数据（发送后目的地不可用）
Best Effort：不做任何QoS保证

Scalability

易扩展性

Flume三大组件都是可伸缩的
Flume对事件的处理不需要带状态，Scalability容易实现

Avaliablity

高可用性：Flume引入Zookeeper用于保存配置数据

Zookeeper本身可以保证配置数据一致性、高可用
在配置数据发生变化时，Zookeeper通知Flume Master节点 Flume Master节点通过gossip协议同步数据

flume_distributed_deployment

Manageablity

易管理性

多个Master，保证可以管理大量节点

Extensibility

可开发性：可以基于Java为Flume添加各种新功能

实现Source子类，自定义数据接入方式
实现Sink子类，将数据写入特定目标
实现SinkDecorator子类，对数据进行一定的预处理

适合场景

高效率的从多个网站服务器收集日志信息存储在HDFS上
将从多个服务器获取的数据迅速移交给Hadoop
可以收集社交网络站点事件数据，如：facebook、amazon

Kafka

分布式、分区的、可复制的Message System（提交日志服务），得益于特有的设计，Kafka具有高性能、高可扩展的特点

完全分布式系统，易于横向扩展、处理极大规模数据
同时为发布、订阅提供极高吞吐能力
支持多订阅，出现失败状态时，可以自动平衡消费者
将消息持久化到磁盘，保证消息系统可靠性，可用于消息批量消费应用（ETL系统）、实时应用

Kafka组件

kafka_structure

Topic

话题：特定类型的消息流

话题是消息的分类机制
- 消息产生器向Kafka发布消息必须指定话题
Kafka安照Topic维护接收到的消息
- 话题被划分为一系列分区
- Kafka集群为每个Topic维护一个分区日志文件存储消息

消息是字节的Payload（有效载荷）

Producer

生产者：向Kafka发布消息的进程

生产者需要指定消息分配至哪个分区
- 采用Round-Robin方式方便均衡负载
- 根据应用的语义要求，设置专用Partition Function进行消息分区

Broker

代理：AMQP客户端，保存已经发布消息的服务器进程

AMQP：the Advanced Message Queuing Protocal，标准开放的应用层消息中间件协议。AMQP定义了通过网络发送的字节流的数据格式，兼容性非常好，任何实现AMQP协议的程序可以和兼容AMQP协议兼容的其他应用程序交互，容易做到跨语言、跨平台。

一组代理服务器构成Kafka集群
Kafka代理是无状态的，消费者需要自行维护已消费状态信息
- 因此Kafka无法知晓信息是否已经被消费、应该删除，因此代理使用简单的、基于时间的Serice Level Agreement应用于保留策略，消息在代理中超过一定时间自动删除
- 这种设计允许消费者可以重复消费已消费数据
  - 虽然违反队列常见约定
  - 但是实际应用中很多消费者有这种特征
消息代理将紧密耦合的系统设计解耦，可以对未及时处理的消息进行缓存
- 提高了吞吐能力
- 提供了分区、复制、容错支持
Kafka代理通过Zookeeper与其他Kafka代理协同
- 系统中新增代理或代理故障失效时，Zookeeper通知生产者、消费者
- 生产者、消费者据此开始同其他代理协同工作

Consumer

消费者：向Kafka subscribe话题，以处理Kafka消息的进程

消费者可以订阅一个或多个话题，从代理拉取数据，消费已经发布的消息
消费者获取消息系统一般采用两种模型
- Queuing：队列模型，一组消费者从一个服务器读取信息，每个消息仅可被其中一个消费者消费
- Publish Subscribe：发布订阅模型，消息被广播给所有消费者
Kafka采用一种抽象方法：消费者组Consumer Group提供对上述两种消息系统模型的支持
- 给每个消费者打上属于某个消费者组的标签（这里组只是表示同组内消费者只能有一个消费信息）
- 每个发布到话题的消息分发给消费者组的其中一个消费者
- 一般情况下每个话题下有多个消费者组，每个组中有多个消费者实例，以达到扩展处理能力、容错
- 极端情况：如果所有消费者实例都隶属于同一个消费者组， Kafka工作模式类似于队列模型；所有消费者实例隶属于不同的消费者组，Kafka工作模式类似于发布-订阅模型

消息分区、存储、分发

分区日志

每个分区是有序的、不可更改、可在末尾不断追加的消息序列

分区优势

允许Kafka处理超过一台服务器容量的日志规模
分区作为并行处理基本单元，允许Kafka进行并行处理
通过保证每个分区仅仅由一个消费者消费，可以保证同一分区内消息消费的有序
- 由于可以设置很多分区，仍然可以保证在不同消费者之间实现负载均衡
- 分区内外保证消息有序、数据分区处理对大部分实际应用已经足够

分区管理

每个分区由单独的（一组）服务器处理，负责该分区数据管理、消息请求，支持多个副本以支持容错

每个分区中有一台服务器作为leader、若干服务器作为follower
领导者负责分区读、写请求，跟随者以被动的方式领导者数据进行复制
领导者失败，则追随者之一在Zookeeper协调下成为新领导者
为保证负载均衡，每个服务器担任部分分区领导者、其他分区追随者

存储布局

Kafka存储布局非常简单

kafka_storage

分区存储

话题每个分区对应一个逻辑日志
每个日志为相同的大小的一组分段文件
生产者发布的消息被代理追加到对应分区最后一个段文件中
发布消息数量达到设定值、经过一段时间后，段文件真正写入磁盘，然后公开给消费者

Offset

分区中每个消息的Sequential ID Number（Offset），唯一标识分区中消息，并没有明确的消息ID

偏移量是增量的但不连续，下个消息ID通过在其偏移量加上消息长度得到
偏移量标识每个消费者目前处理到某分区消息队列的位置，对分区消息队列处理依赖于其（消息通过日志偏移量公开）
偏移量由消费者控制，所以消费者可以以任何顺序消费消息
- 可以回推偏移量重复消费消息
- 设计消费者仅仅查看分区末尾若干消息，不改变消息，其他消费者可以正常的消费

从消息分区机制、消费者基于偏移量消费机制，可以看出Kafka消息消费机制不会对集群、其他消费者造成影响

适合场景

Messaging：消息传递，作为传递消息队列（ActiveMQ、 RabbitMQ等）替代品，提供高吞吐能力、高容错、低延迟
Website Activity Tracking：网站活动跟踪，要求系统必须快速处理产生消息
Metric：度量，把分布式各个应用程序的运营数据集中，进行汇总统计
Streaming Processing：流数据处理
Event Sourcing：事件溯源，把应用程序状态变化以时间顺序存储，需要支持大量数据
Commit Log：日志提交，作为分布式系统提交日志的外部存储服务

Storm

Storm是分布式、高容错的实时流数据处理的开源系统

Storm为流数据处理设计，具有很高的容错性
Storm保证每个消息只能得到一次完整处理，任务失败时会负责从消息源重试消息，从而支持可靠的消息处理
可以通过实现Storm通讯协议，提供其他语言支持

Storm架构

storm_structure

主节点的运行Nimbus守护进程
- 分配代码
- 布置任务
- 故障检测
工作节点运行Supervisor守护进程
- 监听、开始、终止工作进程
Nimbus、Supervisor都是无状态的（不负责维护客户端两次调用之间状态维护）
- 这使得两者十分健壮
- 两者之间的协调由Zookeeper完成
Storm在ZeorMQ内部传递消息

Nimbus

Supervisor

Worker

Storm编程模型

Stream

数据流：没有边界的tuple序列

这些tuple以分布式的方式，并行的创建、处理

Topology

计算拓扑：实时计算应用程序处理逻辑封装成的Topology对象

相当于Mapreduce作业，但是MapReduce作业最终会结束、而 Topology会一直运行直到被杀死
Topology由Spout、Bolt组成

Spout

消息源：消息tuple生产者

消息源可以是可靠的、不可靠的
可靠的消息源可在tuple没有被storm成功处理时，可以重新发送
不可靠的消息源则在发送tuple之后彻底丢弃

Bolt

消息处理者：封装所有的消息处理逻辑

Bolt可以做很多事情，包括过滤、聚集
Bolt一般数据处理流程
- 处理一个输入tuple，发送0个、多个tuple
- 调用ack接口，通知storm子集已经处理过了

Task、Executor

Topology每个Spout、Bolt转换为若干个任务在整个集群里执行

默认情况下，每个Task对应一个线程Executor，线程用于执行 task
同一个Spout/Bolt里的Task共享一个物理线程

Stream Grouping

数据分发策略：定义Spout、Bolt间Tasks的数据分发

Shuffle Grouping：洗牌式分组，上游Spout数据流tuples随机分发到下游Bolt的Task
Fields Grouping：按指定字段进行分组
All Grouping：Spout数据tuple分发给所有下Bolt
Global Grouping：Spout数据tuple分发给最小id的task
Non-Grouping：类似shuffle Grouping，把具有Non-Grouping 设置Bolt推到其订阅的上游Spout、Bolt
Direct Grouping：tuple生产者决定接收tuple下游bolt中的task
Local or Shuffle Grouping：如果目标bolt中由一个或多个 task工作在同一进程中，tuple分配给这些task，否则同洗牌式分组
Partial Key Grouping：类似Fields Grouping，但是在下游 Bolt中做负载均衡，提高资源利用率

消息处理保证

Storm追踪由每个SpoutTuple产生的Tuple树

每个从Spout发出tuple，可能会生成成千上万个tuple
- 根据血缘关系形成一棵tuple树
- 当tuple树中所有节点都被成功处理了，才说明tuple被完全处理
每个Topology都有一个消息超时设置，如果Storm在时间内无法检验tuple树是否完全执行，该tuple标记为执行失败，之后重发

重发

Posted 2019-03-21Updated 2021-08-04Linux / Tool / Vi13 minutes read (About 1912 words)

Vimscripts 编程

变量

普通变量

创建变量、变量赋值都需要用到let关键字

let foo = "bar"
echo foo
let foo = "foo"
echo foo

数字

Number32位带符号整形（整形之间除法同c）
- :echo 0xef：16进制
- :echo 017：8进制（鉴于以下，不建议使用）
- :echo 019：10进制（9不可能出现，vim自动处理）
Float
- :echo 5.1e-3：科学计数法）
- :echo 5.0e3：科学计数法中一定要有小数点

类型转换：Number和Float运算时会强制转换为Float

字符串

类型转换

+、if这些“运算”中，vim会强制转换变量类型
- 数字开头的字符串会转为相应Number（即使符合Float也会舍弃小数点后）
- 而非数字开头则转换为0
连接.
- .连接时vim可以自动将Number转换为字符串然后连接
- 但是对于 Float，vim不能自动转换
转义\：
- 注意echom "foo\nbar"类似的输出时，echom不会像 echo一样输出两行，而是将换行输出为vim默认（即使设置了listchars）的“换行符”
字符串字面量''
- 所见即所得（py中r’’)，注意连续两个单引号表示单引号
内建字符串函数
- strlen(str)（len(str)效果对字符串同）
- split(str, token=" ")
- join([str], token=" ")
- tolower(str)
- toupper(str)
字符串比较==、==？、==#
- ==：对字符串比较是否大小写敏感取决于设置
  1
  2
  3
  4
  5
  6
  7
  8
  9
  set noignorecase
  if "foo"=="Foo"
  echo "bar"（不会输出）
  endif
  
  set ignorecase
  if "foo"=="Foo"
  echo "bar"（会输出）
  endif
- ==?：对字符串比较大小写永远不敏感
- ==#：对字符串比较大小写永远敏感
<、>：同上，也有3种

集合类型变量

列表

vim列表特点

有序、异质
索引从0开始，可以使用负数索引，使用下标得到对应元素
支持切割
- 是闭区间（这个和python不同）
- 可以负数区间切割
- 可以忽略起始/结尾索引表示从0开始/末尾截至
- 切割区间越界是安全的
  
  字符串可以像列表一样切割、索引，但是不可以使用负数索引，却可以使用负数切割
+用于连接两个列表

列表内建函数

add(list, item)：添加新元素
len(list)：列表长度
get(list, index, default_val)：获取列表元素，越界则返回default_val
index(list, item)：返回元素索引，不存在返回-1
join(list, token)：将列表中元素转换为字符串后，使用 toke连接，缺省为<space>
reverse(list)：反转列表

字典

字典特性

值是异质的，键可以不是字符串，但是会被强制转换为字符串，因此，在查找值时也可以使用非字符串dict[100]，同样会被强制转换为字符串dict["100"]之后查找
支持属性.查找，甚至可以后接Number
添加新元素就和普通赋值一样：let dict.100 = 100
移除字典中的元素
- remove(dict, index)
- unlet dict.index/unlet dict[index] 移除不存在的元素事报错

允许定义时多一个,

内建函数

get(dict, index, default_val)：同列表
has_key(dict, index)：检查字典中是否有给定键，返回 1（真）或0（假）
item(dict)：返回字典键值对，和字典一样无序
keys(dict)：返回字典所有键
values(dict)：返回字典所有值

作为变量的选项

bool选项输出0、1
1
2
:set wrap
:set nowrap
键值选项
1
2
:set textwidth=80
:echo &textwidth
本地选项（l:作用域下）
1
let &l:number=1

选项变量还可以参与运算

1 2	let &textwidth=100 let &textwidht = &textwidth + 10

作为变量的寄存器

let @a = "hello"
echo @a
echo @"
echo @/

变量作用域

以<char>:开头表示作用域变量

变量默认为全局变量
b:：当前缓冲区作用域变量
g:：全局变量

语句

条件语句

vim中没有not关键字，可以使用!表示否定

!：否
||：或
&&：与

if "1one"
	echo "one"（会输出）
endif
if ! "one"
	echo "one"（会输出）
else
	echo "two"
endif

`finish`关键字

finally时结束整个vimscripts的运行

循环语句

`for`语句

let c = 0
for i in [1,2,3]
	let c+=i
endfor
echom c

`while`语句

let c = 1
let total = 0
while c<=4
	let total+=c
	let c+=1
endwhile
echom total

函数

没有作用域限制的vimscripts函数必须以大写字母开头（有作用域限制最好也是大写字母开头）

func Func(arg1,...)
	echo "Func"
	echo a:arg1（arg1）
	echo a:0（额外（可变）参数数量）
	echo a:1（第一个额外参数）
	echo a:000（所有额外参数的list）
	return "Func"
endfunction

当function后没有紧跟!时，函数已经被定义，将会给出错误，而function!时会直接将原函数替换，除非原函数正在执行，此时仍然报错

调用方式
- :call Func()：call直接调用（return值会被直接丢弃）
- :echo Func()：表达式中调用
函数结束时没有return，隐式返回0
函数参数：最多20个
- 参数全部位于a:参数作用域下
  - a:arg1：一般参数
  - a:0：额外（可变）参数数量
  - a:n：第n个额外参数
  - a:000：包含额外参数list
- 参数不能重新赋值

vim中函数可以赋值给变量，同样的此时变量需要大写字母开头，当然可以作为集合变量的元素，甚至也可以作为参数传递

function! Reversed(l)
	let nl = deepcopy(a:l)
	call reverse(nl)
	return nl
endfunction

let Myfunc = function("Reversed")

function! Mapped(func, l)
	let nl = deepcopy(a:l)
	call map(nl, string(a:func) . '(v:val)')
	return nl
endfunction

call Mapped(function("Reversed"), [[3,2], [1,2]])

let funcs = [function("Reversed"), function("Mapped")]

更多函数参见functions.vim（如果完成了）

Execute、Normal

:execute：把字符串当作vimscript命令执行（命令行输入） :execute "echom 'hello, world'"<cr>

大多数语言中应该避免使用”eval”之类构造可执行字符串，但是 vimscripts代码大部分只接受用户输入，安全不是严重问题，使用:execute命令能够极大程度上简化命令

:execute命令用于配置文件时，不要忽略结尾的<cr>，表示“执行命令”
:normal：接受一串键值，并当作是normal模式接受按键
- :normal后的按键会执行映射，:normal!忽略所有映射
- :normal无法识别“”这样的特殊字符序列 :normal /foo<cr> 这样的命令并不会搜索，因为“没有按回车”
:execute和:normal结合使用，让:normal接受按下 “无法打印”字符（<cr>、<esc>等），execute能够接受按键
1
2
:execute "normal! gg/foo\<cr>dd"
:execute "normal! mqA;\<esc>`q"

正则表达式

vim有四种不同的解析正则表达式的“模式”

默认模式下\+表示“一个或多个之前字符”的正常+意义，其他的符号如{,},*也都需要添加转义斜杠表示正常意义，否则表示字符字面意
- :execute "normal! gg/for .\\+ in .\\+:\<cr>： execute接受字符串，将\\转义，然后正则表达式解析，查找python的for语句
- :execute "normal! gg".'/for .\+ in .\+:'."\<cr>"：使用字符串字面量避免\\，但是注意此时\<cr>也不会被转义为按下回车（\n才是换行符），所以需要分开书写、连接
\v模式下，vim使用“very magic”正常正则解析模式
- :execute "normal! gg".'/\vfor .+ in .+:'."\<cr>"

Posted 2019-03-21Updated 2021-07-16Tool / Markup Language17 minutes read (About 2530 words)

Cmd Markdown Reference

我们理解您需要更便捷更高效的工具记录思想，整理笔记、知识，并将其中承载的价值传播给他人，Cmd Markdown 是我们给出的答案 —— 我们为记录思想和分享知识提供更专业的工具。您可以使用 Cmd Markdown：

整理知识，学习笔记

发布日记，杂文，所见所想

撰写发布技术文稿（代码支持）

撰写发布学术论文（LaTeX 公式支持）

除了您现在看到的这个 Cmd Markdown 在线版本，您还可以前往以下网址下载：

Windows/Mac/Linux 全平台客户端

请保留此份 Cmd Markdown 的欢迎稿兼使用说明，如需撰写新稿件，点击顶部工具栏右侧的 新文稿 或者使用快捷键 Ctrl+Alt+N。

什么是 Markdown

Markdown 是一种方便记忆、书写的纯文本标记语言，用户可以使用这些标记符号以最小的输入代价生成极富表现力的文档：譬如您正在阅读的这份文档。它使用简单的符号标记不同的标题，分割不同的段落，粗体或者斜体某些文字，更棒的是，它还可以

1. 制作一份待办事宜 Todo 列表

[ ] 支持以 PDF 格式导出文稿
[ ] 改进 Cmd 渲染算法，使用局部渲染技术提高渲染效率
[x] 新增 Todo 列表功能
[x] 修复 LaTex 公式渲染问题
[x] 新增 LaTex 公式编号功能

2. 书写一个质能守恒公式^LaTeX

$E=mc^2$

3. 高亮一段代码^code

@requires_authorization
class SomeClass:
    pass

	if __name__ == '__main__':
		    # A comment
			    print 'hello world'

4. 高效绘制流程图

st=>start: Start
op=>operation: Your Operation
cond=>condition: Yes or No?
e=>end

st->op->cond
cond(yes)->e
cond(no)->op

5. 高效绘制序列图

1
2
3

Alice->Bob: Hello Bob, how are you?
Note right of Bob: Bob thinks
Bob-->Alice: I am good thanks!

6. 高效绘制甘特图

title 项目开发流程
 section 项目确定
      需求分析       :a1, 2016-06-22, 3d
        可行性报告     :after a1, 5d
		        概念验证       : 5d
				    section 项目实施
					        概要设计      :2016-07-05  , 5d
							        详细设计      :2016-07-08, 10d
									        编码          :2016-07-15, 10d
											        测试          :2016-07-22, 5d
													    section 发布验收
														        发布: 2d
																        验收: 3d

7. 绘制表格

项目	价格	数量
计算机	$1600	5
手机	$12	12
管线	$1	234

8. 更详细语法说明

想要查看更详细的语法说明，可以参考我们准备的 Cmd Markdown 简明语法手册，进阶用户可以参考 Cmd Markdown 高阶语法手册了解更多高级功能。

总而言之，不同于其它 所见即所得 的编辑器：你只需使用键盘专注于书写文本内容，就可以生成印刷级的排版格式，省却在键盘和工具栏之间来回切换，调整内容和格式的麻烦。Markdown 在流畅的书写和印刷级的阅读体验之间找到了平衡。 目前它已经成为世界上最大的技术分享网站 GitHub 和技术问答网站 StackOverFlow 的御用书写格式。

什么是 Cmd Markdown

您可以使用很多工具书写 Markdown，但是 Cmd Markdown 是这个星球上我们已知的、最好的 Markdown 工具——没有之一：）因为深信文字的力量，所以我们和你一样，对流畅书写，分享思想和知识，以及阅读体验有极致的追求，我们把对于这些诉求的回应整合在 Cmd Markdown，并且一次，两次，三次，乃至无数次地提升这个工具的体验，最终将它演化成一个 编辑/发布/阅读 Markdown 的在线平台——您可以在任何地方，任何系统/设备上管理这里的文字。

1. 实时同步预览

我们将 Cmd Markdown 的主界面一分为二，左边为编辑区，右边为预览区，在编辑区的操作会实时地渲染到预览区方便查看最终的版面效果，并且如果你在其中一个区拖动滚动条，我们有一个巧妙的算法把另一个区的滚动条同步到等价的位置，超酷！

2. 编辑工具栏

也许您还是一个 Markdown 语法的新手，在您完全熟悉它之前，我们在 编辑区 的顶部放置了一个如下图所示的工具栏，您可以使用鼠标在工具栏上调整格式，不过我们仍旧鼓励你使用键盘标记格式，提高书写的流畅度。

tool-editor

3. 编辑模式

完全心无旁骛的方式编辑文字：点击 编辑工具栏 最右侧的拉伸按钮或者按下 Ctrl + M，将 Cmd Markdown 切换到独立的编辑模式，这是一个极度简洁的写作环境，所有可能会引起分心的元素都已经被挪除，超清爽！

4. 实时的云端文稿

为了保障数据安全，Cmd Markdown 会将您每一次击键的内容保存至云端，同时在 编辑工具栏 的最右侧提示 已保存 的字样。无需担心浏览器崩溃，机器掉电或者地震，海啸——在编辑的过程中随时关闭浏览器或者机器，下一次回到 Cmd Markdown 的时候继续写作。

5. 离线模式

在网络环境不稳定的情况下记录文字一样很安全！在您写作的时候，如果电脑突然失去网络连接，Cmd Markdown 会智能切换至离线模式，将您后续键入的文字保存在本地，直到网络恢复再将他们传送至云端，即使在网络恢复前关闭浏览器或者电脑，一样没有问题，等到下次开启 Cmd Markdown 的时候，她会提醒您将离线保存的文字传送至云端。简而言之，我们尽最大的努力保障您文字的安全。

6. 管理工具栏

为了便于管理您的文稿，在 预览区 的顶部放置了如下所示的 管理工具栏：

tool-manager

通过管理工具栏可以：

功能

Ctags

Flume

Flume组件、结构

Source（Agent）

Channel （Collector）

Sink（Storage Tier）

Flume Event

Flume架构特性（旧版）

Reliablity

Scalability

Avaliablity

Manageablity

Extensibility

适合场景

Kafka

Kafka组件

Topic

Producer

Broker

Consumer

消息分区、存储、分发

分区日志

分区优势

分区管理

存储布局

分区存储

Offset

适合场景

Storm

Storm架构

Nimbus

Supervisor

Worker

Storm编程模型

Stream

Topology

Spout

Bolt

Task、Executor

Stream Grouping

消息处理保证

变量

普通变量

数字

字符串

类型转换

集合类型变量

列表

字典

内建函数

作为变量的选项

作为变量的寄存器

变量作用域

语句

条件语句

finish关键字

循环语句

for语句

while语句

函数

Execute、Normal

正则表达式

什么是 Markdown

1. 制作一份待办事宜 Todo 列表

2. 书写一个质能守恒公式LaTeX

3. 高亮一段代码code

4. 高效绘制 流程图

5. 高效绘制 序列图

6. 高效绘制 甘特图

7. 绘制表格

8. 更详细语法说明

什么是 Cmd Markdown

1. 实时同步预览

2. 编辑工具栏

3. 编辑模式

4. 实时的云端文稿

5. 离线模式

6. 管理工具栏

7. 阅读工具栏

`finish`关键字

`for`语句

`while`语句

2. 书写一个质能守恒公式^LaTeX

3. 高亮一段代码^code

4. 高效绘制流程图

5. 高效绘制序列图

6. 高效绘制甘特图