@Maxxxxyu out 了，刚知道还可以用 type c 充电，我去研究下

控制平面的组件 kube-apiserver kube-scheduler kube-controller-manager 一般是以 static-pod 运行的
kube-proxy kube-flannel 是以 dameonset 运行的，因为每个节点都要

10.20 下单 14''顶配 1T ，预计 19-26 送达的，今天下午终于送到了，等得心烦

10 月 20 号下的单 14''M1Max 32 核 GPU 64G 1T ，预计 11/19-26 号到，刚刚终于准备发货了，等得焦虑

兄弟，打开 crash 啊，crash 日志 https://pastebin.com/zkixENfM

iPhone 11, iOS 15.1

绿家一般争取下能到 2.5，不过这也得看你和中介的关系，2.3 的名额很少，还需要绿家的领导审批。

有说找绿家的中介带看，可以私下找黄家的人交易，哈哈。我当时没那么做，前前后后让绿家中介带我看了 3，4 个月房，那样做的话有点罪恶感。

你要是觉得中介费太高了，可以让多带看房，哈哈，买房的时候多砍价，有时中介不想再折腾了能快点成交，也会让点中介费，不过不会太多。

抓包看下什么内容，再看下 150 这台机器上 53396 端口运行的什么程序

15 年到 17 年在 IBM CDL 待了一年半，说些我个人对 IBM 的看法，希望能帮助到你。

从企业文化，对新人的培养，对员工的关怀来说，IBM 应该是做的非常好的，和身边同学所在的国内公司相比，还没听说比 IBM 做的好的。IBM 真的让你认同他们的企业文化，不是说说空话，喊口号那种。刚入职时，公司会对新员工做为期两年的培训，非技术上的培训，主要是培训职场技能，如何变的职业，如何高效的完成工作，如何处理工作中与同事上司的各种事情。说实话，对我帮助非常大，我见过很多技能很优秀的人，但是做起事来总有种和其身份不匹配的感觉，让人感觉不专业。IBM 对员工关怀也很好(相对国内一些企业来说)，很少听说关于 IBM 一些不厚道的做。想起一件事，之前 CDL 要换成节能灯管，换了一片区域之后，有同事反应比较晃眼(我没啥感觉)，公司就叫停更换，中国区全部换回之前的灯管。当然裁员除外，大公司裁起人来，真的很冷血，我之前的组的美国前辈在公司已经工作 24 年，MIT 毕业，DE 级别，说裁就裁。

上面说养老的，能力差的也不是假的。新人进 IBM，大部分都从螺丝钉做起，事情非常具体，除非你有很强的自我驱动能力，主动展现你有承担其它任务的能力，否则可能很长时间你都在做一件事情，你也会对这件事越来越熟练，工作变得很轻松，没有压力，每天像养老一样。相比国内公司需要你什么都会，时间久了的确会显得你技术不突出，能力有些差。不过 IBM 也有很多非常牛的人，之前在 IBM 的同事技术也有很多优秀的，国内很多 IT 公司都是 IBM 的人出去搞的，牛人总是自我驱动的。

IBM 中国这两年的确不咋好，考虑到大环境，外企混得都不好。如果你希望成为快速技术大拿，可能国内的公司更好些，你能接触到的面更广些，当然相应地工作也累很多。如果你手上没有大厂的 offer，对职业生涯还比较迷茫，IBM 也不失一个好的选择，可以给你对 IT 企业有一个不一样的视角。

真心希望国内的 IT 企业向 IBM 学习一下，当然这是不可能的，学习一下企业文化和怎么对待员工。

@yuuko 我的也在上面，怎么弄到下面[Facepalm]

提个工单，看能不能恢复下

我这里显示正常

OS X EI Capitan
Version 10.11.6

有，即使我改一行代码都有两个人来 review ，你得解释清楚为什么这么改，他们看得非常认真。有时还不止看改动，还把前面的代码也看下。顺便说下，他们都是工作 2 ， 30 年的人，有时我都不好意思。

还是要谴责下这些无良的机构，楼主要多留个心眼啊

我前两天也遇到了，打电话给客服投诉，威胁他不解决我就去工信部网站投诉，结果下午就给我解决了

你用 Xcode 写的什么程序，不是用来拯救世界的吧？

PS: 是 CPU 啦，不是 CUP 了，感觉怪怪的

适合发个微博庆祝下，发个帖子，内容有点单薄了啊

厉害，就是那些标题都硬编码了，不便于做国际化啊

@anonymoustian Hadoop 是一个数据处理框架，包含很多组件， Mapreduce 是数据处理的模型，本质上是函数式编程， HDFS 是 Hadoop 框架下的大数据存储组件，用来存储海量数据的。 Spark 是一种新的数据处理模型，在 MR 的基础上做了很多改进，但在某些情况下，如内存不足其也会退化到 MR 。 Hadoop 2.0 之后采用 Yarn 来做资源管理，将资源管理和数据计算进一步组件化，既然 MR 是一个组件，当然可以用 Spark 来替换 MR 做数据处理，所以说 Spark 运行在 Hadoop 上。现在 Spark 社区很火热，出了很多东西，做大数据的得跟进下