Win10系统 存储中系统和保留 占用空间非常大，导致C盘空间爆了

今天电脑正常开机，打开微信发现很卡，消息都发不出去，网络正常可以浏览网页，发现C盘爆红了，提示C盘空间不足。然后，我看了下C盘，发现存储中系统和保留占用空间非常大！

一个叫系统和保留的东西，居然占了110G的空间。难怪其它应用起不来。

然而，在网上找了各种方法都无效。但是，网上大部分都是说，这个系统和保留是以前的老系统啊，或者系统升级文件残留，可是，我找了半天也没看到。

Everything软件下载网址：

https://www.onlinedown.net/soft/85579.htm

打开Everything这个软件，把路径限定到C:\Windows\System32\，然后用把所有文件按大小，倒序排列

才发现 C:\Windows\System32\winevt目录下有很多个类似Archive-Security-2020-01-21-07-46-54-273.evtx的log文件，好像是记录之前每天电脑运行的log文件，占用了大约80G的空间。

手动将那些log文件删掉，C盘空间就恢复了。

一般可能是迭代次数太多，数组开太大，用scanf的时候忘记使用地址符，有些测试数据处理不了。
还有比较特殊的情况是，代码有时候太多了，也会爆。

遇到特殊的再添加…

在当下时间即是成本的快节奏生活中，短视频系统的高产出快迭代，能以最短的时间向用户传递内容核心，同时优质内容又能在最短的时间内发酵并触达用户，乃至在用户自发互动中形成“全民模仿”、“全民狂欢”的风潮。

短视频系统足够下沉且直接触达用户，凭借短短十几秒的内容极大缩短了内容方与用户之间的路径。一旦有优质内容出现，不需要太多的发酵时间，就能迅速在短视频平台得到用户之间的互动与自发传播，以点带面为内容方带来海量关注。



短视频系统平台快手如何提高服务质量

首先，我们先对短视频系统软件的优势进行分析一番。

1、内容丰富：短视频系统应用把服务内容垂直细分化，根据用户的需求去分为几大板块;比如生活、娱乐、情感、动漫、社会等等，让每一位用户都可以从中去观看到优质的服务内容。

2、符合大众审美：这一款手机应用端所有的功能都能够满足用户，并且对于主播的要求不高，只要你敢直播、有才华，都可以成为平台内的忠实主播，从而提高了平台的用户基数。

3、内容质量有保障：平台为了提高品牌竞争力，其要求内容具有原创度以及创新性。并且会实时对主播内容进行审核，只有审核通过的内容方可出现在首页，从而提高用户的使用体验。

短视频系统是如何为用户提供服务的呢?

1、用户注册：只要你敢想、敢说，你都可以成为平台中的一员，完美的展示出个人风采。

2、美颜直播：现如今，大多数用户都喜欢用美颜去呈现自己。因此，这一款手机客户端结合当前用户的美颜需求，线上推出了不同风格的滤镜以及美颜效果，而用户可以根据自己的喜爱线上去设置，从而吸引更多的粉丝。

3、分享互动：为了提高用户的黏性，短视频APP制作与各大移动社交平台合作，用户可以把自己喜爱的内容一键分享给好友。这样不仅可以促进双方的情感交流，同时还能提高平台的用户基数。

    短视频系统开发应该以用户体验为核心，提高平台内容的原创度和创新性，并且要实时对视频内容进行审核，只有审核通过的内容方可出现在首页，从而提高用户的使用体验。

 

 

分布计算系统框架，按照数据集的特点来说，主要分为data-flow和streaming两种。data-flow主要是以数据块为数据源来处理数据，代表有：MR、Spark等，我称作它们为大数据，而streaming主要是处理单位内得到的数据，这种方式，更注重于实时性，主要包括Strom、JStorm和Samza等，我称作它们为快数据。
在这篇文章中，我主要谈论streaming相关的框架。
第一个是Storm，一个实时计算系统，它假定数据源是动态的，可以向流水一样处理数据。
它的特点是：低延迟、高性能、分布式、可扩展和容错性。
架构如下图所示。



Storm的具体概念可以参照：http://blog.csdn.net/hljlzc2007/article/details/12976211，这里不做具体介绍。
Storm目前算是最最稳定的开源流式处理框架，但是个人认为它有两个问题。
1. Storm虽然支持多个语言编写spout和bolt端的代码，但是它的主要技术实现是clojure，这给玩大数据、开源的朋友带来了极大的不变，因为大家会的语言不是以java和C++等大众语言为主，这样的话，变得不可控了，难以深入了解、修改其细节。
2. Storm可以支持在Yarn(Hadoop 2.0)上，可以和其他开源框架共享Hadoop集群的资源，但是性能不佳，这个有待Storm改善
当然无论如何，Storm依然是目前开源流式处理框架的王者。
第二个我想说的是JStorm，这个是阿里做的，算是Storm的另一个实现，它用的语言是Java.
特点：
1. 客户端的API与Storm基本上是一致的，如果从Storm迁移过来，不需要修改bolt和spout的代码
2. Jstrom比Strom稳定，速度更快
3. 提供了一些新的特性
大家有兴趣可以去玩玩，项目地址https://github.com/alibaba/jstorm 
第三个是Samza
Samza是由LinkedIn开源的一个技术，它是一个开源的分布式流处理系统，非常类似于Storm。不同的是它运行在Hadoop之上，并且使用了自己开发的Kafka分布式消息处理系统。
这是Linkin开发的一个小而美的项目，如何美呢？
1. 只有几千行代码，完成的功能就可以和Storm媲美，当然目前还有很多的不足
2. 和Kafka结合紧密，更方便的处理数据
3. 运行在Yarn上
之前我做过的一个项目，是Kafka + Storm + ElasticSearch，将来完全可以将Storm替换成Samza，这样的话，还可以利用Hadoop集群的资源，做一些存储、离线分析的功能。将实时处理和离线分析都运行在Hadoop上，不得不说Samza是一个伟大的项目，这样可以减少项目的增长复杂度，利于维护，还是那句话，小而美的东西，更受欢迎一些。
架构：
Samza主要包含三层，
1. 流处理层 --> Kafka
2. 执行层     --> YARN
3. 处理层    --> Samza API
Samza的流处理层和执行层都是可插拔式的，开发人员可以使用其他框架来替代，不局限于上述两种技术。
Samza提供了一个YARN ApplicationMaster，和YARN job，运行在集群之外，下图中不同颜色代表不同的主机。
Samza客户端告诉YARN的Resouce Manager，它想启动一个Samza job， YARN RM 告诉YARN Node manager，分配空间给YARN ApplicationMaster，NM指定完空间后，YARN container会运行Samza Task Runner。


Samza状态管理
流式处理数据对状态的管理是很难的，由于数据是流动的，本身没有状态，这样就需要靠历史数据来记录应用的场合，Samza提供了一个内部的key-value数据库，它是基于LevelDB，运行的JVM之外的，使用它来存储历史数据。这样的做的好处是：
1. 减少JVM的开销
2. 使用内部存储，极大提高的吞吐率
3. 减少并发操作
Samza处理流程.
下图是Samza官方给的一例子，根据Member ID分组，计算页面访问次数。入口消息分别来自Machine1、2，出口是Machine3，我们可以这样理解，消息分散在不同的消息系统中（Kafka），Samza从不同的Kafka中读取topic，在将topic进行处理后，发送到Machine3，这里不做过多分解，具体可以参照官方文档。




项目地址：https://github.com/apache/incubator-samza
官方文件：http://samza.incubator.apache.org/
以上给了我们无限遐想，Storm是否会保持领先地位，Samza能否取而代之呢，无论如何，作为开发者来说，几千行代码，我都迫不及待去要读一下了。