大家好，今天小编关注到一个比较有意思的话题，就是关于tb语言python开源的问题，于是小编就整理了2个相关介绍tb语言python开源的解答，让我们一起看看吧。
python怎么运行cgi程序？
如果是python2.X的话，可以使用modpython进行python的web编程。如果升级到python3.X的话，则可以使用wsgi。因为modpython不支持python3在这里介绍使用cgi进行python的web编程，然后通过简单的例子进行示范。使用php编程的童鞋都知道，apache在运行php程序之前需要对apache进行配置。同样，使用python也需要配置。python的apache配置基本上四个步骤：
1、打开***.conf，找到 #ScriptinterpreterSource Registry，把前面的#去掉。如果没有找到这句话，则自行添加。
2、找到AddHandler cgi-script，去掉前面的#，在后面加上.py3、找到Options Indexes FollowSymLinks，在其后加上ExecCGI, 去掉 Indexes4、保存，重启apache。之后就可以进行python的编程了，编辑 p.py:[python] view plain copy print?#!D:\\software\python\python.exe #encoding:gb2312 #import cgi, cgitb print("Content-type:text/html\r\n\r\n") print("<html>") print("<head><title>Hello,python</title></head>") a="100"; print("<body><h1>hello, i am " ) print(a) print("</h1></body>") print("</html>") 然后在浏览器中输入： 127.0.0.1/p.py,就可以看到输出了：hello, i am 100
2019年，Hadoop还是数据处理的可选方案吗？
2019年，对于大的互联网公司来说，已经渐渐开始不用Hadoop的MapReduce计算框架，不过对于一些小公司，还是会使用Hadoop作为数据处理的一种方案。
Hadoop自2006年开源以来，最初来源谷歌的两篇文章，GFS和MapReduce。到现在还有很多互联网公司进行使用。不过由于大的互联网公司强大的自己研发实力，已经慢慢开始弃用Hadoop，转而开始通过自研来解决公司的大数据计算场景。
Hadoop整体包含三个模块：MapReduce、HDFS、Yarn。MapReduce是Hadoop的分布式计算框架，在对大数据文件进行数据处理的，会先对文件进行分片，每一个都是一个人Map任务，所以一个大文件，会有多个Map任务同时处理，每个Map任务只处理部分数据：
虽然Hadoop MapReduce计算框架分布式并行的处理数据，但是有一个问题就是，在进行数据Shuffle的时候，数据会临时在磁盘上，由于磁盘IO方面比较慢，有时候一个MapReduce任务可能运行好几个小时。Shuffle的含义就是数据从Map任务段到Reduce任务段的过程。
大型互联网公司，由于数据量非常巨大，同时业务场景有非常复杂，不可能接受一个任务跑几个小时的。所以一些互联网公司开始使用Spark计算框架来代替Hadoop MapReduce，比如头条。阿里的话，开始通过自研来解决这个问题，比如自研了MaxCompute框架、伏羲分布式调度、***分布式文件存储等。
小型互联网公司有两个特点，一个是公司业务场景没有那么复杂，另一个是数据体量不大。所以在技术选型时，不过要求特别复杂，只要能够满足业务场景即可。所以很多小公司在大数据技术选型时，都会使用Hadoop来作为大数据计算框架。
使用Hadoop作为数据处理方案，还有一个好处就是，便于统一管理和运维，小公司人员比较少，一般都是一个人负责集群的搭建、运维、维护等。Hadoop包含了计算、存储、***管理，对于小公司来说，也已经够使用了。
到此，以上就是小编对于tb语言python开源的问题就介绍到这了，希望介绍关于tb语言python开源的2点解答对大家有用。
