<<上篇 | 首页 | 下篇>>

10个SCRUM最佳实践

下面是对Scrum的一些最佳做法的列表: 

  • 燃尽图可以用来监测冲刺的状态。 用图形跟踪计划比用表格更好。

 

  • 计划扑克是一种有用的评估完成Sprint 任务项花费时间的方法。 使用斐波那契数列做为规划扑克数字是一个很好的做法。

 

  • ROI(投资回报率)可用于确定Sprint任务项目的优先级。 计划扑克也可以用来确定的ROI值。

 

  • 使用任务板和简单的计划/报告工具(例如Excel, SPR intometer , projectsimple )跟踪过程和质量,这已经足够了。

 

  • Scrum方法不对每件事做文档,但是,这并不意味着“没有文档”。 根据需要,必要的文档是可以做的。

  • 每日早会的长度不得超过15分钟。 Scrum是一种灵活的方法,没有人需要听取其他成员问题的详细信息。 这些细节可能只需要团队成员的子集与Scrum Master在每日会议后进行讨论。

  • 每日会议应该站立进行,为了尽量使会议时间短。 会议地点和时间建议每天都相同。

  • 产品的需求 Backlog 可能包含不会开发的项。 根据ROI值,某些Backlog 项可能不被开发,这是正常的。 产品需求 Backlog,应该包含所有可能的需求项。为了 管理简单并给它们编号。

  • Sprint 迭代的长度(以周为单位),不建议中途更改。 但根据冲刺回顾会议结果,如果有很重要的原因冲刺周期长度可以改变。

  • 每天6小时,是一个现实的计划输入。 冲刺小时的总量,可以计算为:(团队成员)*(冲刺天数)* 6小时

 

       原文:http://agile.dzone.com/articles/10-scrum-methodology-best

标签 :

HBase MapReduce实例分析 - 新城主力唱好 - 博客园

跟Hadoop的无缝集成使得使用MapReduce对HBase的数据进行分布式计算非常方便,本文将介绍HBase下 MapReduce开发要点。很好理解本文前提是你对Hadoop MapReduce有一定的了解,如果你是初次接触Hadoop MapReduce编程,可以参考 "第一个MapReduce应用" 这篇文章来建立基本概念。

 


阅读全文……

标签 : , ,

Ken Wu's Blog » HBase性能调优

官方Book Performance Tuning部分章节没有按配置项进行索引,不能达到快速查阅的效果。所以我以配置项驱动,重新整理了原文,并补充一些自己的理解,如有错误,欢迎指正。

配置优化

zookeeper.session.timeout
默认值:3分钟(180000ms)
说明:RegionServer与Zookeeper间的连接超时时间。当超时时间到后,ReigonServer会被Zookeeper从RS集群清单中移除,HMaster收到移除通知后,会对这台server负责的regions重新balance,让其他存活的RegionServer接管.
调优:
这个timeout决定了RegionServer是否能够及时的failover。设置成1分钟或更低,可以减少因等待超时而被延长的failover时间。
不过需要注意的是,对于一些Online应用,RegionServer从宕机到恢复时间本身就很短的(网络闪断,crash等故障,运维可快速介入),如果调低timeout时间,反而会得不偿失。因为当ReigonServer被正式从RS集群中移除时,HMaster就开始做balance了(让其他RS根据故障机器记录的WAL日志进行恢复)。当故障的RS在人工介入恢复后,这个balance动作是毫无意义的,反而会使负载不均匀,给RS带来更多负担。特别是那些固定分配regions的场景。

 

hbase.regionserver.handler.count
默认值:10
说明:RegionServer的请求处理IO线程数。
调优:
这个参数的调优与内存息息相关。
较少的IO线程,适用于处理单次请求内存消耗较高的Big PUT场景(大容量单次PUT或设置了较大cache的scan,均属于Big PUT)或ReigonServer的内存比较紧张的场景。
较多的IO线程,适用于单次请求内存消耗低,TPS要求非常高的场景。设置该值的时候,以监控内存为主要参考。
这里需要注意的是如果server的region数量很少,大量的请求都落在一个region上,因快速充满memstore触发flush导致的读写锁会影响全局TPS,不是IO线程数越高越好。
压测时,开启Enabling RPC-level logging,可以同时监控每次请求的内存消耗和GC的状况,最后通过多次压测结果来合理调节IO线程数。
这里是一个案例?Hadoop and HBase Optimization for Read Intensive Search Applications,作者在SSD的机器上设置IO线程数为100,仅供参考。

阅读全文……

标签 : , ,