如何實現壹個線程池，使用線程池的優點c++？
linuxc並沒有自帶的線程池，純C的線程池很少
1：使用glib的線程池，gthreadpool，這個是linuxC下面的壹個線程池實現，可以用於生產環境。
2：自己設計線程池，但是設計壹個工業強度的線程池是壹件非常復雜的事情，尤其用C來實現。壹般思路就是建立壹個線程池管理函數，壹個線程函數並創建壹組線程，壹個全局的線程狀態數組，線程管理函數通過全局線程狀態數組來分派任務，線程函數更改自己的線程狀態來上報自己的運行情況，實現起來還是相當復雜的。建議不要重復造輪子，直接使用現有的線程池實現，glib是很好的選擇。
大數據處理為什麽要用python？
大數據的數據從哪裏來?除了部分企業有能力自己產生大量的數據，大部分時候，是需要靠爬蟲來抓取互聯網數據來做分析。
網絡爬蟲是Python的傳統強勢領域，最流行的爬蟲框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能夠獨當壹面的類庫。
不過，網絡爬蟲並不僅僅是打開網頁，解析HTML這麽簡單。高效的爬蟲要能夠支持大量靈活的並發操作，常常要能夠同時幾千甚至上萬個網頁同時抓取，傳統的線程池方式資源浪費比較大，線程數上千之後系統資源基本上就全浪費在線程調度上了。Python由於能夠很好的支持協程(Coroutine)操作，基於此發展起來很多並發庫，如Gevent，Eventlet，還有Celery之類的分布式任務框架。被認為是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了對高並發的支持，網絡爬蟲才真正可以達到大數據規模。
抓取下來的數據，需要做分詞處理，Python在這方面也不遜色，著名的自然語言處理程序包NLTK，還有專門做中文分詞的Jieba，都是做分詞的利器。
數據處理
萬事俱備，只欠東風。這東風，就是數據處理算法。從統計理論，到數據挖掘，機器學習，再到最近幾年提出來的深度學習理論，數據科學正處於百花齊放的時代。數據科學家們都用什麽編程?
如果是在理論研究領域，R語言也許是最受數據科學家歡迎的，但是R語言的問題也很明顯，因為是統計學家們創建了R語言，所以其語法略顯怪異。而且R語言要想實現大規模分布式系統，還需要很長壹段時間的工程之路要走。所以很多公司使用R語言做原型試驗，算法確定之後，再翻譯成工程語言。
Python也是數據科學家最喜歡的語言之壹。和R語言不同，Python本身就是壹門工程性語言，數據科學家用Python實現的算法，可以直接用在產品中，這對於大數據初創公司節省成本是非常有幫助的。正式因為數據科學家對Python和R的熱愛，Spark為了討好數據科學家，對這兩種語言提供了非常好的支持。
Python的數據處理相關類庫非常多。高性能的科學計算類庫NumPy和SciPy，給其他高級算法打了非常好的基礎，matploglib讓Python畫圖變得像Matlab壹樣簡單。Scikit-learn和Milk實現了很多機器學習算法，基於這兩個庫實現的Pylearn2，是深度學習領域的重要成員。Theano利用GPU加速，實現了高性能數學符號計算和多維矩陣計算。當然，還有Pandas，壹個在工程領域已經廣泛使用的大數據處理類庫，其DataFrame的設計借鑒自R語言，後來又啟發了Spark項目實現了類似機制。
對了，還有iPython，這個工具如此有用，以至於差點把他當成標準庫而忘了介紹。iPython是壹個交互式Python運行環境，能夠實時看到每壹段Python代碼的結果。默認情況下，iPython運行在命令行，可以執行ipythonnotebook在網頁中運行。用matplotlib繪制的圖可以直接嵌入式的顯示在iPythonNotebook中。
iPythonNotebook的筆記本文件可以***享給其他人，這樣其他人就可以在自己的環境中重現妳的工作成果;如果對方沒有運行環境，還可以直接轉換成HTML或者PDF。
為什麽是Python
正是因為應用開發工程師、運維工程師、數據科學家都喜歡Python，才使得Python成為大數據系統的全棧式開發語言。
對於開發工程師而言，Python的優雅和簡潔無疑是最大的吸引力，在Python交互式環境中，執行importthis，讀壹讀Python之禪，妳就明白Python為什麽如此吸引人。Python社區壹直非常有活力，和NodeJS社區軟件包爆炸式增長不同，Python的軟件包增長速度壹直比較穩定，同時軟件包的質量也相對較高。有很多人詬病Python對於空格的要求過於苛刻，但正是因為這個要求，才使得Python在做大型項目時比其他語言有優勢。OpenStack項目總***超過200萬行代碼，證明了這壹點。
對於運維工程師而言，Python的最大優勢在於，幾乎所有Linux發行版都內置了Python解釋器。Shell雖然功能強大，但畢竟語法不夠優雅，寫比較復雜的任務會很痛苦。用Python替代Shell，做壹些復雜的任務，對運維人員來說，是壹次解放。
對於數據科學家而言，Python簡單又不失強大。和C/C++相比，不用做很多的底層工作，可以快速進行模型驗證;和Java相比，Python語法簡潔，表達能力強，同樣的工作只需要1/3代碼;和Matlab，Octave相比，Python的工程成熟度更高。不止壹個編程大牛表達過，Python是最適合作為大學計算機科學編程課程使用的語言——MIT的計算機入門課程就是使用的Python——因為Python能夠讓人學到編程最重要的東西——如何解決問題。