Translate
martes, 5 de septiembre de 2017
Linux supera el 3% de cuota de mercado por primera vez en el escritorio
Según las estadísticas de NetMarketShare para el mes de agosto de 2017, Linux supera el 3% de cuota de mercado por primera vez en el escritorio.
Si bien 3% suena a poco es un gran avance y lo mejor es que la cosa viene mejorando. En lo personal veo a casa vez más gente usando linux.
El crecimiento que ha ido subiendo progresivamente desde junio de 2016, cuando alcanzó el 2%, ha dado un salto bastante significativo este agosto. NetMarketShare sitúa a Linux con un 3,37% de la cuota de mercado de sistemas operativos de escritorio.
Según mi parecer debemos agradecerlo a Ubuntu y Mint, que han llevado el escritorio más cerca del usuario común.
Dejo link: https://www.netmarketshare.com/operating-system-market-share.aspx?qprid=9&qpcustomb=0&qpcd=1&qpct=2
domingo, 3 de septiembre de 2017
Que es Apache Kafka?
Apache Kafka se ha vuelto cada vez más popular, pero porque utilizar kafka?
Apache Kafka es generalmente utilizado en arquitecturas real-time que utilizan Stream de datos, para proporcionar análisis en tiempo real. Kafka es un sistema de mensajería publicación-suscripción rápido, escalable, duradero y tolerante a fallos.
Kafka se usa en casos de uso donde JMS, RabbitMQ y AMQP no pueden ni siquiera ser considerados debido al volumen y a la capacidad de respuesta. Kafka tiene mayor rendimiento, fiabilidad y características de replicación, lo que hace que sea aplicable para cosas como el seguimiento de las llamadas de servicio (rastrea cada llamada) o el seguimiento de los datos de sensores IoT donde una MOM tradicional puede no ser considerada.
Kafka puede trabajar con Flume / Flafka, Spark Streaming, Storm, HBase, Flink y Spark para la consumo, análisis y procesamiento en tiempo real de los datos de transmisión. Kafka es un flujo de datos utilizado para alimentar bases que utiliza Hadoop para análisis BigData. Además, Kafka Streaming (un subproyecto) se puede utilizar para análisis en tiempo real.
Kafka se utiliza para procesamiento de secuencias, seguimiento de actividades de sitios web, recopilación y monitoreo de métricas, agregación de registros, análisis en tiempo real, CEP, carga de datos en Spark, administración de datos en Hadoop, CQRS, computación en memoria (microservicios).
Kafka es una plataforma de streaming distribuida que se utiliza para sistemas stream publicar-suscribirse. Kafka se utiliza para el almacenamiento tolerante a fallos. Kafka replica particiones de registro de temas en varios servidores. Kafka está diseñado para permitir que tus aplicaciones procesen registros a medida que ocurren. Kafka es rápido y utiliza IO de forma eficiente mediante el batching y la compresión de registros. Kafka se utiliza para desacoplar flujos de datos. Kafka se utiliza para transmitir datos en lagos de datos, aplicaciones y sistemas de análisis de flujo en tiempo real.
Y para colmo es compatible para varios lenguajes como C#, Java, C, Python, Ruby (entre otros)...
Kafka permite construir en tiempo real de flujo de tuberías de datos. Kafka habilita micro-servicios en memoria (es decir actores, Akka, Baratine.io, QBit, reactores, reactivos, Vert.x, RxJava, Spring Reactor). Kafka le permite crear aplicaciones de streaming en tiempo real que reaccionan a los flujos para hacer análisis de datos en tiempo real, transformar, reaccionar, agregar, unir flujos de datos en tiempo real y realizar procesamiento de eventos complejos (CEP).
Puede utilizar Kafka para ayudar en la recopilación de métricas / KPIs, agregando estadísticas de muchas fuentes e implementando la generación de eventos. Puede utilizarlo con microservices (en memoria) y sistemas de actor para implementar servicios en memoria (log de confirmación externa para sistemas distribuidos).
Puede utilizar Kafka para replicar datos entre nodos, volver a sincronizar para nodos y restaurar estado. Aunque Kafka se utiliza principalmente para el análisis de datos en tiempo real y el procesamiento de secuencias, también puede utilizarse para la agregación de registros, mensajería, seguimiento de clics, pistas de auditoría y mucho más.
En un mundo donde la ciencia de los datos y el análisis es cada vez mas utilizado, la captura de datos para alimentar las bases de datos y sistemas de análisis en tiempo real también es un gran problema. Y aqu{i es donde Kafka se vuelve muy relevante.
Dejo link: https://dzone.com/articles/what-is-kafka?edition=316422&utm_source=Zone%20Newsletter&utm_medium=email&utm_campaign=big%20data%202017-08-17
https://kafka.apache.org/
Apache Kafka es generalmente utilizado en arquitecturas real-time que utilizan Stream de datos, para proporcionar análisis en tiempo real. Kafka es un sistema de mensajería publicación-suscripción rápido, escalable, duradero y tolerante a fallos.
Kafka se usa en casos de uso donde JMS, RabbitMQ y AMQP no pueden ni siquiera ser considerados debido al volumen y a la capacidad de respuesta. Kafka tiene mayor rendimiento, fiabilidad y características de replicación, lo que hace que sea aplicable para cosas como el seguimiento de las llamadas de servicio (rastrea cada llamada) o el seguimiento de los datos de sensores IoT donde una MOM tradicional puede no ser considerada.
Kafka puede trabajar con Flume / Flafka, Spark Streaming, Storm, HBase, Flink y Spark para la consumo, análisis y procesamiento en tiempo real de los datos de transmisión. Kafka es un flujo de datos utilizado para alimentar bases que utiliza Hadoop para análisis BigData. Además, Kafka Streaming (un subproyecto) se puede utilizar para análisis en tiempo real.
Kafka se utiliza para procesamiento de secuencias, seguimiento de actividades de sitios web, recopilación y monitoreo de métricas, agregación de registros, análisis en tiempo real, CEP, carga de datos en Spark, administración de datos en Hadoop, CQRS, computación en memoria (microservicios).
Kafka es una plataforma de streaming distribuida que se utiliza para sistemas stream publicar-suscribirse. Kafka se utiliza para el almacenamiento tolerante a fallos. Kafka replica particiones de registro de temas en varios servidores. Kafka está diseñado para permitir que tus aplicaciones procesen registros a medida que ocurren. Kafka es rápido y utiliza IO de forma eficiente mediante el batching y la compresión de registros. Kafka se utiliza para desacoplar flujos de datos. Kafka se utiliza para transmitir datos en lagos de datos, aplicaciones y sistemas de análisis de flujo en tiempo real.
Y para colmo es compatible para varios lenguajes como C#, Java, C, Python, Ruby (entre otros)...
Kafka permite construir en tiempo real de flujo de tuberías de datos. Kafka habilita micro-servicios en memoria (es decir actores, Akka, Baratine.io, QBit, reactores, reactivos, Vert.x, RxJava, Spring Reactor). Kafka le permite crear aplicaciones de streaming en tiempo real que reaccionan a los flujos para hacer análisis de datos en tiempo real, transformar, reaccionar, agregar, unir flujos de datos en tiempo real y realizar procesamiento de eventos complejos (CEP).
Puede utilizar Kafka para ayudar en la recopilación de métricas / KPIs, agregando estadísticas de muchas fuentes e implementando la generación de eventos. Puede utilizarlo con microservices (en memoria) y sistemas de actor para implementar servicios en memoria (log de confirmación externa para sistemas distribuidos).
Puede utilizar Kafka para replicar datos entre nodos, volver a sincronizar para nodos y restaurar estado. Aunque Kafka se utiliza principalmente para el análisis de datos en tiempo real y el procesamiento de secuencias, también puede utilizarse para la agregación de registros, mensajería, seguimiento de clics, pistas de auditoría y mucho más.
En un mundo donde la ciencia de los datos y el análisis es cada vez mas utilizado, la captura de datos para alimentar las bases de datos y sistemas de análisis en tiempo real también es un gran problema. Y aqu{i es donde Kafka se vuelve muy relevante.
Dejo link: https://dzone.com/articles/what-is-kafka?edition=316422&utm_source=Zone%20Newsletter&utm_medium=email&utm_campaign=big%20data%202017-08-17
https://kafka.apache.org/
jueves, 31 de agosto de 2017
7 lenguajes que se utilizan en inteligencia artificial
Leí un articulo por demás interesante sobre que lenguajes se utilizan en el desarrollo de sistemas inteligentes, es decir en el desarrollo de inteligencia artificial.
Los 7 lenguajes son:
- Python
- C++
- Lisp
- Java
- Prolog
- Javascript
- Haskell
Personalmente pienso que es bastante raro pero es explicable.
Python tiene la ventaja de ser fácil de utilizar por lo que los investigadores lo utilizan mucho.
C++ se utiliza para programar software que necesita alta performance como la ia.
Lisp, es el lenguaje de los matemáticos.
Java, no se :(
Prolog, es el lenguaje concebido para programar sistemas inteligentes
Javascript, ni idea
Y Haskell similar a lisp, es muy fácil de utilizar por matemáticos.
Otra cosa que me llama la atención es la cantidad de lenguajes funcionales: Lisp y Haskell.
Dejo link: http://www.rankred.com/best-artificial-intelligence-programming-language/
domingo, 27 de agosto de 2017
Empezando con Elixir 6
Funciones
En Elixir y muchos lenguajes funcionales, las funciones son ciudadanos de primera clase.
Funciones Anónimas
Tal como su nombre lo indica, una función anónima no tiene nombre. Como vimos en la lección de Enum, éstos se pasan con frecuencia a otras funciones. Para definir una función anónima en Elixir necesitamos las palabras clave fn y end. Dentro de éstos podemos definir cualquier número de parámetros y cuerpos funcionales separados por ->
iex> sum = fn (a, b) -> a + b end
iex> sum.(2, 3)
5
El operador &
El uso de funciones anónimas es una práctica común en Elixir hay una forma abreviada de hacerlo:
iex> sum = &(&1 + &2)
iex> sum.(2, 3)
5
Como probablemente ya se supone, en la versión abreviada nuestros parámetros están disponibles para nosotros como & 1, & 2, & 3, y así sucesivamente.
Pattern Matching
Pattern matching no esta limitado solo a variables sino que tambien se pueden utilizar en funciones.
Se pueden utilizar pattern matching con el primer conjunto de parámetros que coinciden e invoca el cuerpo correspondiente:
iex> handle_result = fn
...> {:ok, result} -> IO.puts "Handling result..."
...> {:error} -> IO.puts "An error has occurred!"
...> end
iex> some_result = 1
iex> handle_result.({:ok, some_result})
Handling result...
iex> handle_result.({:error})
An error has occurred!
Funciones con nombre
Podemos definir funciones con nombre utilizando la palabra clave def. Las funciones definidas dentro de un modulo pueden ser accedidas por otros módulos:
defmodule Greeter do
def hello(name) do
"Hello, " <> name
end
end
iex> Greeter.hello("Sean")
"Hello, Sean"
Si queremos definir una función en una linea podemos usar do:
defmodule Greeter do
def hello(name), do: "Hello, " <> name
end
Y podemos utilizar pattern matching:
defmodule Length do
def of([]), do: 0
def of([_ | tail]), do: 1 + of(tail)
end
iex> Length.of []
0
iex> Length.of [1, 2, 3]
3
Funciones con nombre y número de argumentos
Como el lenguaje es de tipado débil, la firma de la función esta dada por el nombre de la función y la cantidad de parámetros. Es decir las funciones aceptan sobre carga y esta dada por el numero de parametros:
defmodule Greeter2 do
def hello(), do: "Hello, anonymous person!" # hello/0
def hello(name), do: "Hello, " <> name # hello/1
def hello(name1, name2), do: "Hello, #{name1} and #{name2}"
# hello/2
end
A diferencia de otros lenguajes, la firma de una función esta dada por el nombre y el numero de parámetros.
Funciones privadas
Una función privada solo se puede llamar dentro del modulo y se define con defp :
defmodule Greeter do
def hello(name), do: phrase <> name
defp phrase, do: "Hello, "
end
iex> Greeter.hello("Sean")
"Hello, Sean"
iex> Greeter.phrase
** (UndefinedFunctionError) undefined function: Greeter.phrase/0
Greeter.phrase()
Guards
En el ejemplo siguiente tenemos dos funciones con la misma firma, nos basamos en guards para determinar qué utilizar en función del tipo del argumento:
defmodule Greeter do
def hello(names) when is_list(names) do
names
|> Enum.join(", ")
|> hello
end
def hello(name) when is_binary(name) do
phrase() <> name
end
defp phrase, do: "Hello, "
end
iex> Greeter.hello ["Sean", "Steve"]
"Hello, Sean, Steve"
Argumentos por defecto
Se pueden utilizar argumentos por defecto:
defmodule Greeter do
def hello(name, language_code \\ "en") do
phrase(language_code) <> name
end
defp phrase("en"), do: "Hello, "
defp phrase("es"), do: "Hola, "
end
iex> Greeter.hello("Sean", "en")
"Hello, Sean"
iex> Greeter.hello("Sean")
"Hello, Sean"
iex> Greeter.hello("Sean", "es")
"Hola, Sean"
Cuando combinamos nuestro ejemplo de guard con argumentos predeterminados, nos topamos con un problema. Veamos cómo podría verse:
defmodule Greeter do
def hello(names, language_code \\ "en") when is_list(names) do
names
|> Enum.join(", ")
|> hello(language_code)
end
def hello(name, language_code \\ "en") when is_binary(name) do
phrase(language_code) <> name
end
defp phrase("en"), do: "Hello, "
defp phrase("es"), do: "Hola, "
end
** (CompileError) def hello/2 has default values and multiple clauses, define a function head with the defaults
Elixir no le gusta los argumentos por defecto en múltiples funciones de coincidencia, puede ser confuso. Para manejar esto agregamos una cabeza de función con nuestros argumentos por defecto:
defmodule Greeter do
def hello(names, language_code \\ "en")
def hello(names, language_code) when is_list(names) do
names
|> Enum.join(", ")
|> hello(language_code)
end
def hello(name, language_code) when is_binary(name) do
phrase(language_code) <> name
end
defp phrase("en"), do: "Hello, "
defp phrase("es"), do: "Hola, "
end
iex> Greeter.hello ["Sean", "Steve"]
"Hello, Sean, Steve"
iex> Greeter.hello ["Sean", "Steve"], "es"
"Hola, Sean, Steve"
Dejo link: https://elixirschool.com/en/lessons/basics/functions/
miércoles, 23 de agosto de 2017
Datacamp, aprendiendo a manipular datos
Data + camp, es decir un campamento para datos, es realidad no, datacamp es un sitio donde podemos hacer toda clase de cursos relacionados al procesamiento de datos.
Se pueden hacer toda clase de cursos de manipulación de datos pero se usa sobre todo Python y R. También hay uno sobre Apache spark
Sin más que lo disfruten!!
Dejo link: https://www.datacamp.com/
Comienza la inscripción de los cursos Gugler
Quiero invitarlos a los cursos gugler, que se dictan de forma remota o a distancia o presencial, para mayor información:
Dejo link: https://inscripciones.gugler.com.ar
martes, 22 de agosto de 2017
Ceylon es de la fundación eclipse
Al parecer el lenguaje Ceylon se ha movido a la fundación eclipse. Por medio de un post lo han publicado Stéphane Épardaud y Gavin King, nos han dicho:
"Red Hat es sinónimo de Open source, calidad y confianza a la comunidad. Pero también hemos tenido un temor creciente de que la fuerte asociación con una sola compañía pueda haber frenado nuestra comunidad. Siempre hemos visto este proyecto como un "terreno neutral", no como un vehículo para los objetivos de negocio de una empresa, pero no estamos seguros si el proyecto es percibido de esa manera desde fuera."
Por lo tanto este proyecto va estar bajo la fundación eclipse. Esto no se si es bueno o malo, en lo que coincido es que le va dar una briza más open sources al proyecto y espero que siga creciendo.
Dejo links:
https://ceylon-lang.org/blog/2017/08/21/eclipse-ceylon/
https://projects.eclipse.org/proposals/eclipse-ceylon
"Red Hat es sinónimo de Open source, calidad y confianza a la comunidad. Pero también hemos tenido un temor creciente de que la fuerte asociación con una sola compañía pueda haber frenado nuestra comunidad. Siempre hemos visto este proyecto como un "terreno neutral", no como un vehículo para los objetivos de negocio de una empresa, pero no estamos seguros si el proyecto es percibido de esa manera desde fuera."
Por lo tanto este proyecto va estar bajo la fundación eclipse. Esto no se si es bueno o malo, en lo que coincido es que le va dar una briza más open sources al proyecto y espero que siga creciendo.
Dejo links:
https://ceylon-lang.org/blog/2017/08/21/eclipse-ceylon/
https://projects.eclipse.org/proposals/eclipse-ceylon
sábado, 19 de agosto de 2017
Como va el resumen de Scala for the Impatient? 2
Siguiendo con el post "Como va el resumen de Scala for the Impatient?"
Puff vamos a un ritmo sostenido...
Dejo los links:
http://emanuelpeg.blogspot.com.ar/2017/03/un-resumen-de-scala-for-impatient-parte_26.html
http://emanuelpeg.blogspot.com.ar/2017/04/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/04/un-resumen-de-scala-for-impatient-parte_15.html
http://emanuelpeg.blogspot.com.ar/2017/04/un-resumen-de-scala-for-impatient-parte_30.html
http://emanuelpeg.blogspot.com.ar/2017/05/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/05/un-resumen-de-scala-for-impatient-parte_28.html
http://emanuelpeg.blogspot.com.ar/2017/06/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/06/un-resumen-de-scala-for-impatient-parte_20.html
http://emanuelpeg.blogspot.com.ar/2017/06/un-resumen-de-scala-for-impatient-parte_61.html
http://emanuelpeg.blogspot.com.ar/2017/06/un-resumen-de-scala-for-impatient-parte_25.html
http://emanuelpeg.blogspot.com.ar/2017/07/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/07/un-resumen-de-scala-for-impatient-parte_24.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte_6.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte_31.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte_13.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte_19.html
Puff vamos a un ritmo sostenido...
Dejo los links:
http://emanuelpeg.blogspot.com.ar/2017/03/un-resumen-de-scala-for-impatient-parte_26.html
http://emanuelpeg.blogspot.com.ar/2017/04/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/04/un-resumen-de-scala-for-impatient-parte_15.html
http://emanuelpeg.blogspot.com.ar/2017/04/un-resumen-de-scala-for-impatient-parte_30.html
http://emanuelpeg.blogspot.com.ar/2017/05/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/05/un-resumen-de-scala-for-impatient-parte_28.html
http://emanuelpeg.blogspot.com.ar/2017/06/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/06/un-resumen-de-scala-for-impatient-parte_20.html
http://emanuelpeg.blogspot.com.ar/2017/06/un-resumen-de-scala-for-impatient-parte_61.html
http://emanuelpeg.blogspot.com.ar/2017/06/un-resumen-de-scala-for-impatient-parte_25.html
http://emanuelpeg.blogspot.com.ar/2017/07/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/07/un-resumen-de-scala-for-impatient-parte_24.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte_6.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte_31.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte_13.html
http://emanuelpeg.blogspot.com.ar/2017/08/un-resumen-de-scala-for-impatient-parte_19.html
Un resumen de Scala for the Impatient, parte 30
Traits con implementaciones concretas.
En scala, los métodos de los Trais pueden tener implementaciones. Por ejemplo:
trait ConsoleLogger {
def log(msg: String) { println(msg) }
}
ConsoleLogger provee una implementación, en este caso imprime el log en consola.
Si deseamos utilizar este trait:
class SavingsAccount extends Account with ConsoleLogger {
def withdraw(amount: Double) {
if (amount > balance) log("Insufficient funds")
else balance -= amount
}
…
}
Como se puede ver SavingsAccount es una clase concreta y utiliza el método por defecto de ConsoleLogger. En Java 8, también se puede realizar esto dado que se agregaron los métodos por defecto en las interfaces. Pero en scala una interfaz puede tener estado cosa que no se puede hacer en java.
En scala (y también en otros lenguajes que permiten esto) decimos que la función de ConsoleLog es “mixed in” con la clase SavingsAccount.
Objetos con Trait
Se puede agregar un Trait con una implementación determinada a un objeto cuando se lo instancia. Veamos un ejemplo:
abstract class SavingsAccount extends Account with Logger {
def withdraw(amount: Double) {
if (amount > balance) log("Insufficient funds")
else …
}
...
}
Esta clase es abstracta no tiene implementación para el método log por lo tanto o no podríamos instanciarla o (en java por ejemplo) podemos implementar esto en una clase anónima pero en scala tenemos otra opción podemos agregar una interfaz que implemente este método con la palabra with :
val acct = new SavingsAccount with ConsoleLogger
Por supuesto podemos llamar a otra instancia con diferente traits:
val acct2 = new SavingsAccount with FileLogger
Traits en capas
Puede agregar, a una clase o a un objeto, múltiples rasgos que se invocan entre sí a partir de la última llamada. Esto es útil cuando se necesita transformar un valor en etapas.
Por ejemplo:
trait TimestampLogger extends ConsoleLogger {
override def log(msg: String) {
super.log(s"${java.time.Instant.now()} $msg")
}
}
Supongamos que queremos acotar el mensaje:
trait ShortLogger extends ConsoleLogger {
override def log(msg: String) {
super.log(if (msg.length <= 15) msg else s"${msg.substring(0, 12)}...")
}
}
Como puede ver cada método log es modificado en las traits . La expresión super.log no tiene el mismo significado que en las clases. En los traits la expresión super.log no llama al método del padre sino que importa el orden con que se han agregado. Veamos 2 ejemplos:
val acct1 = new SavingsAccount with TimestampLogger with ShortLogger
val acct2 = new SavingsAccount with ShortLogger with TimestampLogger
Si utilizamos acct1 el log sera:
Sun Feb 06 17:45:45 ICT 2011 Insufficient...
Como podemos ver primero recorta el texto y luego agrega la fecha y si utilizamos acct2 :
Sun Feb 06 1...
Si utilizamos acct2 primero agrega la fecha y luego recorta el texto, con lo que no nos imprime ni siquiera la fecha completa.
Note que se puede indicar con super[ConsoleLog].log(...) de que padre vamos a llamar a este método.
En scala, los métodos de los Trais pueden tener implementaciones. Por ejemplo:
trait ConsoleLogger {
def log(msg: String) { println(msg) }
}
ConsoleLogger provee una implementación, en este caso imprime el log en consola.
Si deseamos utilizar este trait:
class SavingsAccount extends Account with ConsoleLogger {
def withdraw(amount: Double) {
if (amount > balance) log("Insufficient funds")
else balance -= amount
}
…
}
Como se puede ver SavingsAccount es una clase concreta y utiliza el método por defecto de ConsoleLogger. En Java 8, también se puede realizar esto dado que se agregaron los métodos por defecto en las interfaces. Pero en scala una interfaz puede tener estado cosa que no se puede hacer en java.
En scala (y también en otros lenguajes que permiten esto) decimos que la función de ConsoleLog es “mixed in” con la clase SavingsAccount.
Objetos con Trait
Se puede agregar un Trait con una implementación determinada a un objeto cuando se lo instancia. Veamos un ejemplo:
abstract class SavingsAccount extends Account with Logger {
def withdraw(amount: Double) {
if (amount > balance) log("Insufficient funds")
else …
}
...
}
Esta clase es abstracta no tiene implementación para el método log por lo tanto o no podríamos instanciarla o (en java por ejemplo) podemos implementar esto en una clase anónima pero en scala tenemos otra opción podemos agregar una interfaz que implemente este método con la palabra with :
val acct = new SavingsAccount with ConsoleLogger
Por supuesto podemos llamar a otra instancia con diferente traits:
val acct2 = new SavingsAccount with FileLogger
Traits en capas
Puede agregar, a una clase o a un objeto, múltiples rasgos que se invocan entre sí a partir de la última llamada. Esto es útil cuando se necesita transformar un valor en etapas.
Por ejemplo:
trait TimestampLogger extends ConsoleLogger {
override def log(msg: String) {
super.log(s"${java.time.Instant.now()} $msg")
}
}
Supongamos que queremos acotar el mensaje:
trait ShortLogger extends ConsoleLogger {
override def log(msg: String) {
super.log(if (msg.length <= 15) msg else s"${msg.substring(0, 12)}...")
}
}
Como puede ver cada método log es modificado en las traits . La expresión super.log no tiene el mismo significado que en las clases. En los traits la expresión super.log no llama al método del padre sino que importa el orden con que se han agregado. Veamos 2 ejemplos:
val acct1 = new SavingsAccount with TimestampLogger with ShortLogger
val acct2 = new SavingsAccount with ShortLogger with TimestampLogger
Si utilizamos acct1 el log sera:
Sun Feb 06 17:45:45 ICT 2011 Insufficient...
Como podemos ver primero recorta el texto y luego agrega la fecha y si utilizamos acct2 :
Sun Feb 06 1...
Si utilizamos acct2 primero agrega la fecha y luego recorta el texto, con lo que no nos imprime ni siquiera la fecha completa.
Note que se puede indicar con super[ConsoleLog].log(...) de que padre vamos a llamar a este método.
viernes, 18 de agosto de 2017
Java EE bajo una organización open source??
Bueno, yo pensé que Java EE de Oracle iba a ser totalmente de Oracle pero me equivoque...
Al parecer Oracle no le puede sacar dinero a Java EE y por lo tanto quiere donarlo, jeje... Digo yo.
Según lo que han publicado en el blog de la empresa, se quiere que el proceso sea más ágil y responsivo. Por lo tanto se sugiere que sea parte de un fundación open source.
Para dar un resumen concreto, luego de el desarrollo de Java EE 8, vendrá un licenciamiento más flexible y si la papa quema que la agarre el que quiera.
Dejo link: http://www.zdnet.com/article/oracle-considers-moving-java-ee-to-an-open-source-foundation/
miércoles, 16 de agosto de 2017
OpenRA
Quiero recomendarles el Juego OpenRA que es como el Red Alert pero totalmente open source y gratuito. Esta muy bueno!! Es como viajar en el tiempo!!
Dejo link: http://www.openra.net/
domingo, 13 de agosto de 2017
Un resumen de Scala for the Impatient, parte 29
En este capitulo vamos a ver como se trabaja con traits. Los traits
son similares a las interfaces de java solo que estas puede proveer
estados y comportamiento, lo que las hace más útiles.
Una clase puede implementar muchos traits
Un traits puede requerir implementar campos, métodos o súper clases
A diferencia de Java, los traits pueden implementar métodos o
campos.
Cuando se superponen varios traits, el orden es importante: el trait
cuyos métodos se ejecutan primero van en la parte posterior.
Por que no herencia múltiple?
Scala al igual que Java no permite que una clase herede de varias
clases, esto al parecer es una restricción muy grande. Porque no
debemos extender de múltiples clases. Si por ejemplo lenguajes como
C++ lo permiten.
La herencia múltiple trabaja muy bien cuando se combinan clases que
no tienen nada en común, pero cuando combinamos clases que tienen
métodos en común se presentan diferentes problemas.
Veamos un ejemplo un asistente del profesor o alumno auxiliar :
class Student {
def id: String = …
…
}
class Employee {
def id: String = …
...
}
class TeachingAssistant extends Student, Employee { // Ojo que esto
no compila en scala
…
}
Desafortunadamente TeachingAssistant tiene 2 métodos id, por lo
tanto que debe hacer cuando llamamos a myTA.id, siendo myTA una
instancia de TeachingAssistant. (en c++ necesitamos redefinir este
método para clarificar la situación)
Ahora supongamos que tanto el empleado como el estudiante heredan de
persona:
class Person {
var name: String = _
}
class Student extends Person { ... }
class Employee extends Person { ... }
Esto se denomina el problema del diamante, ahora TeachingAssistant
tiene 2 campos nombre pero nosotros solo queremos uno, como se
debería combinar?
En Java se decidió un camino más restrictivo para resolver estos
problemas, no se permite herencia múltiple de clases pero se invento
el concepto de interfaz que no permite que se implementen métodos y
no puede contener atributos pero puede ser heredado de forma
múltiple.
Scala no permite herencia múltiple pero tiene los traits o rasgos.
Un trait puede contener métodos abstractos o concretos y estados y
una clase puede implementar múltiples traits. Ahora veremos como
scala resuelve los conflictos de implementación.
Traits como interfaces Java
Los traits puede ser utilizadas de igual manera que las interfaces de
Java:
trait Logger {
def log(msg: String) // Método abstracto
}
No es necesario indicar que este método es abstracto, si no se
implementa en un trait es automáticamente abstracto.
Y una clase puede proveer una implementación:
class ConsoleLogger extends Logger { // Se usa extends y no
implements
def log(msg: String) { println(msg) } // No es necesario el
override
}
No es necesario agregar override cuando se sobrescribir un método
abstracto de un trait.
Si es necesario agregar más interfaces, se debe hacerlo con la
palabra clave with :
class ConsoleLogger extends Logger with Cloneable with Serializable
Como se puede ver se están utilizando interfaces Cloneable y
Serializable que son de Java, sin ningún problema.
martes, 8 de agosto de 2017
Nuevo centro de contenido de MongoDB
Me llego el siguiente mail, y quería compartirlo con ustedes:
| ||||||||||||
MongoDB Inc., 2017. Todos los derechos reservados. Palacio de Miraflores, Suite 219 & 220, Carrera de San Jerónimo 15 - 2, Madrid 28014, Spain Para darse de baja de futuros mensajes de MongoDB o para actualizar sus preferencias de correo electrónico haga clic aquí. | |||||
domingo, 6 de agosto de 2017
Un resumen de Scala for the Impatient, parte 28
Expresiones Regulares
Cuando tomamos un texto como entrada podemos utilizar expresiones regulares para analizarlos. La clase scala.util.matching.Regex nos puede facilitar las cosas, para construir este objeto, se puede utilizar el método r de la clase String:
val numPattern = "[0-9]+".r
Si la expresión regular contiene barras invertidas o comillas, entonces es una buena idea usar la sintaxis de cadena "raw", "" "..." "". Por ejemplo:
val wsnumwsPattern = """\s+[0-9]+\s+""".r
// A bit easier to read than "\\s+[0-9]+\\s+".r
El metodo findAllIn retorna un iterador que itera por todas las coincidencias. Y esto se puede utilizar en un for :
for (matchString <- numPattern.findAllIn("99 bottles, 98 bottles"))
process matchString
O podemos retornar un arreglo con toArray :
val matches = numPattern.findAllIn("99 bottles, 98 bottles").toArray
// Array(99, 98)
Si buscamos solo el primer elemento que coincida, podemos utilizar el método findFirstIn. Que retorna un Option[String]
val m1 = wsnumwsPattern.findFirstIn("99 bottles, 98 bottles")
// Some(" 98 ")
Para comprobar si el principio de una cadena coincide, utilice findPrefixOf:
numPattern.findPrefixOf("99 bottles, 98 bottles")
// Some(99)
wsnumwsPattern.findPrefixOf("99 bottles, 98 bottles")
// None
Si se desea remplazar la primera coincidencia o todas las coincidencias:
numPattern.replaceFirstIn("99 bottles, 98 bottles", "XX")
// "XX bottles, 98 bottles"
numPattern.replaceAllIn("99 bottles, 98 bottles", "XX")
// "XX bottles, XX bottles"
Grupos de expresiones regulares.
Los grupos son útiles para obtener subexpresiones de expresiones regulares. Añada paréntesis alrededor de las subexpresiones que desea extraer, por ejemplo:
val numitemPattern = "([0-9]+) ([a-z]+)".r
Para hacer coincidir los grupos, utilice el objeto de expresión regular como un "extractor":
val numitemPattern(num, item) = "99 bottles"
// Sets num to "99", item to "bottles"
Si desea extraer grupos de coincidencias múltiples, utilice una instrucción for de este modo:
for (numitemPattern(num, item) <- numitemPattern.findAllIn("99 bottles, 98 bottles"))
process num and item
Cuando tomamos un texto como entrada podemos utilizar expresiones regulares para analizarlos. La clase scala.util.matching.Regex nos puede facilitar las cosas, para construir este objeto, se puede utilizar el método r de la clase String:
val numPattern = "[0-9]+".r
Si la expresión regular contiene barras invertidas o comillas, entonces es una buena idea usar la sintaxis de cadena "raw", "" "..." "". Por ejemplo:
val wsnumwsPattern = """\s+[0-9]+\s+""".r
// A bit easier to read than "\\s+[0-9]+\\s+".r
El metodo findAllIn retorna un iterador que itera por todas las coincidencias. Y esto se puede utilizar en un for :
for (matchString <- numPattern.findAllIn("99 bottles, 98 bottles"))
process matchString
O podemos retornar un arreglo con toArray :
val matches = numPattern.findAllIn("99 bottles, 98 bottles").toArray
// Array(99, 98)
Si buscamos solo el primer elemento que coincida, podemos utilizar el método findFirstIn. Que retorna un Option[String]
val m1 = wsnumwsPattern.findFirstIn("99 bottles, 98 bottles")
// Some(" 98 ")
Para comprobar si el principio de una cadena coincide, utilice findPrefixOf:
numPattern.findPrefixOf("99 bottles, 98 bottles")
// Some(99)
wsnumwsPattern.findPrefixOf("99 bottles, 98 bottles")
// None
Si se desea remplazar la primera coincidencia o todas las coincidencias:
numPattern.replaceFirstIn("99 bottles, 98 bottles", "XX")
// "XX bottles, 98 bottles"
numPattern.replaceAllIn("99 bottles, 98 bottles", "XX")
// "XX bottles, XX bottles"
Grupos de expresiones regulares.
Los grupos son útiles para obtener subexpresiones de expresiones regulares. Añada paréntesis alrededor de las subexpresiones que desea extraer, por ejemplo:
val numitemPattern = "([0-9]+) ([a-z]+)".r
Para hacer coincidir los grupos, utilice el objeto de expresión regular como un "extractor":
val numitemPattern(num, item) = "99 bottles"
// Sets num to "99", item to "bottles"
Si desea extraer grupos de coincidencias múltiples, utilice una instrucción for de este modo:
for (numitemPattern(num, item) <- numitemPattern.findAllIn("99 bottles, 98 bottles"))
process num and item
Un resumen de Scala for the Impatient, parte 27
Revisar un directorios.
No existe una clase oficial para revisar directorios en carpetas pero vamos a ver algunas alternativas.
Es muy simple escribir una función que recorra todas las carpetas y subcarpetas:
import java.io.File
def subdirs(dir: File): Iterator[File] = {
val children = dir.listFiles.filter(_.isDirectory)
children.toIterator ++ children.toIterator.flatMap(subdirs _)
}
Con esta función se puede visitar todos los subdirectorios:
for (d <- subdirs(dir)) process d
Si utilizamos Java 7, se puede utilizar el metodo walkFileTree de la clase java.nio.file.Files. Esta clase hace uso de la interfaz FileVisitor. En scala se prefiere utilizar funciones de objetos y no interfaces. Por lo tanto podemos adaptar esta funcionalidad a una visión más scala:
import java.nio.file._
implicit def makeFileVisitor(f: (Path) => Unit) = new SimpleFileVisitor[Path] {
override def visitFile(p: Path, attrs: attribute.BasicFileAttributes) = {
f(p)
FileVisitResult.CONTINUE
}
}
Por lo tanto se pueden imprimir todos los directorios de esta manera:
Files.walkFileTree(dir.toPath, (f: Path) => println(f))
Si se quiere realizar otra acción, se pasara otro método y no println
Serialización.
Esto no tiene ninguna relación con los cereales (jeje). En Java, la serialización es utilizada para cuando queremos transmitir un objeto a otra maquina virtual o para guardar el objeto por un tiempo mínimo.
En scala se puede utilizar el mismo mecanismo pero su declaración es un tanto diferente:
Java:
public class Person implements java.io.Serializable {
private static final long serialVersionUID = 42L;
…
}
Scala:
@SerialVersionUID(42L) class Person extends Serializable
El Trait Serializable esta definido en el paquete scala por lo que no es necesario ningún import.
Si nos olvidamos de @SerialVersionUID este tomara un valor por defecto.
Serializar y desserializar un objeto es similar a Java:
val fred = new Person(...)
import java.io._
val out = new ObjectOutputStream(new FileOutputStream("/tmp/test.obj"))
out.writeObject(fred)
out.close()
val in = new ObjectInputStream(new FileInputStream("/tmp/test.obj"))
val savedFred = in.readObject().asInstanceOf[Person]
En scala las colecciones son seriabilizables por lo que se pueden utilizar como atributos de objetos seriabilizables:
class Person extends Serializable {
private val friends = new ArrayBuffer[Person] // OK—ArrayBuffer is serializable
…
}
Procesos de control
Tradicionalmente los administradores de sistema utilizan un script de shell para hacer tareas de mantenimiento como mover archivos o combinarlos. Los lenguajes script hacen fáciles estas tareas pero como lenguajes de programación dejan mucho que desear.
Scala fue diseñado para poder hacer desde humildes script a grandes aplicaciones. El paquete scala.sys.process provee utilidades para interactuar con programas shell. Es decir que podemos escribir programas tipo shell con scala.
Veamos un ejemplo simple:
import sys.process._
"ls -al .." !
Como resultado obtendremos el listado de todos los archivos del directorio. sys.process tiene un convertidor implícito de string al objeto ProcessBuilder. Y con el operador ! ejecutamos el comando.
El resultado del operador ! es un numero entero que si es 0 el comando tuvo éxito y si es distinto de 0, no.
Si utilizamos el operador !! esto retornara un string :
val result = "ls -al .." !!
Se puede utilizar este resultado como entrada de otros programas con el operador |# que es similar al operador | de linux:
"ls -al .." #| "grep sec" !
Se puede redireccionar la salida con el operador #>
"ls -al .." #> new File("output.txt") !
Si se desea que se agregar en el archivo se puede utilizar #>>
"ls -al .." #>> new File("output.txt") !
Y si se desea introducir una estrada se debe utilizar #<
"grep sec" #< new File("output.txt") !
Se puede introducir un input desde una URL :
"grep Scala" #< new URL("http://horstmann.com/index.html") !
Notemos que los operadores de scala se diferencian de los operadores bash solo porque comienzan con el carácter #.
Suscribirse a:
Entradas (Atom)