System Design Blogs

1. 推荐系统的理论
https://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy1/

Keywords:
Demographic-based Recommendation
Cold Start
Content-based Recommendation【新品推荐】
Collaborative Filtering-based Recommendation
User-based Recommendation【主流推荐】
K-Neighbor
Item-based Recommendation
Model-based Recommendation
Weighted Hybridization、Switching Hybridization，Mixed Hybridization

补充：

什么是协同过滤

协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤 (Collaborative Filtering, 简称 CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。

协同过滤一般是在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给你。

补充2：

对于 User CF，推荐的原则是假设用户会喜欢那些和他有相同喜好的用户喜欢的东西，但如果一个用户没有相同喜好的朋友，那 User CF 的算法的效果就会很差，所以一个用户对的 CF 算法的适应度是和他有多少共同喜好用户成正比的。

Item CF 算法也有一个基本假设，就是用户会喜欢和他以前喜欢的东西相似的东西，那么我们可以计算一个用户喜欢的物品的自相似度。一个用户喜欢物品的自相似度大，就说明他喜欢的东西都是比较相似的，也就是说他比较符合 Item CF 方法的基本假设

2. 密码保存算法

http://www.zhihu.com/question/20479856
Salt + Hash + Delay

3. 一致性解释
http://blog.csdn.net/duxingxia356/article/details/43992015

4. What really happens when you navigate to a URL
http://igoro.com/archive/what-really-happens-when-you-navigate-to-a-url/

5. REGULAR EXPRESSION
https://regex101.com/

6. 并发处理
Java 基本：http://langgufu.iteye.com/blog/2152608
Java Conditional Lock: http://www.cnblogs.com/skywang12345/p/3496716.html
Java Semaphore: http://www.cnblogs.com/skywang12345/p/3534050.html
Lock-Free Implementation: http://ifeve.com/lmax/