Question

本书到此为止，我们已经看到了做剖析来理解你代码中运行慢速的部分，编译并使用numpy来让你的代码运行得更快，以及各种各样针对多进程和多主机的方法。在倒数第二章，我们将看到多种通过不同的数据结构和概率手段来使用更少RAM的方法。这些教程能够帮助你把所有数据存放于一台机器上，从而免去了运行集群的需求。

[1]　当我们正使用AWS工作时，这将具有相当大的优势，我们能够让nsqd进程运行于一个保留实例上，而我们的消费者工作于临时实例的集群中。

[2]　这种异步性来自于NSQ的协议以基于推送的方式来发送消息给消费者。这使得我们的代码能够在后台从NSQ的连接中异步读取，当发现消息时就唤醒。

[3]　这种类型的数据分析链被称作管道化，可以是一种有效的方法来高效地对相同的数据执行多种类型的分析。

[4]　你也能手动使用一个HTTP调用轻易地发布一条消息。无论如何，这个nsq.Writer对象大大简化了错误处理。