深入分析Java编程与Python编程的区别
Java和Python都是炙手可热的编程语言，Java是2017年世界排名第一的编程语言，Python是2017年最受欢迎的编程语言，两者有着本质的区别。
版本
Java和Python是开源语言，大多是Java代码的中文版，Python主要是英文版。 跨平台方式不同
Jva跨平台依赖于各种类库提供每个平台接口，以实现跨平台效果。 另一方面，Python的跨平台由语言本身的特性决定，在很多平台上直接编写Python代码就可以执行。 面向对象
Java语言的设计集中在对象及其接口上，提供了简单的类机制和动态接口模型。 对象封装了其状态变量和相应的方法，实现了模块化和信息隐藏。类提供了对象原型，继承机制允许子类使用父类提供的方法实现代码重用
与Java相比，Python以非常强大和简单的方式实现面向对象的编程。 Python既支持面向过程的函数编程，也支持面向对象的抽象编程。 在面向过程的语言中，程序由过程或只包含可重用代码的函数构建。 在面向对象语言中，程序是由数据和功能相结合的对象构成的。
文件： n459.com/file/25127180-478863045
以下内容无关。
---------分割线---------
CNCF概述
CNCF (cloudnativecomputingfoundation )、中文是“云计算基金会”、cncf是Linux基金会旗下的基金会，可以理解为非营利组织。
当时用于在谷歌内部组织容器的Borg项目变成了开源。 为了更好地发展这个项目，谷歌与Linux基金会一起成立了CNCF。 同时，谷歌用Go语言重写了Borg，改名为Kubernetes，捐赠给了CNCF。
成立这个组织的最初目的和愿景，简而言之：
云本机核算推进可持续发展
帮助云本地技术开发人员快速构建优质产品
CCF通过建立社区、管理多个开源项目等手段推动技术和生态系统的发展。
APM
你应该听说过应用性能监控(APM )和分布式跟踪(Distributed Tracing )。 其中后者是前者的子集。 分布式跟踪这个名词是随着微服务的流行而兴起的，主要是为了解决微服务体系结构中请求链路过长导致的定位和监控困难问题。 目前，这一领域的知名产品有捷豹、飞利浦、Zipkin等，竞争非常激烈，但由此带来了一个问题。 每个人都有自己的数据收集标准和SDK，几乎都基于谷歌dapper协议，但彼此的实现差异很大。 为了解决这个问题，国外的大神们先做了OpenTracing和OpenCensus，我们先来看看这两个产品。
开放跟踪
OpenTracing制定了独立于平台、独立于制造商的协议标准，使开发人员可以轻松添加或更换基础APM实现。
2016年11月的时候发生了里程碑事件。 CNCF.io接受开放跟踪，同时这也是CNCF的第三个项目。 前两个已经很有名了。 可见，Kubernetes和Prometheus在开源世界中重视APP，重视统一标准，渴望统一标准。
遵循开放跟踪协议的产品有Jaeger、Zipkin等。
开放中心
中国有句老话。 现有的瑜先生在做什么呢？ 开放跟踪本身更快，更流行。 为什么需要一个叫OpenCensus的项目？
在此补充一下背景知识，首先论述了分散跟踪，实际上APM领域包括Metrics指标监视，例如cpu、存储器、硬盘、网络等机械指标、grpc的要求延迟、错误率等网络协议指标、
首先，这个项目有非常强大的zzdhmg。 谷歌甚至是分布式跟踪的基础论文都是谷歌提出的，可以说谷歌是zzdhmg。
第二，开放中心的最初目标不是剥夺开放跟踪的工作，而是通过Go语言的度量收集、链接跟踪和Go语言附带的配置文件工具来统一用户的使用方式。 随着项目的进展，野心也膨胀了，但从这个时候开始，我开始幻想为什么不统一其他各种语言的关联采集。 然后项目小组发现了开放跟踪。 突然，作为我k，谷歌，我们没有玩标准。 你们想玩标准来统一世界吗？ 【这里是作者的疯子】这样，开放中心的场景进一步扩大，不仅监控了度量的基础指标，还进行了开放跟踪的老本行——分布式跟踪。
一个谷歌是足够做zzdhmg的牛，再加一个微软就会撒娇的眼神怎么样？ 要起飞吗？ 因此，对于开放中心的发展来说，微软的直接加入打破了一直以来的竞争平衡，间接地导致了后来的OpenTelemetry项目的诞生。
OpenTracin
g vs OpenCensus这里直接把 Steve Flanders的对比图拿了过来
功能特性
可以看到，OpenTracing和OpenCensus从功能和特性上来看，各有优缺点。OpenTracing支持的语言更多、相对对其他系统的耦合性要更低；OpenCensus支持Metrics、分布式跟踪,同时从API层一直到基础设施层都进行了支持。
开源社区
难分胜负？再来对比下社区活跃，我去，好像还是半斤八两，你有更广的使用群众基础，我有谷歌和微软就足矣。
所以，从上面可以看出，两个产品真的是各红遍半边天，但是作为开源项目，这种竞争未免太消耗资源了，对用户也十分不友好，咋么办？
OpenTelemetry
正所谓是：天下合久必分、分久必合，在此之时，必有hsdlr出现：OpenTelemetry横空出世。
两个产品合并，首先要考虑的是什么？有过经验的同学都知道：如何让两边的用户能够继续使用。因此新项目首要核心目标就是兼容OpenTracing和OpenCensus。
OpenTelemetry的核心工作目前主要集中在3个部分：
规范的制定和协议的统一，规范包含数据传输、API的规范，协议的统一包含：HTTP W3C的标准支持及GRPC等框架的协议标准
多语言SDK的实现和集成，用户可以使用SDK进行代码自动注入和手动埋点，同时对其他三方库（Log4j、LogBack等）进行集成支持；
数据收集系统的实现，当前是基于OpenCensus Service的收集系统，包括Agent和Collector。
由此可见，OpenTelemetry的自身定位很明确：数据采集和标准规范的统一，对于数据如何去使用、存储、展示、告警，官方是不涉及的，我们目前推荐使用Prometheus + Grafana做Metrics存储、展示，使用Jaeger做分布式跟踪的存储和展示。
首先，再补充一下背景知识，之前提到了APM的两种监控子类：分布式跟踪和Metrics，其实还有第三种，就是Logging日志，目前常见的日志收集平台有EFK、Fluentd.
上图中可以看到，缺失了Logging，主要有以下原因：
优先级是在上面提到的三个核心工作上，Logging目前优先级相对较低(P2)
Logging一般是通过三方平台完成收集，目前如何与分布式跟踪、Metrics的数据进行整合，官方还没有给出设计方案
大一统
有了以上的背景知识，我们就可以顶一下OpenTelemetry的终极目标了：实现Metrics、Tracing、Logging的融合及大一统，作为APM的数据采集终极解决方案。
Tracing：提供了一个请求从接收到处理完成整个生命周期的跟踪路径，一次请求通常过经过N个系统，因此也被称为分布式链路追踪
Metrics：例如cpu、请求延迟、用户访问数等Counter、Gauge、Histogram指标
Logging：传统的日志，提供精确的系统记录
这三者的组合可以形成大一统的APM解决方案：
基于Metrics告警发现异常
通过Tracing定位到具体的系统和方法
根据模块的日志最终定位到错误详情和根源
调整Metrics等设置，更精确的告警/发现问题
该如何融合？
在以往对APM的理解中，这三者都是完全独立的，但是随着时间的推移，人们逐步发现了三者之间的关联，例如我们可以把Tracing的TraceID打到Logging的日志中，这样可以把分布式链路跟踪和日志关联到一起，彼此数据互通，但是还存在以下问题：
如何把Metrics和其他两者关联起来
如何提供更多维度的关联，例如请求的方法名、URL、用户类型、设备类型、地理位置等
关联关系如何一致，且能够在分布式系统下传播
在OpenTelemetry中试图使用Context为Metrics、Logging、Tracing提供统一的上下文，三者均可以访问到这些信息，同时Context可以随着请求链路的深入，不断往下传播
Context数据在Task/Request的执行周期中都可以被访问到
提供统一的存储层，用于保存Context信息，并保证在各种语言和处理模型下都可以工作（例如单线程模型、线程池模型、CallBack模型、Go Routine模型等）
多种维度的关联基于元信息(标签)实现，元信息由业务确定，例如：通过Env来区别是测试还是生产环境等
提供分布式的Context传播方式，例如通过W3C的traceparent/tracestate头、GRPC协议等
总结
从谷歌Dapper协议提出到现在已经很多年了，江湖也已经乱战了很多年，这次谷歌和微软下定决心结束江湖之乱，对于未来分布式系统的监控真的是非常巨大的利好消息，我们也有理由相信在这两家巨头的主导，该项目会越发展越好，未来会有越来越多的开源项目、框架、平台，原生的使用OpenTelemetry，最终实现监控数据标准的大一统。