两个月前，机缘巧合之下看到了Coursera上的专项付费系列：云计算 专项。这个系列包含六门课程，主要是讲解了云计算的基础概念，理论，实现和应用。如果你有志于云计算/分布式开发，而且有一定的编程经验（C++与Python），这个系列的课程很适合你。至于我，其实已经从业五年了，重新夯实基础，补齐理论知识是我的主要目的。这个课程的编程题都不难，写的水一些，不用太考虑完美，都能拿到（编程题部分的）满分。
学了一个月多，快把这六门课都学完了，在此记录一下自己的心得体会。
第一课 云计算基础 1
课程链接：基础1
得分：92.4
介绍：第一课的内容偏概念和介绍比较多，比较教科书。内容包括云计算相关的名词概念介绍，MapReduce范式，Gossip协议，P2P DHT理论，CAP理论，分布式时序，分布式一致性算法Paxos。
评价：整体而言，这门课的信息量还是有点大的，基本上把云计算的传统概念都包圆了，课中和课后习题也会对讲解的理论进行测验；需要好好记笔记，不然课后习题会挂（Coursera可以允许反复做题取最高分，我当初就是不知道有这个机制，不然也不会这么低分😢）。这门课的额外阅读材料都是可选的，如果没用过Hadoop/Spakr/Zookeeper之类的分布式应用，还是看一下这些项目的介绍和原理比较好。这门课最后还有一个大作业，用C++实现一个Gossip协议，不用操心网络层和应用层，填充部分代码实现中间Gossip协议就行。参考Gossip简介，更容易理解一些。
第二课 云计算基础 2
课程链接：基础2
得分：95.8
介绍：第二课延续第一课，继续讲解云计算领域的算法理论与工程实践，包括选主与互斥算法，并发控制与复制控制，新兴分布式领域：流式处理与图计算，经典分布式系统：共享文件系统与共享内存，现实云计算的挑战
评价：这门课除了补充上节课剩余的理论算法相关知识以外，还着重介绍了云计算的实际应用：传统分布式系统和新兴流处理与图计算，有兴趣的可以自行深入挖掘。可惜没有对Flink的介绍。最后的大作业是实现一个分布式KV存储，主要是通过一致性哈希解决冗余备份的问题即可
第三课 云计算应用 1
课程链接：应用1
得分：95.8
介绍：这门课主要介绍了云计算的基础理论和底层虚拟化技术，接口协议，以及云存储的各种优劣
评价：由于我有过虚拟化和云运维的经验，因此这门课难度相对来说比较小，基本上作用就是用来印证一下自己的过往经验是否存在偏差。这门课对于各种云存储的优劣对比，相对还是比较有用的，可以作为一个独立的调研报告了😏
第四课 云计算应用 2
课程链接：应用2
得分：97.5
介绍：这门课着重介绍了Spark计算与HBASE分布式存储设计以及图计算/机器学习相关的Demo实践
评价：如果说上门课和底层技术相关，这门课就是和云计算应用层相关了。除了对HBase的原理性介绍，主要介绍了如何使用Spark完成计算任务，以及各种技术栈在流式处理与图计算中的应用。大数据工程师值得学一下。这两门课都没有大作业
第五课 云端计算
课程链接：云网络
得分：95.4
介绍：主要介绍了云计算系统中的网络挑战，机房内，跨机房以及面向终端用户不同场景下的网络设计
评价：说实话，这门课有好有坏。好的地方是，云端网络是一个很大的课题，可以包容很多的内容进来，这门课也确实做到了这点，仔细的讲解了机房内部，机房间，机房与用户间不同场景下的流量特点，网络挑战与解决方案，对SDN，CDN，TCP优化，新兴网络协议都有进行深入的阐述，收获满满。但是，课程附带的大作业就相对比较水了，在一个安装了OpenFlow的虚拟机中实现一个简单的流量控制逻辑，简单的不能再简单了，水的不能再水了。
第六课 云计算项目实践
课程链接：项目实践
得分：Nan
介绍：没有介绍新内容，主要是项目实践。这门课首先需要在AWS上申请AWS Educate（一直没批下来），然后要在8月份才开课，主要项目实践内容是分别通过MapReduce与Spark两种方式，针对一个大数据集进行分析，回答一系列指定问题。
评价：运气不好，没赶上上一拨开课流程，这一拨得等到8月份了。要回答的问题虽然比较多，但是都有答案。作业形式是实验报告，得分主要看同学互评，放轻松一些
反思
两年前刚接触AWS以及相关的云计算概念的时候，那时候如果能学到这门课程对我的帮助会是最大的。可惜并没有，走了不少弯路，后来才慢慢云开雾明。这也说明了，掌握正确的学习方式和有领路人的重要性。在崭新的陌生领域，一个提纲挈领的入门教学的指导作用是巨大的，谨记。