电脑与电信期刊投稿版面费

21世纪十年间照亮世界的十大科技成就 1，火星月球发现有水 2004年1月4日和1月25日，美国“勇气”号和“机遇”号火星车分别在火星登陆。两辆火星车的最大成就是共同发现了火星上曾经有水的证据。同时，在环火星轨道上运行的欧洲“火星快车”探测器也发现火星南极存在冰冻水。这是人类首次直接在火星表面发现水。 在经历9个多月的太空旅行后，美国“凤凰”号火星探测器2008年5月25日成功降落在火星北极附近区域，这是第一个在火星北极附近着陆的人类探测器。按照计划，“凤凰”号着陆后展开了为期3个月的火星地面探测。同年7月30日，“凤凰”号的机械臂把一份土壤样本递送到热量和释出气体分析仪中。在样本加热时，分析仪鉴别出其中有水蒸气产生。这是火星上存在水的最直接证据。 2009年11月，科学家们肯定地表示，月球上有水而且数量可观。2009年10月9日，美国航空航天局利用火箭在月球表面撞出一个直径100英尺的坑，并在产生的碎片中测量到25加仑以水蒸气和冰的形式存在的水。 2，人类基因组序列图完成 2000年6月26日，美国总统克林顿和英国首相布莱尔联合宣布：人类有史以来的第一个基因组草图已经完成。 2001年2月12日，中、美、日、德、法、英等6国科学家和美国塞莱拉公司联合公布人类基因组图谱及初步分析结果。 人类基因组计划中最实质的内容，就是人类基因组的DNA序列图，人类基因组计划起始、争论焦点、主要分歧、竞争主战场等都是围绕序列图展开的。在序列图完成之前，其他各图都是序列图的铺垫。也就是说，只有序列图的诞生才标志着整个人类基因组计划工作的完成。 2003年4月15日，在DNA双螺旋结构模型发表50周年前夕，中、美、日、英、法、德6国元首或政府首脑签署文件，6国科学家联合宣布：人类基因组序列图完成。 人类基因组图谱的绘就，是人类探索自身奥秘史上的一个重要里程碑，它被很多分析家认为是生物技术世纪诞生的标志。也就是说，21世纪是生物技术主宰世界的世纪，正如一个世纪前量子论的诞生被认为揭开了物理学主宰的20世纪一样。 人类基因组蕴涵有人类生、老、病、死的绝大多数遗传信息，破译它将为疾病的诊断、新药物的研制和新疗法的探索带来一场革命。2007年，科学家首次阐述了人与人之间的DNA究竟存在着多大的差异。这是一个巨大的概念性飞跃，它将影响从医生如何治疗疾病到人类如何看待自己以及保护个人隐私等各个方面。 3，细胞重新编程技术 美国《科学》杂志评选出的2008年十大科学进展，细胞重新编程“定制”细胞系方面的进展名列第一位。 《科学》杂志说，这些细胞系以及“定制”它们的有关方法，为科研人员理解甚至未来治愈一些医学上的顽疾提供了工具，比如帕金森氏症、Ⅰ型糖尿病等。 所谓细胞重新编程，是指通过植入新的基因，改变细胞的发育“记忆”，使其回到最原始的胚胎发育状态，就能像胚胎干细胞那样进行分化，这样的细胞被称作“诱导式多能干细胞”。 2008年，有两个科研小组从罹患不同疾病的患者身上提取细胞，重新编程，使其“变身”为干细胞。他们选取的疾病大多数是很难或者不可能用动物模型来进行研究，这就使得获取人类细胞系进行研究的需求变得更为迫切。 《科学》杂志认为，这些新的细胞系将成为科研人员理解疾病如何发生、发展的重要工具，另外对医学领域筛选潜在药物可能也有帮助。如果科学家将来完全掌握细胞重新编程技术，能够更准确地控制这一技术，使其变得更加有效、安全，那么患有不同疾病的患者将有可能用自体健康细胞来治病。 4，人类最早祖先确定 身高4英尺(约合1.21米)的“阿尔迪”成为迄今为止人类发现的最古老原始人。她生活在440万年前，直到1992年被发现。经过17年的探寻和研究，科学家将埃塞俄比亚出土的100多块碎片拼接起来，并成功复原了她的骨骼模型。 2009年10月，科学家公布了这一成果。令人吃惊的是，作为人与黑猩猩的共同祖先，“阿尔迪”却与黑猩猩大不相同。此外，尽管生活在森林中但却能够直立行走的事实，推翻了此前有关空旷草原地形对于人类两足发展至关重要的理论。 5，证实宇宙暗物质存在 2003年，美国匹兹堡大学斯克兰顿博士领导的一个多国科学家小组，借助了美国“威尔金森微波各向异性探测器”卫星的观测数据以及另一项名叫“斯隆数字天宇测量”的观测计划的结果进行了对比分析。观测分析得出结论认为，宇宙中仅有4%是普通物质，23%是暗物质，73%是暗能量。2006年一个美国天文学家小组通过美宇航局的“钱德拉”X射线太空望远镜等设备观测遥远星系的碰撞，发现了宇宙暗物质存在的最直接证据。2007年，欧洲和美国的科学家在《自然》杂志上发表了首次为宇宙暗物质绘出的三维图。 6，干细胞研究成果丰 2000年，克隆和干细胞研究取得进展。在克隆方面，科学家克隆成功了最难克隆的动物之一：猪。 2002年，以色列科学家将人体“肾脏前体细胞”移植到老鼠体内后，发育成与老鼠本身肾脏大小差不多的、具有一定功能的类似器官。 2003年，美国科学家首次对人类胚胎干细胞完成了基因工程操作，在干细胞应用于医疗研究上前进了一大步；日本科学家首次培育出人体胚胎干细胞；中国科学家首次将人类皮肤细胞与兔子卵细胞融合，培植出人类胚胎干细胞。 2006年，澳大利亚科学家在世界上首次成功利用单个干细胞使实验鼠体内新长出乳腺。英国科学家首次利用脐带血干细胞培育出微型人造肝脏。 2007年，美国和日本两个独立研究小组分别宣布，他们成功地将人体皮肤细胞改造成了几乎可以和胚胎干细胞相媲美的干细胞。这一成果有望使胚胎干细胞研究避开一直以来面临的伦理争议，从而大大推动与干细胞有关的疾病疗法研究。 7，纳米技术重要应用 2001年，纳米技术领域获得多项重大成果。继在2000年开发出一批纳米级装置后，科学家再进一步将这些纳米装置连接成为可以工作的电路，这包括纳米导线、以纳米碳管和纳米导线为基础的逻辑电路、以及只使用一个分子晶体管的可计算电路。分子水平计算技术的飞跃有可能为未来诞生极微小但极快速的分子计算机铺平道路。 2003年，美国加利福尼亚大学伯克利分校的科学家用碳纳米管研制出世界上最小的纳米电动机。 2006年，美国佐治亚理工学院教授王中林等成功地在纳米尺度范围内将机械能转换成电能，研制出世界上最小的发电机——纳米发电机。 8，欧洲强子对撞机启动 欧洲大型强子对撞机是目前世界上最大的强子对撞机。2008年9月1日，对撞机正式启动。9月19日，对撞机因事故被迫停止运作。 2009年11月20日，对撞机重新启动，并实现了第一束质子流贯穿整个对撞机。2009年11月30日创造了质子加速的新世界纪录。对撞机将两束质子流加速到了1.18万亿电子伏特的能级，打破了美国费米国家实验室加速器2001年创下的0.98万亿电子伏特的纪录，这使得大型强子对撞机真正成为世界上“最强的机器”。2009年12月8日晚，又成功实现一次总能量高达2.36万亿电子伏特的质子流对撞，再次创下能级最高纪录。 欧洲大型强子对撞机从上世纪90年代初开始设计，来自包括中国在内的80多个国家和地区的约7000名科学家和工程师参与建设。它位于日内瓦附近瑞士和法国交界地区地下100米深处总长约27公里的环形隧道内。 9，人类探测器创最远纪录 欧洲航天局官员2005年1月15日凌晨宣布，地面控制中心已收到来自“惠更斯”号探测器经由“卡西尼”号飞船传回的信号，表明“惠更斯”号已成功登陆土卫六。这创造了人类探测器登陆其他天体最远距离的新纪录。 “惠更斯”号探测器是1997年10月由美国“卡西尼”号飞船携带发射升空的，经过7年约35亿公里的飞行后进入土星轨道，并于2004年12月25日分离。 10，庞加莱猜想被证明 2006年6月3日，经过美国、俄罗斯和中国数学家30多年的共同努力，两位中国数学家——中山大学的朱熹平教授和美国里海大学教授及清华大学兼职教授曹怀东，最终证明了百年数学难题——庞加莱猜想。 1904年，法国学者亨利·庞加莱提出了一个猜想：在一个封闭的三维空间，假如每条封闭的曲线都能收缩成一点，这个空间一定是一个圆球。庞加莱的短短几行字，成为数学界100多年未能证明的难题。 庞加莱猜想和黎曼假设、霍奇猜想等一样，被并列为七大数学世纪难题之一。

Storm优势就在于Storm是实时的连续性的分布式的计算框架,一旦运行起来,除非你将它杀掉,否则它一直处理计算或等待计算的状态.Spark和hadoop都做不到. 当然它们各自都有其应用场景,各有各的优势.可以配合使用. 下面我转一份别人的资料,讲的很清楚. Storm与Spark、Hadoop这三种框架，各有各的优点，每个框架都有自己的最佳应用场景。 所以，在不同的应用场景下，应该选择不同的框架。 Storm是最佳的流式计算框架，Storm由Java和Clojure写成，Storm的优点是全内存计算，所以它的定位是分布式实时计算系统，按照Storm作者的说法，Storm对于实时计算的意义类似于Hadoop对于批处理的意义。 Storm的适用场景： 1）流数据处理 Storm可以用来处理源源不断流进来的消息，处理之后将结果写入到某个存储中去。 2）分布式RPC。由于Storm的处理组件是分布式的，而且处理延迟极低，所以可以作为一个通用的分布式RPC框架来使用。 SparkSpark是一个基于内存计算的开源集群计算系统，目的是更快速的进行数据分析。Spark由加州伯克利大学AMP实验室Matei为主的小团队使用Scala开发开发，类似于Hadoop MapReduce的通用并行计算框架，Spark基于Map Reduce算法实现的分布式计算，拥有Hadoop MapReduce所具有的优点，但不同于MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的Map Reduce的算法。 Spark的适用场景： 1）多次操作特定数据集的应用场合 Spark是基于内存的迭代计算框架，适用于需要多次操作特定数据集的应用场合。需要反复操作的次数越多，所需读取的数据量越大，受益越大，数据量小但是计算密集度较大的场合，受益就相对较小。 2）粗粒度更新状态的应用 由于RDD的特性，Spark不适用那种异步细粒度更新状态的应用，例如Web服务的存储或者是增量的Web爬虫和索引。就是对于那种增量修改的应用模型不适合。 总的来说Spark的适用面比较广泛且比较通用。 Hadoop是实现了MapReduce的思想，将数据切片计算来处理大量的离线数据数据。Hadoop处理的数据必须是已经存放在HDFS上或者类似HBase的数据库中，所以Hadoop实现的时候是通过移动计算到这些存放数据的机器上来提高效率。 Hadoop的适用场景： 1）海量数据的离线分析处理 2）大规模Web信息搜索 3）数据密集型并行计算 简单来说： Hadoop适合于离线的批量数据处理适用于对实时性要求极低的场景 Storm适合于实时流数据处理，实时性方面做得极好 Spark是内存分布式计算框架，试图吞并Hadoop的Map-Reduce批处理框架和Storm的流处理框架，但是Spark已经做得很不错了，批处理方面性能优于Map-Reduce，但是流处理目前还是弱于Storm，产品仍在改进之中

Strom是实时的流计算，而Spark和hadoop的mapreduce都不是实时的，就实时计算这块Strom绝对的优势，但是其他方面Strom是无法代替spark和hadoop的

Storm用于处理高速、大型数据流的分布式实时计算系统。为Hadoop添加了可靠的实时数据处理功能 Spark采用了内存计算。从多迭代批处理出发，允许将数据载入内存作反复查询，此外还融合数据仓库，流处理和图形计算等多种计算范式。Spark构建在HDFS...

应用场景不同不好比较。一般storm拿来做实时流数据的需求，而spark更适合拿来做离线数据分析。hadoop是生态圈，这里就假设你问的是hadoop核心计算框架mr.sprak和mr都适合拿来做离线数据分析，spark是快启动，在数据量不是非常大的时候（TB级别），spark有较明显的优势。

Storm用于处理高速、大型数据流的分布式实时计算系统。为Hadoop添加了可靠的实时数据处理功能 Spark采用了内存计算。从多迭代批处理出发，允许将数据载入内存作反复查询，此外还融合数据仓库，流处理和图形计算等多种计算范式。Spark构建在HDFS上，能与Hadoop很好的结合。它的RDD是一个很大的特点。 Hadoop当前大数据管理标准之一，运用在当前很多商业应用系统。可以轻松地集成结构化、半结构化甚至非结构化数据集。

Storm 实施处理 Spark 内存计算 Hadoop 批处理 Hadoop 生态圈比较强大 Spark是新生力量，有望取代Hadoop或者被纳入Hadoop阵营

spark与hadoop的比较我就不多说了，除了对硬件的要求稍高，spark应该是完胜hadoop（Map/Reduce）的。storm与spark都可以用于流计算，但storm对应的场景是毫秒级的统计与计算，而spark（stream）对应的是秒级的。这是主要的差别。一般很少有对实时要求那么高的场景（哪怕是在电信领域），如果统计与计算的周期是秒级的话，spark的性能是要优于storm的。

[1]吴涛主编，网站全程设计技术（修订本），北京：清华大学出版社；北京交通大学出版社[2] 张华、贾志娟主编，asp项目开发实践，中国铁道出版社[3] 沈大林主编，中文Flash 8案例教程，中国铁道出版社[4]龙马工作室编，ASP+SQL Server组建动态网站实例精讲，北京：人民邮电出版社[5] 赵增敏编，ASP动态网页设计，电子工业出版社[6] 任学文、范严编, 网页设计与制作，中国科学技术出版社[7] 武创、王惠主编,网页设计探索之旅 ,电子工业出版社[8] 杜巧玲等编, 网页设计超级梦幻组合,清华大学出版社[9] 吴黎兵、罗云芳编，网页设计教程， 武汉大学出版社[10] 庄王健编，网页设计三剑客白金教程，电子工业出版社[11]叶汶华、程永灵主编，ASP.NET网页制作教程，冶金工业出版社[12]张军、王佩楷主编，ASP动态网站设计经典案例，机械工业出版社[13]鲁宏伟、汪厚祥主编，多媒体计算机技术（第三版），电子工业出版社[14] 赵小林、刘志强、郑洁主编，网页制作技术教程－动态网页篇，北京：国防工业出版社

在20一世纪里人类发现了火星表面有水。

资金，场地，人员，发行号

是。《电脑与电信》是正规省级期刊，新闻出版广电总局可查，国家新闻出版广电总局认定学术期刊（第一批），中国学术期刊综合评价数据库统计源期刊，中国核心期刊（遴选）数据库收录期刊。期刊是一般是期刊中学术水平比较高的刊物，是进行刊物评价的指标。