5月编程语言排行榜:Python、C++ 竞争白热化

TIOBE公布了2019年5月编程语言排行榜，头部整体编程语言整体排名变化不大，前十名为 Java 、C、C++、 Python 、Visual Basic .NET、C#、JavaScript、 SQL 、 PHP 和汇编语言。

本月值得注意的是，R语言跌出前20名，这是R语言进入TOP20三年以来首次跌出前20，而Python继续缩小与C++的差距。

尽管Swift正快速增长，但是与Objective-C还是有不小的差距。另外，虽然PHP保住了自己第九名的位置，但是相比于 去年同期已经下降了2个位次。

Go与上个月相比下跌了一名，但整体变化比较稳定。

以下为前20名完整榜单

5月上市畅销新书

Linux内核深度解析

书名： 《Linux内核深度解析》

作者：余华兵

编辑推荐：

• 基于ARM64架构的 Linux 4.x内核；

• 大量图例描述数据结构之间的关系和函数的执行流程；

• 结合代码分析，以通俗化语言全面剖析Linux内核。

本书基于4.x版本的Linux内核，介绍了Linux内核的若干关键子系统的技术原理。本书主要内容包括内核的引导过程、内核管理和调度进程的技术原理、内核管理虚拟内存和物理内存的技术原理、内核处理异常和中断的技术原理，以及系统调用的实现方式等。此外，本书还详细讲解了内核实现的各种保护临界区的互斥技术，以及内核的文件系统。本书内容丰富，深入浅出，通过大量的图例来描述数据结构之间的关系和函数的执行流程，并结合代码分析，引导读者阅读和理解内核源代码。

操作系统导论

书名：《操作系统导论》

作者：[美] 雷姆兹·H.阿帕希杜塞尔（ Remzi H. Arpaci-Dusseau）， [美]安德莉亚·C.阿帕希杜塞尔（Andrea C. Arpaci-Dusseau）

译者：王海鹏

编辑推荐：

• 本书作者是美国威斯康星大学计算机系教授（夫妇），美国计算机OS教育领域的名宿，经常在美国各个大学应邀客座。

• 作者坚持开放教材的理念，英文原版在国外盛名日隆，不仅CS学生，湾区技术界的读者也很推崇这本书，评价为“最好的开放式操作系统教材”。

这是一本关于现代操作系统的书。主题分为三个主要的概念:虚拟化、并发性和持久性。全书介绍了所有现代系统的主要组件，包括调度、虚拟内存管理、磁盘和I/O子系统、文件系统，甚至一个简短的介绍分布式系统。本书内容全面，非常易于学习，很适合用于老师的教学和高校学生自学。

Kafka Streams实战

书名： 《Kafka Streams实战》

作者：[美] 小威廉 · P. 贝杰克（William P. Bejeck Jr.）

译者：牟大恩

编辑推荐：

• Apache Kafka作者作序推荐作品;

• Kafka Streams技术的全面学习指南;

• 大数据流式处理从入门到实践 。

本书教读者在Kafka平台上实现流式处理。在这本易于理解的书中，读者将通过实际的例子来收集、转换和聚合数据，使用多个处理器，处理实时事件，甚至可以使用KSQL 深入研究流式SQL。本书最后还讲解了Kafka Streams应用程序的测试和运维方面的内容（如监控和调试）。

PyTorch深度学习

书名： 《PyTorch深度学习》

作者：[印度]毗湿奴•布拉马尼亚(Vishnu Subramanian)

译者：王海玲 刘江峰

编辑推荐：

PyTorch是Facebook于2017年初在机器学习和科学计算工具Torch的基础上，针对Python语言发布的一个全新的机器学习 工具 包，一经推出便受到了业界的广泛关注和讨论，目前已经成为机器学习从业人员首选的一款研发工具。 《PyTorch深度学习》是使用PyTorch构建神经网络模型的实用指南，包括PyTorch与深度学习的基础知识、神经网络的构成、神经网络的高级知识、机器学习基础知识、深度学习在计算机视觉中的应用、深度学习在序列数据和文本中的应用、生成网络、现代网络架构，以PyTorch与深度学习的未来走向。

Python 3破冰人工智能 从入门到实战

书名： 《Python 3破冰人工智能：从入门到实战》

作者：黄海涛

编辑推荐：

基于Python 3.6构建了近140个代码案例，全面介绍Python在人工智能中的应用。

• 数学基础：从历年数学建模竞赛入手，解读人工智能中的数学方法。

• 编程实践：100余个代码实例，全面讲解网络爬虫、数据存储与数据分析等内容。

• 算法应用：实战案例辅以丰富图解，详尽分析人工智能算法特性及其应用场景。

本书创新性地从数学建模竞赛入手，深入浅出地讲解了人工智能领域的相关知识。本书内容基于Python 3.6，从人工智能领域的数学出发，到Python在人工智能场景下的关键模块；从网络爬虫到数据存储，再到数据分析；从机器学习到深度学习，涉及自然语言处理、机器学习、深度学习、推荐系统和知识图谱等。

此外，本书还提供了近140个代码案例和大量图表，全面系统地阐述了算法特性，个别案例算法来自于工作经验总结，力求帮助读者学以致用。

- END -