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 -
