diff --git a/log-what-every-software-engineer-should-know-about-real-time-datas-unifying/part2-data-integration.md b/log-what-every-software-engineer-should-know-about-real-time-datas-unifying/part2-data-integration.md
index ea0ec99..5c6a0cf 100644
--- a/log-what-every-software-engineer-should-know-about-real-time-datas-unifying/part2-data-integration.md
+++ b/log-what-every-software-engineer-should-know-about-real-time-datas-unifying/part2-data-integration.md
@@ -364,7 +364,7 @@
 `Kafka`非常积极做这方面的优化。客户端向服务器端的数据发送、磁盘写入、服务器之间复制、到消费者数据传递和数据提交确认
 都会做批处理。
 
-最后，`Kafka`使用简单的二进制格式维护内存日志、磁盘日志和传送网络数据。这使得我们可以使用包括『[0拷贝的数据传输](https://www.ibm.com/developerworks/library/j-zerocopy)』在内的大量的优化机制。
+最后，`Kafka`使用简单的二进制格式维护内存日志、磁盘日志和传送网络数据。这使得我们可以使用包括『[0拷贝的数据传输](https://developer.ibm.com/articles/j-zerocopy/)』在内的大量的优化机制。
 
 这些优化的积累起来的效应就是通常以磁盘和网络的速度上限在读写数据，即使维护的数据集大大超出了内存的大小。