一个网站

买房背后

2022-11-26T09:28:37+08:00

谈买房色变。已经成为当代青年的一个社交问题。毕竟朋辈压力是所有压力中最大的一个之一。我们会因为别人买房了而我们没有而感到自卑，会因为别人买了很好的房而我们没有而感到难过。跟学校时期我们会比较成绩一样，我们也会比较谁买了房买了车谁没有。我们之所以对此很看重，是因为长辈和社会一直给我们灌输的观念，那就是在城市立足就得有一套房子，拥有一套房子也意味着某种成功。但随着房价越来越上涨，拥有一套房子也变得很难。这种观念也压迫着很多年轻人，不得不离开奋斗的城市。

但是我们越不沟通，正如你读书时候成绩越不好，你越自卑，越不交流，成绩就越容易不好。读书时候尚且可能有老师或者学长指导帮扶，到了社会没有人有义务去帮助你。我们以为21世纪了，信息应当很通畅了吧。事实是，现在是信息爆炸的时代，而越通畅的信息，却越没有价值。没有人会在网上公布自己赚钱的方法，如果有所谓的成功学大师教你实际的赚钱方法，那么就要警惕，第一，他的赚钱方法是不是就是兜售所谓的「赚钱方法」，第二，这种赚钱方法很可能已然过期失效了。

假如我们进入这样一个社会，所有赚钱的信息是通畅的。也就是两个或多个人都同时获得赚钱的途径方法，但是时间窗口可能会很短，这时取决谁能把握机会的就是个人之间的能力差别了。但是如果人人都有机会呢？也就是赚钱的方法多过于人数的存在，每个人至少能获得一个方法，所谓人尽其才。那么社会将不存在「卷」？。这样的社会可能存在吗？可能的。只是，机会并不均等，也不可能均等。机会带来的收益或多或少，但是人总是想要最多的。赢者通吃，机会分化。最好的机会总是最多人竞争。那么「卷」又会再次出现。

我总是在思考，有没有一种更平等的机制。让更多人的享受更好的教育，更多人接触更多的优质信息，更多人过上更好的生活。这件事情将是最大的意义所在。比个人奋斗更有意义。正如新加坡让居者有其屋，中国也应当能做到。将很多人藏着掖着的赚钱方法公布出来，兴许不妥。但是社会应当提供更大的透明性，让有能力的人知道他们值得更好的生活。像学校里的老师一样，告诉我们的学生他是可以有天赋的，可以在某些学科上做得很好。成年人当然有选择自己生活的自由，当然也可以选择「堕落」。家长制作风未必就是合理的。我觉得会发生的一定会发生的。提供信息但不能够强迫任何人的自由。

我们的社会仍尚未能够给年轻人更多更好的选择。

一种工作的选择，一种让自己能凭借自己能力在社会自足发展甚至财务自由的选择，一种拥有衣食住行的选择。

很多人通过未知的手段或不对等利益（黄赌毒非法或低甚至负社会效益）赚了很多钱。这部分钱是不合理的。而且这部分钱可能继承下去，阻碍一个更公平的社会出现。所谓原罪的力量仍然在社会中占据很大一部分。如果我们不能通过制定机制去优化战胜他们，那么他们将会愈发强大。

回到买房的事情。现在20多30岁孩子谈论很多的话题就是买房。在大城市拥有一套房实在太难了。不是我们这代打工年轻人短时间所正常能做到的。一套400万的房子，一年能存下来10w，仍需40年，且不算贷款利息。买房给我们带来的负担太过沉重。而这一切，是需要我们团结去改变的，从谈买房色变开始，打破信息壁垒，让机制事情透明化。

编程这件事儿

2021-08-20T21:04:37+08:00

想想编程这个事儿。

编程究竟是在干什么

编程，即编写程序。是一件有意思的事儿。但也可能是一件痛苦的事儿。取决于在什么环境什么背景下编程。

通俗地看，程序分为：

业务程序
中间件程序
操作系统程序

编程工作会怎么消失

有人说程序员是新时代的农民工，某种意义上不可否认，确实存在重复辛苦的劳作。又有人说程序员这个职业以后会彻底消失。我觉得彻底消失不至于，就像古时候陶瓷可能都是人工制作的，而现在大部分自动化小部分人工辅助，还有有一小戳手艺人自制陶艺。编程这个事情以后的发展也类似吧。大部分的自动化小部分人工辅助，还有一小部分因为热爱坚持编程，创造出有艺术价值的程序。

大白话clickhouse原理

2021-08-20T21:04:37+08:00

问题

clickhouse 如何高效读写数据
- 列式存储
- 顺序写
- 稀疏索引
- SIMD（single instruction multiple data）
- MergeTree
- 物化视图
clickhouse 如何实现可伸缩高可用
- 集群分片副本
- 分布式表
- 存算分离

数据读写

以衣柜为持久化存储设备（磁盘），床为临时存储（内存），目录为索引，衣服为数据（裤子T恤等为数据的字段）为例，浅显说明具体的组织原理。

列式存储

含义

行式存储：衣柜每个格子都按一套衣服一套衣服来存

列式存储：衣柜的不同格子存不同衣服，A格子存T恤，B格子存裤子，C格子存袜子等

优势

统计有多少条裤子的时候，只要打开存裤子的格子即可，快速统计出来。比行式效率高。

劣势

获取一整套衣服时，需要打开多个格子组合。

顺序写

写数据，任务是要将衣服叠好排序放进衣柜。而每次来的衣服都是一套一套的，如果我们每次采购好衣服都亲自去分类叠好放进不同的衣柜再回去继续采购，将严重阻碍我们采购新的衣服的速度。为了能尽快的采购更多的衣服，我们把采购好衣服直接丢到床上，然后雇一个人小a帮我们定时将床上衣服分类排序好放进衣柜。这就是顺序写。

如果采购速度太快，我们雇的那个人可能会忙不过来。于是我们雇多个人小b，小b将小a每次分类排序好的几沓衣服再分类排序一遍，然后放进衣柜。如果采购速度仍然太快，小b也忙不过来，我们就再继续雇人。这就是lsm tree。

有利有弊，这种方式存在问题是：读放大，写放大与空间放大，即：

原本只要存一次衣服，现在要存好几次；
原本只要在一个地方找数据，现在要找好几个地方找；
原本只用一个衣柜存，现在需要更多临时地方存。

在 HDD 作为主流存储的时代，RocksDB 的 compaction 带来的写放大问题并没有非常明显。这是因为： \1. HDD 顺序读写性能远远优于随机读写性能，足以抵消写放大带来的开销。 \2. HDD 的写入量基本不影响其使用寿命。

现在 SSD 逐渐成为主流存储，compaction 带来的写放大问题显得越来越严重：

\1. SSD 顺序读写性能比随机读写性能好一些，但是差距并没有 HDD 那么大。所以，顺序写相比随机写带来的好处，能不能抵消写放大带来的开销，这是个问题。 \2. SSD 的使用寿命和其写入量有关，写放大太严重会大大缩短 SSD 的使用寿命。因为 SSD 不支持覆盖写，必须先擦除（erase）再写入。而每个 SSD block（block 是 SSD 擦除操作的基本单位）的平均擦除次数是有限的。

稀疏索引

有了衣柜的衣服，我们需要一个目录（索引）来帮我们快速找到想要的衣服（数据）。

当A、B、C格子存裤子时，如何快速找出想要的裤子。分两步：

- 排序
- 加索引

按一定规则排序，比如长度，A到C分别由短到长。其次加索引即在目录上标记中等长度裤子在B格子，那么就知道A为短裤，C为长裤。此时，想找长裤就可以不用把格子都打开，只需要打开C格子。

但如果想找的是长的蓝色裤子呢？同样的道理，对颜色也进行排序跟加索引。

将C格子分别按颜色波长进行排序，即目录上标记第一部分【红、橙】、第二部分【黄、绿、蓝】、第三部分【靛、紫】。此时我们要根据目录（索引），即知道，蓝色的长裤子在C格子的第二部分。

这就是稀疏索引。

SIMD

一条指令操作多条数据。

我们想要拿出所有长的T恤并且进行熨烫，一共有16件。如果我们一件一件熨烫的话，耗时会太久。这时我们可以用一个大的熨烫机，一次性熨烫四件，我们的速度会提升很多。

Intel的SSE指令集即可帮助我们实现这种对提升列式数据计算效率友好的逻辑。

如何掌握知识

2021-07-31T09:28:37+08:00

本文思考如何掌握知识。

什么是掌握知识

知识

知识是一个宽泛而具体的概念。宽泛在于很难去界定边界，具体在于确实可以容易确切地举出例子来。

知识跟我们日常生活息息相关。我们自小到大就在接受各种各样教育，以图掌握各种知识。我们自小到大也在应对各式各样的考试，从升学考，到证件考试，到职业考试面试，这些考试程序都试图检验我们对知识的「掌握程度」。此外，知识也在帮助着我们去解决各种问题。知识虽很难界定，但是我们可以对知识进行划分，划分出可以界定的子集——知识集。

知识集

知识集的界限是人为划定的

考试会有考试大纲，面试也会有面试要求。这些都在试图划定出知识的子集。

知识集的内容是具体离散的

我们可以把知识集划分为不同子类，也可以对知识点进行归纳总结。比如知识（A）与知识（B），归纳出知识（C），而他们都属于知识集（K）。当然也可以延伸和深入分解。就像线是由点构成，不确切地比喻，知识也是由离散的点构成的面。正因为这种特性，使得知识的复杂度陡然上升，当知识集的范围扩大时。

知识集相互之间存在依赖性

知识集会有前置知识集，意味着必须了解掌握了前置的知识集，才能继续掌握当前的知识集。

掌握知识

通过以下的变量：

检验程序（CP）
知识集（K）
人（H）
问题（Q）

可以说：（H）通过了（CP），并能利用（K）去解决（Q），证实其掌握了（K）。

或许，我们可以把「利用（K）去解决（Q）」量化为能力（A）。但这种聚化会延伸更多问题，不在本文讨论范围内了。我们更关注的是通过检验程序能解决问题，是否就能代表其掌握了知识集。这其实取决对「掌握」一词的解释。不同的解释也应对应不同的程序设定，但这里面肯定会有偏差，这种偏差可以通过各种手段被缩减，但我们也不进行深究。默认下述的公式成立。

        MASTER(K) = CP(H, K) * SOLVE(H, Q)

怎么样掌握知识

这个问题并不像想的那么简单。因为涉及到了我们至今都未能完全理解的人的大脑的原理。人的大脑，对于我们仍然像是一个「黑盒程序」。我们目前已知的事实：

大脑具有记忆计算能力
外部环境会影响大脑的能力
不同的教学程序（EP）会影响大脑的工作

基于以上事实，教育学产生了。教育其中的一个目的，就是教导学生掌握知识。但去探讨整个教育太过于广泛，我们只关注知识的教育。对于掌握知识，那么对于以下变量：

人（H）
外部环境（C）
教学程序（EP）
知识集（K）
时间（T）

有：掌握知识的效率为，在一定的（C），（H）通过（EP），掌握了（K）所花的（T）

对于给定的（C）和（H），我们可以通过掌握知识公式的反馈来调出最优的（EP）。这也是无论公办教育，私办教育等等教育机构在不断摸索和努力的方向。当然我们也可以通过去研究大脑的运作原理去找寻最优（EP）。例如有人将大脑的原理类比机器学习理论，便有了：学习观。教学程序（EP）是本文的核心。我们需要再深入一点。对于一个教学程序（EP），有以下组成部分：

学材（学习材料）（LM）——对知识的诠释
教程序（TP）——对学材的诠释，可以持久化为教案或视频等形式
学程序（LP）——对前两者的使用方法

我们对于一个教学程序（EP）的考量，可以具体到以上几个部分的考量。举例子：

例子一、张三通过听罗翔老师讲（TP）《刑事诉讼法学》（LM），并采用费曼记忆法（LP），掌握了法学知识，通过了司法考试（K）。

例子二、张三通过阅读《The C Programming Language》等（LM），并采用番茄记忆法（LP），掌握了C语言（K）。

因此：

        Efficiency(EP) = Efficiency(LM) + Efficiency(TP) + Efficiency(LP)

那么现在原始问题「如何掌握知识」可以变化为：找到最好的学材，教程序与学程序。

学材

学材是对知识的诠释。中国有句老话叫：三人成虎。其实在诠释信息传播的某种规律。对于知识也是如此的。从原始知识源经过二手三手多手的传播肯定会出现信息丢失和偏差。因此可以说越原始的学材越「好」。例如，论文往往比博文更精确，RTFM，『talk is cheap, show me the code』等。

其次，判断学材的好坏，还可以通过权威性去判断。学材是由人撰写的。作者的权威专业性往往与学材的「好坏」也是直接挂钩的。

教程序

教程序指的是教师对教案的呈现，将知识输入给个体。但众所周知，现在已经涌现出AI来顶替教师了。所以无论是老师还是AI，无非也都是一组可被持久化且存在一定的互动性的音视频的信息程序。

现实世界里，有一个现象就是，很多老师专业能力很强，但教学能力却不行。因此用专业能力评价教学能力是不正确的。教学能力是指能将复杂概念简单化叙述的能力，需要能够化繁为简，避虚就实。与学材讲究客观精准不同，教程序更看重互动性，连接的是知识与人的大脑，需要充分地考虑人的心智。

当下找出好的教程序，只有黑盒的方法。即所谓找到名师。通过外界的打分评价体系来反馈教程序的优劣，而不是通过程序内部特性的分析来判断。

学程序

学程序是个体主动进行知识强化的程序，比起前两者更加多变和主观，其原因在于影响因素过于丰富且目前我们不清楚其原理。不同的个体可能适合于不同的学程序。但也肯定存在一些共性，比如艾宾浩斯遗忘曲线。从大的层面上看，短期记忆到长期记忆到彻底理解掌握，需要不断的强化循环。但具体怎么强化和循环有不同的方法细节，例如费曼学习，卡片记忆等等。

一个有效的学程序可能只对一个个体有效。因此，目前为止，学程序都仍然是可以借鉴但却无法批量复制产出。

总结

本文试图回答一个问题：如何掌握知识。但到目前的讨论为止，都仍没有深入太细节。只是停留在表层去探讨。

如果我们细化这个问题，举个例子：如何掌握kubernates？那么按照上述思路，我们该如何进行分析呢？

首先掌握k8s，意味着：

能够搭建起各种服务并充分使用其特性与功能，能够解决搭建和使用期间遇到的问题；
越快速掌握越好。

那么不考虑人的个体差异与环境差异，这个问题就转变为如何找到kubernates的最优教学程序（EP）。从而细化为：

学材：找到最好的kubernates学习资料
教程序：找到最好的kubernates老师
学程序：找到最适合的学习方法程序

开启自律生活，告别拖延症

2020-11-09T09:45:47+08:00

分享一下近期在摸索保持自律方面的一些想法。

手段与工具

工具依赖可以是好事，也会是坏事。正如近期热门的剧《后翼弃兵》中女主依赖一个药成为天才国际象棋棋手，药物可以帮助她快速进入状态，但如果药物丢失了呢？往大了讲，咱们的企业依赖美国的半导体技术，美国正常提供自然是很好，但一旦不提供了对我们的影响是巨大的。很多人经常会依赖一些工具或手段来达成自己目标实现自律，开始学习时需要安静的环境，需要远离手机，需要整洁的桌面，需要别人的督促等等。我会觉得通过依赖于手段和工具来实现自律，其实严格上不能称之为自律。或者是不能自洽的自律。只能说是半自律。只有我们意识到，手段和工具真的只是工具，而不能成为我们自律心智的一部分的时候，我们才能真正地迈向自律。这时候，即使环境嘈杂，即使手机在旁，即使桌面混乱，即使无人监督，我们也可以快速进入注意力集中为达成目标努力的状态。虽然这很难，以至于我们一开始都要借助于工具和手段，但往往在借助的过程中，我们容易迷失，认为没有了工具和手段，我们就无法实现自律，实际上并不是。正如我们上学期间，有老师的监督，有安静整洁的教室，有不允许带手机的纪律，这些都是手段和工具，是为了约束我们，帮助我们后面达成自律。这并不意味着这一切都消失了，你就不能很好的学习了。

工具与手段都是为我们的心智服务，心智才是自律的主体。不能由工具手段反客为主，左右我们的心智。很多时候是「懒」的一种表现。正如，当要打扫卫生时，有些人会发出疑问：没有扫帚我怎么打扫？从而推脱责任，而有些人则会开始寻找扫帚替代品。不同心智在对待工具时有不同的反应。后者更为成熟，不为工具左右，更能达成自律。这一切前提是我们相信人的可塑性，不否认基因对人的影响，但也不否认我们可以通过环境行为改变我们自己。即自律是可以通过后天训练达成的。

今天看一个节目中讲美国大选提到，程序为人服务还是人为程序服务。跟工具与自律的关系有某种类似，工具为自律服务，同样程序始终也是为人服务的。也就是说懂王与懂粉的意志存在可能可以凌驾于程序之上。唯程序至上的人其实是在逃避问题。

时间

前面提到主观的心智与客观的工具中，主观的心智才是自律的主体。但从时间的维度上看，主观的心智却也只是一个配角。因为因果关系的存在。世界存在高于我们心智的支配者。简单的思考，现在已是11月了，今年的时间过去11个月，时间的流逝对我们造成了什么影响。有些人毫无建树，有些人时间利用率高目的性强完成了财富积累职业晋升或是学业进步。客观的输入（我们付出的努力，环境的变幻）在一定的时间内导致了客观的输出。这是不以我们主观心智所转移的客观现实。

面对悄无声息的时间流逝与无法左右的因果关系，我们只能选择《把时间当作朋友》。时间管理的书很多，时间管理的工具也很多。但是大部分都是工具与手段。其实只有在心智层面上理解了时间的意义才能真正做到「管理」时间，拥有高的「时商」。至于使用什么工具采用什么手段都是次要的了。而拥有对时间的感知能力至少要做到以下几点：

感知时间的流逝，形成时间紧迫感；
准确预估接下来所需时间；
理解和了解过去时间完成的事情，形成正反馈；

实施

前面说的都是类纲领性的东西，意识的形成是至关重要的，但实际的微观操作，我称为微操，也不可或缺。

所谓自律，就是集中注意力做事情。我们可以利用一些心理技巧自我调整，而不需要依赖外界条件输入。我们往往会在「危急」时刻能够快速集中注意力，这是我们的本能。如果不这么做，远古时代我们的祖先就活不下来，也不会有我们。因而，我们可以思考在没有外来的「危机」的时候，怎么给自己制造「危机」。

使用倒计时

倒计时可以引起我们的时间紧迫感。类似于看电影时候一些倒计时的镜头可以将我们的注意力拉住。因此我们可以利用这一点来提高我们的专注力。比如给一个任务设定倒计时，一般倒计时时间不建议超过半天，如果超过的话则可以将任务继续细分。倒计时太长，会失去它的意义。合理的倒计时能辅助我们的心智去感知时间的流逝，在倒计时结束的时候完成任务也能给我们形成正反馈，因而合理预估任务的时间同样很重要。

合理「夸大」任务重要性

意义对于每个人都很重要，甚至就是我们很多时候干活的动机。比如周恩来总理，「为中华民族崛起而读书」。就算是肤浅的意义也可以，为了赚钱而读书，为了找女朋友而读书等等。需要找到自己的痛点，去跟任务挂钩，从而引发我们对任务的重视。比如，一场「至关重要」的足球比赛，每个人上场的心态与平常的比赛时候是不一样的，这时会带着必胜的决心投入。因此，合理地去放大任务重要性，与一个有效的意义结合，能让我们更专注。

劳逸结合

以上两点心理技巧可以使得我们无需借助外界条件就可以进入专注状态。但在实施过程中，会有另外的问题，就是我们的精力是有限的，长期的专注很容易引起疲惫，从而负面地影响我们的自律。如何解决？其实答案我们早就知道了。在我们接受的多年的义务教育中，一线的教育工作者用多年的教学经验数据总结出来的方法，即使用40分钟课堂加10分钟休息这样的时间搭配。每个人的情况可能不一样，可以自己调整，但大致是这么一个思路。通过间歇性分段的时间分配策略，来让大脑得到休息。

这三个微操技巧使用得当可以很大程度改善我们的自律效果。相信加以时间训练，可以让自律这个事情变得更加有效率。以上就是我近期对「自律」基于实践的思考总结。

前言

2020-11-06T09:45:47+08:00

待定。