你对数学可能有哪些误解?
就在2月13号,我立下了一个flag,就是14天挑战吴军《数学通识50讲》,然后输出一篇读书笔记,那现在就是兑现诺言的时候了。
其实我也不知道为什么要去学这个,可能是之前老是听成甲老师和查理芒格说数学是最底层的基础学科吧!
当然,在看之前,我给自己准备了一些问题,
1.为什么要学数学?我学数学通识的目的是什么?
2.数学是什么?和其他学科体系有什么关系?
3.数学这门学科主要解决哪些问题?主要应用于哪些领域?
4.《数学通识》这门课程作者是如何搭建数学知识体系的?通过《数学通识》教育想要告诉我们什么?
5.从这门课程当中,我收获到了什么?接下来我该如何在生活中运用它们呢?
那看完这个数学通识,我到底收获了些什么呢?那下面我就围绕这五个问题来回答。
1.为什么要学数学?我学数学通识的目的是什么?
说实话,我以前对数学还真有误解,感觉发明数学的人就是吃饱了撑的,整出这么多幺蛾子,发明出这么多算式公式来整人,在生活里除了能用上加减乘除的运算,还有啥,
为了应对高考,搞得我们不得不天天刷题。
学习了这门课程,我才知道为啥要学数学了。因为数学是自然科学的基础,这句话怎么理解呢?
这里补充一下数学和自然科学的区别,即数学的推理世界与我们真实的测量世界的区别。
什么是自然科学?
自然科学的目的是发现自然现象背后的规律。它是以定量作为手段,研究在无机自然界和包括人的生物属性在内的有机自然界的各门科学的总称。是研究大自然中有机或无机的事物和现象的科学,包括天文学,物理学,化学,生物学,地球科学。
自然科学与社会科学,思维科学并称科学三大领域。社会科学研究各种社会现象的科学,涵盖学科广泛,包括经济学,政治学,历史学,法学,伦理学,社会学,心理学,管理学,新闻学,传播学等。广义的社会科学包含了人文科学,如历史就是社会科学与人文科学的交叉。
思维科学系研究思维活动规律和形式的科学,研究人的意识与大脑,精神与物质,主观与客观的综合性科学。涉及学科:哲学,心理学,逻辑学,生理学。
在自然科学中要用到数学,而且只有采用了数学的方法,才让自然科学从“前科学”,或者说带有巫术性质的知识体系,变成我们今天意义上的科学体系。
制造数学的目的在很大程度上是为了发展自然科学,而非数学本身,这就如同牛顿为了研究运动学而发明了微积分一样。
在数学上,当一个新的定理被证明后,就会产生很多自然的推论,每个推论可能都是一个重大的发现,在自然科学上,很多重大的发现,最初都不是直接和间接观测到的,而是根据数学推导出来的,比如说黑洞引力波便是如此,
在历史上血液循环润现代原子论,最初都是建立在数学推导上的假说,然后才逐渐被实验验证了,世界上有很多我们不能依靠直觉和生活经验理解的事物,但是我们可以从数学出发,经过一步步推导得到正确结论,我们甚至不需要亲力亲为的做一遍,就知道我们的结论一定是正确的。
毕达哥斯拉店里的一个直接推论就是无理数的发现。数学中很多工具都是建立在世界并不存在的虚构概念上,将它们用于现实的社会非常有用,理解了无理数,那么学习物理,做信号处理的工作,搞控制系统都会很顺手。
从数学的定理出发可以推导出很多针对现实世界推论,从而改变我们对现实世界的看法,这就是数学的预见性。
所以说数学是一切科学的基础,它能化繁为简,直击本质。
我学数学通识的目的起初更多的是好奇驱动,我想知道数学到底有什么用?为啥这么多高手都推崇要学数学?
那么数学到底是什么呢?
2.数学是什么?和其他学科体系有什么关系?
数学的本质是工具。高等数学本质上是对趋势的动态描述,是对各种相关性抽象的表述。
从初等数学到高等数学(线性代数和微积分是高等数学的主要板块)就是要把看数字的眼光,从一个个静态的数字,孤立的公式上升到变化的趋势。
美国人为了强调数学的工具性,在小学教学生们笨办法,例如鸡兔同笼的问题,
在一个笼子里,有鸡和兔子,从上面数,数出来35个头,从下面数,数出来94只脚,请问鸡和兔子各有几只?
我们中国学校通常会这么教:
我们假定笼子里全是鸡,那么应该有35 x 2 =70条腿。
但是现在有了94条腿,多出24条,就应该是由四条腿的兔子造成的。
如果我们用一只兔子替换一只鸡,就会多出两条腿,那么替换24条腿需要多少只兔子呢?
24 / 2 = 12,于是就有12只兔子,剩下的就是鸡。
那美国是怎么教的呢?
在小学他们不教学生那些需要技巧的解法。对于鸡兔同笼问题,就是列表的笨办法。比如,在第一个例子中,他们先让学生们明白,兔子的数量不能超过94/4 = 24只,然后就列一张表,从24只开始往下试验,看看脚的数量有多少:
以后再做其它相似的问题时,就可以从上述过程中受到启发,事实上,只要是有整数解的各种二元一次方程的问题,都可以用列表这种笨办法解决。也就是说,美国小学的做法实际上是教给了大家一个很笨的,但是很通用的工具。这样,能解决一个就能解决很多,虽然办法很笨,很花时间,但总不至于让孩子们无从下手。
相比之下,我们学了很多针对具体问题的解题技巧,其实用处远没有想象的大。
在学习数学时,我们最需要做的,就是将生活中的某些问题,由自然语言翻译成数学语言,然后用相应的工具来解决。
数学是一个公理化的体系,这既是数学的特点,也是数学的方法,还是数学对其它知识体系有启发的地方。这里的其他体系包括哲学,自然科学,逻辑学等体系。
说到这,或许会有点懵,什么叫公理化的体系?
公理就是那些不证自明的,无法证明的道理,你可以把公理理解为“上帝的禁区”,公理就是最底层的基础,在公理之上,数学完全是理性的。
一个数学的分支,其基础一旦建立起来,就几乎不会改变了。比如,今天,我们不可能在几何公理之下,再建立更深的基础。也就是说,数学已经到底了。
举一个几何学的例子来帮助大家理解一下什么是公理?
几何学源于古埃及,当地人出于农业生产的考虑,对天文和土地进行度量,发明了几何学。
整个几何学的基础是十条非常简单的公理,它的发展依靠对新定理的发现和通过逻辑推理证明这些定理。
五条一般性的公理分别是:
1.如果a=b, b=c, 那么a=c;
2.如果a=b,c=d,那么a+c=b+d;
3.如果a=b,c=d,那么a-c=b-d;
4.彼此能重合的物体(图形)是全等的;
5.整体大于部分。
五条几何公理分别是:
1.由任意一点到另外任意一点可以画直线(也称为直线公理);
2.一条有限直线可以继续延长;
3.以任意点为心,以任意的距离(半径)可以画圆(圆公理);
4.凡直角都彼此相等(垂直公理);
5.过直线外的一个点,可以做一条,而且仅可以做一条该直线的平行线(平行公理)。至于平行线,就是平面上永不相交的两条线。
这十条公理看上去是不是几乎无法推翻的,在这样的基础上建立起来的数学才是严谨的,从而也说明数学的结论只能从逻辑出发,通过归纳或者演绎得出来。它必须完全正确,没有例外,因为但凡有一个例外(也被称为反例),就要被完全否定掉。
理性的数学家们对公理的态度,更像是一种信仰。
这一点反倒是和哲学有很大的相似性,因为哲学也是建立在对世界本原认识的基础之上的,可以说是高高在上的学科,数学如果是最基础的学科,哲学就是最顶头的学科,
我们或许会觉得这一头一尾的数学和哲学是没有实际用途的,中间可以实用的自然科学才值得我们去学习。但是,无用之用,方为大用。一个人只有在深刻理解了人类知识的普遍性原理之后,才能站在一个制高点往下俯视。这也是数学和哲学的共同之处。
数学和哲学的关系就略带提一下,重点还是数学与自然科学的关系。马克思曾经描述数学和自然科学的关系:“一种科学只有在成功地运用数学时,才算达到了真正完善的地步。
可见前人对数学是多么看重,下面我们来看一下自然科学“+数学”的改造案例。
第一个被数学改造的学科是天文学。古代文明为了推算历法和预测地上发生的各种现象,发明了占星术。但是,占星术的预测是极为不准确的,因为它措辞含混,而且缺乏量化度量。
从占星术到天文学的转变源于古希腊时期,特别是靠喜帕恰斯和托勒密的工作,他们利用数学这个工具,建立起天体运动的模型,于是就能比较准确地预测天体的运动了。其中最著名的是托勒密利用几何学建立起来的地心说模型。
第二个被改造的学科是博物学,亚里士多德使用分门别类的方法,对他那个时代所了解的世界万物进行分类,这和今天数学的集合论以及函数的概念有很高的一致性。由于篇幅的原因,我们不多讲了。
第三个被改造的学科是物理学,这个过程始于阿基米德,成熟于伽利略,并且在后面不断地被发扬光大。
阿基米德最为人熟知的贡献是发现了浮力定律和杠杆原理。浮力定律并非是从大量实验中总结出来的,而是他受到洗澡时的灵感,运用逻辑得到的。至于杠杆原理,虽然比阿基米德早2000多年的古埃及人就知晓了,但是将它用数学公式描述出来的是阿基米德。
在阿基米德之后,希腊化地区不再有这个级别的科学家,因此建立物理学大厦的任务就落在了伽利略身上。伽利略的伟大之处在于,他把数学方法和实验方法结合起来研究自然界的现象,使物理学摆脱了经院哲学的束缚。杨振宁说,数学和物理是两片生长在同一根管茎上的叶子,这非常形象化地说明了数学与物理之间的关系。
在伽利略以后,物理学的数学化加快了步伐,而在牛顿之后,最重要的物理学家是麦克斯韦,他对电磁学的贡献,堪比牛顿在经典力学上的贡献。
在麦克斯韦之前,库仑、安培、伏特、焦耳、法拉第等人都通过实验发现了电学的一些规律。但是,这些理论缺乏系统性,没有完全道出电和磁的本质。麦克斯韦和这些物理学家都不同,它是从数学出发,把前人的理论,特别是把法拉第有关电磁场的想法归纳成几个简单的方程式,使得电学和磁学统一为电磁学。
从以上案例即可看出数学对自然科学的帮助,主要体现在工具和方法两方面。数学作为工具很容易理解,比如微积分是今天很多自然科学研究的基础,离散数学是计算机科学的基础,而这在物理学中特别明显。但是,对大家更有借鉴意义的可能是在方法上。
我们从各种自然科学的升华过程可以看出,它们有这样三个共同点:
从简单的观察上升到理性的分析。今天我们观察到一个现象是一件很容易的事情,大部分人都能做到,但是能够对现象进行理性分析的人很少。这是每一个人都需要锻炼和提高的。
从给出原则性结论到量化的结论,虽然我们不需要像拉瓦锡那样随身带着天平,但是需要明白很多事情必须量化度量才能得到准确的结论。
将自然科学公式化,或者说用数学的语言来描述自然科学。今天,不论是哪个国家的人,看到了F=ma,都知道是牛顿第二定律,看到E=mc^2,都知道是爱因斯坦的质能方程,看到H₂O,都知道是水。
古代很多科学手稿,采用的是自然语言,而非数学语言来描述物理学的规律,这种做法不仅不形象,而且里面有一些彼此矛盾的地方难以发现。在采用了数学公式描述自然科学规律之后,由于公式的严谨性,一旦有矛盾之处,就很容易被发现。
了解了自然科学的发展在很大程度上就是“+数学”的过程,这便是数学与自然科学的关系。
数学结论的正确性,取决于公理的正确性,以及逻辑的严密性,因此数学和逻辑也是密不可分的,特别是像欧几里得几何这种数学体系,完全依赖于逻辑。但是,数学和逻辑又是完全独立的两门学问,不能混为一谈。
关于逻辑学,最典型的就是同一律,矛盾律和排中律,到底啥意思呢?
同一律,它通常的表述是,一个事物只能是其本身。这句大白话背后的含义是,世界上任何一个个体都是独一无二的。注意这里说的是个体,不是群体。一个事物只能是其本身,而不能是其他什么事物。苹果就是苹果,不会是橘子或者香蕉。
因为有同一律,我们才可以识别出每一个个体,这在数学上可以用A=A这样的公式表示,
矛盾律,它通常的表述是:在某个事物的某一个方面(在同一时刻),不可能既是A又不是A。数学中的反证法,就是基于矛盾律。
排中律,它通常的表述是,任何事物在明确的条件下,都要有明确的“是”或“非”的判断,不存在中间状态。比如在数学上,一个数字,要么大于零,要么不大于零,没有中间状态。有人可能会说,等于零不就是中间状态么?其实大于零的反面并非小于零,而是不大于零或者说小于等于零,因此等于零的情况其实就是不大于零的一种。
排中律保证了数学的明确性,通常我们在数学上使用排中律原则最多的时候,就是在所谓的排除法或者枚举法中。当我们排除了一种情况时,和它相反的情况就一定会发生。如果有多于两种对立的情况,我们可以先把所有可能的情况二分,然后再不断二分,直到每一个彼此不重复的情况为止。
在计算机科学中,任何和二分相关的算法,其逻辑基础都是排中律。
数学和其他学科体系的关系就说到这里了,我们继续回答一下个问题。
3.数学这门学科主要解决哪些问题?主要应用于哪些领域?
其实这个问题上面已经提供了答案,数学的本质就是工具,而且还是非常严密可靠的工具,自然学科“+数学”后都变得非常科学,应用领域其广泛程度不言而喻。
4.《数学通识》这门课程作者是如何搭建数学知识体系的?作者通过《数学通识》教育想要告诉我们什么?
这门课程讲了代数学、几何学、微积分、高等代数、概率论,以及简单的数论、最优化、实变函数和博弈论。
第一个模块讲的是毕达哥拉斯定理(亦称勾股定理),以及数学在美学当中的应用:黄金分割定律。
第二个模块讲“数的概念”。主要讲了无理数,虚数,无穷大,无穷小等数的概念,突出了数学作为“抽象思维”工具的作用,比如人们从具体算术到抽象代数,用到解方程、虚数等等,为什么要学习它们?因为它们的角色是人类造出来的抽象工具,在现实生活中并不存在,但是有了它们,现实的问题就好解决了。
数学通识教育,一个重要目的就是让大家习惯于使用这样的抽象工具。
第三模块讲的是几何。在几何的模块中,介绍了什么是公理化的知识体系,它是如何建立的。
第四模块讲的是代数。在代数的模块中,重点介绍了函数和向量。函数这个概念的发明,把人类的认知从个体上升为整体,从单点联系,上升为规律性的网状联系。
第五模块是微积分,这是高等数学的内容。和初等数学的工具的不同之处在于:人们开始对把数学从关注静态的关系,变成了对动态规律,特别是瞬间规律的把握上。
理解这一点,并且主动应用到工作中,是学习微积分的主要目的。
以上都是能给出问题唯一的答案的数学分支,
但到了近代,很多现实问题很难有完全确定的答案。于是,为了研究不确定世界的规律性,概率和统计发展起来了。数学的这个分支在今天我们充满不确定性的世界里非常重要,也是所谓的大数据思维的科学基础。
所以后面的第六第七板块的内容也主要在这里,
纵观数学发展的历程,以及我们应该具有的数学思维历程,我们可以看到这样的趋势,从个案到整体规律,从个别定理到完整的知识体系,从具体到抽象,从完全的确定性,到把握不确定性。
那看完这些后,作者通过《数学通识》教育想要告诉我们什么?我印象中最深刻的就是作者他特别强调数学是个工具,学习数学就是练习自己使用工具的能力,花很多时间在学习小的解题技巧上不值得。因此不要因为掌握不了一个小技巧而沮丧。最要注重学习的是概念,以及概念之间的联系,然后能够把现实的问题转化为数学问题。
我想这也是我学数学通识的主要目的了。
5.从这门课程当中,我收获到了什么?接下来我该如何在生活中运用它们呢?
收获一:重新理解了“无穷大”和“无穷小”
在我以前的认知里,无穷大是一个具体的数字,只是它比我能想象的数更大而已,但作者告诉我无穷大的世界和我们日常认知的世界完全不一样。
在无穷大的世界里,数学中的很多逻辑都需要重新梳理一遍。我们在有限的世界里得到的很多结论,放到无穷大的世界里,需要重新检验,有些能够成立,有些不成立。
比如说在有限的世界里,一个数加上1就不等于这个数了,因为比它大1,但是在无穷大的世界里,这条结论就不成立,因为无穷大加1还是无穷大,
无穷大不是一个具体的数字,它是数列或者函数变化的趋势,是动态的,它反映一种趋势,一种无限增加的趋势。所以必然有某些数列或者函数会比其他的增加更快,有些则相对慢一点的情况。
我列举了一些函数来更好地理解一下,这些函数在零附近都是无穷小,它们的阶数也越来越高:
平方根
x本身、正弦函数
平方函数 x^2
立方函数 x^3
指数函数的倒数
在这些函数当中,我们也可以对无穷大比较大小。无穷小是趋近于0,然后谁接近0的速率更快,谁就是更小。
特别需要指出的是,很多个低阶无穷大,加在一起增长的速率都比不上一个高阶的。比如说10000x和x的平方相比谁大,当x趋向于无穷大时,后者要大得多。当然,x的立方又要比任意有限个x的平方大。
当然你可能会想,这些函数最后反正都趋近于无穷大,你比较它们有意义吗?
答案是有的,因为无穷大本身的含义就是一种趋势,而不是一个数字。特别是在计算机科学出现之后,它的意义更明显。
举个例子,假如算法A的计算量和N成正比,那么当N从10000增加到100万时,计算量也增加100倍;如果算法的计算量和N的平方成正比,事情就麻烦得多了,当N同样从10000增加100倍到100万时,计算量要增加10000倍。
类似的,如果算法C的计算量是N的立方,则要增加100万倍。当然遇到极端的情况,计算量是N的指数函数,问题就无法解决了。相反,如果算法D的计算量是N的对数函数,那么太好了,无论N怎么增加,计算量几乎不增加。
计算机算法的精髓其实就是在各种无穷大中,找一个小一点的无穷大。一个好的计算机从业者,他在考虑算法时,是在无穷大这一端,考虑计算量增长的趋势,一个平庸的从业者,则是对一个具体的问题,一个固定的N,考虑计算量。
前者可以讲是用高等数学武装起头脑,后者对数学的理解还在小学水平。我们首先要通过学习课程换脑筋,然后才是掌握知识点。
无穷大和无穷小本身含义既然是趋势,那必然有趋势的博弈,
而事物的演化,也总会受到两种“趋势”的牵引;最后结果如何,在于二者“阶数”的高低。
例如,身体抵抗外来病菌的过程,就是“免疫系统消灭病菌的趋势”与“病菌在体内增殖的趋势”之间的博弈,只有前者的“阶数”不低于后者,才会康复。
如果个人财富的累积速度赶不上经济增长的速度,那么“活得足够长,早晚能买房”不过是一剂毒药。同样,企业的增长也是这个道理。
收获二:重新理解了“函数”
在中文里,“函数”这个词是清末数学家和翻译家李善兰创造出来的。大概定义就是:
凡是这个变量中包含另一个变量,这个变量就称为另一个变量的函数。也就是说,如果y随x变化,y就是x的函数。
有了函数,人类在认识上有了三方面的进步。
首先,我们就很容易看出两个变量之间是怎样相互影响。
比如说圆的周长是半径的2π倍,这是一种线性关系,圆的面积和半径的关系是平方关系,球的体积和半径的关系是三次方。
圆的半径从1变到2,面积就从原来的1倍变到4倍,体积就是原来的8倍。
其次让我们从对具体事物、具体数的关注,变成了对趋势的关注,而且可以非常准确地度量变化趋势所带来的差异。
善于做报告的人都知道,在PPT中最好不要直接引用数据,而要把它们变成曲线或者直方图。曲线和直方图其实就是对函数的一种形象表示,它们可以让那些原本对趋势不敏感的听众,实实在在感受到变化。
第三点,它能帮助我们通过学习几个例题,掌握解决一系列问题的方法。
比如我们知道了投掷和抛射一个物体,当初速度一定时,最后它飞行的距离是抛射角度的函数,那么我们就能算出不同角度下,抛射的距离。
当你的思维方式要从常数思维转变到变量思维,最后转变到函数思维后,你会发现,函数在我们现实生活中无处不在。比如在一个单位里,员工和他的工资之间,就是一种函数关系。
对于函数,很多人常犯的错误在于没有考虑定义域,滥用函数关系,比如你不能假设圆的半径是负数,然后套用S= πR^2这样的函数去计算面积。
有一个很重要的点,当一个函数是由多个变量决定它的函数值时,函数中的每个变量和函数值有相关性,有些还是百分之百的正相关,但是它们没有决定性,也没有必然的因果关系,切忌把相关性和因果关系混为一谈。
收获三:重新认识了“向量代数”
重新认识了向量代数后,我发现方向比努力更重要这句话真不是空穴来风的。
F合=a*b*夹角的余弦值(a,b代表向量)
当a,b两个夹角越大,余弦值就越小(看余弦值函数图像),合力也就越小,
这也就好比我的学习状态,学太多,四处发散,合起来的力还不如人家就在一个方向发的力大,对于那些一直在一个方向深挖的人,我几乎没有竞争力。
理解了数量的方向性,我们就可以得到一个自然的推论,那就是做事情要聚焦。如果不聚焦是什么结果?你往三个方向使劲,每一次努力其实都是有成本的,但是很多时候努力相互抵消掉了。
哈哈哈,开心不
收获四:重新理解了“微积分”
微积分有两位主要的发明人,牛顿和莱布尼茨。牛顿发明微积分的一个重要原因是,他需要一个数学工具解决力学问题,比如如何计算速度。
比如一个警察抓超速,依据的就是驾驶者的瞬间速度,而不是他一路开过来的平均速度。对于瞬间速度,牛顿之前的科学家并没有太多的了解,当然也不会计算了。
那么牛顿是怎么解决这个问题的呢?他采用了无限逼近的方法。具体的想法是这样的:
首先我们回到速度的定义,就是一段时间里的位移量????S除以相应的时间????t,我们可以写成速度v=????S/????t。
当时间间隔????t逐渐变小时,这个比值会变化,会越来越反映出在t0点附近的速度。当????t趋近于0时,那条反映速度的斜线,就是曲线在t0点的切线,牛顿就把那个切线的斜率,定义为在t0点的瞬间速度。
牛顿把这个由每个点切线斜率构成的函数,称为原来函数的流数,我们今天称之为导数。通常我们用y=f(x)表示原函数,用y=f’(x)表示它的导数。
我们说某个函数变化快,某个函数变化慢,都是宏观的描述,没有量化度量。导数解决了这个问题。我们还说,某个函数,越变越快,这也只是宏观的、定性的分析。
有了导数的概念之后,我们就可以准确地度量任意一个函数在某一个点的变化。因此导数的本质是对变化快慢的准确量化度量。
导数是微积分中最重要的概念之一,从导数出发我们稍微往前走一小步,就进入到微积分的微分了。
什么是微分呢?它其实就是在前面有关速度的例子中,????t趋近于零时,????S的值。对此一般性的函数,我们用dx表示自变量趋于零的情况,用dy表示函数的微分。
如果我们对比一下导数的定义f’(x) = ????y/????x,其中????x趋近于零,以及微分的定义dy =f’(x)dx,就可以看出它们讲的其实是一回事,因为????x和????y趋近于零之后,就是dx和dy。有时人们直接将导数写成f’(x) =dy/dx。
如果我们孤立地看微分dy,它是个无穷小,搞出这样一个新概念有什么必要呢?
其实在工作和生活中,我们经常会遇到这样的问题,一个函数取决于很多变量,这时我们不知道该在哪个方向改变,怎样才能以最快的速度进步。微分这个工具,其实给解决这一类的问题提供了很好的方法。它引出了一个梯度的概念,利用梯度,我们就能解决这个问题了。
举个例子,圆柱体的体积:V=????R^2 h,如果我要问,这个体积随半径变化快,还是随高度变化快?
对圆柱体函数,我们可以针对半径求微分dV/dR,也可以针对高度求微分dV/dh。
体积对半径R微分:dV/dR=2????Rh
体积对高度h微分:dV/dh=????R^2
如果我们把这两个微分的结果放到一起,就是梯度,也就是说圆柱体积函数的梯度是(2????Rh,????R^2)。
对比一下两个微分函数就会发现,哪个变化的速率快,还真不好说。假如R等于10,h也等于10,体积就随半径变化快。如果R=10,h只有1,那就是随着高度变化快。
梯度的物理含义可以这样理解,如果你去登山,怎样沿着最陡的方向,最快地爬到山顶呢?梯度函数会告诉你在任意一点,往不同方向走的上升速度是不一样的,因此你很容易找到前进的目标。在圆柱体函数中的梯度是上面那个式子,我们在前面得到的结论是,只要高度小于1/2的半径,就应该优先增加高度。
如果说你有一个目标函数,它可能受到多个变量的影响,那是你长期进步的趋势,但是在每一个时刻,你需要计算一下那个函数针对各个变量的微分,也就是梯度函数,找到进步最显著的方向去努力。这就是通过宏观趋势把握微观变化。
微分和积分是互为逆运算的。距离是速度的积分。速度是距离变化的微分,
积分的第一个意义:把握每一个细节对最后整体的影响
积分思想的本质是什么?它是要从动态变化来看累积效应。比如对于速度来讲,累积效应就是走过的距离。如果我们做匀速运动,速度是个常数,它的曲线就是在坐标轴上和横轴平行的直线,因此走过的距离是速度乘以时间,是个长方形。
但事实上,速度是一个随着时间不断变化的函数,忽快忽慢,那么在这样的速度下走过的距离就需要考虑每一时刻的动态变化了,积分就是提供这样的工具。
积分的第二个意义:从微观上每一时刻动态的变化理解宏观上积累的效果。积分最大的特点就是它的滞后效应,它包含两个要点:
凡是需要通过积分获得的数量,它的结果会滞后于瞬间变化,有时还要经过相当长的时间滞后才能看到。
这种由积分获得的数量,一旦大到被大家都观察到之后,要逆转这个趋势是非常难的。
我们有时候也把这种效应称为飞轮效应,因为如果我们在飞轮上匀速用力,根据牛顿第二定律,它的加速度也是匀速的。而速度是加速度的积分,是一个需要积累才能看到的量,因此具有滞后效应。
我们每一个人都应该记住,从努力,到能力,到成绩,到被赏识,是一级级积分的结果。反过来也一样,当我们开始觉得自己了不起了,停止努力时,你就会发现,一段时间后,能力就不适应新的工作了,再过一段时间就会做砸几件事情,几次累积下来,在单位的处境就危险了。这时要扭转局面,为时已晚。
人有一个很大的弱点就在于,他在开始努力的一瞬间,就指望能力马上提升,然后周围的人马上肯定自己,忘记了积累效应。如果别人不肯定他,他就觉得世界对他不公平。而当人开始放松,一开始并没有出问题,但是会逐渐出问题,这时大部分人只会想自己这件事情没有做好,而不是反思自己的问题很早以前就被种下种子。
收获四:重新认识了“概率论”
在代数学中,求出方程的解,是把不确定的未知数确定下来。
在函数中,则是把变量之间的关系确定下来。
在微积分中,我们对确定性的理解从宏观进入到了微观,当然也可以从微观来确定宏观。
而在概率论中,我们对不确定性世界规律将会有新的认识。
根据拉普拉斯对概率的定义,所有可能发生的情况放在一起,构成了一个随机事件总的集合(也称为概率空间)。任何一个随机事件,都是随机事件总集合里的一个子集。
比如掷两个骰子,随机事件总的集合就包含那36种情况。而某个随机事件,比如“两个骰子总点数大于10”,就是其中的一个子集,这个子集包含三个单位事件,即第一个骰子是5点,第二个骰子是6点,或者反过来,两个骰子都是六点。
众所周知,随机事件是不可控的,随机性是一种自然的属性,我们无法否认它的存在,它导致很多结果变得不确定。但是对于特定的随机试验,它得到什么结果,还是有规律可循的,数学家们用了一个概率的概念来描述这种不确定性。
用一句话来描述概率论的产生背景就是随机性是有规律可循的,于是才有了概率论。
我们都知道,统计学的规律只有经过了大量随机试验才能得出,也才有意义。但是随机试验得到的结果,和我们用古典概率算出来的结论可能是两回事。
比如说,我们知道抛硬币正反两面朝上的概率各一半,但你现在去抛十次硬币,真的有5次正面朝上么?
这就是现实概率和理想概率的偏差。为什么现实概率和理想概率总有偏差?
几百年前,法国数学家伯努利等人为了回答这个问题,就开始做一些最简单的随机试验,这种试验简单到只有两种结果,非A即B,没有第三种状态,而且在同样条件下重复这种试验,A和B发生的概率需要一致。
比如抛硬币,每次正面朝上的概率是1/2;掷骰子,事件A是“六点朝上”,它出现的概率每次也是1/6。当然事件B就是其它点朝上,每次的概率是5/6。在一般情况下,出现A的概率是p,B的概率是1-p。这类试验后来被称为伯努利试验。
如果我们做100次抛硬币的试验,这时你会发现,80%的情况下,正面朝上出现了40~60次。
做1000次试验,在99.9%的情况下正面朝上的次数在400~600之间。
在一般情况下,如果进行N次这种简单的伯努利试验,那么事件A会发生多少次呢?
虽然我们感觉应该是总次数N乘以每次发生的概率p,但是实际上事件A发生多少次都是有可能的。当然发生N*p次的可能性最大,接下来发生N*p+1或者N*p-1次的可能性次之,然后向两头逐渐递减。
如果我们将它画成一条曲线,就是中间高两头低的曲线。满足这种曲线的概率分布,被称为伯努利分布,也称为二项式分布,因为每一次试验的结果有两种。
在数学上,有两个非常准确的概念来定量描述“鼓”和“平”的差别。
第一个概念就是平均值或者叫做数学期望值,也就是N*p,因为概率是p的事件进行N次试验后,平均发生的次数,也是最可能发生的次数,
第二个概念就是平方差(简称方差),方差其实是对误差的一种度量,既然是误差,就要有可对比的基点,在概率中,这个基准点就是数学期望值(简称期望值),也就是我们通常说的平均值。比如说,做10次抛硬币的试验,平均值就是5次正面朝上,5就是基点。
如果我们做10次试验只出现4次正面朝上的情况,就有了误差,误差是1。如果9次正面朝上,那么误差就大了,就是4。好了,接下来我们就把各种误差,和产生那些误差的可能性一起考虑,做一个加权平均,算出来的“误差”就是平方差。
伯努利试验或者其它类似的试验,试验的次数越多,方差和标准差越小,概率的分布越往平均值N*p的位置集中。显然,在这种情况下,你用A发生的次数,除以试验次数N,当作A发生的概率,就比较准确。
反之,试验的次数越少,概率分布的曲线就越平,也就是说A发生多少次的可能性都存在,这时你用A发生的次数,除以试验次数N,当作A发生的概率,误差可能会很大。
这里我们也可以得出一个结论:
有关不确定性的规律,只有在大量随机试验时才显现出来,当试验的次数不足,它则显现出偶然性和随意性。
有了方差的概念,我们就能定量分析“理想”和现实的差距了。什么是理想呢?我们进行N次伯努利试验,每一次事件A发生的概率为p,N次下来发生了N*p次,这就是理想。那么什么是现实呢?由于标准差的影响,使得实际发生的次数严重偏离N*p,这就是现实。
比如,在生活中,很多人觉得某件事有1/N发生的概率,只要他做N次,就会有一次发生,这只是理想。事实上,越是小概率事件,理想和现实的差距越大。比如说一件事发生的概率为1%,虽然进行100次试验后它的数学期望值达到了1,但是这时它的标准差大约也是1,也就是说误差大约是100%,因此试了100次下来,可能一次也没有成功。
如果你想确保获得一次成功怎么办呢?你大约要做260次左右的试验,而不是100次。这里面的数学细节我们就不讲了,大家记住这个结论就好,就是越是小概率事件,你如果想确保它发生,需要试验的次数比理想的次数越要多得多。
比如买彩票这种事情。你中奖的概率是一百万分之一,你如果要想确保成功一次,恐怕要买260万次彩票。你即使中一回大奖,花的钱要远比获得的多得多。因此,了解了标准差,就该懂得人为什么不要去赌。这是我们在认知方面要了解的第一个知识点。
我们要了解的第二个知识点是,提高单次成功率要远比多做试验更重要。假如你有50%的成功可能性,你基本上尝试4次,就能确保成功一次,当然理想状态是尝试两次。为了保险起见,要多做100%的工作。但是如果你只有5%的成功可能性,大约需要50次才能确保成功一次,而不是理想状态中的20次。为了保险起见,要多做150%的工作。
概率论证明了,凡事做好充足的准备,争取一次性成功,这要远比不断尝试小概率事件靠谱得多。
当然还有另一类特殊的伯努利试验,可以进一步完善我们对随机性的认识,特别是对风险防范的认识。
在这一类伯努利试验里,随机事件A发生的概率通常很小,但是试验的次数n很大,比如发生车祸的情况便是如此,这种分布被称为泊松分布。
泊松分布是这样定义的:如果随机事件A发生的概率是p,进行n次独立的试验,恰巧发生了k次,则相应的概率可以用这样一个公式来计算:
由于泊松分布的内容稍微有点多,我这里就直接说结论,想知道的可以自己百度。
结论一:由于随机性的作用,我们在准备资源时,达到平均值还是不够的,需要准备一些冗余量。
结论二:池子越大,越能抵消随机性带来的误差。
这方面,可以看保险公司怎么做的。
泊松分布描述的是概率非常小的情况下的统计规律性。接下来我们来正确认识大概率事件——高斯分布(亦称正态分布)
与泊松分布那样的小概率事件相对,如果一个事件A发生的概率非常大,等于或者接近1/2(当p大于1/2时,1-p小于1/2,我们把p和1-p互换,依然只要研究p小于1/2的情况),同时试验次数n也非常大,会是什么结果呢?
我们假定事件A经过n次试验后发生了k次,把k的概率分布图画一下,就得到了一个中间鼓起,像倒扣的钟一样的对称图形。
下面用一个例子来说明均值、标准差,和发生概率三者之间的关系。
假如有两个班,一班的考试成绩在60~100分之间变化,均值(平均分)为80分。二班的成绩在70~100分之间变化,均值为85分。那我们能说二班比一班成绩好吗?
根据我们的经验,同学们的成绩通常分布在平均分附近的比较多,特别好或者特别差的很少,
那么我们有多大把握说明平均分85分的二班一定比80分的一班强呢?这就要看两个班成绩的平均浮动范围了,这就是我们所说的标准差。这个数值其实就类似方便面包装袋上标的净重60克,后面还会标一个“+-1”克,这个1就是标准差。
如果两个班的标准差都是5分,一班的真实成绩也+-5,大致就是在75到85分的范围内浮动,二班的成绩是在80到90分的范围浮动。在这两个浮动范围重叠的部分,我们无法判断哪个班成绩更好。这个重叠区域,即图中红色的区域,表示我们无法作出判断的情况,这个区域的面积,就是我们无法作出判断的概率。
具体到这个图中,红色区域的面积占了两条曲线所覆盖面积的65%。也就是说,有65%的可能性,我们没法说哪一个班的成绩好。或者说,我们只有大约35%的信心,证明第二个班的成绩比第一个班好。这种信心通常被称为置信度。
从这个例子中我们可以看出,两个班平均分差五分,如果标准差也是5分,我们并没有足够的证据说明哪个班成绩更好。那么在什么情况下能证明,平均分85分的二班,就比平均分80分的一班学得好呢?
那就是减少标准差。当标准差????降低到只有1时,这两个班成绩的概率分布大致如下图,重叠的部分只占面积的5%。这时我们大约有95%的信心说二班比一班好。其实这个很好理解,从分布图来看,标准差越大,分布图越扁平,重合面积就越大; 标准差越小,分布越 "瘦高",两部分的重合面积就越小,我们就越有把握判断哪个在横轴上的分数越高。
鉴于有点复杂,我就直接说作者结论了。
如果一个随机变量的取值符合高斯分布,它有大约68%的可能性,动态范围不超过平均值加减标准差????。这时我们说,在一个标准差之内,我们对平均值的置信度为68%。
比如在上面的例子中,一班的平均成绩为80分,标准差为5分,于是我们有68%的置信度说,考虑到随机性的影响,这个班的平均成绩应该落在75~85分之间,而不是之外。
如果我们把允许的误差的范围放大一点,放大到正负两倍的标准差,那么有大约95%的情况,这个随机变量的动态范围不超出平均值加减两倍的标准差,或者说,我们有95%的置信度相信这一点。
做科学实验时,通常需要有95%的置信度,否则大家觉得不踏实。当然,如果我们进一步扩大误差范围到三倍的????,那么置信度就提高到99.7%。在要求极高的实验中,我们甚至会要求更高。
这个规则适合于任何高斯分布,我们通常称之为“三????原则”或者“68-95-99.7原则”。平时大家记住带有随机性质的结论,需要有95%的置信度就好了。算了,我直接上图吧!
图中曲线和x轴之间的面积,就是曲线的积分,面积的大小就代表了高斯分布在某个范围内的概率。
关于3????法则,大家记住一个要点:
有随机性的结论,需要有95%的置信度就好。
到目前为止,前面讲的和概率有关的随机试验都是独立的,前后不相关。
但是世界上很多随机事件的发生是彼此相关的,比如今天的天气就和昨天的天气有关,在一句话中,某个词是否出现,和上一个词其实也有关。
比如汉语拼音tian qi,在不考虑音调时,可以是“天气”,也可以是中药“田七”。如果没有上下文,“天气”出现的可能性恐怕是中药“田七”的上千倍。但是如果我特别强调它前面一个词汇是“中药”,那么后面这个词汇是“田七”的可能性就比“天气”大得多。
可见,在一个特定条件下,某个随机事件发生的概率,和通常它发生的概率有很大区别,这种在某个特定条件下发生的概率,就是条件概率。对于几乎所有的随机事件来讲,条件概率由于条件的存在,它通常不等于本身的概率。
比如说,“天气”这个词在汉语中出现的概率,用P(天气)来表示,可能是千分之一(0.1%),而“田七”的概率P(田七)只有百万分之一(0.0001%),但是如果前面一个词是“中药”,“天气”的概率就降低到十万分之一了,而“田七”的概率则上升到百分之一了。
这时候的概率我们称之为条件概率,“中药”这个词就是后面出现什么词的条件。一般我们把条件概率写成P(天气|中药)的形式。
条件概率在认知上有非常重要的意义。你从上面的例子中可以看出,考虑不考虑条件,两个随机事件发生的概率可以差出很多数量级,原来不可能发生的事情,就极可能会发生,原来以为是大概率的事情,可能根本就不会发生。
很多人学习别人的经验,用到自己身上就不灵了,原因就是没有搞清楚条件。另一方面,有些原来大家认为不可能做成的事情,一旦条件具备,就成为了大概率事件。
直接上公式吧!条件概率公式:
P(Y|X)=P(X,Y)/P(X)
【注:一件事Y在条件X下发生的条件概率P(Y|X),等于条件X,和这件事Y一同发生的联合概率P(X,Y),除以条件X的概率P(X)。】
现在我们把这个式子变形就是贝叶斯公式,写成:
P(X,Y)=P(Y|X)*P(X)
(注:可以理解成X和Y一同发生的概率,就是X发生的概率,乘以在X条件下Y发生的概率。)
贝叶斯公式告诉我们。凡事要讲究条件,比方说同样是感染发烧的症状,小儿、老人就大不同,卧床的老人首先要想到褥疮和肺炎,小儿则是上呼吸道、肠胃和泌尿道感染,除此之外,发烧的型态也能帮助推敲,给医师第一时间猜想的疾病,病历上称作 Impression,简单来说就是对疾病表现的第一印象,接着再以猜想去安排检查,去除掉不可能的就是答案。在条件下做事,是面对复杂问题的快速决策法。
概率是统计的智慧结晶。有时隐藏变化,在正态分布中暗潮汹涌;有时限缩范围,在前提条件下聚焦答案。
好啦!以上就是我在《数学通识》学到的和收获到的,不得不说真的是太烧脑了,到现在我也最多是大概了解了一下,日后还需要多多回顾。
上一篇: 7: Shell 脚本基础
下一篇: 对 C 语言教条的理解是这样的
推荐阅读
-
实用技巧:你在进行App测试时,对哪些常用adb命令了如指掌呢?
-
SSM三大框架基础面试题-一、Spring篇 什么是Spring框架? Spring是一种轻量级框架,提高开发人员的开发效率以及系统的可维护性。 我们一般说的Spring框架就是Spring Framework,它是很多模块的集合,使用这些模块可以很方便地协助我们进行开发。这些模块是核心容器、数据访问/集成、Web、AOP(面向切面编程)、工具、消息和测试模块。比如Core Container中的Core组件是Spring所有组件的核心,Beans组件和Context组件是实现IOC和DI的基础,AOP组件用来实现面向切面编程。 Spring的6个特征: 核心技术:依赖注入(DI),AOP,事件(Events),资源,i18n,验证,数据绑定,类型转换,SpEL。 测试:模拟对象,TestContext框架,Spring MVC测试,WebTestClient。 数据访问:事务,DAO支持,JDBC,ORM,编组XML。 Web支持:Spring MVC和Spring WebFlux Web框架。 集成:远程处理,JMS,JCA,JMX,电子邮件,任务,调度,缓存。 语言:Kotlin,Groovy,动态语言。 列举一些重要的Spring模块? Spring Core:核心,可以说Spring其他所有的功能都依赖于该类库。主要提供IOC和DI功能。 Spring Aspects:该模块为与AspectJ的集成提供支持。 Spring AOP:提供面向切面的编程实现。 Spring JDBC:Java数据库连接。 Spring JMS:Java消息服务。 Spring ORM:用于支持Hibernate等ORM工具。 Spring Web:为创建Web应用程序提供支持。 Spring Test:提供了对JUnit和TestNG测试的支持。 谈谈自己对于Spring IOC和AOP的理解 IOC(Inversion Of Controll,控制反转)是一种设计思想: 在程序中手动创建对象的控制权,交由给Spring框架来管理。IOC在其他语言中也有应用,并非Spring特有。IOC容器实际上就是一个Map(key, value),Map中存放的是各种对象。 将对象之间的相互依赖关系交给IOC容器来管理,并由IOC容器完成对象的注入。这样可以很大程度上简化应用的开发,把应用从复杂的依赖关系中解放出来。IOC容器就像是一个工厂一样,当我们需要创建一个对象的时候,只需要配置好配置文件/注解即可,完全不用考虑对象是如何被创建出来的。在实际项目中一个Service类可能由几百甚至上千个类作为它的底层,假如我们需要实例化这个Service,可能要每次都搞清楚这个Service所有底层类的构造函数,这可能会把人逼疯。如果利用IOC的话,你只需要配置好,然后在需要的地方引用就行了,大大增加了项目的可维护性且降低了开发难度。 Spring中的bean的作用域有哪些? 1.singleton:该bean实例为单例 2.prototype:每次请求都会创建一个新的bean实例(多例)。 3.request:每一次HTTP请求都会产生一个新的bean,该bean仅在当前HTTP request内有效。 4.session:每一次HTTP请求都会产生一个新的bean,该bean仅在当前HTTP session内有效。 5.global-session:全局session作用域,仅仅在基于Portlet的Web应用中才有意义,Spring5中已经没有了。Portlet是能够生成语义代码(例如HTML)片段的小型Java Web插件。它们基于Portlet容器,可以像Servlet一样处理HTTP请求。但是与Servlet不同,每个Portlet都有不同的会话。 Spring中的单例bean的线程安全问题了解吗? 概念用于理解:大部分时候我们并没有在系统中使用多线程,所以很少有人会关注这个问题。单例bean存在线程问题,主要是因为当多个线程操作同一个对象的时候,对这个对象的非静态成员变量的写操作会存在线程安全问题。 有两种常见的解决方案(用于回答的点): 1.在bean对象中尽量避免定义可变的成员变量(不太现实)。 2.在类中定义一个ThreadLocal成员变量,将需要的可变成员变量保存在ThreadLocal(线程本地化对象)中(推荐的一种方式)。 ThreadLocal解决多线程变量共享问题(参考博客):https://segmentfault.com/a/1190000009236777 Spring中Bean的生命周期: 1.Bean容器找到配置文件中Spring Bean的定义。 2.Bean容器利用Java Reflection API创建一个Bean的实例。 3.如果涉及到一些属性值,利用set方法设置一些属性值。 4.如果Bean实现了BeanNameAware接口,调用setBeanName方法,传入Bean的名字。 5.如果Bean实现了BeanClassLoaderAware接口,调用setBeanClassLoader方法,传入ClassLoader对象的实例。 6.如果Bean实现了BeanFactoryAware接口,调用setBeanClassFacotory方法,传入ClassLoader对象的实例。 7.与上面的类似,如果实现了其他*Aware接口,就调用相应的方法。 8.如果有和加载这个Bean的Spring容器相关的BeanPostProcessor对象,执postProcessBeforeInitialization方法。 9.如果Bean实现了InitializingBean接口,执行afeterPropertiesSet方法。 10.如果Bean在配置文件中的定义包含init-method属性,执行指定的方法。 11.如果有和加载这个Bean的Spring容器相关的BeanPostProcess对象,执行postProcessAfterInitialization方法。 12.当要销毁Bean的时候,如果Bean实现了DisposableBean接口,执行destroy方法。 13.当要销毁Bean的时候,如果Bean在配置文件中的定义包含destroy-method属性,执行指定的方法。 Spring框架中用到了哪些设计模式? 1.工厂设计模式:Spring使用工厂模式通过BeanFactory和ApplicationContext创建bean对象。 2.代理设计模式:Spring AOP功能的实现。 3.单例设计模式:Spring中的bean默认都是单例的。 4.模板方法模式:Spring中的jdbcTemplate、hibernateTemplate等以Template结尾的对数据库操作的类,它们就使用到了模板模式。 5.包装器设计模式:我们的项目需要连接多个数据库,而且不同的客户在每次访问中根据需要会去访问不同的数据库。这种模式让我们可以根据客户的需求能够动态切换不同的数据源。 6.观察者模式:Spring事件驱动模型就是观察者模式很经典的一个应用。 7.适配器模式:Spring AOP的增强或通知(Advice)使用到了适配器模式、Spring MVC中也是用到了适配器模式适配Controller。 还有很多。。。。。。。 @Component和@Bean的区别是什么 1.作用对象不同。@Component注解作用于类,而@Bean注解作用于方法。 2.@Component注解通常是通过类路径扫描来自动侦测以及自动装配到Spring容器中(我们可以使用@ComponentScan注解定义要扫描的路径)。@Bean注解通常是在标有该注解的方法中定义产生这个bean,告诉Spring这是某个类的实例,当我需要用它的时候还给我。 3.@Bean注解比@Component注解的自定义性更强,而且很多地方只能通过@Bean注解来注册bean。比如当引用第三方库的类需要装配到Spring容器的时候,就只能通过@Bean注解来实现。 @Configuration public class AppConfig { @Bean public TransferService transferService { return new TransferServiceImpl; } } <beans> <bean id="transferService" class="com.kk.TransferServiceImpl"/> </beans> @Bean public OneService getService(status) { case (status) { when 1: return new serviceImpl1; when 2: return new serviceImpl2; when 3: return new serviceImpl3; } } 将一个类声明为Spring的bean的注解有哪些? 声明bean的注解: @Component 组件,没有明确的角色 @Service 在业务逻辑层使用(service层) @Repository 在数据访问层使用(dao层) @Controller 在展现层使用,控制器的声明 注入bean的注解: @Autowired:由Spring提供 @Inject:由JSR-330提供 @Resource:由JSR-250提供 *扩:JSR 是 java 规范标准 Spring事务管理的方式有几种? 1.编程式事务:在代码中硬编码(不推荐使用)。 2.声明式事务:在配置文件中配置(推荐使用),分为基于XML的声明式事务和基于注解的声明式事务。 Spring事务中的隔离级别有哪几种? 在TransactionDefinition接口中定义了五个表示隔离级别的常量:ISOLATION_DEFAULT:使用后端数据库默认的隔离级别,Mysql默认采用的REPEATABLE_READ隔离级别;Oracle默认采用的READ_COMMITTED隔离级别。ISOLATION_READ_UNCOMMITTED:最低的隔离级别,允许读取尚未提交的数据变更,可能会导致脏读、幻读或不可重复读。ISOLATION_READ_COMMITTED:允许读取并发事务已经提交的数据,可以阻止脏读,但是幻读或不可重复读仍有可能发生ISOLATION_REPEATABLE_READ:对同一字段的多次读取结果都是一致的,除非数据是被本身事务自己所修改,可以阻止脏读和不可重复读,但幻读仍有可能发生。ISOLATION_SERIALIZABLE:最高的隔离级别,完全服从ACID的隔离级别。所有的事务依次逐个执行,这样事务之间就完全不可能产生干扰,也就是说,该级别可以防止脏读、不可重复读以及幻读。但是这将严重影响程序的性能。通常情况下也不会用到该级别。 Spring事务中有哪几种事务传播行为? 在TransactionDefinition接口中定义了八个表示事务传播行为的常量。 支持当前事务的情况:PROPAGATION_REQUIRED:如果当前存在事务,则加入该事务;如果当前没有事务,则创建一个新的事务。PROPAGATION_SUPPORTS: 如果当前存在事务,则加入该事务;如果当前没有事务,则以非事务的方式继续运行。PROPAGATION_MANDATORY: 如果当前存在事务,则加入该事务;如果当前没有事务,则抛出异常。(mandatory:强制性)。 不支持当前事务的情况:PROPAGATION_REQUIRES_NEW: 创建一个新的事务,如果当前存在事务,则把当前事务挂起。PROPAGATION_NOT_SUPPORTED: 以非事务方式运行,如果当前存在事务,则把当前事务挂起。PROPAGATION_NEVER: 以非事务方式运行,如果当前存在事务,则抛出异常。 其他情况:PROPAGATION_NESTED: 如果当前存在事务,则创建一个事务作为当前事务的嵌套事务来运行;如果当前没有事务,则该取值等价于PROPAGATION_REQUIRED。 二、SpringMVC篇 什么是Spring MVC ?简单介绍下你对springMVC的理解? Spring MVC是一个基于Java的实现了MVC设计模式的请求驱动类型的轻量级Web框架,通过把Model,View,Controller分离,将web层进行职责解耦,把复杂的web应用分成逻辑清晰的几部分,简化开发,减少出错,方便组内开发人员之间的配合。 Spring MVC的工作原理了解嘛? image.png Springmvc的优点: (1)可以支持各种视图技术,而不仅仅局限于JSP; (2)与Spring框架集成(如IoC容器、AOP等); (3)清晰的角色分配:前端控制器(dispatcherServlet) , 请求到处理器映射(handlerMapping), 处理器适配器(HandlerAdapter), 视图解析器(ViewResolver)。 (4) 支持各种请求资源的映射策略。 Spring MVC的主要组件? (1)前端控制器 DispatcherServlet(不需要程序员开发) 作用:接收请求、响应结果,相当于转发器,有了DispatcherServlet 就减少了其它组件之间的耦合度。 (2)处理器映射器HandlerMapping(不需要程序员开发) 作用:根据请求的URL来查找Handler (3)处理器适配器HandlerAdapter 注意:在编写Handler的时候要按照HandlerAdapter要求的规则去编写,这样适配器HandlerAdapter才可以正确的去执行Handler。 (4)处理器Handler(需要程序员开发) (5)视图解析器 ViewResolver(不需要程序员开发) 作用:进行视图的解析,根据视图逻辑名解析成真正的视图(view) (6)视图View(需要程序员开发jsp) View是一个接口, 它的实现类支持不同的视图类型(jsp,freemarker,pdf等等) springMVC和struts2的区别有哪些? (1)springmvc的入口是一个servlet即前端控制器(DispatchServlet),而struts2入口是一个filter过虑器(StrutsPrepareAndExecuteFilter)。 (2)springmvc是基于方法开发(一个url对应一个方法),请求参数传递到方法的形参,可以设计为单例或多例(建议单例),struts2是基于类开发,传递参数是通过类的属性,只能设计为多例。 (3)Struts采用值栈存储请求和响应的数据,通过OGNL存取数据,springmvc通过参数解析器是将request请求内容解析,并给方法形参赋值,将数据和视图封装成ModelAndView对象,最后又将ModelAndView中的模型数据通过reques域传输到页面。Jsp视图解析器默认使用jstl。 SpringMVC怎么样设定重定向和转发的? (1)转发:在返回值前面加"forward:",譬如"forward:user.do?name=method4" (2)重定向:在返回值前面加"redirect:",譬如"redirect:http://www.baidu.com" SpringMvc怎么和AJAX相互调用的? 通过Jackson框架就可以把Java里面的对象直接转化成Js可以识别的Json对象。具体步骤如下 : (1)加入Jackson.jar (2)在配置文件中配置json的映射 (3)在接受Ajax方法里面可以直接返回Object,List等,但方法前面要加上@ResponseBody注解。 如何解决POST请求中文乱码问题,GET的又如何处理呢? (1)解决post请求乱码问题: 在web.xml中配置一个CharacterEncodingFilter过滤器,设置成utf-8; <filter> <filter-name>CharacterEncodingFilter</filter-name> <filter-class>org.springframework.web.filter.CharacterEncodingFilter</filter-class> <init-param> <param-name>encoding</param-name> <param-value>utf-8</param-value> </init-param> </filter> <filter-mapping> <filter-name>CharacterEncodingFilter</filter-name> <url-pattern>/*</url-pattern> </filter-mapping> (2)get请求中文参数出现乱码解决方法有两个: ①修改tomcat配置文件添加编码与工程编码一致,如下: <ConnectorURIEncoding="utf-8" connectionTimeout="20000" port="8080" protocol="HTTP/1.1" redirectPort="8443"/> ②另外一种方法对参数进行重新编码: String userName = new String(request.getParamter("userName").getBytes("ISO8859-1"),"utf-8") ISO8859-1是tomcat默认编码,需要将tomcat编码后的内容按utf-8编码。 Spring MVC的异常处理 ? 统一异常处理: Spring MVC处理异常有3种方式: (1)使用Spring MVC提供的简单异常处理器SimpleMappingExceptionResolver; (2)实现Spring的异常处理接口HandlerExceptionResolver 自定义自己的异常处理器; (3)使用@ExceptionHandler注解实现异常处理; 统一异常处理的博客:https://blog.csdn.net/ctwy291314/article/details/81983103 SpringMVC的控制器是不是单例模式,如果是,有什么问题,怎么解决? 是单例模式,所以在多线程访问的时候有线程安全问题,不要用同步,会影响性能的,解决方案是在控制器里面不能写成员变量。(此题目类似于上面Spring 中 第5题 有两种解决方案) SpringMVC常用的注解有哪些? @RequestMapping:用于处理请求 url 映射的注解,可用于类或方法上。用于类上,则表示类中的所有响应请求的方法都是以该地址作为父路径。 @RequestBody:注解实现接收http请求的json数据,将json转换为java对象。 @ResponseBody:注解实现将conreoller方法返回对象转化为json对象响应给客户。 SpingMvc中的控制器的注解一般用那个,有没有别的注解可以替代? 一般用@Controller注解,也可以使用@RestController,@RestController注解相当于@ResponseBody + @Controller,表示是表现层,除此之外,一般不用别的注解代替。 如果在拦截请求中,我想拦截get方式提交的方法,怎么配置? 可以在@RequestMapping注解里面加上method=RequestMethod.GET。 怎样在方法里面得到Request,或者Session? 直接在方法的形参中声明request,SpringMVC就自动把request对象传入。 如果想在拦截的方法里面得到从前台传入的参数,怎么得到? 直接在形参里面声明这个参数就可以,但必须名字和传过来的参数一样。 如果前台有很多个参数传入,并且这些参数都是一个对象的,那么怎么样快速得到这个对象? 直接在方法中声明这个对象,SpringMVC就自动会把属性赋值到这个对象里面。 SpringMVC中函数的返回值是什么? 返回值可以有很多类型,有String, ModelAndView。ModelAndView类把视图和数据都合并的一起的。 SpringMVC用什么对象从后台向前台传递数据的? 通过ModelMap对象,可以在这个对象里面调用put方法,把对象加到里面,前台就可以拿到数据。 怎么样把ModelMap里面的数据放入Session里面? 可以在类上面加上@SessionAttributes注解,里面包含的字符串就是要放入session里面的key。 SpringMvc里面拦截器是怎么写的: 有两种写法,一种是实现HandlerInterceptor接口,另外一种是继承适配器类,接着在接口方法当中,实现处理逻辑;然后在SpringMvc的配置文件中配置拦截器即可: <!-- 配置SpringMvc的拦截器 --> <mvc:interceptors> <!-- 配置一个拦截器的Bean就可以了 默认是对所有请求都拦截 --> <bean id="myInterceptor" class="com.zwp.action.MyHandlerInterceptor"></bean> <!-- 只针对部分请求拦截 --> <mvc:interceptor> <mvc:mapping path="/modelMap.do" /> <bean class="com.zwp.action.MyHandlerInterceptorAdapter" /> </mvc:interceptor> </mvc:interceptors> 注解原理: 注解本质是一个继承了Annotation的特殊接口,其具体实现类是Java运行时生成的动态代理类。我们通过反射获取注解时,返回的是Java运行时生成的动态代理对象。通过代理对象调用自定义注解的方法,会最终调用AnnotationInvocationHandler的invoke方法。该方法会从memberValues这个Map中索引出对应的值。而memberValues的来源是Java常量池 三、Mybatis篇 什么是MyBatis? MyBatis是一个可以自定义SQL、存储过程和高级映射的持久层框架。 讲下MyBatis的缓存 MyBatis的缓存分为一级缓存和二级缓存,一级缓存放在session里面,默认就有, 二级缓存放在它的命名空间里,默认是不打开的,使用二级缓存属性类需要实现Serializable序列化接口, 可在它的映射文件中配置<cache/> Mybatis是如何进行分页的?分页插件的原理是什么? 1)Mybatis使用RowBounds对象进行分页,也可以直接编写sql实现分页,也可以使用Mybatis的分页插件。 2)分页插件的原理:实现Mybatis提供的接口,实现自定义插件,在插件的拦截方法内拦截待执行的sql,然后重写sql。 举例:select * from student,拦截sql后重写为:select t.* from (select * from student)t limit 0,10 简述Mybatis的插件运行原理,以及如何编写一个插件? 1)Mybatis仅可以编写针对ParameterHandler、ResultSetHandler、StatementHandler、 Executor这4种接口的插件,Mybatis通过动态代理, 为需要拦截的接口生成代理对象以实现接口方法拦截功能, 每当执行这4种接口对象的方法时,就会进入拦截方法, 具体就是InvocationHandler的invoke方法,当然, 只会拦截那些你指定需要拦截的方法。 2)实现Mybatis的Interceptor接口并复写intercept方法, 然后在给插件编写注解,指定要拦截哪一个接口的哪些方法即可, 记住,别忘了在配置文件中配置你编写的插件。 Mybatis动态sql是做什么的?都有哪些动态sql?能简述一下动态sql的执行原理不? 1)Mybatis动态sql可以让我们在Xml映射文件内, 以标签的形式编写动态sql,完成逻辑判断和动态拼接sql的功能。 2)Mybatis提供了9种动态sql标签:trim|where|set|foreach|if|choose|when|otherwise|bind。 3)其执行原理为,使用OGNL从sql参数对象中计算表达式的值, 根据表达式的值动态拼接sql,以此来完成动态sql的功能。 #{}和${}的区别是什么? 1)#{}是预编译处理,${}是字符串替换。 2)Mybatis在处理#{}时,会将sql中的#{}替换为?号,调用PreparedStatement的set方法来赋值(有效的防止SQL注入); 3)Mybatis在处理${}时,就是把${}替换成变量的值。 为什么说Mybatis是半自动ORM映射工具?它与全自动的区别在哪里? Hibernate属于全自动ORM映射工具, 使用Hibernate查询关联对象或者关联集合对象时, 可以根据对象关系模型直接获取,所以它是全自动的。 而Mybatis在查询关联对象或关联集合对象时, 需要手动编写sql来完成,所以,称之为半自动ORM映射工具。 Mybatis是否支持延迟加载?如果支持,它的实现原理是什么? 1)Mybatis仅支持association关联对象和collection关联集合对象的延迟加载, association指的就是一对一,collection指的就是一对多查询。 在Mybatis配置文件中, 可以配置是否启用延迟加载lazyLoadingEnabled=true|false。 2)它的原理是,使用CGLIB创建目标对象的代理对象, 当调用目标方法时,进入拦截器方法, 比如调用a.getB.getName, 拦截器invoke方法发现a.getB是null值, 那么就会单独发送事先保存好的查询关联B对象的sql, 把B查询上来,然后调用a.setB(b), 于是a的对象b属性就有值了, 接着完成a.getB.getName方法的调用。 这就是延迟加载的基本原理。 MyBatis与Hibernate有哪些不同? 1)Mybatis和hibernate不同,它不完全是一个ORM框架, 因为MyBatis需要程序员自己编写Sql语句, 不过mybatis可以通过XML或注解方式灵活配置要运行的sql语句, 并将java对象和sql语句映射生成最终执行的sql, 最后将sql执行的结果再映射生成java对象。 2)Mybatis学习门槛低,简单易学,程序员直接编写原生态sql, 可严格控制sql执行性能,灵活度高,非常适合对关系数据模型要求不高的软件开发, 例如互联网软件、企业运营类软件等,因为这类软件需求变化频繁, 一但需求变化要求成果输出迅速。但是灵活的前提是mybatis无法做到数据库无关性, 如果需要实现支持多种数据库的软件则需要自定义多套sql映射文件,工作量大。 3)Hibernate对象/关系映射能力强,数据库无关性好, 对于关系模型要求高的软件(例如需求固定的定制化软件) 如果用hibernate开发可以节省很多代码,提高效率。 但是Hibernate的缺点是学习门槛高,要精通门槛更高, 而且怎么设计O/R映射,在性能和对象模型之间如何权衡, 以及怎样用好Hibernate需要具有很强的经验和能力才行。 总之,按照用户的需求在有限的资源环境下只要能做出维护性、 扩展性良好的软件架构都是好架构,所以框架只有适合才是最好。 MyBatis的好处是什么? 1)MyBatis把sql语句从Java源程序中独立出来,放在单独的XML文件中编写, 给程序的维护带来了很大便利。 2)MyBatis封装了底层JDBC API的调用细节,并能自动将结果集转换成Java Bean对象, 大大简化了Java数据库编程的重复工作。 3)因为MyBatis需要程序员自己去编写sql语句, 程序员可以结合数据库自身的特点灵活控制sql语句, 因此能够实现比Hibernate等全自动orm框架更高的查询效率,能够完成复杂查询。 简述Mybatis的Xml映射文件和Mybatis内部数据结构之间的映射关系? Mybatis将所有Xml配置信息都封装到All-In-One重量级对象Configuration内部。 在Xml映射文件中,<parameterMap>标签会被解析为ParameterMap对象, 其每个子元素会被解析为ParameterMapping对象。 <resultMap>标签会被解析为ResultMap对象, 其每个子元素会被解析为ResultMapping对象。 每一个<select>、<insert>、<update>、<delete> 标签均会被解析为MappedStatement对象, 标签内的sql会被解析为BoundSql对象。 什么是MyBatis的接口绑定,有什么好处? 接口映射就是在MyBatis中任意定义接口,然后把接口里面的方法和SQL语句绑定, 我们直接调用接口方法就可以,这样比起原来了SqlSession提供的方法我们可以有更加灵活的选择和设置. 接口绑定有几种实现方式,分别是怎么实现的? 接口绑定有两种实现方式,一种是通过注解绑定,就是在接口的方法上面加 上@Select@Update等注解里面包含Sql语句来绑定, 另外一种就是通过xml里面写SQL来绑定,在这种情况下, 要指定xml映射文件里面的namespace必须为接口的全路径名. 什么情况下用注解绑定,什么情况下用xml绑定? 当Sql语句比较简单时候,用注解绑定;当SQL语句比较复杂时候,用xml绑定,一般用xml绑定的比较多 MyBatis实现一对一有几种方式?具体怎么操作的? 有联合查询和嵌套查询,联合查询是几个表联合查询,只查询一次, 通过在resultMap里面配置association节点配置一对一的类就可以完成; 嵌套查询是先查一个表,根据这个表里面的结果的外键id, 去再另外一个表里面查询数据,也是通过association配置, 但另外一个表的查询通过select属性配置。 Mybatis能执行一对一、一对多的关联查询吗?都有哪些实现方式,以及它们之间的区别? 能,Mybatis不仅可以执行一对一、一对多的关联查询, 还可以执行多对一,多对多的关联查询,多对一查询, 其实就是一对一查询,只需要把selectOne修改为selectList即可; 多对多查询,其实就是一对多查询,只需要把selectOne修改为selectList即可。 关联对象查询,有两种实现方式,一种是单独发送一个sql去查询关联对象, 赋给主对象,然后返回主对象。另一种是使用嵌套查询,嵌套查询的含义为使用join查询, 一部分列是A对象的属性值,另外一部分列是关联对象B的属性值, 好处是只发一个sql查询,就可以把主对象和其关联对象查出来。 MyBatis里面的动态Sql是怎么设定的?用什么语法? MyBatis里面的动态Sql一般是通过if节点来实现,通过OGNL语法来实现, 但是如果要写的完整,必须配合where,trim节点,where节点是判断包含节点有 内容就插入where,否则不插入,trim节点是用来判断如果动态语句是以and 或or 开始,那么会自动把这个and或者or取掉。 Mybatis是如何将sql执行结果封装为目标对象并返回的?都有哪些映射形式? 第一种是使用<resultMap>标签,逐一定义列名和对象属性名之间的映射关系。 第二种是使用sql列的别名功能,将列别名书写为对象属性名, 比如T_NAME AS NAME,对象属性名一般是name,小写, 但是列名不区分大小写,Mybatis会忽略列名大小写,
-
你对数学可能有哪些误解?
-
游戏很新颖,但它只会勾起你对高三下午数学考试恐惧的回忆
-
纯干货分享 | 研发效能提升——敏捷需求篇-而敏捷需求是提升效能的方式中不可或缺的模块之一。 云智慧的敏捷教练——Iris Xu近期在公司做了一场分享,主题为「敏捷需求挖掘和组织方法,交付更高业务价值的产品」。Iris具有丰富的团队敏捷转型实施经验,完成了企业多个团队从传统模式到敏捷转型的落地和实施,积淀了很多的经验。 这次分享主要包含以下2个部分: 第一部分是用户影响地图 第二部分是事件驱动的业务分析Event driven business analysis(以下简称EDBA) 用户影响地图,是一种从业务目标到产品需求映射的需求挖掘和组织的方法。 在软件开发过程中可能会遇到一些问题,比如大家使用不同的业务语言、技术语言,造成角色间的沟通阻碍,还会导致一些问题,比如需求误解、需求传递错误等;这会直接导致产品的功能需求和要实现的业务目标不是映射关系。 但在交付期间,研发人员必须要将这些需求实现交付,他们实则并不清楚这些功能需求产生的原因是什么、要解决客户的哪些痛点。研发人员往往只是拿到了解决方案,需要把它实现,但没有和业务侧一起去思考解决方案是否正确,能否真正的帮助客户解决问题。而用户影响地图通常是能够连接业务目标和产品功能的一种手段。 我们在每次迭代里加入的假设,也就是功能需求。首先把它先实现,再逐步去验证我们每一个小目标是否已经实现,再看下一个目标要是什么。那影响地图就是在这个过程中帮我们不断地去梳理目标和功能之间的关系。 我们在软件开发中可能存在的一些问题 针对这些问题,我们如何避免?先简单介绍做敏捷转型的常规思路: 先做团队级的敏捷,首先把产品、开发、测试人员,还有一些更后端的人员比如交互运维的同学放在一起,组成一个特训团队做交付。这个团队要包含交付过程中所涉及的所有角色。 接着业务敏捷要打通整个业务环节和研发侧的一个交付。上图中可以看到在敏捷中需求是分层管理的,第一层是业务需求,在这个层级是以用户目标和业务目标作为输入进行规划,同时需要去考虑客户的诉求。业务人员通过获取到的业务需求,进一步的和团队一起将其分解为产品需求。所以业务需求其实是我们真正去发布和运营的单元,它可以被独立发布到我们的生产环境上。我们的产品需求其实就是产品的具体功能,它是我们集成和测试的对象,也就是我们最终去部署到系统上的一个基本单元。产品需求再到了我们的开发团队,映射到迭代计划会上要把它分解为相应的技术任务,包括我们平时所说的比如一些前端的开发、后端的开发、测试都是相应的技术任务。所以业务敏捷要达到的目标是需要去持续顺畅高质量的交付业务价值。 将这几个点串起来,形成金字塔结构。最上层我们会把业务目标放在整个金字塔的塔尖。这个业务目标是通过用户的目标以及北极星指标确立的。确认业务目标后再去梳理相应的业务流程,最后生产。另外产品需求包含了操作流程和业务规则,具需求交付时间、工程时间以及我们的一些质量标准的要求。 谈到用户影响的地图,在敏捷江湖上其实有一个传说,大家都有一个说法叫做敏捷需求的“任督二脉”。用户影响地图其实就是任脉,在黑客马拉松上用过的用户故事地图其实叫督脉。所以说用户影响地图是在用户故事地图之前,先帮我们去梳理出我们要做哪些东西。当我们真正识别出我们要实现的业务活动之后,用户故事地图才去梳理我们整个的业务工作流,以及每个工作流节点下所要包含的具体功能和用户故事。所以说用户影响地图需要解决的问题,我们包括以下这些: 首先是范围蔓延,我们在整张地图上,功能和对应的业务目标是要去有一个映射的。这就避免了一些在我们比如有很多干系人参与的会议上,那大家都有不同想法些立场,会提出很多需求(正确以及错误的需求)。这个时候我们会依据目标去看这些需求是否真的是会影响我们的目标。 这里提到的错误需求,比如是利益相关的人提出的、客户认为产品应该有的、某个产品经理需求分析师认为可以有的....但是这些功能在用户影响地图中匹配不到对应目标的话,就需要降低优先级或弃掉。另外,通常我们去制定解决方案的时候,会考虑较完美的实现,导致解决方案括很多的功能。这个时候关键目标至关重要,会帮助我们梳理筛选、确定优先级。 看一下用户影响到地图概貌 总共分为一个三层的结构: 第一层why,你的业务目标哪个是最重要的,为什么?涉及到的角色有哪些? 第二层how ,怎样产生影响?影响用户角色什么样的行为? (不需要去列出所有的影响,基于业务目标) 第三层what,最关键的是在梳理需求时不需一次把所有细节想全,这通常团队中经常遇到的问题。 我们用这个例子来看一下 这是一个客服中心的影响地图,业务目标是 3个月内不增加客服人数的前提下能支持1.5倍的用户数。此业务目标设定是符合 smart 原则的,specific非常的具体,miserable 是可以衡量的,action reoriented是面向活动的, real list 也是很实际的。 量化的目标会指引我们接下来的行动,梳理一个业务目标,尽量去量化,比如 :我们通过打造一条什么样的流水线,能够提高整个部署的效率,时间是原来的 1/2 。这样才是一个能量化的有意义的目标。 回到这幅图, how 层级识别出来的内容,客服角色:想要对它施加的影响,把客户引导到论坛上,帮助客户更容易的跟踪问题,更快速的去定位问题。初级用户:方论坛上找到问题。高级用户:在论坛上回答问题。通过我们这些用户角色,进行活动,完成在不增加客户客服人数的前提下支持更多的用户数量。 最后一个层级,才是我们日常接触比较多的真正的功能的特性和需求,比如引导到客户到论坛上,其实这个产品就需要有一个常见问题的论坛的链接。这个层次需要我们团队进一步地在交付,在每个迭代之前做进一步的梳理,细化成相应的用户故事。 这个是云智慧团队中,自己做的影响地图的范例,可以看下整个的层级结构。序号表示优先级。 那我们用户影响地图可以总结为:
-
反传销网8月30日发布:视频区块链里的骗子,币里的韭菜,杜子建骂人了!金融大V周召说区块链!——“一小帮骗子玩一大帮小白,被割韭菜,小白还轮流被割,割的就是你!” 什么区块链,统统是骗子 作者:周召(知乎金融领域大V,毕业于上海财经大学,目前任职上海某股权投资基金合伙人) 有人问我,区块链现在这么火,到底是不是骗局? 我的回答是: 是骗局。而且我并不是说数字货币是骗局,而是说所有搞区块链的都是骗局。 -01- 区块链是一种鸡肋技术 人类社会任何技术的发明应用,本质都是为了提高社会的生产效率。而所谓区块链技术本质不过是几种早已成熟的技术的大杂烩,冗余且十分低效,除了提高了洗钱和诈骗的效率以外,对人类社会的进步毫无贡献。 真正意义上的区块链得包含三个要素:分布式系统(包括记账和存储),无法篡改的数据结构,以及共识算法,三者互为基础和因果,就像三体世界一样。看上去挺让人不明觉厉的,而经过几年的瞎折腾,稍微懂点区块链的碰了几次壁后都已经渐渐明白区块链其实并没有什么卵用,区块链技术已经名存实亡,沦为了营销工具和传销组织的画皮。 因为符合上述定义的、以比特币为代表的原教旨区块链技术,是反效率的,从经济学角度来说,不但不是一种帕累托改进,甚至还可以说是一种帕累托倒退。 原教旨区块链技术的效率十分低下,因为要遍历所有节点,只能做非常轻量级的数据应用,一旦涉及到大量的数据传输与更新,区块链就瞎了。 一方面整条链交易速度会极慢,另一方面数据库容量极速膨胀,考虑到人手一份的存储机制,区块链其实是对存储资源和能源的一种极大的浪费。 这里还没有加上为了取得所谓的共识和挖矿消耗的巨大的能源,如果说区块链技术是屎,那么这波区块链投机浪潮可谓人类历史上最大规模的搅屎运动。 区块链也验证不了任何东西。 所谓的智能合约,即不智能,也非合约。我看有人还说,如果有了智能合约,就可以跟老板签一份放区块链上,如果明年销售业绩提升30%,就加薪10%,由于区块链不能篡改,不能抵赖,所以老板必须得执行,说得有板有眼,不懂行的愣一看,好像还真是那么回事。 但仔细一想,问题就来了。首先,在区块链上如何证明你真的达到了30%业绩提升?即便真的达到老板耍赖如何执行? 也就是说,如果区块链真这么厉害,要法院和仲裁干什么。 人类社会真正的符合成本效益原则的是代理制度。之前有人说要用区块链改造注册会计师行业,我不知道他准备怎么设计,我猜想他思路大概是这样的,首先肯定搞去中心化,让所有会计师到链上来,然后一个新人要成为注册会计师就要所有会计师同意并记录在链上。 那我就请问了,我每天上班累死累活,为什么还要花时间去验证一个跟我无关的的人的专业能力?最优做法当然是组织一个委员会,让专门的人来负责,这不就是现在注册会师协会干的事儿吗?区块链的逻辑相当于什么事情都要拿出来公投,这个绝对是扯淡的。 当然这么说都有点抬举区块链了,区块链技术本身根本没有判断是非能力,如果这么高级的人工智能,靠一个无脑分布式记账就能实现的话,我们早就进入共产主义社会了。 虽然EOS等数字货币采用了超级节点,通过再中心化的方式提高效率,有点行业协会的意思,是对区块链原教旨主义的一种修正,但是依然无法突破区块链技术最本质的局限性。有人说,私有链和联盟链是区块链技术的未来,也是扯淡,因为区块链技术没有未来。如果有,说明他是包装成区块链的伪区块链技术。 区块链所涉及的所有底层技术,不管是分布式数据库技术,加密技术,还是点对点传输技术等,基本都是早已存在没什么秘密可言的技术。 比特币系统最重要的特性是封闭性和自洽性,他验证不了任何系统自身以外产生的信息的真实性。 所谓系统自身产生的信息,就是数据库数据的变动信息,有价值的基本上有且只有交易信息。所以说比特币最初不过是中本聪一种炫技的产物,来证明自己对几种技术的掌握,你看我多牛逼,设计出了一个像三体一样的系统。因此,数字货币很有可能是区块链从始至终唯一的杀手应用。 比特币和区块链概念从诞生到今天已经快10年了,很多人说区块链技术在爆发的前夜,但这个前夜好像是不是有点过长了啊朋友,跟三体里的长夜有一拼啊。都说区块链技术像是90年代初的互联网,可是90年代初的互联网在十年发展后,已经出现了一大批伟大的公司,阿里巴巴在99年都成立了,区块链怎么除了币还是币呢? 正规的数字货币未来发展的形式无外乎几种,要么就是论坛币形式,或者类似股票的权益凭证等。问题是论坛币和股票之前,本来也都电子化了,区块链来了到底改变了什么呢? 所有想把TOKEN和应用场景结合起来的人最后都很痛苦,最后他们会发现区块链技术就是脱裤子放屁,自己辛苦搞半天,干嘛不自己作为中心关心门来收钱?最后这些人都产生了价值的虚无感,最终精神崩溃,只能发币疯狂收割韭菜,一边嘴里还说着我是个好人之类的奇怪的话。 因此,之前币圈链圈还泾渭分明,互相瞧不起,但这两年链圈逐渐坐不住了,想着是不是趁着泡沫没彻底破灭之前赶快收割一波,不然可能什么都捞不着了。 前段时间和一个名校毕业的链圈朋友瞎聊天,他说他们“致力于用区块链技术解决数字版权保护问题”,我就问他一个问题,你们如何保证你链的版权所有权声明是真实的,万一盗版者抢先一步把数据放在链上怎么办。他说他们的解决方案是连入国家数字版权保护中心的数据库进行验证…… 所以说区块链技术就是个鸡肋,研究到最后都会落入效率与真实性的黑洞,很多人一头扎进链圈后才发现,真正意义上的区块链技术,其实什么都干不了。 -02- 不是蠢就是坏的区块链媒体 空气币和区块链的造富神话,让区块链自媒体也开始迎风乱扭。一群群根本不知道区块链为何物的妖魔鬼怪纷纷进驻区块链自媒体战场,开始大放厥词胡编乱造。 任何东西,但凡只要和区块,链,分,分布式,记账,加密,验证,可追溯等等这些个关键词沾到哪怕一点点,这些所谓的区块链媒体人就会像狗闻到了屎了一样疯狂地把区块链概念往上套。 这让我想起曾经一度也是热闹非凡的物联网,我曾经去看过江苏一家号称要改变世界的“物联网”企业,过去一看是生产路由器的,我黑人问号脸,对方解释说没有路由器万物怎么互联,我觉得他说得好有道理,竟无言以对。 好,下面让我们进入奇葩共赏析时间,来看看区城链媒体经常有哪些危言耸听的奇谈怪论 区块链(分布式记账)的典型应用是*?? 正如前面所说,真正意义上的区块链分布式记账,不光包括“记”这个动作,还包括分布式存储和共识机制等。而*诞生远远早于区块链这个词的出现,勉强算是“分布式编辑”吧,就被很多区块链媒体拿来强行充当区块链技术应用的典范。 其实事实恰恰相反,*恰恰是去中心化失败的典范,现在如果没有精英和专业人士的编辑和维护,*早就没法看了。 区块链会促进社会分工?? 罗振宇好像就说过类似的话,虽然罗振宇说过很多没有逻辑的话,但这句话绝对是最没逻辑思维的。很多区块链自媒体也常常用这句话来忽悠老百姓,说分工代表效率提高社会进步,而区块链“无疑”会促进分工,他们的理由仅仅是分工和分布式记账都共用一个“分”字,就强行把他们扯到一起。 实际情况恰恰相反,区块链是逆分工的,区块链精神是号召所有人积极地参与到他不擅长也不想掺合的事情里面去。 区块链不能像上帝一样许诺他的子民死后上天国,只能给他们许诺你们是六度人脉中的第一级,我可以赚后面五级人的钱,你处于金字塔的顶端。
-
谈谈你对插槽的理解?插槽有哪些使用场景?-#III.分类
-
卷积的意义--我见过最生动易懂的解释--就是在图像处理中,将两组分辨率不同的图像进行卷积处理,从而形成易于处理的平滑图像。卷积甚至可以用在考试作弊中,为了让照片中的两个人同时像,只要对两个人的图像进行卷积处理就可以了,这是一种平滑处理,但我们如何才能真正把这个公式与实际建立一种联系,也就是说我们能不能从生活中找到一个很方便具体的例子来表达这个公式的物理意义呢? 有一个七品县令,喜欢打骂无赖,并有一个惯例:只要不犯大罪,只打一顿就放他回家,以示爱民如子。 有一种无赖,想扬名立万却又不抱多大希望,心想:既然扬不了好名,出了臭名也成啊。怎样才能出恶名呢?炒作!怎么炒作?找名人!他自然而然地想到了自己的长官--县令。 无赖于是在光天化日之下,站在县衙门口撒了泡尿,后果可想而知,自然是被请进堂上挨了板子,然后昂首挺胸地回家,躺了一天,哎!身体并无大碍!第二天照样如此,全然不顾行政长管的仁慈和衙门的尊严,第三天、第四天 ......每天去县衙领板子回来,还兴高采烈,坚持了一个月之久!这个无赖的名声像衙门口的臭气一样传遍了八方! 县太爷噤了噤鼻子,愣愣地望着惊堂木案,皱了皱眉头,思考着一个问题:这三十块大木板怎么会不好用呢?......想想也是,当年这位大人金榜题名的时候,我数学考了满分,所以这道题至少今天得解出来: --人(系统!)会怎么样(系统!)之后会怎么样(输出!)人(系统!)被打之后会怎么样? --有什么用,很疼! --我问的是:会发生什么? --取决于有多疼。就像这个无赖的体质,每天挨一板什么事都不会发生,连哼哼两声都不行,你看他那得意洋洋的样子(输出 0);如果一次连打他十板,他可能会皱着眉头,咬着牙,硬是不哼一声(输出 1);打到二十板,他会疼得脸都变形了,像猪一样哼哼唧唧(输出 3);打到三十板,他可能会像驴一样嚎叫,一把鼻涕一把泪,求你饶他一命(输出 5);打到四十板,他会大小便失禁,勉强哼哼(输出 1);打到五十板,他连哼哼都不能哼一下(输出 0)--死! 县官摊开坐标纸,绘制了一条以挨打次数为 X 轴、哼唱程度(输出)为 Y 轴的曲线: --"呜呼!这条曲线就像一座山,想不通,想不通。为什么那个无赖被打了三十天也不喊救命? --哦,你打的时间间隔(Δτ=24小时)太长了,这样无赖一天承受的痛苦程度,没有叠加,始终是个常数;如果缩短时间间隔(建议Δτ=0。5 秒),那么他的疼痛程度就可以迅速叠加;等到无赖挨了三十下(t=30)时,疼痛程度已经达到他叫喊能力的极限,就会收到最好的惩戒效果,再多挨几下也不会手下留情。 --还是不太明白,为什么疼痛程度会在小时间间隔内叠加? --这跟人(线性时变系统)对木板(脉冲、输入、激发)的反应有关。什么是响应?人收到板子后,疼痛的感觉会在一天内(假设,因人而异)慢慢消失(衰减),而不是突然消失。这样,只要中风的时间间隔较小,每次中风造成的疼痛就没有时间完全衰减,都会对最终的疼痛程度产生不同的影响: t 块大板造成的疼痛程度 = Σ(第 τ 块大板造成的疼痛程度 * 衰减系数)[衰减系数是 (t - τ) 的函数,请仔细品味] 数学表达式为:y(t) = ∫T(τ)H(t-τ)
-
原题简化版: 1. 赚6万每月的大咖秘籍:不能透漏细节的职业智慧,只有在未设防的领域不断探索、积累,到某天突然亮剑,旁人惊讶之余难以轻易赶超,这时候你就筑起了自我优势的"护城河"。 2. 成功达人秘诀揭秘:广泛交往、善言推销或直接跑业务的人总能在短时间内发现商机,关键在于抓住每一次客户互动中的机遇。 3. 编程族别再低头苦干:要学会抬头看看,发掘自身还能挖掘哪些潜力技能,尝试将其转化为创新商业模式,这才是值得我们在闲暇时光深思的问题。 4. "望洋兴叹"不如实际行动:尽管无法复制他人的整套成功路径,但我们能学习他们的思维方式和财富增长策略。看到马云早期互联网的成功,固然令人艳羡,但别沉溺于羡慕嫉妒恨,而要思考如何突破自我局限。 5. 对待心灵鸡汤和焦虑营销需理性:别被鸡汤和焦虑文章牵着鼻子走,它们只会制造紧张情绪,实际对你的成长帮助有限。与其慌乱不安,不如冷静分析,找出真正适合自己的改变之道。
-
微积分——什么是导数- 1.1 “derivative”的词源 作为名词,始于15世纪中期,词义为“a derived word or form, a word formed immediately or remotely from another or a root (派生词或派生形式,直接或者由另一个词或词根组成的词)”,由形容司“derivative (派生的)”转化而来。常用词义“that which is derived or deduced from another(由另一个事物派生或演绎而来的事物)”始于1590年代,其数学意义“a derivative function (导数函数)”始于1670年代。 1.2 “derivative”的数学意义来源 Newton(牛顿)将“derivative”称为“Fluxion(流数)”,即流(flow): f′是“流动的(fluent)”(即“流动的功变化的量”)函数f (牛顿用点号(.)代替上撇号(′)( primes);上撇号(′)( primes)是由拉格朗日(Lagrange)在18世纪末引入的)的“流数(fluxion)”。但是随着莱布尼茨的符号和他基于微分(differentials)的方法被普遍采用,牛顿的这个方便的术语就被废弃了。 函数导数的传统名称曾经称为“微分系数(Differential Coefficient)”。之所以使用这个名称是因为当我们将等式写作df(x)=f′(x)dx时f′(x)是dx(微分)的系数。事实上,在18世比和19世纪早期,数学家们对无穷小微分比微分系数更感兴趣。 然而,随着分析变得越来越严谨,注意力转向了导数f′而不是微分f′(x)dx。认识到,函数导数f′是由函数“导出的、衍生出的、演绎出的、推导出的、等等(derived)”,在语法意义上,名词的复数形式是派生于名词的单数形式。在拉丁语中,动词“dērīvāre”词义为“to lead or draw off (water or liquid), to divert, derive (words)(引导或脱去(水或液体),转移、派生(词汇))”,可以解析为由前缀“dē”(词义为“from(来自)”)+“rīvus”(词义为“*, stream of water(小溪、水流)”)构成。这就是对于函数导数f′“导数函数(derived function)”或者“导数(derivative)”的源头。 尽管“derive”流行用于表示导数计算的动词,大部分数学家喜欢用“微分(differentiate)”表示,例如: “针对x微分, 你将会得到相同的函数。” 1.3 “derivative”中文翻译为“导数” 根据前面的叙述,函数导数f′是由函数“导出的、衍生出的、演绎出的、推导出的、等等(derived)”的意义,中文将其翻译为“导数”。 2. “导数(derivative)”的数学意义