0%

发表于 更新于 分类于 阅读次数：
本文字数： 132 阅读时长 ≈ 1 分钟

2019年4月14日 下午5:25

  1. 在控制层，包括具有逻辑中心化和可编程的控制器，可掌握全局网络信息，方便运营商和科研人员管理配置网络和部署新协议等
  2. 就是一种思想：想将原来直接写在硬件中协议(执行规则)由软件定义，这样就可以方便以后更换，而且分离之后设计起来也更加清爽。

发表于 更新于 分类于 阅读次数：
本文字数： 146 阅读时长 ≈ 1 分钟

2019年4月14日 下午5:22

这里有两点需要注意的：

  1. 这里是：一个实际节点对多“虚拟节点”(虚拟节点数>实际节点数)
  2. 理解：
    1. 要分两层次去理解，别混成一起理解
    2. 第一层：就是我们普通的一致性哈希圆圈⭕️，只不过我们这里把原来的实际节点换成虚拟节点
    3. 第二次：就是一个映射map，不需要把他理解成圆圈

发表于 更新于 分类于 阅读次数：
本文字数： 235 阅读时长 ≈ 1 分钟

2019年4月14日 下午5:10

  1. 首先解释一个这个词：
    1. 数据中心：指代的是各个集群中的服务器
    2. 网络：代表着这些服务器是如何通过交换机连接起来的
  2. 基本的发展：
    1. 层次化结构
    2. Fat Tree
    3. 递归层次化结构：DCell
  3. 整体改进的方向：
    1. 明确每种结构的瓶颈，层次化和FAT Tree的瓶颈都是在树的顶层
      1. 这种瓶颈的思考在计算组成原理中很常见：冯诺依曼以计算器为核心还是以存储器为核心，以及总线的设计，他们改进的出发点都是出于瓶颈

网络虚拟化关键技术：大二层的实现

这个我还没理解，先记载这里，以后再看。

发表于 更新于 分类于 阅读次数：
本文字数： 199 阅读时长 ≈ 1 分钟

2019年4月14日 下午5:02
聊聊分布式散列表（DHT）的原理——以 Kademlia（Kad） 和 Chord 为例 @ 编程随想的博客

我以前错误的理解：

  1. DHT是一个数据结构，而不是一种算法
    1. 就像我们总说：程序=数据结构+算法
  2. 以前拓扑结构理解的不够到位：
    1. 拓扑结构本质的理解：它是一种屏蔽硬件的一种逻辑抽象

强调一点：

  1. DHT是为了解决什么问题出现的？
    1. 在无中心的拓扑结构中，我们如何能够快速定位自己需要的资源位置。

发表于 更新于 分类于 阅读次数：
本文字数： 2k 阅读时长 ≈ 2 分钟

2019年4月8日 上午11:30

数学是一种思考方式_程序员数学_酷勤网
这几天有个读者来来去去给我写了几封 email ，问起我的观点：数学和编程是什么关系？学编程需要多深的数学基础？到底需要掌握哪些数学知识，对编程能力的提高有帮助。

这个还真不好说。

如果说起课堂上我们学到的知识。除了初等代数，在编程中我还真没碰到多少依赖数学技能来解决的问题。当年我学 C 语言的时候很小，甚至不知道数学中函数这个概念，还不一样把 C 语言学完了。虽然过了些年，我才把数学中的函数和程序中的函数联系起来。

做 3d 游戏编程，大学里的线性代数可能还用的到一点。至少得知道矩阵运算吧。但是大部分程序员并不需要接触这些东西。除此之外，如果说程序员必须精通微积分才能编程，那绝对是鬼扯。

如果对用编程的手段解决各种问题感兴趣，或许相关领域的数学知识有些用。比如我时常由于兴趣，做一些数据统计分析工作，这时概率统计的知识就少不了。但是解决问题，编程和数学一样，都只是工具。他们的地位是平等的，并非编程的技能依赖数学技能。

那么，学习数学有用吗？当然有必要。因为数学是一种思考方式，编程需要这样的思考方式。

我有个朋友，十年前认识他的时候，他说他在学佛。有一个问题没弄明白：佛说，不要执着。那么执着于不要执着是不是一种执着。

过了好些年，他还没弄明白这个问题。

  • 学佛怎可以执着于这样的语言逻辑呢？光读佛经是没有用的，道理有时候需要顿悟。数学也如此。
  1. 学习数学绝对不是无休止的解题训练，我们需要悟到其中的思考方法。那种逻辑严密的推理，对完美境界的构建。发现理论上的缺陷，并对其分析，重新构作。当然，这个过程，又需要我们做大量的练习，借此领悟其中的道理。
  2. 编程也一样，不断的编写代码本身并不能直接提高编程能力。我们需要的是对问题的洞察力，构建系统的能力，理解机器运行时来龙去脉的能力，等等。而这些能力又是在不断编程实践中顿悟出来的。
  • 编程和数学中的逻辑和直觉：
  1. 编程和数学一样，是绝对严谨的。程序有特定的输入，经过特定的流程，一定有特定的输出。对于程序中的 bug ，我们不能抱有神秘论。它们不会没来由的出现，没来由的消逝。这就跟数学证明一样，逻辑或概念的缺陷不会随着时间消失，总等待后人来修补。
  2. 另一方面，在数学中，直觉也是很重要的。直觉可以帮助我们快速理解问题，解决问题。对数学了解的越多，数学的直觉就越准。很多数学知识，不需要太多研究学习，靠直觉就可以理解了。程序写多了的人通常也会有这种感觉 :D

只是有时候，数学中有些命题很直观，但是证明过程却非常繁杂。

比如拓扑学中的若当曲线定理：平面上一条简单闭曲线 C 恰好可以把平面分成两个区域，一个是内部，一个是外部。换句话说，平面上的点被分为了两类：在曲线外部的点集 A，和在曲线内部的点集 B 。在同一点集中的任意两点都可以用一条不与 C 相交的曲线相连，而连接一对不属于同一点集的两点的连线必然和 C 相交。

这个定理看起来很直观，显然是对的。但是一般人很难做出严格的数学证明，甚至很难看懂其证明。

现代编程我们经常会遇到类似的东西。尤其在现在系统越来越复杂的情况下，一段很简单的应用程序代码，你可以很显然的知道它能做什么，但是很少有人可以完全解释清楚它是怎样一步步做到的。比如一段很简单的 Windows 程序代码就是这样。只有拥有追根问底的数学精神，才会刨进操作系统底层，去搞明白系统到底怎样工作。这些不是一日之功，甚至不是三五年就够了的。而许多庸庸碌碌的程序员，满足于拖两个控件，粘合一下代码。最终只会感叹，程序只能写到三十岁。要我说，平庸资质如我，三十岁能入门就不错啦。

数学的发展历史中，又包含了许多人无穷的创造力。光靠逻辑推理来一步步解决问题显然是不够的。很多数学问题的解决，都起源于某种直觉，某种创造性构建，甚至把许多表面不相关的东西牵连在一起思考。然后再通过逻辑严密的推导过程来完善它。

例如，费马大定理的最终证明。首先找到了关于费马方程的解所在的费马曲线和椭圆曲线的联系，然后构造出一种特殊的椭圆曲线，当且仅当费马大定理不成立时，该曲线才存在。最后，通过证明这种曲线有一些极端奇怪和不可信的性质，决定了曲线不可能存在，从而反证了费马大定理成立。这之中虽然用到了许多前沿的高深数学理论成果才得以证明，但整个思路框架之巧妙，也是让人佩服之至。

编程也是如此，我们首先需要对各种编程方法，编程语言的特性得心应手；而后，编程绝对不是简单的堆砌代码，它需要我们巧妙的构建系统，在合适的地方用合适的方式来解决问题。最终还需要让每个部分都严格正确。

最后，对于那位朋友的问题，我只能给出我的个人建议。学习编程的确需要学习数学。但学习数学，不必列出书目，一本本去啃那些枯燥的教科书。只需要从数学史读起，弄清人类是怎样一步步理解数学的，学习其中的思想，最后用自己的兴趣去研究其中感到有趣的部分。

发表于 更新于 分类于 阅读次数：
本文字数： 328 阅读时长 ≈ 1 分钟

2019年4月7日 下午9:32

注：

  1. 这道题真的是：认清问题，三两行代码解决
  2. 思路：
    1. 如果复杂度为O(n)，就用一个循环如何解决？
    2. 这时就要求每一个位置，对应的运费是多少—这个就是核心的子问题
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#include<stdio.h>
#include<math.h>

int main()
{
    int n;
    scanf("%d",&n);

    long long b,ans=0,need=0;
    for(int i=1;i<=n;i++)
    {
        scanf("%lld",&b);
        ans+=fabs(need);
        need+=b;
    }
    printf("%lld",ans);
}