英國(guó)政府以國(guó)家安全為由調(diào)查nvidia收購(gòu)arm案:

arm收購(gòu)案已經(jīng)引起了全球監(jiān)管部門(mén)和競(jìng)爭(zhēng)對(duì)手的嚴(yán)格審查。作者 | 來(lái)自鎂客星球的家衡早前nvidia以400億美元收購(gòu)arm的提案已遭到高通等公司的反對(duì)，并且受到英國(guó)競(jìng)爭(zhēng)和市場(chǎng)管理局（cma）的審查。 而就在當(dāng)?shù)貢r(shí)間周一，英國(guó)政府網(wǎng)發(fā)布公告稱(chēng)，英國(guó)將以國(guó)家安全為由，干預(yù)此樁收購(gòu)案。 當(dāng)?shù)孛襟w報(bào)道稱(chēng)，英國(guó)文化大臣奧利弗·道登已下令采取進(jìn)一步行動(dòng)，他希望cma加強(qiáng)審查力度，開(kāi)始進(jìn)行“第一階段”調(diào)查以評(píng)估該收購(gòu)交易有關(guān)競(jìng)爭(zhēng)、管轄權(quán)等特定因素，并且提供一份關(guān)于反托拉斯和國(guó)家安全問(wèn)題的報(bào)告。 在采訪中，道登這么說(shuō)到：在仔細(xì)考慮了對(duì)arm的收購(gòu)建議后，我今天以國(guó)家安全為由發(fā)出了干預(yù)通知。 我們希望支持我們蓬勃發(fā)展的英國(guó)科技產(chǎn)業(yè)，并歡迎外國(guó)投資，但我們應(yīng)該適當(dāng)考慮這樣的交易對(duì)國(guó)家安全的影響。此前，cma就曾邀請(qǐng)有關(guān)方面就此次交易及其對(duì)當(dāng)?shù)馗?jìng)爭(zhēng)的影響提出意見(jiàn)。

英飛凌擬收購(gòu)st半導(dǎo)體，或?qū)⒁卉S成為世界級(jí)半導(dǎo)體巨頭 | 熱點(diǎn):

收購(gòu)st后，英飛凌年銷(xiāo)售額將達(dá)到175億美元。根據(jù)歐洲媒體的最新消息，于德國(guó)慕尼黑成立的英飛凌擬收購(gòu)st半導(dǎo)體公司。而本次收購(gòu)如果成功的話，英飛凌將一躍成為世界級(jí)的半導(dǎo)體巨頭。 而英飛凌想要收購(gòu)的st半導(dǎo)體公司是什么來(lái)頭呢？據(jù)了解，st半導(dǎo)體又稱(chēng)為意法半導(dǎo)體集團(tuán)，成立于1988年6月，是有意大利的sgs微電子公司和法國(guó)的thomson半導(dǎo)體公司合并而成。 目前，該公司是世界上最大的半導(dǎo)體公司之一。2017意法半導(dǎo)體集團(tuán)全年凈收入83.5億美元，全年凈利潤(rùn)則為8.02億美元。?英飛凌為了本次收購(gòu)事宜可謂付出了不少努力。 因?yàn)椋▏?guó)政府是st半導(dǎo)體公司最大的股東之一，其一直反對(duì)st半導(dǎo)體公司被英飛凌收購(gòu)。法國(guó)政府更希望st半導(dǎo)體公司去提升自身的業(yè)務(wù)規(guī)模，而非依靠收購(gòu)并的方式進(jìn)行資本的擴(kuò)張。 而兩家合并成功的話，收購(gòu)st后的英飛凌年銷(xiāo)售額將達(dá)到175億美元。同時(shí)，在去年全球半導(dǎo)體供貨商排行榜中，英飛凌位于第四，st半導(dǎo)體公司位于第五。

“錢(qián)塘工業(yè)百科”正式發(fā)布 ——錢(qián)塘數(shù)據(jù)完成平臺(tái)矩陣部署:

目前錢(qián)塘大數(shù)據(jù)交易平臺(tái)是國(guó)內(nèi)最大規(guī)模的工業(yè)信息數(shù)據(jù)聚合平臺(tái)，近1000家數(shù)據(jù)供應(yīng)商入駐，基于數(shù)據(jù)形成了500余份應(yīng)用報(bào)告并服務(wù)于2000多家企業(yè)用戶(hù)。 錢(qián)塘號(hào)基于大數(shù)據(jù)技術(shù)，借助對(duì)工業(yè)全產(chǎn)業(yè)鏈資源的整合運(yùn)營(yíng)支持，打造新媒體、制造企業(yè)、制造相關(guān)服務(wù)商等“金三角”垂直資源生態(tài)圈。 錢(qián)塘號(hào)實(shí)現(xiàn)與工業(yè)行業(yè)的全程供應(yīng)鏈、全域生產(chǎn)服務(wù)的媒體、電商和機(jī)構(gòu)、組織的共享、互推、互通。錢(qián)塘號(hào)完成了工業(yè)領(lǐng)域的信息結(jié)合、互動(dòng)和融媒傳播。 目前已成功推出中國(guó)電影行業(yè)招商大數(shù)據(jù)云服務(wù)平臺(tái)、浦江水晶行業(yè)大數(shù)據(jù)云服務(wù)平臺(tái)等。其中浦江水晶云平臺(tái)已成為浙江省委省政府支持的浦江“四個(gè)全面試點(diǎn)”建設(shè)重點(diǎn)項(xiàng)目之一。 整合制造加工、研發(fā)設(shè)計(jì)、金融服務(wù)、市場(chǎng)銷(xiāo)售等功能資源，打造水晶行業(yè)產(chǎn)業(yè)資訊、水晶數(shù)據(jù)分析應(yīng)用、水晶知識(shí)產(chǎn)權(quán)交易等服務(wù)。四、錢(qián)塘工業(yè)百科?

浙江大學(xué)近五年科研發(fā)展報(bào)告:

oa文章數(shù)目?oa文章比例?2015年-2019年各年發(fā)文量最多的雜志以及發(fā)表在此雜志的數(shù)量?????2015-2019年國(guó)自然數(shù)量?2015-2019年國(guó)自然金額? 2019年國(guó)自然金額大于100萬(wàn)元項(xiàng)目 植物信號(hào)轉(zhuǎn)導(dǎo),徐娟,120萬(wàn)元 神經(jīng)生物學(xué),崔一卉,120萬(wàn)元 單細(xì)胞技術(shù),韓曉平,120萬(wàn)元 農(nóng)業(yè)農(nóng)藥殘留信息感知,平建峰,120萬(wàn)元 生防細(xì)菌與赤霉病菌互作機(jī)制研究

三穗縣政務(wù)政務(wù)OA系統(tǒng)：市轄區(qū)政府機(jī)關(guān)oa中解密hash算法：散列表、布隆過(guò)濾器和分布式一致性hash的原理與應(yīng)用

p的特點(diǎn)、優(yōu)勢(shì)及其在企業(yè)數(shù)字化轉(zhuǎn)型中的作用進(jìn)行深入探討。一、移動(dòng)協(xié)同OA辦公系統(tǒng)app的特點(diǎn) 移動(dòng)協(xié)同OA辦公系統(tǒng)app是在傳統(tǒng)政務(wù)OA系統(tǒng)的基礎(chǔ)上,充分利用移動(dòng)互聯(lián)網(wǎng)技術(shù)而研發(fā)的新一代辦公管理系統(tǒng)。它主要具有以下幾個(gè)鮮明特點(diǎn):移動(dòng)化辦公:移動(dòng)協(xié)同OA辦公系統(tǒng)app可以實(shí)現(xiàn)隨時(shí)隨地的移動(dòng)辦公,無(wú)論在辦公室還是外出在路上,員工都可以通過(guò)智能手機(jī)、平板電腦等移動(dòng)終端高效地完成各項(xiàng)工作任務(wù)。這大大提高了員工的工作效率和靈活性。協(xié)同化管理:移動(dòng)協(xié)同OA辦公系統(tǒng)app集成了流程審批、任務(wù)管理、即時(shí)通訊等功能,實(shí)現(xiàn)了企業(yè)內(nèi)部各部門(mén)、各崗位之間的高度協(xié)同,打通了信息island,提升了企業(yè)的整體協(xié)作能力。智能化辦公:移動(dòng)協(xié)同OA辦公系統(tǒng)app融合了大數(shù)據(jù)、云計(jì)算、人工智能等前沿技術(shù),可以為企業(yè)提供智能化的辦公一、背景知識(shí) 在了解hash算法之前，先思考如下問(wèn)題： 使用 word 文檔時(shí)，word 如何判斷某個(gè)單詞是否拼寫(xiě)正確？ 網(wǎng)絡(luò)爬蟲(chóng)程序，怎么讓它不去爬相同的 url 頁(yè)面？ 垃圾郵件過(guò)濾算法如何設(shè)計(jì)？ 公安辦案時(shí)，如何判斷某嫌疑人是否在網(wǎng)逃名單中？ 緩存穿透問(wèn)題如何解決？ 了解平衡二叉樹(shù): 平衡二叉樹(shù)查找數(shù)據(jù)采用二分查找，每次查找排除一半。平衡的目的是增刪改之后，保證下次搜索能夠穩(wěn)定排除一半的數(shù)據(jù)。 平衡二叉樹(shù)增刪改查的時(shí)間復(fù)雜度為o(log2?n)。比如，100萬(wàn)個(gè)節(jié)點(diǎn)，最多比較 20 次；10 億 個(gè)節(jié)點(diǎn)，最多比較 30 次； 平衡二叉樹(shù)通過(guò)比較保證有序，通過(guò)每次排除一半的元素達(dá)到快速索引的目的。 二、散列表 平衡二叉樹(shù)通過(guò)比較讓結(jié)構(gòu)有序，從而提升收搜索效率。在平衡二叉樹(shù)中，搜索數(shù)據(jù)時(shí)總是對(duì)key進(jìn)行比較，如果在海量數(shù)據(jù)中使用這種方式，搜索效率會(huì)很低。 相較于平衡二叉樹(shù)，散列表是一種不比較key，而是根據(jù)key計(jì)算key在表中的位置的數(shù)據(jù)結(jié)構(gòu)；是key和其所在存儲(chǔ)地址的映射關(guān)系。散列表通過(guò)此方式達(dá)到快速索引的目的。 注意：散列表的節(jié)點(diǎn)中key-value是存儲(chǔ)在一起的。 代碼語(yǔ)言：javascript 復(fù)制 struct node { void *key; void *val; struct node *next; }; 2.1、散列表的構(gòu)成 （1）hash函數(shù)。hash函數(shù)的作用是映射，把key映射到具體存儲(chǔ)的位置，通過(guò)key找到其存儲(chǔ)地址。 （2）數(shù)組。key通過(guò)hash函數(shù)找到數(shù)組的位置（hash出來(lái)的值要對(duì)數(shù)組長(zhǎng)度取余），該位置就是存儲(chǔ)key-value的地方。 2.2、hash函數(shù) 映射函數(shù) hash(key)=addr；hash 函數(shù)可能會(huì)把兩個(gè)或兩個(gè)以上的不同 key 映射到同一地址，這種情況稱(chēng)之為沖突（或者h(yuǎn)ash 碰撞）；hash函數(shù)的作用是將key映射為地址。 注意，hash函數(shù)可能會(huì)把兩個(gè)或兩個(gè)以上的不同key映射到同一地址，這種現(xiàn)象稱(chēng)為hash沖突。 hash函數(shù)的選擇： 計(jì)算速度快。因?yàn)槿绻?jì)算速度慢，還不如直接比較key。 強(qiáng)隨機(jī)分布（等概率、均勻地分布在整個(gè)地址空間） 常用的hash函數(shù)： murmurhash1：速度快、但質(zhì)量一般。 murmurhash2：速度比較快、質(zhì)量比較好，因此是使用最廣泛的一種。 murmurhash3：計(jì)算速度慢，但質(zhì)量是最好的。 siphash： redis6.0 當(dāng)中使用，rust 等大多數(shù)語(yǔ)言選用的 hash 算法來(lái)實(shí)現(xiàn) hashmap。 cityhash 等都具備強(qiáng)隨機(jī)分布性。 不同hash算法的效率、速度、質(zhì)量測(cè)試：測(cè)試地址。 siphash 主要解決字符串接近的強(qiáng)隨機(jī)分布性 。 2.3、散列表的操作流程 散列表的插入操作和搜索操作都要經(jīng)過(guò)hash函數(shù)找到key對(duì)應(yīng)的存儲(chǔ)地址。首先，key經(jīng)過(guò)hash函數(shù)hash(key)得到一個(gè)64bit或32bit的整數(shù)maddr；然后maddr對(duì)數(shù)組長(zhǎng)度取余，得到的值就是存儲(chǔ)節(jié)點(diǎn)的位置。 插入流程：key-value對(duì)要存儲(chǔ)到散列表中，首先將key通過(guò)hash函數(shù)進(jìn)行hash，生成64位或32位的一個(gè)整數(shù)；然后利用這個(gè)整數(shù)對(duì)數(shù)組長(zhǎng)度進(jìn)行取余，得到的值必定能落在數(shù)組的某個(gè)槽位中；最后在該槽位增加一個(gè)節(jié)點(diǎn)，完成數(shù)據(jù)的存儲(chǔ)池。 搜索流程：同樣的，也是通過(guò)將key通過(guò)hash函數(shù)進(jìn)行hash運(yùn)算生成一個(gè)64位或32位的整數(shù)；然后利用這個(gè)整數(shù)對(duì)數(shù)組長(zhǎng)度進(jìn)行取余，得到該值所在數(shù)組的某個(gè)槽位。 hans運(yùn)算是一個(gè)線性運(yùn)算，相同的key通過(guò)運(yùn)算后得到的值總是相同的。相同的值對(duì)數(shù)組長(zhǎng)度取余必定落在相同的數(shù)組槽位。 散列表的指針數(shù)組通常是動(dòng)態(tài)增加的過(guò)程，最開(kāi)始定義的數(shù)組長(zhǎng)度為4，當(dāng)數(shù)據(jù)增多時(shí)將長(zhǎng)度翻倍變成8，以此類(lèi)推，16、32、… 。隨著刪除元素越來(lái)越多，散列表的數(shù)組長(zhǎng)度也會(huì)自動(dòng)縮小。 注意，散列表是無(wú)序的，通過(guò)犧牲有序性來(lái)提高它的效率。而平衡二叉樹(shù)是通過(guò)保證有序性來(lái)提高它的搜索效率。散列表通過(guò)映射的關(guān)系不保證有序性，但可以查詢(xún)某個(gè)節(jié)點(diǎn)在哪個(gè)位置。 2.4、hash沖突 沖突產(chǎn)生原因： 在數(shù)組大小不變情況下，隨著添加的元素（數(shù)據(jù)）的越來(lái)越多，必然產(chǎn)生沖突；而且hash是隨機(jī)性的，這也可能會(huì)產(chǎn)生沖突。 比如把n+1個(gè)元素放入n大小的數(shù)組，勢(shì)必有一個(gè)空間需要存放兩個(gè)元素，這就是沖突。另外，hash是隨機(jī)的，產(chǎn)生的數(shù)對(duì)數(shù)組長(zhǎng)度取余很可能相同，這也會(huì)沖突。 舉個(gè)經(jīng)典的數(shù)學(xué)原理：抽屜原理。桌上有十個(gè)蘋(píng)果，要把這十個(gè)蘋(píng)果放到九個(gè)抽屜里，無(wú)論怎樣放，我們會(huì)發(fā)現(xiàn)至少會(huì)有一個(gè)抽屜里面放不少于兩個(gè)蘋(píng)果。這一現(xiàn)象就是我們所說(shuō)的“抽屜原理”。 抽屜原理的一般含義為：“如果每個(gè)抽屜代表一個(gè)集合，每一個(gè)蘋(píng)果就可以代表一個(gè)元素，假如有n+1個(gè)元素放到n個(gè)集合中去，其中必定有一個(gè)集合里至少有兩個(gè)元素?！?抽屜原理有時(shí)也被稱(chēng)為鴿巢原理。它是組合數(shù)學(xué)中一個(gè)重要的原理。 hash沖突的定義：多個(gè)key經(jīng)過(guò)hash函數(shù)，然后對(duì)數(shù)組長(zhǎng)度取余，落在同一個(gè)數(shù)組槽位，這時(shí)就產(chǎn)生沖突。 描述hash沖突激烈程度和存儲(chǔ)密度的參數(shù)/系數(shù)：負(fù)載因子。負(fù)載因子用于描述沖突的激烈程度和存儲(chǔ)的密度；負(fù)載因子越小，沖突概率越小，負(fù)載因子越大，沖突概率越大。 計(jì)算公式：負(fù)載因子=數(shù)組存儲(chǔ)元素的個(gè)數(shù) / 數(shù)組長(zhǎng)度。 2.5、hash沖突的處理 解決沖突的方法有很多，開(kāi)源框架中比較常用的有：鏈表法 / 拉鏈法、開(kāi)放尋址法等。 一般，鏈表法和開(kāi)放尋址法適用于負(fù)載因子在合理范圍內(nèi)的情況，即數(shù)組存儲(chǔ)元素的個(gè)數(shù)小于數(shù)組長(zhǎng)度的情況。 （1）鏈表法 / 拉鏈法。 使用場(chǎng)景：redis、stl的unordered_*系列、java的一些容器中 等等。 鏈表法是常用的處理沖突的方式。通過(guò)引用鏈表來(lái)處理hash沖突；散列表中的數(shù)組是指針數(shù)組，通過(guò)一個(gè)鏈表，將落在同一個(gè)槽位的元素連接起來(lái)；即將沖突元素用鏈表鏈接起來(lái)。 但可能出現(xiàn)極端情況，沖突元素比較多，該沖突鏈表過(guò)長(zhǎng)；這個(gè)時(shí)候可以考慮將鏈表轉(zhuǎn)換為紅黑樹(shù)、最小堆；由原來(lái)鏈表時(shí)間復(fù)雜度o(n)o(n)轉(zhuǎn)換為紅黑樹(shù)時(shí)間復(fù)雜度o(log?2n)o(log2?n)；可以采用超過(guò) 256（經(jīng)驗(yàn)值）個(gè)節(jié)點(diǎn)的時(shí)候?qū)㈡湵斫Y(jié)構(gòu)轉(zhuǎn)換為紅黑樹(shù)或堆結(jié)構(gòu)。 （2）開(kāi)放尋址法。使用場(chǎng)景：布隆過(guò)濾器。 開(kāi)放尋址法將所有的元素都存放在哈希表的數(shù)組中（這個(gè)數(shù)組不再是指針數(shù)組），不使用額外的數(shù)據(jù)結(jié)構(gòu)。一般使用線性探查的的思路解決： 當(dāng)插入新元素時(shí)，使用hash函數(shù)在hash表中定位元素的位置； 檢查數(shù)組中該槽位索引是否存在元素，如果該槽位為空，則插入數(shù)據(jù)，否則進(jìn)入（3）。 在第二點(diǎn)檢測(cè)的槽位索引上加一定步長(zhǎng)接著檢查第二點(diǎn)；加步長(zhǎng)有以下幾種： i+1,i+2,i+3,i+4,…,i+n。這種方式缺點(diǎn)比較大，當(dāng)key非常接近時(shí)，落在數(shù)組的槽位都是非常接近的，一直往下找就可能造成由o(1)的時(shí)間復(fù)雜度退化成o(n)的時(shí)間復(fù)雜度。 i-1212,i+2222,i-3232,i+4242,…。對(duì)上面的方式進(jìn)行改進(jìn)，雖然可以緩解hash聚集，但不能解決hash聚集問(wèn)題。當(dāng)hash聚集多了之后，也會(huì)慢慢的生成hash聚集問(wèn)題。 雙重hash。解決hash聚集現(xiàn)象，本質(zhì)上是線性探查的的思路。 前兩種都會(huì)產(chǎn)生同類(lèi)hash聚集，也就是近似值它的hash值也近似，那么它的數(shù)組槽位也靠近，形成 hash 聚集；第一種同類(lèi)聚集沖突在前，第二種只是將聚集沖突延后； 可以使用雙重哈希來(lái)解決上面出現(xiàn)hash聚集現(xiàn)象。比如，在.net hashtable類(lèi)的hash函數(shù)hk定義如下： hk(key) = [gethash(key) + k * (1 +(((gethash(key) >> 5) + 1) %(hashsize – 1)))] % hashsize 在此 (1 + (((gethash(key) >> 5) + 1) %(hashsize – 1))) 與 hashsize互為素?cái)?shù)（兩數(shù)互為素?cái)?shù)表示兩者沒(méi)有共同的質(zhì)因?）；執(zhí)?了 hashsize 次探查后，哈希表中的每?個(gè)位置都有且只有?次被訪問(wèn)到，即對(duì)于給定的 key，對(duì)哈希表中的同?位置不會(huì)同時(shí)使?hi 和 hj。 （3）擴(kuò)容和縮容。 上面兩種解決hash沖突的方式都是負(fù)載因子在合理范圍內(nèi)的情況。當(dāng)負(fù)載因子不在合理范圍內(nèi)是，即數(shù)組存儲(chǔ)元素的個(gè)數(shù)大于數(shù)組長(zhǎng)度的情況，可以使用擴(kuò)容和縮容的方式避免hash沖突。 當(dāng)used > size，即要使用的空間大于數(shù)組的長(zhǎng)度，這時(shí)就需要通過(guò)擴(kuò)容來(lái)避免或降低沖突。擴(kuò)容通常采用翻倍擴(kuò)容。 當(dāng)used < 0.1 * size，即要使用的空間遠(yuǎn)遠(yuǎn)小于數(shù)組的長(zhǎng)度，這時(shí)就需要縮容；縮容不能解決沖突，只能節(jié)約空間，減少內(nèi)存浪費(fèi)。 rehash，重新hash。因?yàn)槿萘堪l(fā)生了改變，前面解釋過(guò)key在數(shù)組的位置是通過(guò)key % size的方式；所以，需要重新做key % new_size找到key的槽位，然后重新放到新的數(shù)組中去。 2.6、stl unordered_* 散列表的實(shí)現(xiàn) 在 stl 中 unordered_map、unordered_set、unordered_multimap、unordered_multiset 四個(gè)容器的底層實(shí)現(xiàn)都是散列表。 一般，hash table里面的槽位單獨(dú)通過(guò)鏈表串聯(lián)所屬槽位的數(shù)據(jù)；stl散列表的槽位指針不再這么做，而是做了優(yōu)化：將后面具體結(jié)點(diǎn)串成一個(gè)單鏈表，而槽位指針指向上一個(gè)的結(jié)點(diǎn)。 unordered_map的類(lèi)定義如下： 代碼語(yǔ)言：javascript 復(fù)制 template<class _key, class _tp, class _hash = hash<_key>, class _pred = std::equal_to<_key>, class _alloc = std::allocator<std::pair<const _key, _tp> > > class unordered_map { typedef __umap_hashtable<_key, _tp, _hash, _pred, _alloc> _hashtable; _hashtable _m_h; } 看下_hashtable具體定義： 代碼語(yǔ)言：javascript 復(fù)制 template<bool _cache> using __umap_traits = __detail::_hashtable_traits<_cache, false, true>; template<typename _key, typename _tp, typename _hash = hash<_key>, typename _pred = std::equal_to<_key>, typename _alloc = std::allocator<std::pair<const _key, _tp> >, typename _tr = __umap_traits<__cache_default<_key, _hash>::value>> using __umap_hashtable = _hashtable<_key, std::pair<const _key, _tp>, _alloc, __detail::_select1st, _pred, _hash, __detail::_mod_range_hashing, __detail::_default_ranged_hash, __detail::_prime_rehash_policy, _tr>; 舉個(gè)例子： 現(xiàn)在的hash table是空的，還沒(méi)有數(shù)據(jù)插入，當(dāng)?shù)谝粋€(gè)hash(key) % array_size插入時(shí)，假設(shè)這個(gè)hash(key) % array_size=4，那么4的_hash_node_base*指向頭指針_m_before_begin，_m_before_begin.next等于新插入的_hash_node_base*；后面又來(lái)一個(gè)插入，假設(shè)hash(key) % array_size=1，那么1的_hash_node_base*指向頭結(jié)點(diǎn)_m_before_begin，_m_before_begin.next等于新插入的_hash_node_base*，新插入的_hash_node_base.next等于4的_hash_node_base，4的槽位指針指向新插入的_hash_node_base*。目的是將所有的節(jié)點(diǎn)串成一個(gè)單鏈表，以便實(shí)現(xiàn)迭代器。當(dāng)前槽位的指針指向上一個(gè)槽位的位置是為了方便進(jìn)行頭插法。 2.7、小結(jié) 散列表需要掌握的知識(shí)點(diǎn)： 散列表與其他數(shù)據(jù)結(jié)構(gòu)的比較，比如平衡二叉樹(shù)。平衡二叉樹(shù)通過(guò)比較key，增、刪、改操作都要保證結(jié)構(gòu)有序，穩(wěn)定搜索時(shí)間復(fù)雜度在o(log2n)o(log2?n)（二分查找）。而散列表是找key與存儲(chǔ)位置的映射關(guān)系，整個(gè)過(guò)程是無(wú)序的。 散列表的組成：hash函數(shù)、數(shù)組、運(yùn)算流程/算法；確定映射關(guān)系。 函數(shù)函數(shù)有映射的作用，選擇hash時(shí)需要注意幾點(diǎn)：計(jì)算速度快、強(qiáng)隨機(jī)分布性。常用的hash函數(shù)會(huì)選擇murmurhash2、cityhash、siphash。 散列表操作流程是根據(jù)hash(key) % size = index找到存儲(chǔ)位置。既使參數(shù)hash沖突了，鏈表法的解決方案還是需要通過(guò)比較key來(lái)找到value。java的hashmap會(huì)將其組織成一個(gè)最小堆結(jié)構(gòu)，因?yàn)閱捂湵淼臅r(shí)間復(fù)雜度是o(n)，通過(guò)將其轉(zhuǎn)換為紅黑樹(shù)或堆的數(shù)據(jù)結(jié)構(gòu)可以將時(shí)間復(fù)雜度降低到o(log2n)o(log2?n)。這是一種優(yōu)化思路。 hash沖突中需要注意負(fù)載因子的重要性，以及解決沖突的方式。負(fù)載因子在合理范圍內(nèi)（負(fù)載因子小于1）可以使用鏈表法或開(kāi)放尋址法解決hash沖突。負(fù)載因子不在合理范圍內(nèi)則可以使用擴(kuò)容并進(jìn)行rehash來(lái)解決hash沖突。 注意stl散列表的優(yōu)化方案。 三、布隆過(guò)濾器 (bloom filter) 3.1、背景 無(wú)論是使用散列表還是平衡二叉樹(shù)（紅黑樹(shù)、b樹(shù)、b+樹(shù)等）的數(shù)據(jù)結(jié)構(gòu)，都存儲(chǔ)了key-value值。而有些場(chǎng)景，內(nèi)存是有限的，僅需要了解key是否存在，不想知道具體內(nèi)容（value）。這時(shí)就需要布隆過(guò)濾器。 布隆過(guò)濾器是一種概率型數(shù)據(jù)結(jié)構(gòu)，它的特點(diǎn)是高效的插入和查詢(xún)，能確定某個(gè)字符串一定存在或者可能存在。 布隆過(guò)濾器不存儲(chǔ)具體數(shù)據(jù)，所以占用空間小，查詢(xún)結(jié)果存在誤差，但誤差可控，同時(shí)不支持刪除操作。 布隆過(guò)濾器的使用場(chǎng)景： （1）一個(gè)巨大的數(shù)據(jù)文件，需要知道是否存在某個(gè)key，如果把整個(gè)文件讀取進(jìn)行查找，這個(gè)效率就比較低。那么可以添加一個(gè)布隆過(guò)濾器，插入數(shù)據(jù)時(shí)對(duì)key做標(biāo)識(shí)，查詢(xún)key是否存在時(shí)直接查詢(xún)key是否在布隆過(guò)濾器，從而判斷key是不是存在文件中。布隆過(guò)濾器僅僅只能判斷key是否存在，不能獲得value值。 （2）一個(gè)數(shù)據(jù)庫(kù)查詢(xún)，想要查詢(xún)數(shù)據(jù)庫(kù)中是否存在key，可以添加一個(gè)布隆過(guò)濾器，查詢(xún)key時(shí)直接查詢(xún)布隆過(guò)濾器，不需要io操作，大大提升查詢(xún)效率。 3.2、布隆過(guò)濾器的構(gòu)成 布隆過(guò)濾器的原理本質(zhì)上和散列表是一樣的。但布隆過(guò)濾器為了節(jié)約內(nèi)存，不是使用的數(shù)組，而是使用的位圖（bitmap）。位圖的特點(diǎn)是它的槽位只有兩種狀態(tài)：0或者1。 （1）位圖。bit的數(shù)組，實(shí)現(xiàn)方式有多種。 代碼語(yǔ)言：javascript 復(fù)制 // 例如 vector<char> bitmap;// 一個(gè)字節(jié)，8個(gè)bit位 uint64_t bitmap; （2）n個(gè)hash函數(shù)。 映射關(guān)系計(jì)算公式：m % 2n2n = m &(2n?12n?1) 舉例： 使用byte buf[8]構(gòu)建64 bit 的位圖，那么n=i*8+j；假設(shè)hash(key)=173，先對(duì)總長(zhǎng)度8×88×8 = 64取余：n=173%64=173&63=45；然后對(duì)寬度8進(jìn)行取余：j=n%8=45%8=5；最后再對(duì)寬度8進(jìn)行整除：i=n/8=45/8=5。因此得到坐標(biāo)（5，5）位置將其置 1。 3.3、布隆過(guò)濾器原理 當(dāng)一個(gè)元素加入位圖時(shí)，通過(guò)k個(gè)hash函數(shù)將元素映射到位圖的k個(gè)點(diǎn)，并把它們置1；當(dāng)檢索時(shí)，再通過(guò)k個(gè)hash函數(shù)運(yùn)算檢查位圖的k個(gè)點(diǎn)是否都為1；如果有不為1的點(diǎn)，那么認(rèn)為該key不存在；如果全部為1，則可能存在。 布隆過(guò)濾器是不支持刪除操作的，原因在于： 在位圖中每個(gè)槽位只有兩種狀態(tài)（0或者1），一個(gè)槽位被置為1，但不確定它被設(shè)置了多少次；也不知道被多少個(gè)key hash映射而來(lái)；以及具體被哪個(gè)hash函數(shù)映射而來(lái)。 只要有一個(gè)槽位為0，則key一定不存在；如果key映射的所有槽位都為1，不能說(shuō)明一定存在，只能說(shuō)明可能存在（假陽(yáng)率）。 如上圖，位圖長(zhǎng)度未知，有兩個(gè)key，三個(gè)hash函數(shù)。這個(gè)怎么進(jìn)行操作的呢？ 存儲(chǔ)：首先將str1分別依次對(duì)三個(gè)hash函數(shù)進(jìn)行hash，然后就可以在位圖中鎖定三個(gè)存儲(chǔ)位置并相應(yīng)的置為1。str2也同樣的經(jīng)過(guò)三個(gè)hash函數(shù)得到三個(gè)存儲(chǔ)位置并相應(yīng)的置為1。 搜索：將key通過(guò)三個(gè)hash函數(shù)進(jìn)行hash，找到在位圖上具體的位置，只要發(fā)現(xiàn)其中有一個(gè)位置的值為0，則這個(gè)key肯定不存在；因?yàn)槿绻鹝ey存在，那么所有位置都應(yīng)該是1。注意，即使所有都為1，不能說(shuō)明該key一定存在，因?yàn)橛屑訇?yáng)率。 布隆過(guò)濾器可以判斷一個(gè)key一定不存在，不能判斷一個(gè)key一定存在。布隆過(guò)濾器中的位圖大小遠(yuǎn)遠(yuǎn)大于要存儲(chǔ)的數(shù)據(jù)。 布隆過(guò)濾器的假陽(yáng)率是可控的，可以通過(guò)配置來(lái)控制假陽(yáng)率。 3.4、應(yīng)用場(chǎng)景 前面介紹了布隆過(guò)濾器的原理，除了原理還需要掌握如何利用布隆過(guò)濾器解決實(shí)際問(wèn)題。布隆過(guò)濾器通常用于判斷某個(gè) key 一定不存在的場(chǎng)景，同時(shí)允許判斷存在時(shí)有誤差的情況。 常見(jiàn)處理場(chǎng)景： 緩存穿透的解決。 熱 key 限流。 緩存場(chǎng)景：為了減輕數(shù)據(jù)庫(kù)（mysql）的訪問(wèn)壓力，在server 端與數(shù)據(jù)庫(kù)（mysql）之間加入緩存用來(lái)存儲(chǔ)熱點(diǎn)數(shù)據(jù)。 緩存穿透：server端請(qǐng)求數(shù)據(jù)時(shí)，緩存和數(shù)據(jù)庫(kù)都不包含該數(shù)據(jù)，最終請(qǐng)求壓力全部涌向數(shù)據(jù)庫(kù)。 數(shù)據(jù)請(qǐng)求步驟，如圖中 2 所示： 先訪問(wèn)redis，如果存在則直接返回，如果不存在則走2訪問(wèn)數(shù)據(jù)庫(kù)； 訪問(wèn)數(shù)據(jù)庫(kù)，如果不存在直接返回，如果存在則將mysql存在的key寫(xiě)回redis。 發(fā)生原因：黑客利用漏洞偽造數(shù)據(jù)攻擊或者內(nèi)部業(yè)務(wù) bug 造成大量重復(fù)請(qǐng)求不存在的數(shù)據(jù)。 解決方案，如圖中 3 所示： 在redis設(shè)置<key，null>鍵值對(duì)，依次避免訪問(wèn)數(shù)據(jù)庫(kù)；缺點(diǎn)是<key，null>過(guò)多會(huì)占用過(guò)多內(nèi)存，可以給key設(shè)置過(guò)期expire key 600ms，停止攻擊后最終由redis自動(dòng)清除無(wú)用的key。 在服務(wù)端（server）存儲(chǔ)一個(gè)布隆過(guò)濾器，將mysql存在的key放入布隆過(guò)濾器中，布隆過(guò)濾器可以過(guò)濾一定不存在的數(shù)據(jù)。 3.5、應(yīng)用分析 在實(shí)際應(yīng)用中，該選擇多少個(gè) hash 函數(shù)？要分配多少空間的位圖？預(yù)期存儲(chǔ)多少元素？如何控制誤差？ 通常有四個(gè)參數(shù)可以控制布隆過(guò)濾器。 n ： 預(yù)期布隆過(guò)濾器中元素的個(gè)數(shù)，如上圖 只有str1和str2 兩元素 那么 n=2。 p ： 假陽(yáng)率，在0-1之間。 m： 位圖所占空間。 k ： hash函數(shù)的個(gè)數(shù)。 可以使用如下公式計(jì)算： n = ceil(m / (-k / log(1 - exp(log§ / k)))) p = pow(1 - exp(-k / (m / n)), k) m = ceil((n * log(p)) / log(1 / pow(2, log(2)))); k = round((m / n) * log(2)); 這些公式的證明這里就不展開(kāi)了，這里主要從應(yīng)用的角度介紹它們。 （1）假陽(yáng)率p會(huì)隨著插入元素的增多而逐漸變高。 （2）假陽(yáng)率p會(huì)隨著位圖所占空間的增大而減小。 （3）假陽(yáng)率p會(huì)隨著hash函數(shù)個(gè)數(shù)增多，呈現(xiàn)快速減小后緩慢增長(zhǎng)的趨勢(shì)。hash函數(shù)個(gè)數(shù)在31時(shí)假陽(yáng)率最低。這里可以驗(yàn)證一個(gè)結(jié)論：在hash函數(shù)中，在31處出現(xiàn)沖突的概率最低。 在實(shí)際使用布隆過(guò)濾器時(shí)，首先需要確定 n 和 p，通過(guò)上面的運(yùn)算得出 m 和 k；推薦一個(gè)布隆過(guò)濾器計(jì)算器可以選出合適的值。 選擇hash函數(shù)： 選擇一個(gè) hash 函數(shù)，通過(guò)給 hash 傳遞不同的種子偏移值，采用線性探尋的方式構(gòu)造多個(gè) hash 函數(shù)。 代碼語(yǔ)言：javascript 復(fù)制 #define mix_uint64(v) ((uint32_t)((v>>32)^(v))) uint64_t hash1 = murmurhash2_x64(key, len, seed); uint64_t hash2 = murmurhash2_x64(key, len,mix_uint64(hash1)); for (i = 0; i < k; i++) // k 是hash函數(shù)的個(gè)數(shù) { pos[i] = (hash1 + i*hash2) % m; // m 是位圖的?? } 所謂不同的hash函數(shù)主要是seed不一樣創(chuàng)造出來(lái)的。在實(shí)際應(yīng)用中會(huì)有一個(gè)seed表，用于不斷的計(jì)算偏移值。每次生成hash函數(shù)的時(shí)候會(huì)把seed值修改，通過(guò)不同的數(shù)值運(yùn)算來(lái)得到hash函數(shù)。在使用過(guò)程中會(huì)先填充一個(gè)隨機(jī)種子，然后進(jìn)行偏移計(jì)算，最終得到所需的hash函數(shù)。 3.6、布隆過(guò)濾器的實(shí)際使用 為了避免篇幅過(guò)長(zhǎng)，代碼已經(jīng)上傳到gitee，感興趣可以點(diǎn)擊了解。里面包含布隆過(guò)濾器的實(shí)現(xiàn)源碼和三個(gè)使用示例。 布隆過(guò)濾器的接口分為兩個(gè)部分： 計(jì)算所需的四個(gè)參數(shù)：n、p、m、k；主要是根據(jù)n、和p計(jì)算出m和k。利用一個(gè)類(lèi)封裝好，包含計(jì)算m、k的值。 布隆過(guò)濾器。會(huì)準(zhǔn)備一個(gè)位圖，實(shí)現(xiàn)插入元素的接口，定義hash函數(shù)的最大個(gè)數(shù)，確定布隆過(guò)濾器的長(zhǎng)度，預(yù)期插入元素的個(gè)數(shù)，已經(jīng)插入元素的個(gè)數(shù)，seed隨機(jī)值，具體的假陽(yáng)率等等。 使用過(guò)程：先插入，然后contain。 3.7、小結(jié) 布隆過(guò)濾器的特征： 能確定一個(gè)key一定不存在，可控假陽(yáng)率確定存在。 不能刪除?？梢酝ㄟ^(guò)準(zhǔn)備兩個(gè)布隆過(guò)濾器來(lái)解決刪除時(shí)也降低假陽(yáng)率，添加放在第一個(gè)布隆過(guò)濾器，刪除放在第二個(gè)布隆過(guò)濾器。判斷key是否存在時(shí)先判斷key是否在第二個(gè)布隆過(guò)濾器（目的是檢查之前是否刪除過(guò)該key），如果之前刪除過(guò)該key，就可以將該key加入第一個(gè)布隆過(guò)濾器。 使用過(guò)程中根據(jù)n和p計(jì)算出m和k。hash函數(shù)的生成使用開(kāi)放尋址法進(jìn)行。 四、分布式一致性hash 分布式一致性hash主要解決分布式緩存中的擴(kuò)容問(wèn)題。 4.1、背景 假設(shè)一個(gè)服務(wù)器，只有一個(gè)緩存結(jié)點(diǎn)，當(dāng)存儲(chǔ)的數(shù)據(jù)越來(lái)越多時(shí)，效率就越來(lái)越低，這時(shí)就需要增加結(jié)點(diǎn)進(jìn)行分流分壓。那么如何實(shí)現(xiàn)優(yōu)雅的擴(kuò)容（數(shù)據(jù)隨機(jī)、均勻分布）？首先想到使用hash方法解決，但擴(kuò)容時(shí)（增加結(jié)點(diǎn)）會(huì)出現(xiàn)算法改變；比如原來(lái)有n個(gè)結(jié)點(diǎn)，key通過(guò)hash(key)%n確定存儲(chǔ)在哪個(gè)結(jié)點(diǎn)，現(xiàn)在添加新的結(jié)點(diǎn)變成了n+1，key通過(guò)hash(key)%（n+1）尋找存儲(chǔ)結(jié)點(diǎn)就會(huì)出現(xiàn)緩存失效。 分布式一致性hash就解決了緩存擴(kuò)容的問(wèn)題。為解決緩存失效，首先會(huì)固定算法；然后改變查找節(jié)點(diǎn)的映射關(guān)系。 分布式一致性hash算法將hash空間組織成一個(gè)虛擬的圓環(huán)，圓環(huán)大小為232232 。 算法為：hash(ip) % 232232，最終會(huì)得到一個(gè) [0, 232?1232?1] 之間的一個(gè)無(wú)符號(hào)整型，這個(gè)整數(shù)代表服務(wù)器的編號(hào)；多個(gè)服務(wù)器都通過(guò)這種方式在 hash 環(huán)上映射一個(gè)點(diǎn)來(lái)標(biāo)識(shí)該服務(wù)器的位置；當(dāng)用戶(hù)操作某個(gè) key，通過(guò)同樣的算法生成一個(gè)值，沿環(huán)順時(shí)針定位某個(gè)服務(wù)器，那么該 key 就在該服務(wù)器中。 4.2、一致性hash原理 （1）映射空間可抽象為一個(gè)環(huán)，長(zhǎng)度為232232，范圍為[0, 232?1232?1]，每個(gè)服務(wù)器節(jié)點(diǎn)根據(jù)自己的哈希值被映射到這個(gè)環(huán)上； （2）判斷一條數(shù)據(jù)屬于哪個(gè)服務(wù)器節(jié)點(diǎn)的方法：根據(jù)數(shù)據(jù)的哈希值，去哈希環(huán)找到第一個(gè)大于等于數(shù)據(jù)哈希值的機(jī)器（可以理解為離它最近）。如果數(shù)據(jù)的哈希值大于當(dāng)前最大的機(jī)器哈希值，那么就把這個(gè)數(shù)據(jù)放在位置最靠前（哈希值最?。┑臋C(jī)器上，因?yàn)槭且粋€(gè)環(huán)。 （3）為了解決實(shí)際機(jī)器過(guò)少導(dǎo)致的數(shù)據(jù)傾斜問(wèn)題（例如目前一共3個(gè)機(jī)器，機(jī)器a、b的哈希值分別為1和2，而另一個(gè)機(jī)器c的哈希值為 2^32-1，那么大部分的數(shù)據(jù)都會(huì)被分給機(jī)器c），引入了虛擬節(jié)點(diǎn)概念，虛擬節(jié)點(diǎn)相當(dāng)于真實(shí)節(jié)點(diǎn)的分身，一個(gè)真實(shí)節(jié)點(diǎn)可以有很多個(gè)虛擬節(jié)點(diǎn)，當(dāng)數(shù)據(jù)被分配給這些虛擬節(jié)點(diǎn)時(shí)，本質(zhì)上是分給這個(gè)真實(shí)節(jié)點(diǎn)的。由于數(shù)量變多了，數(shù)據(jù)分布的均衡性會(huì)有所提高； （4）新增節(jié)點(diǎn)時(shí)：例如原本的節(jié)點(diǎn)哈希值列表為[1,100,500,1000]，新增節(jié)點(diǎn)800后，在501~799范圍內(nèi)的數(shù)據(jù)原本是分給哈希值為1000的節(jié)點(diǎn)的，現(xiàn)在要把這部分?jǐn)?shù)據(jù)遷移到節(jié)點(diǎn)800； （5）刪除節(jié)點(diǎn)：例如原本的節(jié)點(diǎn)哈希值列表為[1,100,500,800，1000]，刪除節(jié)點(diǎn)500后，原本范圍是101~500的數(shù)據(jù)要遷移到節(jié)點(diǎn)800. 4.3、應(yīng)用場(chǎng)景 （1）分布式緩存；將數(shù)據(jù)均衡地分散在不同的服務(wù)器當(dāng)中，用來(lái)分?jǐn)偩彺娣?wù)器的壓力； （2）解決緩存服務(wù)器數(shù)量變化盡量不影響緩存失效. 4.4、hash偏移 hash算法得到的結(jié)果是隨機(jī)的，不能保證服務(wù)器節(jié)點(diǎn)均勻分布在hash環(huán)上；分布不均造成請(qǐng)求訪問(wèn)不均勻，服務(wù)器承受的壓力不均勻。 為了解決實(shí)際機(jī)器過(guò)少導(dǎo)致的數(shù)據(jù)傾斜問(wèn)題（例如目前一共3個(gè)機(jī)器，機(jī)器a、b的哈希值分別為1和2，而另一個(gè)機(jī)器c的哈希值為 2^32-1，那么大部分的數(shù)據(jù)都會(huì)被分給機(jī)器c），引入了虛擬節(jié)點(diǎn)概念，虛擬節(jié)點(diǎn)相當(dāng)于真實(shí)節(jié)點(diǎn)的分身，一個(gè)真實(shí)節(jié)點(diǎn)可以有很多個(gè)虛擬節(jié)點(diǎn)，當(dāng)數(shù)據(jù)被分配給這些虛擬節(jié)點(diǎn)時(shí)，本質(zhì)上是分給這個(gè)真實(shí)節(jié)點(diǎn)的。由于數(shù)量變多了，數(shù)據(jù)分布的均衡性會(huì)有所提高； 4.5、hash遷移 新增節(jié)點(diǎn)時(shí)，例如原本的節(jié)點(diǎn)哈希值列表為[1,100,500,1000]，新增節(jié)點(diǎn)800后，在501~799范圍內(nèi)的數(shù)據(jù)原本是分給哈希值為1000的節(jié)點(diǎn)的，現(xiàn)在要把這部分?jǐn)?shù)據(jù)遷移到節(jié)點(diǎn)800。 4.6、虛擬結(jié)點(diǎn) 為了解決哈希偏移的問(wèn)題，增加了虛擬節(jié)點(diǎn)的概念；理論上，哈希環(huán)上節(jié)點(diǎn)數(shù)越多，數(shù)據(jù)分布越均衡；為每個(gè)服務(wù)節(jié)點(diǎn)計(jì)算多個(gè)哈希節(jié)點(diǎn)（虛擬節(jié)點(diǎn)）；通常做法 是，hash(“ip:port:seqno”) %232232。 添加虛擬節(jié)點(diǎn)解決了哈希偏移的問(wèn)題，同時(shí)使hash遷移的數(shù)據(jù)量變??；這對(duì)工程應(yīng)用來(lái)說(shuō)是非常重要的，因?yàn)樵谧鰯?shù)據(jù)遷移的過(guò)程中，整個(gè)系統(tǒng)是不能提供服務(wù)的。 五、思考 （1）只用 2gb 內(nèi)存在 20 億個(gè)整數(shù)中找到出現(xiàn)次數(shù)最多的數(shù)？ 關(guān)鍵點(diǎn)，內(nèi)存有限、海量數(shù)據(jù)、次數(shù)最多。要找出現(xiàn)次數(shù)最多，那么就一定要統(tǒng)計(jì)，使用key-value鍵值對(duì)，key保存整數(shù)，value保存出現(xiàn)次數(shù)。統(tǒng)計(jì)可以使用散列表來(lái)解決。 對(duì)于key-value鍵值對(duì)，key是整數(shù)占4字節(jié)，如果按照最壞情況（即1個(gè)整數(shù)出現(xiàn)20 億次），value可以使用uint32存儲(chǔ)（uint32可達(dá)21億多，剛好能存儲(chǔ)下20億），uint32也是占4字節(jié)；因此一個(gè)key-value對(duì)占8個(gè)字節(jié)。如果要在內(nèi)存中處理20億個(gè)數(shù)據(jù)就需要2000000000×8=16gb2000000000×8=16gb內(nèi)存，超出2gb內(nèi)存的限制。 要在有限內(nèi)存里處理，可以采用拆分的思維，將20億拆分成若干等份。那么采用什么策略來(lái)拆分？首先要清楚，20億的數(shù)據(jù)是散列分布的，不能采用等分的方式，我們的目的要把相同的整數(shù)放在同一個(gè)文件中，hash函數(shù)可以實(shí)現(xiàn)這個(gè)目的（相同的key經(jīng)過(guò)hash得到的值總是相同）。 一個(gè)hash函數(shù)兩個(gè)用途，一方面是對(duì)數(shù)據(jù)拆分將相同整數(shù)放入同一個(gè)文件或等份，另一方面將其應(yīng)用到散列表中（散列表的存儲(chǔ)數(shù)據(jù)取余）。hash函數(shù)具有強(qiáng)隨機(jī)性，數(shù)據(jù)屬于海量數(shù)據(jù)，那么數(shù)據(jù)拆分多少份？可以計(jì)算最差情況需要拆分多少份和最好的情況需要拆分多少份，如果隨機(jī)性不能達(dá)到預(yù)期，再增加份數(shù)。 比如，將20億拆分為10份（如果不能達(dá)到預(yù)期的隨機(jī)性再增大），平均的情況是每份2億，具體情況再具體調(diào)整。 六、總結(jié) 分布式一致性hash算法通過(guò)固定算法，改變查找結(jié)點(diǎn)的映射關(guān)系，數(shù)據(jù)遷移，避免緩存失效，解決分布式擴(kuò)容的問(wèn)題；通過(guò)虛擬節(jié)點(diǎn)的方式保證數(shù)據(jù)均衡。 在大數(shù)據(jù)中，涉及到大文件或海量數(shù)據(jù)的，解決方案都是通過(guò)hash將大文件拆分為小文件；涉及單臺(tái)機(jī)器無(wú)法承受或處理不過(guò)來(lái)的問(wèn)題，解決方案都是通過(guò)hash分流到多臺(tái)機(jī)器；選擇hash的原因是利用其強(qiáng)隨機(jī)分布的特性，以及把相同的數(shù)據(jù)分配到相同的位置。

亮相一周年，騰訊智慧零售的進(jìn)化論:

傳統(tǒng)零售商在漫長(zhǎng)的業(yè)務(wù)實(shí)踐中總結(jié)了一套經(jīng)營(yíng)產(chǎn)品的法則，但他們并不懂得如何經(jīng)營(yíng)“人”，或者說(shuō)過(guò)去的技術(shù)并不支持他們經(jīng)營(yíng)“人”。 在騰訊副總裁林璟驊看來(lái)，消費(fèi)者的數(shù)字化是零售業(yè)變革的源動(dòng)力，將推動(dòng)“人”、“貨”、“場(chǎng)”關(guān)系的重構(gòu)。首先，消費(fèi)者被全方位數(shù)字化后，成了一個(gè)實(shí)時(shí)在線的角色，可以被隨時(shí)觸達(dá)。 過(guò)去幾年里我們?cè)诹闶坌袠I(yè)看到的幾乎所有新鮮事物，包括無(wú)人便利店、會(huì)員識(shí)別系統(tǒng)、智能營(yíng)銷(xiāo)大屏、虛擬試衣鏡等等，本質(zhì)上都是在利用各種物聯(lián)網(wǎng)設(shè)備將消費(fèi)者的線下行為數(shù)字化。這也是騰訊智慧零售正在做的事情。 只不過(guò)相比創(chuàng)業(yè)公司布局無(wú)人便利店、會(huì)員人臉識(shí)別系統(tǒng)等，騰訊采用的是一種更輕的模式，即利用微信支付、社交廣告、小程序等工具連接人與商業(yè)。以騰訊和沃爾瑪合作的“掃瑪購(gòu)”為例。 公司最為倚重的兩大收入版塊——增值服務(wù)和游戲收入、社交媒體和廣告收入同時(shí)受挫。其中作為騰訊收入支柱的游戲業(yè)務(wù)，受到政策嚴(yán)管。

2016大數(shù)據(jù)行業(yè)的變與不變:

幾個(gè)月后，由中國(guó)計(jì)算機(jī)協(xié)會(huì)（ccf）大數(shù)據(jù)專(zhuān)家委員會(huì)編撰的第三版關(guān)于大數(shù)據(jù)的白皮書(shū)將發(fā)布，ccf大數(shù)據(jù)專(zhuān)家委員會(huì)副秘書(shū)長(zhǎng)潘柱延卻“提前泄密”，他分析了大數(shù)據(jù)行業(yè)的幾個(gè)關(guān)鍵詞：民生、多樣性和融合性、政策拉動(dòng) ccf大數(shù)據(jù)專(zhuān)家組認(rèn)為，該綱要將對(duì)大數(shù)據(jù)的發(fā)展起到推動(dòng)性的作用，成為大數(shù)據(jù)產(chǎn)業(yè)快速發(fā)展的催化劑和政策標(biāo)桿，也將推動(dòng)地方政府出臺(tái)類(lèi)似的配套政策。 潘柱延指出：“除了學(xué)術(shù)、技術(shù)、商業(yè)的推動(dòng)外，政策的扶持會(huì)產(chǎn)生很大作用，大數(shù)據(jù)相關(guān)的基礎(chǔ)設(shè)施建設(shè)和大數(shù)據(jù)創(chuàng)業(yè)公司在雙創(chuàng)政策的推動(dòng)下，兩個(gè)驅(qū)動(dòng)力會(huì)快速帶動(dòng)大數(shù)據(jù)的發(fā)展?！?調(diào)研結(jié)果顯示，業(yè)內(nèi)專(zhuān)家都希望能自己收集數(shù)據(jù)，并利用收集的數(shù)據(jù)進(jìn)行數(shù)據(jù)服務(wù)，希望能買(mǎi)到“數(shù)據(jù)機(jī)”，而專(zhuān)家和其所在的機(jī)構(gòu)計(jì)劃賣(mài)“數(shù)據(jù)機(jī)”的卻非常少。 潘柱延指出，數(shù)據(jù)流轉(zhuǎn)整體處在需求大于供給的狀態(tài)，尤其是數(shù)據(jù)國(guó)際交換和賣(mài)數(shù)據(jù)。“希望通過(guò)政府開(kāi)放共享，拉動(dòng)數(shù)據(jù)交流和交換。

日媒說(shuō)：中國(guó)企業(yè)機(jī)器換人，是因?yàn)槟贻p人太容易辭職:

日本經(jīng)濟(jì)新聞網(wǎng)12月2日?qǐng)?bào)道，在山東省從事運(yùn)動(dòng)服裝的制造與出口的主力企業(yè)“山東岱銀進(jìn)出口公司”的高管王先生（33歲）就是這些經(jīng)營(yíng)者中的一人。 企業(yè)和政府或許忘記了一些更重要的東西。對(duì)于企業(yè)而言，最重要的是如何生產(chǎn)和提供與其他企業(yè)不同的產(chǎn)品或服務(wù)。因此“育人”才是中國(guó)企業(yè)面臨的最緊要的課題。 就算在工廠引進(jìn)機(jī)器人能暫時(shí)控制住成本，如果各企業(yè)都在生產(chǎn)同樣的產(chǎn)品、提供相同服務(wù)的話，經(jīng)營(yíng)遲早會(huì)走進(jìn)死胡同。雖然耗時(shí)耗力，但如果不注重“育人”，就無(wú)法培養(yǎng)真正的競(jìng)爭(zhēng)力，產(chǎn)業(yè)也將無(wú)法實(shí)現(xiàn)高度化。

自來(lái)水也和人工智能有關(guān)？看這家公司如何用ai+機(jī)器人維護(hù)管道:

△ hibot的機(jī)器人王新民 | 編譯自fastcompany量子位·qbitai 出品萬(wàn)萬(wàn)沒(méi)想到，美國(guó)人民喝個(gè)水也要和人工智能扯上關(guān)系了。 然而對(duì)于市政府的管道更換項(xiàng)目來(lái)說(shuō)，現(xiàn)有的至少40%的管道是不需要更換的。 這就意味著如果可以進(jìn)行更有效的，針對(duì)性的更換，就能夠省下4億美元或更多的經(jīng)費(fèi)。這是hibot機(jī)器人可以大展身手的地方。 hibot通過(guò)其數(shù)據(jù)庫(kù)系統(tǒng)，基于對(duì)已經(jīng)替換管道的檢查和地區(qū)土壤動(dòng)力學(xué)的評(píng)估，結(jié)合環(huán)境因素，能夠計(jì)算出城市中各區(qū)域泄漏的風(fēng)險(xiǎn)。然后，hibot公司的機(jī)器人進(jìn)入自來(lái)水管道，以確定水管道的受損程度。 這個(gè)機(jī)器人本身很小，有三個(gè)部分，像只有一節(jié)車(chē)廂的火車(chē)。 機(jī)器人的頭部有一個(gè)攝像頭，能夠引導(dǎo)內(nèi)部的磁性傳感器，測(cè)量管道中的材料損失量，進(jìn)而分析管道來(lái)了解其特點(diǎn)。 hibot公司目前已經(jīng)和舊金山地區(qū)至少兩家市政管道公司達(dá)成合作。斯坦福大學(xué)電氣工程系兼職教授richard dasher說(shuō)：“我認(rèn)為這項(xiàng)技術(shù)能夠真正改變美國(guó)城市的管道網(wǎng)絡(luò)。

轉(zhuǎn)載請(qǐng)注明出處,本站網(wǎng)址：http://m.opentechcloud.com/news_1918.html