生活

  • 最近

    ·

    最近参加了很多的线下的活动,包括了ACMUG、AWS 中国峰会、华为云HDC、IvorySQL & PostgreSQL生态大会,另外,还泡了一些杨梅酒、看了《长安的荔枝》,公司的产品“NineData”社区版发布了4.2.0。

    最近下线的活动很多,包括OceanBase、TiDB、各个云数据库厂商、各个数据库社区等,都在积极的组织一些社区活动,总的感受是,活动虽然很多,但开发者们对线下活动的热情是在减退的,而如果一场活动与AI关系不大,那么来现场的人一般是对这个技术的“真爱”。

    华为云的 HDC

    在上周末,受华为云数据库的朋友邀请,去参加华为云的 HDC 大会(开发者大会)。最近几年,和华为云的数据库合作比较多,也结识了很多华为云数据库团队的人。虽然数据库技术都是一样的,但每家公司都有着自己非常独特的环境与基因,有这自己不一样的风格。华为云数据库,感受着更多来自客户与一线的炮火,有着更接地气的拼劲。而整个公司因为在全球范围内的制裁压力,反而激发了更强的凝聚力。这次HDC大会上,华为云数据库发布了:GaussDB业务透明多写能力、“GaussDB Doer”一个面向华为云数据库的运维助手、TaurusDB for PostgreSQL

    此外,这次的HDC是在华为的松山湖园区,这是一个非常有特色的欧洲式建筑园区,随手拍了几张石雕,感受一下:

    前面的骑马的女神,大概是雅典娜
    拿着美杜莎之盾,大概是伯尔修斯
    经周陌认证,中间大概是波塞冬
    奥古斯都 屋大维

    ACMUG

    今年是 MySQL 30 年,这次成都的线下活动算是特别盛大的一次了,成都虽然有点远,但 MySQL 领域很多的有影响力的人去了。活动本身除了白天严肃的分享议题之外,下午、晚上大家随意闲聊各种八卦似乎要更有趣一些,这大概也是更多人参加的动力吧。

    亚马逊中国峰会

    这是因 NineData 赞助而去参加的活动,是以合作伙伴的身份参加的。Amazon的峰会在2015年的时候曾在上海参过一次,2018年还曾去过Vagas参加过一次re:Invent。Amazon 在全球云计算领域的地位依旧遥遥领先,但中国是一个特别的地方,确实很特别,无论是 Oracle 还是现在的 Amazon ,在全球大杀四方的时候,在中国却寸步难行,到底是谁的问题,一时难下结论,但这也确实给中国的厂商们留下一些时间和机会。

    云计算是现代应用非常底层的基础技术,而亚马逊作为一家美国的企业,要在中国开荒拓地,如果国际合作关系没有好转,未来大概是难有好转的。

    社区版发布4.2.0

    此外,这段时间,NineData 的社区版也发布了4.2.0,这是一个免费的(但不开源)数据库迁移同步工具,该免费版本中可以非常方便的帮助开发者完成诸如MySQL迁移、PostgreSQL迁移、Doris同步等工作。但如果是重要的生产环境或者需要长期运行的关键链路,则依旧建议考虑采购企业版。

    IvorySQL & PostgreSQL 生态大会

    这次大会主要由“瀚高”数据库团队在背后主办,是非常赞的活动,大会上有着关于 PostgreSQL 数据库方方面面的技术话题。这次参会,也认识了更多的 PostgreSQL 方向的开发者们。

    正如自己数年的感受一样:“PostgreSQL 在经历一场慢热的崛起”。从过去两三个月的两场收购(Neon、Crunchy Data)来看,在 AI 时代,PostgreSQL 依旧是在潮头的。

    杨梅酒

    最近几年,越来越体会到,杨梅是一种极为美味的水果了。杨梅大概在每年的6月初成熟,到了月底则已经逐渐下架,又因为其运输和保存都非常困难,也让这口美味,更显难得。江浙一带的杨梅种植技术大概是非常强的,这里的杨梅品种是非常独特的,甜中带着酸、酸中偷着甜,早上从台州一带的树上摘下,中午或晚上送到杭州,简单清洗一下,吃上十个八个,实为人间难得的美味。

    杨梅因为表面没有保护的表皮,所以其运输的难度比起荔枝要难数十倍。“杨贵妃”大概是没有尝过江浙一带的杨梅的,否则,则可能每年下江南一次。想运到长安或洛阳,不要说古代,即便是现在,都有一些困难的。

    喝酒这件事情,我大概是“人菜瘾大”的那类。在听说可以用杨梅泡酒后,从去年起就做了一些尝试。今年的杨梅酒已经按经验泡制、封存,约两个月后就可以品尝了。届时,如果感兴趣的,可以来我家“尝一尝”。

    长安的荔枝

    今年,一个多年未见的小学同学给我寄了一箱来自岭南一带的荔枝,放了半箱再公司,剩下的自己和家人吃了部分,上下楼的邻居也送了一些些。在此,代这些吃上荔枝的人一并感谢这位多年未见的同学。

    公众号久不更新,甚是心慌,记录如上,算是交代。

  • This content is password protected. To view it please enter your password below:

  • 再登黄山

    ·

    去年的5月份和家人一起登过黄山,是个阴雨天,虽“三上三下”看到了“猴子观海”但更多景观多是雾里看花。这次运气非常好,山顶天气晴朗,群山云海、奇松奇石尽收眼底。和很多事情一样,虽黄山上的天气是多变的,但多做几次,老天总能偶尔眷顾。

    路线

    如下蓝色路线是,当天的行进路线概览:

    如下路线是GPS记录的详细路线:

    从索道上山到最后下山,一共花费了 7 个小时。其中大概有三个半小时,是在吃饭、等人、拍照等,完全没有移动的状态。如果自行安排时间,预留 4~5 小时是比较充裕的,而且体力也不会要求太高。当然,我们没有登最高峰天都峰或莲花峰。

    可遇不可求的云海

    这次再登黄山,天公作美,看到了可遇不可求的“云海”。黄山以奇石、奇松、云海而闻名。上次来的时候,虽天气不好,但也有幸看到了诸如猴子观海、始信峰等奇石怪峰,也看到了迎客松、黑虎松等奇松。

    可遇不可求的黄色云海
    那必须和云海、迎客松一起合个影

    再看猴子观海

    这次运气不错,视野非常好,远处的“猴子观海”看得非常清晰。

    黄山一线天

    似乎每个景点都有“一天线”

    徽州古镇

    在黄山附近,有很多的“徽州”古镇,其中最为有名的大概就是位于的“徽州古镇”。古镇确实也保存的不错,古镇中有很多小巷子,还住着当地的居民。

    这一代最为有名就是“许国石坊”。该牌坊已经有400年历史,为万历年间的大学士许国所修。因为牌坊比较牢固、高大所以也躲过十年浩劫,保存非常完整。许国18岁考中秀才,在六次参加乡试时中第一,即为解元。粗略理解,相当于现在的省状元吧。而后参加会试第七名;而后殿试为第一百零七名,为进士三甲[1]。此后,入朝为官,官至吏部尚书、建极殿大学士,《明史》有传。

    许国石坊

    另外,徽州古镇还保存了一些比较老的建筑。不过应该都是近现代的建筑。

    这是一家茶馆
    街角
    小巷子

    参考链接

    [1] https://zh.wikipedia.org/zh-cn/%E8%AE%B8%E5%9B%BD_(%E6%98%8E%E6%9C%9D)

  • This content is password protected. To view it please enter your password below:

  • Protected: 不一样的上学

    ·

    This content is password protected. To view it please enter your password below:

  • 信息、分析与情绪

    ·

    在信息技术中,算法和数据是两个非常重要的概念,算法代表了解决一个问题的”逻辑”,而数据则是这个问题的输入。有了问题的输入,再加上算法,就可以解决一个问题了。例如,我们有快速排序算法,然后再给一组数据,那么就可以完成一次排序任务了。在AIGC时代,数据的角色发生了变化,数据变成了“算法”的一部分,程序会将标注的数据用于训练,再向用户提供一个更加”复合”,并不断改进的程序,当用户再次输入时,”算法”则可以根据不同的场景、反馈给出不同的结果。

    在人类日常生活的视角,”信息”就是数据,而每个人的大脑中的思维则可以理解为”算法”。一般的,我们在做一个简单的决策的时候,通常会考虑不同选项之间的优点和缺点,然后最终根据自己的权衡进行决策。更多的信息、更及时的信息,则可以让你在决策中获得更大的优势。

    例如,明天是周末,到底是去看电影、还是去外出露营,又或者是加班。这时候,我通常会看看电影的豆瓣评分,如果评分很高或者电影类型我非常喜欢,那么我就会考虑去看电影,这里豆瓣所提供的电影的评分就是一种非常关键的”信息”。我也会看看天气,如果天气非常好,气温也很合适,再加上或者这周末杜鹃花都开了,那可能会改变主意,去爬山或者露营;这里,天气情况或者说杜鹃花的花期,也是数据,有了这些数据,我就可能做出不同的决策。再比如,我突然听说,老板这周末要去公司加班 ,而我又亟需去老板面前做一些形式化的表现,比如近期恰好是升职加薪的关键时期,我则可能会选择去公司加班,装装样子。这里老板周末要去公司,也是一种”信息”。

    当然,这只是一个例子,通常我不会这么肤浅…

    可以看到,生活中,多数时候无需用到复杂的处理逻辑,所以,很多时候”信息”的作用就会更大。

    信息的获取,有的容易,有的困难。而这些困难,有时候是信息本身隐藏的比较深,需要做一些”挖掘”,或者做一些探索才能够获取。这是比较常见的,例如,你想知道MySQL和PostgreSQL在全球范围的流行度,你可能需要去看百度指数、Google Trend或者DB-Engine等数据,这些信息有的获取较为容易,有的获取略微困难。

    但一直以来,我都忽略了一种更为糟糕的情况,就是人为的信息屏蔽,并通过此,在竞争中取获取优势,例如在商业竞争中;例如,支付宝/微信因为有更多的交易数据,所以相比于其他的金融平台,可以更为准确的判断一个人的信用和资金情况,从而给出更加准确的借贷风险评估,也就是有更丰富、准确的征信数据,从而给出更高效的贷款策略。再比如,在一次投标中,A、B是两个竞争厂商,这时A、B两个厂商的弱点或者优点,都是关键的”信息”。如果A对于B的弱点了如指掌,那么A则会在客户侧,放大B的弱点,也放大自己有,别人没有的优点。

    很难用好或坏来简单评价这种市场现状。但是,从整体上来看,简单的、低级别的”信息差”所带来的优势是短暂,甚至可能是阻碍创新的。更加直接的”创新”比拼,才能让整个行业,更加健康。但,如果忽略这种”信息差”所带来的问题,则可能会陷入困境。

    但,当刻意去关注这种”信息屏蔽”(信息差)现象之后,可能发现,在某些特定的场景下,这一现象在工作中可能是较为普遍存在的。通过信息差去进行博弈,是一种非常有效的策略,但是,很多时候,对于一个整体来说,是一个非常低效的运作模式。必须要需要注意到,在我生活、工作的多数环境下,尤其是早年的工作环境中,此类基于”信息屏蔽”(信息差)的博弈是比较少的。整体都是,非常透明、直接的沟通,效率非常高。

    最后,要说的是”情绪”。情绪在决策中,在某些场景下,也会产生直接的影响。对于,理科生来说,这通常是非常容易忽略的。宏观上,决策都会基于我们的信息与认知,然后分析利弊,最后进行决策。也就说,我们会认为行为都是由理性指导的。而在实际中,情绪也会决策中的重要部分。在最后通牒的实验中,一般如果分配方案低于30%,那么响应者很可能会选择拒绝(“When carried out between members of a shared social group (e.g., a village, a tribe, a nation, humanity)[5] people offer “fair” (i.e., 50:50) splits, and offers of less than 30% are often rejected.”)。如果总是从理性的角度去思考问题,是无法解释这一行文的。一种简化的理解就是,情绪在决策中起着关键的作用。

    参考: