NFV IT

Sina WeiboBaiduLinkedInQQGoogle+RedditEvernote分享

系列目录 NFV

  1. NFV IT

真正的难点在于,转向NFV过程中的平台迁移,如果采用IT的方式搭建电信网络,势必要涉及从专有平台迁移到通用平台的问题。

 (此文原载与《next新运营》2013年第二期)

通信业创新求变的脚步从未停止,NFV的出现为传统的电信网络打开了另外一扇大门。现在,国内外的运营商们开始思考,如何将通过引入IT增加电信网络的开放性和通用性,从而更好地应对不断升级的业务竞争?

一直以来,电信网络采用的都是专有私用的网元设备,虽然确保了网络的高效稳定,但同时也存在着系统封闭、灵活性差等问题。相比于IT领域的开放与通用,电信网络俨然还是“封闭的花园”,NFV为电信网络融入IT基因提供了可能。目前,来自全球范围内的众多运营商都在积极探索NFV的适用场景和业务需求,而一些NFV案例也在悄然落地。

 

 

NFV意在打破电信设备“黑盒子”模式

Q目前在业界,NFV与SDN都被看作是下一代电信网络的发展趋势,那么这两者之间本质上有何不同?

A:NFV与SDN虽然都聚焦于网络层,但两者无论从出发点还是实现方式,都存在很大的差异。

SDN即软件定义网络,重在实现了控制与转发的分离。在过去,网络流表都是通过路由学习等方式相互转发,缺乏统一策略,而SDN通过中心控制器(Control)将流表统一下发给各设备,各设备再根据其制定的规则来执行,由此带来了集中配比更灵活,接口开放可编程,以及更适应业务的灵活迁移等多种优势。

NFV即网络功能虚拟化,它并非如SDN这样的技术,而是由运营商根据自身实际需求提出的一种全新的网络搭建方式。以前,电信设备都是垂直一体化,软硬件产品都来自同一家厂商,且不同厂商间的设备无法实现互通,都是一个个的“黑盒子”。NFV将原本封闭设备中的网络功能释放出来,并通过搭建开放的网络平台统一承载。在实践的过程中,NFV不仅会涉及网络层的SDN技术,同时也会应用如定制服务器、一体机等相关技术。

如此看来,SDN重在解决网络技术问题,主要应对网络在云计算、虚拟化中的一系列技术问题,以及网络如何保障并跟随业务的灵活迁移;而NFV是电信网络构建思路的转变,旨在以IT的视角重新审视电信网络,采用“通用换私有”的方法,打破过去封闭私有的电信“黑盒子”,以x86通用平台实现更低廉的设备成本和更灵活的网络能力。

当然,运营商的电信网络转向NFV是一个逐渐的,循序渐进的过程,目前在全球范围内已经成立了NFV标准工作组,其负责提出适合NFV的网络场景和实现需求,国内三家运营商也均有所涉猎,而中国电信对于NFV的进展正处在前期的预研阶段。

低成本和灵活性是运营商的核心诉求

Q:NFV为何如此为运营商看重,其中蕴含着哪些内在驱动力?能否归纳下适宜NFV的电信网络具备哪些特点,目前哪些场景已成为全球运营商公认的适宜场景?

A:虽然业界提出了NFV架构的诸多优势,但归结起来,低成本和灵活性是NFV的两大核心优势,也是运营商最根本的诉求点。

首先低成本,由于采用x86架构的开放平台,NFV摒弃了传统网元设备中专有芯片、专有板卡,以及专用机柜的设计思路,硬件资源得以复用,并通过服务器的数量堆叠和提高密度实现扩容,其性价比远远高于那些专有私有的电信“黑盒子”。

其次是灵活性,NFV将网络功能虚拟化,使得网络新业务的开发、调试和上线都更加灵活和快速,由此更好地支撑和满足上层应用,NFV所带来的网络功能的多样性和灵活性正是目前处在转型中的运营商所亟需的能力。

目前,国外一些运营商已经针对NFV提出了适宜的应用场景,比如城域接入网中的BRASE、DPI,核心网中的PDSN以及无线网络侧的基站虚拟化等等。个人认为,电信网络中只涉及连接和传输的网络场景,无需采用NFV;如果网络中涉及灵活调配、数据交换或是承载业务的环节,才是适宜NFV应用的场景。

电信设备商在NFV中依然存在优势

Q:业界将NFV看作是下一代电信网络的重要趋势,我们应该如何看待NFV在电信网络中的定位?有观点认为NFV是“设备商的冬天,IT厂商的春天”,您对此如何看待?

A:将NFV作为电信网络的下一代趋势无可厚非。而论及NFV在电信网络中的定位,可以拿云计算在IT架构中作类比——云计算并非具体技术,也不是某个演进方向,而是IT构建方式的一种改变和革新,NFV的作用也是如此。

事实上,NFV反应的是对传统电信网络搭建方式的一种改变,运营商开始以IT的视角,重新审视电信网络,希望逐渐以IT设备来取代通信设备,进而实现开放和灵活的目标。

NFV是运营商最终的实现目标,从结果上看虽然是IT设备取代了传统的电信设备,但这并不代表“电信设备商进入了冬天”,毕竟电信网络转向NFV无法一蹴而就,NFV在现阶段更多的还是对现有设备的改造和替换,这方面运营商仍然需要长期合作的电信设备商们的支持和协作。而在这方面,IT厂商并不具备明显优势,毕竟他们对于电信架构和在网设备不够了解。

况且,NFV并非电信运营商的专利,设备商近几年对于产品线的优化和调整,也体现了NFV的一些思路,比如设备商已经逐渐将过去种类繁多的网元设备,归纳为几款主流的硬件平台,运营商需要什么样的网元设备,设备商只需要在相应的硬件平台上运行相应的软件即可实现交付。

NFV推广关键在于找到新的应用场景

Q:您认为,运营商转向NFV是否存在一些难点或者障碍,推动电信网络转向NFV的关键因素有哪些?

A:个人认为,目前NFV在性能和功耗方面已经不存在技术障碍,x86系统的性能近年来不断翻番,处理能力通过集群方式也可满足,这一点,谷歌的数据中心集群系统就是很好的范例。

真正的难点在于,转向NFV过程中的平台迁移,如果采用IT的方式搭建,势必要涉及从专有平台迁移到通用平台的问题。那么,如何平滑过渡、原有软件是否需要重构、操作系统能否适配等都是运营商、平台厂商以及IT厂商需要考虑和权衡的重要问题。

对于NFV规模推广的关键点,找到适合的场景是运营商当下的重要工作。个人认为,对于电信网络中比较成熟、运行良好的网络架构采用NFV的意义并不大,比如核心路由层。运营商需要为NFV找到新的应用场景,以更经济的搭建方式改变传统模式,由此带来新的业务增量。另外,明确了场景也就明确了需求,如此运营商才能联合厂商共同推动和研发创新。

开放网络能力对电信业务创新意义重大

Q:NFV将网络功能虚拟化并运行在通用的平台上,是否意味着网络应用软件的开发和编程能力也被开放出来,如此一来,运营商不仅可以自行开发,也可以招揽更多的第三方开发商?这种变化对运营商有何益处?

A:随着NFV逐渐在电信运营商的网络中推广采用,基于通用平台上的软件开发和编程接口将会被开放出来,这将吸引越来越多的开发者加入到网络功能开发的行列中来。

个人认为,运营商在未来的重点应该是平台运营而不是长尾业务的开发。运营商的作用在于搭建系统并维护平台的正常运行,建立成熟的开发流程和分成模式,以此吸引越来越多的第三方软件商加入其中。

对于运营商而言,NFV所能够带来的通用、开放的平台环境对于运营商的业务创新意义重大。随着移动互联网应用、OTT业务的不断发展和成长,运营商在业务创新能力和开发速度上已经感受到了明显的压力。在过去,运营商的网络追求的是稳定性,而现在网络功能的多样性和灵活性是首要目标。运营商一方面需要不断降低投入成本、提高网络资源利用率,另一方面也在寻求加速业务开发、调试和最终上线运行的提速办法,而NFV也正是在这样的需求下孕育而生的。

(没有打分)

H3C . 《网络之路》(15-19)

网络之路(15)-安全接入专题

网络之路(16)-NAT专题

网络之路(17)-新一代数据中心专题

网络之路(18)-iMac专题

网络之路(19)-HA高可靠性专题

 

 

(1个打分, 平均:4.00 / 5)

#弯曲首发#跨越“朦胧期”的云计算 – 浅谈几个技术突破点和争议点

各位弯友好,很长时间没发文章,实在对不起弯友和首席的厚爱,所以在这里以这篇新写的文章来向大家表达歉意^_^

我记得我第一次听到“云计算”这个名词的时候,大概07年底的时候,当时云计算的开创者之一Dennis Quan来到当时我工作地方IBM中国研究院做主题 演讲,在那次演讲中,他基于之前他在Google那里参与合作项目的实践,给我们描绘了在他眼里云计算所带来的美好前景,自从那天开始我成为了云计算的信徒,并且不才地2011年中出版我个人云计算的专著《云计算核心技术剖析》,之后就一直封笔,并始终专注于我们YunTable的开发和团队的组建。那么为什么在封笔两年之后,又重新提笔写云计算的文章呢?因为到了2013年,其实“云计算”这个概念,因为很多原因导致毁誉参半,并且随着其衍生“大数据”这个概念更愈演愈烈,但是身为一名所谓的“云计算和大数据专家”我个人认为在技术方面通过这几年的努力,云计算已经度过最近的朦胧阶段,并业界已经找出一些核心突破点,并铺以重兵攻坚,但同时也有一些有争议,并值得讨论的地方,这是我对这些加以总结,并形成此文的原因,虽然每个段落和方向都浅尝截止,但是希望能给大家一些启发。

 

核心技术突破点

就像前面说的那样,现在云计算技术层面,其实大的IaaS,SaaS和PaaS的架构已经清晰,但是下面几个点还是存在一定的技术难度,就像Tesla所用到核心技术,非5-10年的功夫是无法攻克的,所以个人觉得需要业界集结力量攻克。

Tesla

云计算的安全性

谈到云计算的话题,安全性永远是最热的话题之一。由于这个话题牵涉面广,所以本段落只关注两点,首先,是数据中心网络的安全性,最典型的例子,莫过于云计算最有知名度的Amazon Web Service服务,最近几年其几次大型故障都和网络有关,特别是其基于局域网技术的云硬盘服务EBS,多位业界网络专家认为其路由器的Oversubscribe(超卖)和网络配置无法应对(比如网络控制信息方面的流量会有波动)是整个问题的关键,如何解决好这个问题看来还需要进一步的实践和创新;其次,是虚拟机本身的安全性,其实在虚拟机的发展之初,其实各个技术主要关注首先绝对是性能,比如当时Xen虽然上手其为复杂,但是由于其本身的半虚拟化的架构,使得其在性能方面,长期稍强于VMware,并拿这点作为其长期的谈资,但是随着各方面程序的优化,特别是硬件虚拟化技术的引入,其实在性能方面,各方面都已经接近均势,并且大的优化空间也不多,所以虚拟机的安全性很有可能将会作为今后的主要考量之一,据一些行业IaaS云供应商的反馈,Xen本身有严重的漏洞,通过这个漏洞,虚拟机里面的程序可以直接攻击到物理机本身,并且KVM也有类似的问题,比如KVM直接有两个IO端口可以和QEMU通信,所以虚拟机的安全性还有待完善。 云计算的安全绝对是一个需要重视,并且需要花大力气的领域。

数据中心大二层和SDN

去年我曾经走访了几家做私有IaaS云的厂家,根据和他们的沟通,对于这些厂家而言,他们面对最大的技术挑战,基本都是“网络难配、网络难配”,主要有下面这三个原因:其一是现在云服务多个节点之间需要连接大量内部的通信,最明显的例子就是Hadoop,当集群大小超过千台时,网络会成为比IO更大的一个瓶颈;其二是虚拟机各节点只能在同一个二级网段内才能进行非常重要的动态迁移;其三是每个虚拟主机都会运行十个以上的虚拟机,这会导致过一个网段内实际所需要承受的机器数量和具体流量都倍增;这些因素都导致数据中心网络从之前对外为主的南北向,慢慢转为以内部为主的东西向,同时数据中心不得不出现大二层的现象。为了解决这些问题,网络界推出了各种解决方案,包括将路由能力带到二层网络的TRILL和FabricPath,用于识别虚拟机流量的VN-Tag和VEPA,用于二层互联的VPLS和OTV,最后就是号称改变整个网络世界的SDN(软件定义网络); 对于这些技术,我个人觉得的确能让现有的云服务,特别是IaaS层在技术层面有一个质的的飞跃,但是整体成熟度和成本要下降到一个让大家都满意程度,并非易事。

OpenStack完整的生态环境

2012年云计算的业界,其中有一个名词绝对是OpenStack,它和之前的IaaS开源项目,比如CloudStack、桉树(Eucalyptus)等不同的是,OpenStack强调的核心是生态圈,并且它的生态圈有两个特色,其一是模块众多,它不仅有传统用于虚拟机的模块,而且它还有提供云存储模块Swift,以及用于虚拟机镜像管理的Glance,另外还有最具创新型的网络模块Quantum;其次,整个圈子里面初创公司极为活跃,不仅国外有已经被VMware以巨资收购的Nicira,而且在国内,无论是九州云还是UnitedStack都做的有声有色。 虽然表面而言,OpenStack生态圈“歌舞升平”,但是其实个人觉得其实有很多隐患,最重要的是缺乏一个领军的企业来引导,光靠一个松耦合的社区真的有点难度。

Hadoop的生态圈的完善

虽然我个人对现在业界各种五花八门的Hadoop用例有点疑惑,但是Hadoop社区的确在最近几年,通过Cloudera和Hortonworks这两大巨头推动,并且再加上类似淘宝云梯这样案例不断成熟,使的Hadoop快成为业界标准的大数据服务平台。同时由于MapReduce这样新的编程框架,使得传统的基于关系型数据库的周边工具都无法继续使用,所以一些新的周边工具不断推出,包括用于数据流支持的Pig,用于SQL解析的Hive,用于日志收集的Flume,用于ETL的Scribe,用于实时分析的Impala等。 对于Hadoop这个生态圈,我个人也是很有疑虑的,虽然和OpenStack的圈子相比,它表面有两大巨头支持,但这两大巨头各怀鬼胎,而且其整体所需要投入的工程量和OpenStack相比不相上下,希望两大巨头能抛弃成见,起心协力。

NewSQL的兴起

前几年谈了很多NoSQL,虽然其伸缩性不错,但因为其不支持完整SQL语句,使得其学习成本很高,所以个人觉得既能伸缩,又能支持SQL的NewSQL兴起再所必然。大家想起的NewSQL,一定是MemSQL或者SAP HANA等这类初出茅庐的新型基于内存的数据库,但我个人觉得在NewSQL方面,其实最强大的始作俑者是研发出MapReduce的Google,虽然其最初整套用于半结构化数据解析的索引构建模块是基于MapReduce的,并且研发了著名NoSQL技术BigTable,但是随着它业务的需求和对性能等方面要求的不断提升。在技术方面,它做了优化和转型,基于现有公开的资料,主要两部分,其一在索引构建和OLTP方面,Google以BigTable为基础发展出可以对大数据集进行增量更新的Percolator系统以用于索引的构建和服务,同时也在BigTable基础上,推出用于分布式海量OLTP的Megastore和F1 Spanner,并且他们分别被用于Google App Engine的Data Store数据库服务和Google的现金牛广告服务,同时在OLAP方面,它推出有点类似MPP列式数据库的Dremel,通过Dremel这个系统能够构建有千台规模的分析集群,并能快速地对PB级别的数据进行处理。无论是F1 Spanner还是Dremel,它们在伸缩性方面都非常不错,并且在语法上面支持一定的SQL语句,个人觉得它们绝对是NewSQL的典范之作。 可惜的是现在NewSQL界,真正有实力的公司和产品并没有出现;

 

争议点

虽然上面提到了很多关注点,但是在我看来,还是有很多争议点,就像梅西和C罗各有各自的优点,还需要进一步讨论才能分出优劣或者各自适合的场景,个人觉得通过这样的讨论,能帮助大家抓住关键点,从而引发质的飞跃。

conflict

OpenStack 还是 CloudStack?

其实,OpenStack和CloudStack虽然其提供功能大体类似,但是个人觉得它们在核心理念是大相径庭,CloudStack本质是产品的思路,也就是通过这个产品能够非常快速地构建一个提供IaaS服务的私有云,并且通过其主要用户Zynga的使用来进行逐步地优化,而OpenStack则本质是一个生态圈,就像上面提到的那样,里面有很多公司和团队参与,并且功能强大的模块很多,可惜实际的案例不多,特别是大规模的。那么到底OpenStack的模式还是CloudStack的模式是今后IaaS云计算的主流,我个人很难判断,但最近一年,使用OpenStack来构建一个大型IaaS云,个人觉得至少在整体项目的技术支持还缺乏一个能全面理解OpenStack的团队来做。

结构化数据,Hadoop适合吗?

首先,个人一直觉得虽然现在Hadoop使用面很广,包括类似OLAP的结构化数据分析,但是其实Hadoop这样MapReduce的框架,最初的需求主要是用于类似网页这样的半结构化数据的处理和分析,而且MapReduce这样暴力的方式也特别适合类似地理数据和视频这样非结构化数据。同时虽然现在有类似Hive这样的解决方案,但是基于我最近几年我在底层的收获,和一些朋友反馈,Hadoop在处理结构化数据时,无论是处理速度,还是处理成本,都和基于列式存储的 NewSQL数据库无法接近的。另外,虽然Cloudera推出用于准实时分析的Impala,但是由于其重写了极为耗时耗力的SQL解析引擎,所以个人觉得等它全面支持SQL语句那天,还为时尚远。综上所述,诚然Hadoop能做对结构化数据的分析,但是是否合适,个人觉得是一个仁者见仁,智者见智的问题。

GAE,还是Cloud Foundry?

虽然PaaS这个名词在2012年比较沉寂,但是Cloud Foundry和GAE(Google App Engine)都有一定的进步,Cloud Foundry有了更多用户,GAE又发布了新的版本。争论的核心是Cloud Foundry和GAE在方向性上面的差别比OpenStack和CloudStack更大,在我看来,Cloud Foundry核心是快速地部署,快速地开发,支持各种编程模式和灵活地使用,而GAE的优势是通过它分布式的架构能快速伸缩,并且能够最大限度地进行超买,从而在一定用户规模的基础上实现较大的盈利,但是初期构建成本比Cloud Foundry高的多,所以我个人觉得Cloud Foundry这个方案比较适合私有云,而GAE更适合公有云,具体今后的PaaS届那种是潮流,这个很难说。
阅读全文»

(8个打分, 平均:5.00 / 5)

田溯宁 。《大数据中国战略机遇与路径》

人类科技又处在一个激动人心的变革前期。只要我们以开放的心态、创新的勇气去拥抱“大数据时代”,就会抓住历史为中国创造前所未有的发展机会

当前,随着移动互联网的普及和“可佩带计算”等智能设备的出现,人类的行为、位置,甚至身体生理每一点变化都成为了可被记录和分析的数据。以此为基础,“反馈经济”(feedbackeconomy)等新经济、新商业模式也开始形成。可以说,一场全新的、以大规模数据生产、分享、使用为代表的技术革命正在发生。

大数据让人类对自己,也让人类对外部世界的认识更加全面,决策上更加科学。大数据不但可以更好地了解到每个人的爱好、特长、信用等情况,还可以获知社会整体的供给、需求、情绪等信息,帮助我们实现更好的计划和管理,创造出更加符合需求的、定制化的产品,为众多的传统行业和部门带来颠覆性创新的机会。

正如工业革命的开始,是以蒸汽机、运输系统和大规模制造为代表,新经济、商业模式都是几种技术相互影响和推动的结果。今天,移动互联网、“可佩带计算”和云计算、大数据一道,共同开启一个新时代的到来。数据挖掘不仅会成为公司竞争力的来源,也将成为国家竞争力的一部分。

三大关键技术力量出现

今天,人类已经拥有三种信息技术力量:无所不在的数据和计算,无处不在的网络和大规模分布式的存储和运算能力(云计算)。比如,“可佩带计算”设备的广泛运用,忠实地记录了我们的衣、食、住、行及状态,并通过无处不在的移动网络,将大量的数据传输到“云中”去,进行分析和处理。

云计算、移动互联网、“可佩带计算”几种力量一道,为我们打开了新一轮技术革命的大门。现在,人类一天创造的数据相当于2000年一年的数据量。把一个人一生的生理、心理数据等全部记录下来,大约需要1000T的数据量(1024G等于一个T)。如此量大并且不规则的“非结构数据”,只有云计算才能进行有效、快速的处理。

作为IT新一轮浪潮的代表,云计算使得计算资源像水、电一样便宜、唾手可得。云计算强大的存储、计算平台,推动了终端的智能和简单化,并带动软,硬件设计的革命。如以苹果、谷歌为代表的智能手机、可穿戴设备,3D打印以及开源软硬件的发展。

云计算、移动互联网和“可佩带计算”的结合,让每个人、每辆车甚至每个建筑都成为信息感知和接收的终端,带动了一个可感知、反馈、分析和预判的“大数据时代”的到来。在这个以PB(1PB=1024TB)为单位的非结构化数据为主的大数据时代,使用云计算对这种非结构化数据进行适时分析、挖掘,可以让我们的决策更加精准,释放出数据的隐藏价值。

“反馈经济”革命性兴起

2012年初,斯坦福(Stanford)大学的三个学生针对脊椎病的防治创立一个公司。一般来说,脊椎病的形成与人们的坐姿有关。问题是经常意识不到坐姿有问题。他们的解决方案是:将一个传感器放在皮带上,此传感器可适时监测患者的坐姿,并通过移动网络,传输到“云中心”去。

“云中心”的服务器不断积累数据,通过经验数据的比较分析,评估你的坐姿并计算出多长时间需要调整,然后将调整的信号发到你的手机上。不仅如此,它还可以将你坐姿状态数据直接发给好友。佩带同样设备的朋友在社交网络上,可以知道彼此的状态,进行分享、反馈和纠正。

这个小例子说明,利用移动互联网、云计算及大数据,可以帮助你完成一个行为的纠正或调整。这几种看似分离的要素合到一起之后,一种新的经济形态——“反馈经济”出现了。

在硅谷,创业者们把利用这种技术建立创业公司,称之为有“反馈经济”的企业。通过把云计算、大数据、“可佩带计算”和移动网络,这几种技术及技术提供的可能性放在一起,一种新的闭环形成。这个闭环的形成,其代表的经济意义及商业模式的创新意义巨大。

首先,人类的行为,无论个体行为、群体行为,还是社会行为的调整与改变,都是非常难的一件事情。一个有效的方式就是反馈机制,比如效果、情绪、行为的反馈,越有时效性的反馈就越富有意义。同时,我们还可以通过社交网络实现过程的分享和监督。

其次,云计算将大规模数据不断收集、积累、计算,将使计算模型具备学习能力,因而会越来越精确。上例中购买脊椎病纠正仪的患者越多,收集的数据也越多,对患者预警模型也就越精确,越有指导意义。

如果把这类技术应用推广到多种设备、多个行业来看,人类对自己、对商业、对社会的认识、理解、反馈就会更有效,预测性更强,供给与需求的矛盾便更容易解决。如果每个人的心跳都能被记录下来,各种各样的生命指标能记录下来,很多的疾病就可以预防;如果每个人学习的擅长能够被记录下来,每个人的课本应该是不一样的,每个人的考试也应该是不一样的,也可以让天才在更早期就被发现出来。

大数据另一个非常重要的应用叫做QS(QuantifiedSelf)——量化自我。“量化自我”运动最早出现在硅谷,由《失控》的作者凯文·凯利等人发起。他们通过找到一群自愿者,带上传感器及手持移动设备,尽量把每天生活的轨迹(衣食住行)以至脉搏、情绪都记录下来,然后将数据贡献出来,进行分析。借助着越来越多的“可佩带设备”,像手表、手环以及服装、腰带上的传感器,可以更好帮助我们了解和改善自己的身体、情绪状况和周边环境。

中国四大优势

今天,传统工业经济增长模式已经达到极限,它面临日异严峻的能源、原材料消耗,以及环境等诸多问题。历次技术革命中国均是学习者,这一轮信息技术和大数据革命,由于技术的全球化和开放性,以及中国改革开放以来,尤其是在互联网时代的积累,让我们不但第一次和西方站在同一起跑线上,还拥有一些独特的优势,在很多方面甚至具备了创新和超越的可能:

其一,“可持续发展战略和转变增长方式”战略提出,政府已经意识到传统工业带来的问题。中国的举国体制,可以“集中力量办大事”。当然,这需要决策者在思想认识统一,决定和行动上一致。

其二,大数据时代每个人都是“Prosumer,即生产-消费者”,消费者的参与变得更加重要。中国庞大的人口,复杂的市场也创造出世界最大、最复杂“大数据”,可以催生新的大数据产业群并诞生出独特的技术和商业模式。

其三,中国拥有世界上最大的大学生群体。2013年中国大学毕业生人数近700万。驾驭大数据时代,挖掘“数据金矿”,最需要的就是数学、统计人才。中国高校数理学科基础强大,大数据时代“数据矿”的挖掘需要数理功力。应该说,中国拥有全世界无可比拟的数据人才优势。

其四,中国有足够大的市场。未来5~10年,中国可能成为世界上最大的信息技术市场,在服务器、数据中心,智能终端、应用软件等各方面也都可能给中国创新企业带来前所未有的机会。

大数据中国战略路径

工业经济的基础设施是铁路、公路、航空,以及水、电等,信息时代云计算和网络、大数据结合成为新经济的基础设施。现实需求和技术的双重推动,会让越来越多的政府机构、企业和个人意识到数据是巨大的经济资产,像货币或黄金一样,它将带来全新的创业方向、商业模式和投资机会。

今天,中国要解决由大规模数据引起的问题,探索以大数据为基础的解决方案,实现产业升级,同时完成工业化、信息化和城镇化三大任务,我们面对的最大的挑战:一是企业和创业者们有没有足够的勇气和想象力,去开创这样一个时代的到来,创造出新的商业模式;二是在此过程中,也需要政府出面,从政策,产业支持和法律方面,扫清“大数据”发展的障碍:

首先,要解决数据的“流动性”和“可获取性”问题。美国政府创建了Data.gov网站公开数据,英国、印度也有“数据公开”运动。如同工业革命要开放物质的交易、流通一样。开放的、流通的数据是时代的要求。中国要赶上这样一场大数据变革,首先要从政府开始公开数据,让社会享受公开数据的好处,同时也可以提升政府的办公效率。

其次,通过数据立法,对“隐私权”、“所有权”等敏感问题通过法律形式加以保护。如何将数据更好地分类、分享和使用,需要政府、企业、社会共同努力。大数据带来的好处远远大于问题,隐私问题不会成为大数据发展的障碍,但大数据“隐私权”、“所有权”需要国家立法来规范。

其三,从国家战略层次,解决数据标准和数据交易的问题。鉴于国际上对于未来数据的所有权已经成为重大的国际战略问题,国际数据资产不仅仅关系到未来的国家经济,还关系到国际政治和战略。中国要占领国际数据资产制高点,应该发挥优势,率先发起并领导国际数据标准的制订。

比如,提出并倡导“数据主权”、《国际数据公约》,来规范世界各国数据获取、使用和所有权这些重大问题;政府启动,设立国家级“数据银行”,对数据资产的交易和流通进行保护。

其四,政府部门成为大数据的实践者。为更好提升服务能力,树立更加开放、透明,负责、高效的政府形象,应创造条件,鼓励大数据在政府部门和公共事务,尤其是关系国计民生的关键行业率先使用。□

田溯宁,中国信息化百人会成员(CI100),宽带资本董事长。1993年获得美国得州理工大学博士学位。参与创建第一家在美上市中国高科技企业亚信科技,曾担任中国网通副董事长兼CEO。2010年在北京市政府支持下,创建了北京“云基地”。

(13个打分, 平均:2.54 / 5)

不可不知的嵌入式工程师经验

(编者按:本文从技术和就业经验等角度,为即将进入嵌入式开发的工程师们详细讲述嵌入式的概念、嵌入式开发之间的异同以及应该如何做出选择。是一些经验之谈,希望对大家有所帮助。)

 

一.工程师眼中的“嵌入式系统”

在工程师看来:着重理解“嵌入”的概念,主要从三个方面来理解:

1.从硬件上,将基于CPU 的外围器件,整合到CPU 芯片内部,比如早期基于X86体系结构下的计算机,CPU 只是有运算器和累加器的功能,一切芯片要靠外部桥路来扩展实现,象串口之类的都是靠外部的16C550/2的串口控 制器芯片实现。目前这种串口控制器芯片早已集成到CPU 内部。还有PC 机有显卡,而多数嵌入式处理器都 带有LCD 控制器,但某种意义上就相当于显卡。比较高端的ARM 类Intel Xscale 架构下的IXP 网络处理器CPU 内部集成PCI 控制器(可配成支持4个PCI 从设备或配成自身为CPI 从设备);还集成3个NPE 网络处理器引擎,其中两个对应于两个MAC 地址, 可用于网关交换用,而另外一个NPE 网络处理器引擎支持DSL,只要外面再加个PHY 芯片即可实现DSL 上网功能。IXP 系列最高主频可以达到1.8G,支持2G 内存,1G×10或10G×1的以太 网口或Febre channel 的光通道。IXP 系列应该是目标基于ARM 体系结构下由Intel 进行整合后成Xscale 内核的最高的处理器了。

 

2、从软件上,就是在定制操作系统内核里将应用一并选入,编译后将内核下载到ROM 中。而在定制操作系统内核时所选择的应用程序组件就是完成了软件的“嵌入”,比如WinCE 在内核定制时,会有相应选择,其中就是 wordpad,PDF,MediaPlay 等等选择,如果我们选择了,在CE 启动后,就可以在界面中找到这些东西,如果是以前PC 上的windows 操作系统,多半的东西都需要我们得新再装。

 

3、把软件内核或应用文件系统等东西烧到嵌入式系统硬件平台中的ROM 中就实现了一个真正的“嵌入”。 以上的定义是我在6、7年前给嵌入式系统下自话侧重于理解型的定义,书上的定义也有很多,但在这个领域范围 内,谁都不敢说自己的定义是十分确切的,包括那些专家学者们,因为毕竟嵌入式系统是计算机范畴下的一门综合性学科。

 

二.嵌入式系统的分层及对口专业要求

嵌入式系统分为4层,硬件层、驱动层、操作系统层和应用层。

1.硬件层:是整个嵌入式系统的根本。如果现在单片机及接口这块很熟悉,并且能用C 和汇编语言来编程的话,从嵌入式系统的硬件层走起来相对容易,硬件层也是驱动层的基础,一个优秀的驱动工程师是要能够看懂硬件的电路图和自行完成CPLD 的逻辑设计的,同时还要对操作系统内核及其调度有相当的熟悉。但硬件平台是基础,增值还要靠软件。

硬件层比较适合于电子、通信、自动化、机电一体、信息工程类专业的人来搞。需要掌握的专业基础知识有: 单片机原理及接口技术、微机原理及接口技术、C 语言等。

 

2.驱动层:这部分相对而言比较难。驱动工程师不仅要能看懂电路图,还要能对操作系统内核十分的精通,以便其所写的驱动程序在系统调用时,不会独占操作系统时间片,而导致其它任务不能运行。若不懂操作系统内核架构和实时调度性,没有良好的驱动编写风格,按大多数书上所说添加的驱动的方式,这样可能连个初级的驱动工程师的水平都达不到,所写的驱动在应用调用时就如同windows 下我们打开一个程序运行后,再打开一个程序时,要不就是中断以前的程序,要不就是等上一会才能运行后来打开的程序。想做个好的驱动人员没有三、四年功底,操作系统内核不研究上几遍,不是太容易成功的,但其工资在嵌入式系统四层中是最高的。 驱动层比较适合于电子、通信、自动化、机电一体、信息工程类专业尤其是计算机偏体系结构类专业的人来搞。 当然除硬件层所具备的基础学科外,还要对数据结构与算法、操作系统原理、编译原理都要十分精通。

 

3.操作系统层:对于操作系统层而言目前可能只能说是简单的移植,而很少有人来自已写操作系统,或者写出缺胳膊少腿的操作系统来,这部分工作大都由驱动工程师来完成。操作系统是负责系统任务的调试、磁盘和文件的管理,而嵌入式系统的实时性十分重要。据说,XP 操作系统是微软投入300人用两年时间才搞定的,总时工时是 600人/年;中科院软件所自己的女娲Hopen 操作系统估计也得花几百人/年才能搞定。因此这部分工作相对来讲没有太大意义。

 

4.应用层:相对来讲较为容易。如果会在windows 下进行编程接口函数调用,到操作系统下只是编译和开发环境有相应的变化而已。如果涉及Java方面的编程也是如此。嵌入式系统中涉及算法的由专业算法的人来处理,不必归结到嵌入式系统范畴内。但如果涉及嵌入式系统下面的嵌入式数据库、基于嵌入式系统的网络编程和基于某些应用层面的协议应用开发(比如基于SIP、H.323、Astrisk)方面,又较为复杂,并且有难度了。

 

三.目标与定位

先有目标,再去定位。

学ARM,从硬件上讲,一方面就是学习接口电路设计,另一方面就是学习汇编和C 语言的板级编程。从软件上讲,就是要学习基于ARM 处理器的操作系统层面的驱动和移植。这些对于初学者来说必须明确,要么从硬件着手开始学,要么从操作系统的熟悉到应用开始学,但不管学什么,只要不是纯的操作系统级以上基于API 的应用层的编程,硬件的寄存器类的东西还是要能看懂的、基于板级的汇编和C 编程还是要会的。因此针对于嵌 入式系统的硬件层和驱动层的人来说,ARM 的接口电路设计、ARM 的C 语言和汇编语言编程及调试开发环境还是需要掌握的。

 

对于初学者必然要把握住方向,自己的目标是什么,自己要在哪一层面上走。然后再着手学习才比较好,与 ARM 相关的嵌入式系统的较为实际的两个层面硬件层和驱动层,不管学好了那一层都会很有前途的。 如果想从嵌入式系统的应用层面的走的话,可能与ARM 及其它体系相去较远,要着重研究基嵌入式操作系统的 环境应用与相应开发工具链,比如WinCE 操作系统下的EVC 应用开发(与windows 下的VC 相类似),如果想再 有突破就往某些音视频类的协议上靠,比如VOIP 领域的基于SIP 或H.323协议的应用层开发,或是基于嵌入式 网络数据库的开发等等。

 

对于初学者来讲,要量力而行,不要认为驱动层工资高就把它当成方向了,要结合自身特点,嵌入式系统四个层 面上无论哪个层面上来讲都是有高人存在,当然高人也对应的高工资。我是做硬件层的,以前每月工资中个人所 得税要被扣上近3千大元。当然我一方面充当工程师的角色,一方面充当主管人物的角色,两个职位我一个人干, 但上班时间就那些。硬件这方面上可能与我PK 的人很少了,才让我拿到那么多的工资。

 

四.如何选择合适的开发系统

很多ARM 初学者都希望有一套自己能用的系统,但他们往往会产生一种错误认识,就是认为处理器版本越高越好,性能越高越好,就象很多人认为ARM9比ARM7好, 我想对于初学者在此方面以此入门还应该理智,开发系统的选择最终要看自己往嵌入式系统的哪个方向上走,是做驱动开发还是应用,还是做嵌入式系统硬件层设计与板级测试。如果想从操作系统层面或应用层面上走,不管是驱动还是应用,当然处理器性能越高越好了,但这个东西自学,有十分大的困难,不是几个月或半年或是一年二年能搞定的事。

 

在某种意义上讲,ARM7与ARM9的差别就是在某些功能指令集上丰富了些,主频提高一些而已,就比如286 和386。对于用户来讲可能觉察不到什么,只能是感觉速度有些快而已。

ARM7比较适合于那些想从硬件层面上走的人,因为ARM7系列处理器内部带MMU 的很少,而且比较好控 制。就比如S3C44B0来讲,可以很容易将Cache 关了,而且内部接口寄存器很容易看明白,各种接口对于用硬件 程序控制或AXD 单步命令行指令都可以控制起来。基于51单片机的思想很容易搞懂,就当成个32位的单 片机,从而消除很多51工程师想转为嵌入式系统硬件ARM 开发工程师的困惑,从而不会被业界某些不是真正懂 嵌入式烂公司带到操作系统层面上去,让他们望而生畏,让业界更加缺少这方面的人才。

 

而嵌入式系统不管硬件设计还是软件驱动方面都是十分注重接口这部分的,选择平台还要考察一个处理器的外部资源,你接触外部资源越多,越熟悉他们,以后就业成功的机率就越高,这就是招聘时所说的有无“相关技能”,因为一个人不可能在短短几年内把所有的处理器都接触一遍,而招聘单位所用的处理器就可能是我们完 全没有见过的,就拿台湾数十家小公司(市价几千万)的公司生产的ARM 类处理器,也很好用,但这些东西通用性 太差,用这些处理器的公司就只能招有相关工作经验的人了,那什么是相关工作经验,在硬件上讲的是外围接口设计,在软件上讲是操作系统方面相关接口驱动及应用开发经验。我从业近十年, 2000年ARM 出现,我一开始做ARM7,然后直接跑到了Xscale(这个板本在ARM10-11之间),一做就是五年,招人面试都不下数百人,在这些方面还是深有体会的。

 

我个人认为三星的S3C44b0对初学者来说比较合适,为什么这么说? 因为接口资源比较丰富,技术成熟,资料较多,应该十分适合于初学者。有问题可能很容易找人帮且解决,因为大多数人都很熟悉,就如同51类的单片 机,有N多位专家级的人物可以给你帮忙,相关问题得以很快解答,所然业界认为这款ARM 都用得烂了,但对于初学者来,却是件好事。

总的来说,开发系统的选择,要看自己的未来从业目标方向,要看开发板接口资源,还要看业界的通用性。

 

五.成为高级嵌入式系统硬件工程师要具备的技能

对于硬件来讲有几个方向,就单纯信号来分为数字和模拟。模拟比较难搞,一般需要很长的经验积累,单单一个阻值或容值的精度不够就可能使信号偏差很大。因此年轻人搞的较少,随着技术的发展,出现了模拟电路数字化。 比如手机的Modem 射频模块,都采用成熟的套片,而当年国际上只有两家公司有此技术,自我感觉模拟功能不 太强的人,不太适合搞这个,如果真能搞定到手机的射频模块,只要达到一般程度可能月薪都在15K 以上。

 

另一类就是数字部分了,在大方向上又可分为51/ARM 的单片机类,DSP 类,FPGA 类。国内FPGA 的工程 师大多是在IC 设计公司从事IP 核的前端验证,这部分不搞到门级,前途不太明朗,即使做个IC 前端验证工程 师,也要搞上几年才能胜任。DSP 硬件接口比较定型,如果不向驱动或是算法上靠拢,前途也不会太大。而ARM 单片机类的内容就较多,业界产品占用量大,应用人群广,因此就业空间极大。而硬件设计最体现水平和水准的就是接口设计这块,这是各个高级硬件工程师相互PK、判定水平高低的依据。而接口设计这块最关键的是看时序, 而不是简单的连接,比如PXA255处理器I2C 要求速度在100Kbps,如果把一个I2C 外围器件,最高还达不到100kbps 的与它相接,必然要导致设计的失败。这样的情况有很多,比如51单片机可以在总线接LCD,但为什么这种LCD 就不能挂在ARM 的总线上,还有ARM7总线上可以外接Winband 的SD 卡控制器,但为什么这种控制器接不到ARM9或是Xscale 处理器上,这些都是问题。因此接口并不是一种简单的连接,要看时序,要看参数。 一个优秀的硬件工程师应该能够在没有参考方案的前提下设计出一个在成本和性能上更加优秀的产品,靠现有的方案,也要进行适当的可行性裁剪,但不是胡乱的来,我遇到一个工程师把方案中的5V 变1.8V 的DC 芯片,直接更换成LDO,有时就会把CPU 烧上几个。前几天还有人希望我帮忙把他们以前基于PXA255平台的手持GPS 设备做下程序优化,我问了一下情况,地图是存在SD 卡中的,而SD 卡与PXA255的MMC 控制器间采用的SPI 接口,因此导致地图读取速度十分的慢,这种情况是设计中严重的缺陷,而不是程序的问题。因此我提了几条建议,让他们更新试下再说。

 

因此想成为一个优秀的工程师,需要对系统整体性的把握和对已有电路的理解,换句话说,给你一套电路图你能看明白多少,看不明白80%以上的话,说明你离优秀的工程师还差得远。其次是电路的调试能力和审图能力,但最最基本的能力还是原理图设计、PCB 绘制、逻辑设计这块。这是指的硬件设计工程师,从上面的硬件设计工程师中还可以分出ECAD 工程师,就是专业的画PCB 板的工程师,和EMC 设计工程师,帮人家解决EMC 的问题。硬件工程师再往上就是板级测试工程师,就是C 语言功底很好的硬件工程师,在电路板调试过程中能通过自已编写的测试程序对硬件功能进行验证。然后再交给基于操作系统级的驱动开发人员。 总之,硬件的内容很多很杂,硬件哪方面练成了都会成为一个高手,我时常会给人家做下方案评估,很多高级硬件工程师设计的东西,经常被我一句话否定。因此工程师做到我这种地步,也会得罪些人,但硬件的确会有很多不为人知的东西,让很多高级硬件工程师也摸不到头脑。

 

那么高级硬件工程师技术技能都要具备哪些?首先要掌握EDA 设计的辅助工具类如Protel OR CADPowper PCBMaplux2ISE、VDHL 语言,要能用到这些工具画图画板做逻辑设计,再有就是接口设计审图能力, 再者就是调试能力,如果能走到总体方案设计这块,那就基本上快成为资深工程师了。

 

深入了解各种器件特性,选择最合适的处理器、外围器件、操作系统和软件库,尽可能地优化软件设计,最贴切地满足应用需求,以获得最好的系统性价比,是嵌入式系统设计开发的精髓。

 

硬件是要靠经验,也要靠积累的,十年磨一剑,百年磨一针。

 

不过最后提醒大家:追求技术不是人生的唯一目的,切不可把它当成喜悦的唯一源泉,平时身边有很多美好的事物都值得用心去珍惜。呵呵,我已经在担心自己的智力是否会在30岁到来之前枯竭了.好好珍惜短暂的大学生活,好好珍惜自己的青春,不要整天呆在实验室,左手键盘右手烙铁的。

(7个打分, 平均:4.86 / 5)

科研创新的16种方法

徐光宪,著名化学家,中国科学院院士。现任北京大学化学系教授、博士生导师。

 

徐光宪长期从事物理化学和无机化学的教学和研究,涉及量子化学、化学键理论、配位化学、萃取化学、核燃料化学和稀土科学等领域。通过总结大量文献资料,提出普适性更广的(nxcπ)格式和原子共价的新概念及其量子化学定义,根据分子结构式便可推测金属有机化合物和原子簇化合物的稳定性。建立了适用于研究稀土元素的量子化学计算方法和无机共轭分子的化学键理论。合成了具有特殊结构和性能的一系列四核稀土双氧络合物。

 

2008年,徐光宪获得中国国家最高科技奖。

 

〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜

●知识创新都有前因后果,来龙去脉。故而勤奋学习,建立知识框架,积累深厚基础;加上追根到底,万事逼问为什么的好奇心,就是创新的源泉。前者是学,后者是问。学而不问则殆,问而不学则茫。学而问,问而思,思而行,行而果,这就是创新。
●如果你梦想要做一个科学家,那么勤奋学习就是实现你的梦想之“舟”。但舟有快如宇航飞机,慢如蜗牛。所以勤奋必须是高效率的勤奋,不要去做“磨擦生热”的“无用功”,更不要做“负功”。
●在科学研究中常常会遇到“山穷水尽疑无路”时,粗心大意的人很容易放过这种机遇。只有具有敏锐眼光和扎实基础的科学家才能抓住它,取得重大的突破。
●实际的学科基础是金字塔,有比较广的知识,但是又要有塔尖,有高度,也就是你的专业知识高度。但是一条竹竿是站不直的,所以你除了“高”,还要有一些“宽”。
多年以来,我一直在实践中探索科研如何创新的方法,总结了16条。我可以告诉大家,我的天赋很平常,但“天道酬勤”,只要依靠勤奋,是可以取得科学成就的。大发明家爱迪生说:天才=98%的汗水+2%的灵感。而2%的灵感也可用勤奋来培养。各位同学只要勤奋努力,相信都能成为出色的科学家。
1 创新与知识积累:中药铺的抽屉和知识框架
创新必须先有知识积累,这是创新和继承的关系。我幼年时常生病,生了病去看中医,到中药铺去抓药,看到中药分类归档,放在上百个抽屉里。从那时起就模糊认识到要把学到的东西放在脑中的抽屉里,并把众多抽屉有序排列,才能记住。以后就慢慢形成要在自已的头脑里建立知识框架的概念。知识框架即知识文档树,建立知识文档树便于知识存贮检索、记忆、联系比较、分析归纳和创新。
2 创新链和创新树
科学研究是接力赛跑,起跑点要在科学研究的前沿,要把前人的有关知识接过来。研究生的导师很重要,他把接力赛跑的棒交给你,你就可以在科学研究的前沿起跑。牛顿说:“我是站在巨人的肩膀上,所以能看得远一些”。这是创新和继承的关系。
科学研究既然是接力赛跑,所以每一项科学创新都有前因后果。把这些前因后果串联起来,就构成一条“创新链”。创新链常有分支,于是构成“创新树”。建立创新树的方法,可以启发你的创新灵感,活跃你的创新思维,特别是在分枝点上,可以思考一下:还有什么新路可走?
3 分类研究法
“分类法”是一种重要的科学方法。科学(Science)原来的含义就是分科之学。例(1)动植物的宏观分类法——门,纲,目,类,科,亚科等。例(2)生物的微观分类法——基因分类法。例(3)萃取机理的分类。例(4)经济模式的分类——自由资本主义经济(如美国),欧洲资本主义经济,中国特色社会主义市场经济等。
世界上的事物是非常复杂的巨系统,要探索这个巨系统,先要把它进行分类,才能找到其中的规律。现代科学发展的大趋势之一,是学科越分越细。例如1900年是500门学科,2000年是5000门。100年增加10倍。2100年可能到50000门,2050年到20000门,50年中创建15000门新学科,我们中国人至少创建3000门。你们要有创建3000门新学科的雄心壮志。
4 学科交叉法
学科交叉法就是在不同的学科之间,进行“比较”、“类比”和“移植”的研究方法,从而产生新的研究领域或新的学科。
“比较法”是具有悠久历史的传统方法,也是科学研究中的重要逻辑方法。在语言学的研究中有一分支,叫做“比较语言学”,就是用比较的方法来研究两种或多种语言的异同。在生物学中有“比较生物学”。学科交叉的无人区是创新的生长点。
在比较语言学中,可以互相取长补短,促进本门语言学的发展。例如英文的Crisis,中文是“危机”。危机有危险和机遇两层意思。处理得当可以把危险化为机遇,而Crisis只有危险的意思。中文有“做学问”一词,通常翻译为Learning,但后者只有学习的意思,没有问的含义。做学问要既学又问,学而不问则殆,问而不学则茫。
5 移花接木法
“移花可以接木,杂交可以创新”,这是科学创新的“移植法”。科学可按照它的研究对象由简单到复杂的程度分为上、中、下游。数学、物理学是上游,化学是中游,生物、医学、社会科学等是下游。上游科学研究的对象比较简单,但研究的深度很深。下游科学的研究对象比较复杂,除了用本门科学的方法以外,如果借用上游科学的理论和方法,往往可收事半功倍之效。所以“移上游科学之花,可以接下游科学之木”。
例(1)量子化学是把量子力学的理论和数学方法移植到化学中来,因而产生的交叉学科。美国理论物理学家科恩和英国数学家波普尔,把量子力学的理论和计算数学的方法移到化学中来,解决了量子化学中的计算难题,因而获得1998年诺贝尔化学奖。
例(2)把数学方法移植到经济学中来,可以实现经济学的突破。1994年的诺贝尔经济奖授予纳什,他把数学中概率论之花,移到经济学中来,提出预测宏观经济发展趋势的“博弈论”。
例(3)移花接木创新法的另一例子是仿生学。例如第一架飞机就是模仿蜻蜓制造出来的。流线型的喷气飞机和高速火车的造型是模仿鱼类的,特别是海豚的皮肤表面有一种可吸收能量的弹性结构,借以消除流体的阻力,使湍流变为平流。
例(4)生物学与化学的交叉产生生物化学、分子生物学、生物物理学、结构生物学等。现在后基因组时代已经到来,生物学与化学之间又有一个新的交叉学科——蛋白质组学已经形成。
6 四两拨千斤法
中国有句成语,叫做“四两拨千斤”,这就是“力的放大”。例如杠杆、齿轮、千斤顶等,在搬运东西和机械工程中被广泛使用。在科学研究中,我们要把一种已知的方法尽量推广拓展到未知的领域,这就是“创新”。
例(1)三极管的发明可以实现电流的放大,上世纪三十和四十年代,是电子管的鼎盛时期,它曾为无线电、雷达、电子计算机和V型导弹的发明作出了贡献。1948年发明了晶体管,同样可以放大电流,但体积、重量、耗电量均比电子管减少100-1000倍。1959年又发明集成电路,从而产生了微电子学和微电子工业,导致20世纪的信息革命。
例(2)激光器的发明。电流的放大产生了如此重大的影响,于是人们联想到光是不是也能放大呢?1954年汤斯首先实现了微波的受激辐射放大。1960年从事红宝石微波量子放大器研究的年轻人梅曼成功地研制出第一台红宝石激光器,实现了光波的受激辐射放大。
例(3)化学合成的自动组装放大,例如用K.Ziegler和G.Natta催化剂,可使单体自动定向聚合为高分子。又如自组装化学,也是化学发展的方向之一。
例(4)生命的放大——从卵细胞到生命的发育成长,发展成为现代的克隆技术。
7 逆向思维法
在飞机的设计中,要试验飞机的外型和材料在高速飞行中与空气阻力的关系。这种试验很难在空中飞行时进行。于是创造出“风筒”来模拟飞行。这是一种“反其道而行之”的逆向思维方法,即把飞机固定,让高速空气流向飞机,其效果是一样的。这就是在空气动力学和航空技术研究中常用的“风洞”实验室方法。又如在轮船的设计中,可以做一个缩小的模型,放在一个缩小的水槽中,用各种流速来试验船体的阻力。
8 柳暗花明法
在科学研究中常常会遇到“山穷水尽疑无路”时,粗心大意的人很容易放过这种机遇。只有具有敏锐眼光和扎实基础的科学家才能抓住它,取得重大的突破。
例(1)按照经典遗传学的观点,水稻是自花授粉,不能杂交的,“杂交水稻之父”袁隆平也相信这一点。上世纪60年代初,他在田间发现一株优势非常强的水稻,第二年他把它种下去,结果大失所望,跟上年选的植株完全不同,高的高,矮的矮,生长期长的长,短的短。就在失望之余,他突然产生了震撼:为什么遗传会有这样大的分离呢?只有杂种才会有分离,纯种不会有分离。他于是大胆提出假设:他选的这株是天然杂交稻,推翻了经典遗传学认为水稻不能杂交的结论。当然这只是大胆的初步假设,还有待做艰苦的研究工作,培养出人工杂交水稻来证实。为避免自花授粉,他选择雄性不育植株来受粉,取得了很大成功,使我国水稻由亩产300公斤提高到500公斤。
例(2)光的本质是什么?是波动还是微粒?这个问题争执了200多年,互有胜负,不得解决,在20世纪初到了“山穷水尽疑无路”的地步。这是因为人们的思想受形式逻辑的限制,形式逻辑回答问题,非此即彼,非彼即此。爱因斯坦跳出了形式逻辑的框框,认为问题的答案可以“亦此亦彼”,于是“柳暗花明又一村”,达到了完美的创新境界。这就是他在1905年提出的光子学说。
9 天上人间法
有些物质是天文学家在天上先发现,然后由化学家把天上之花,移植到地球人间的。
例(1)1868年天文学家在观察日全蚀时,从日珥的光谱中发现一种未
知原子的谱线,命名这一未知元素为“太阳元素(Helium)”。28年后,化学家才从地球大气中把He元素气体分离出来。
例(2)天文学家用射电天文望远镜研究分子的转动光谱,发现了几十种星际分子,有一类是直线形的HCiN分子。化学家Smally想象宇宙中有闪电C C C C;C,空气中有氮气和氢气,企图用激光或电弧作用于石墨,在地球上来制备这类化合物,却意外地得到C-60,并获得诺贝尔奖。但这类HCiN分子,至今在地球上尚未合成。
10 傻瓜提问法
创新的第一步是“提出问题”。年轻人好奇提问往往是创新的开端。好奇性是科学发展的重要动力之一,所以“好奇性”也是科学家应具备的素质之一。
例(1)三角形的内角之和一定要等于180度吗?
其实,三角形的内角之和等于180度是平面上的几何学,即欧几里德几何学。人们发现用平面几何学经行大地测量,在范围较大时有偏差。这是因为地球是球面的。在地球上距离较大的三点之间,作三条直线,组成一个三角形,它的三个内角之和大于180度。这就是球面几何学。反之,在凹面上的三角形的内角之和小于180度。由此建立了一门新的学科:非欧几何学。
例(2)空间的维数是不是一定要整数?例如说一维、二维或三维空间。可不可以有分数的维度?这个看似傻瓜的提问,终于发展成为一门新科学:分形理论。弯弯曲曲的海岸线的维数就在一维和二维之间。
11 大胆假设、小心求证法
胡适在考古学研究中提出“大胆假设,小心求证”的科学方法,我认为也可用于自然科学研究,而且是一个很重要的科学创新的方法。如果你不明白为什么,对老师、专家、权威都可提出质疑,敢于好高骛远大胆假设,善于实事求是,小心求证。对于你的假设预期,要认真安排实验来小心求证。实验的结果不外四种:
(1)证明了你的假设,于是进一步去寻求新的实验证明。证明越来越多,假设就能发展成为理论;
(2)部分否定了你的假设,于是你可以部分修改你的假设,使之更为完善;
(3)全部否定了你的假设,于是你可以根据新的实验结果,提出新的假设;
(4)得到完全意外的结果。例如从设计合成一个新化合物的失败,到发现一个新的结构类型。如果你的运气好,可能发现新现象或新效应,但必须有敏锐眼光才能抓住它。
所以这四种可能性,在科学上都有收获。尤其是第四种,可能有巨大收获。
12 意外机遇法
例(1)弗莱明发现青霉素。
例(2)X-射线的发现。
例(3)宇宙的微波背景辐射。
13 灵感培养法
国学大师王国维在《词话》中写到治学的三个境界:“独上高楼,望尽天涯路”,这是第一境界,是治学或研究的开始,要找到学科发展的前沿,作为你科研创新的起点。“衣带渐宽终不悔,众里寻她千百度”,这是第二境界,正是科学研究的紧张阶段,遇到困难,不知如何解决才好。“蓦然回首,伊人正在灯火阑珊处”,这是第三境界,正在山穷水尽的时候,忽然灵感到来,蓦然回首,伊人(这里指你希望得到的结果,或解决困难的方案和办法)出来了,却在忽明忽暗的灯火阑珊处。
从中可以得到三点启发:(1)开题的重要性;(2)勤奋是成功的关键,如果你梦想要做一个科学家,那么勤奋学习就是实现你的梦想之“舟”。但舟有快如宇航飞机,慢如蜗牛。所以勤奋必须是高效率的勤奋,不要去做“磨擦生热”的“无用功”,更不要做“负功”;3)创新除了勤奋外,还要有一定的“灵感”。当你在科研中已“进入角色”,“身心投入”后仍然遇到难题,百思不得其解,这时你可以忘掉它,轻松愉快地去做别的工作,或看电影,或散步,或听音乐,然后好好睡一觉。睡眠中大脑会把白天困扰你的问题进行知识的反刍、酝酿和陈化的慢波处理,早上一觉醒来,往往就忽有所悟。听说开库勒就是在早上一觉醒来时,悟到苯分子的六角形结构的。
14 虚拟实验法
现在常用的虚拟现实法也是“建立模型”的方法之一。提出一个理论模型,用计算机虚拟现实,得到希望得到的结果。这一方法现已广泛用于科学研究和高新技术,例如:
(1)虚拟大气温度、湿度、气流的未来变化,做出近期和中期的天气预报;
(2)建立模型,虚拟小浪底水库放水冲洗黄河的泥沙,提供最优化实际放水时间和流量等参数;
(3)虚拟原子弹爆炸过程,代替实际爆炸实验,为原子弹设计提供基础;
(4)北京大学在稀土分离研究中,以串级萃取理论为模型,用计算机模拟“摇漏斗”的实验,获得稀土工艺设计的“一步放大专家系统”,并在全国推广应用。
15 综合集成法
系统科学是从传统科学中提出带有共性的问题来研究,因而产生的科学。它是最广泛的交叉学科。如果把自然科学、技术科学、社会科学看作科学分类的经线,那么系统科学就是横跨自然科学、技术科学、社会科学的纬线,所以也可称为横断科学。它包括系统论、控制论、信息论、耗散结构理论、非线性科学、协同学、运筹学、混沌理论、分形理论、突变论、超循环论等。下面仅以控制论为例,说明它是怎么发展起来的。
控制论是把自动调节、通信工程、计算机技术,以及神经生理学和病理学等学科,以数学为纽带联系在一起而形成的新学科。它是1948年美国数学家维纳创立的,他在二次世界大战期间,接受了研制防空火力的控制系统的任务,尝试用机器来模拟人脑的功能。他把生命机体和机器作比较研究,总结出自动机应具备的一些特点。他的研究还表明,无论是自动机器,还是神经系统、生物系统,以至经济、社会系统,反馈都对系统稳定起着至关重要的作用。他总结了这些思想,在1948年出版了《控制论》一书,把控制论定义为“关于机器和生物的通讯和控制的科学”。钱学森1954年在美国出版的《工程控制论》一书,是这个学科的奠基性著作。同年艾什比发表《大脑设计》,建立了“生物控制论”。
16 接近于“无中生有”的原始大创新
量子力学和相对论是突破当时牛顿经典力学的理论和传统概念,提出全新思维和理论的创新。但即使这样重大的原始创新,也不是完全“无中生有”,而是有迹可寻的。
以量子力学为例,实现这一类创新的第一步是“提出科学问题”。正确敏锐地提出科学问题,本身就是重大的创新。
第二步是要有敏锐的直觉和灵感,提出一些前所未有的新概念,并重新审视旧理论中的概念。
第三步是要建立新理论的基本方程。既然微观粒子与光子一样具有波粒二象性,它们的基本运动方程也应相似。薛定鄂把光的Maxwell电磁波方程与德布罗意关系式结合起来,得到量子力学的基本方程,即著名的薛定鄂方程。
第四步是要有深厚的数学基础,从基本方程推导出可以由实验来检验的结果。
第五步,一个新理论的基本方程建立以后,还要回过头来看看这个理论体系是建筑在哪些基本假设的基础之上的。基本假设的要求是:物理概念要明确,表述要简洁,它的实验基础要巩固,条数要愈少愈好。这样才能建立简洁优美的理论体系。

 

(3个打分, 平均:2.00 / 5)

为什么人前进的路总是被自己挡住

 

本文是中科大校友熊辉教授所写的自传,记录了他的人生轨迹,以及对人生一些重大问题的思考。

熊辉教授简介: 1995年毕业于中国科大自动化系,1995年至1998年任职于EBM(深圳),1999年进入新加坡国立大学学习,并于2000年获计算机专业硕士学位,之后赴美国明尼苏达大学深造,师从著名计算机科学家Vipin Kumar(ACM, IEE, AAAS Fellow)和Shashi Shekhar(IEEE Fellow)教授,于2005年获计算机专业博士学位和统计专业辅修博士学位。 熊辉教授现为美国(Rutgers)罗格斯-新泽西 州立大学商学院副教授并终身教授,担任KDD、ICDE、ICDM等国际会议的程序委员会委员或主席,KAIS等国际顶级期刊编委及美国国家科学基金会 (NSF)特约评委,承担德国政府和SAP等企业研究课题,主编Encyclopedia of GIS等书籍。是IEEE资深会员。近年来,在数据挖掘等方面开展了具有相当影响力的理论与实证研究。近五年来在JOC、TKDE、VLDBJ、 JDMKD、KDD、CCS、ICDM等顶级学术期刊和会议上发表50余篇有影响的论文。2007年获得罗格斯商学院优秀青年教学奖, 并获得罗格斯大学唯一候选人资格参选2008微软青年教授奖。 2008年唯一优秀青年研究奖,IBM 2008 ESA创新奖。2009年,罗格斯-新泽西州立大学破格提前两年晋升熊辉博士为副教授并终身教授,并获得2009 罗格斯-新泽西州立大学最高学术奖。

 

〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜

总算有时间写点东西,发表在学术版上是因为这里有一群2010年的保送生。科大(中国科学技术大学)众多前辈都在心里保留着一盏希望的灯,无论境遇多么艰难,科大人都不曾放弃希望,放弃努力。

阿Q精神 

1995年,我从科大本科毕业后,怀着一个做雅皮士(yuppies)的想法来到深圳,想着娱乐赚钱两不误。一年下来把在科大时没钱玩、没时间玩的事遍历了一番后,发现剩下的是无边的空虚和对前途的迷惘。每天写同样的代码,没有进步,没有成就感,创业又没有本钱和人脉关系,第一次感到了人生的无助。突然对所有娱乐失去了兴趣,开始宅在家里遍历古文,《鬼谷子》、《武经七书》、《史记》……

某天,我在一本科技刊物上看到一篇关于数据分析研究的未来与发展的文章,刹那间,觉得数据分析必定和自己有些关系,自己就该干这行,不就是从历史预测未来嘛,这个是我的强项啊(高中时历史成绩拔尖)。于是萌生了去国外读博士搞研究的念头。

联系出国期间,我受到的打击比想象的大。联系了十几所大学,只拿到了美国科罗拉多州立大学(Colorado State University)的半奖。在当时,如果没有全奖是很难拿到签证的。美国驻广州领事馆以“有移民倾向”为由拒签。最后我去了新加坡国立大学。在新加坡国立大学的一年中,我认真学习了数据挖掘(data mining)方面的经典文章,了解了美国所有的数据挖掘研究小组,然后把他们毕业生的研究陈述收集起来,反复读,精心准备去美国的申请材料。期间不乏质疑的声音:“申请美国的计算机科学专业是很难的,能拿到前50名大学的全奖就算‘大牛’,怎么看都觉得你离‘大牛’很远”(我在科大是“不出国派”,而且成绩中等)。我是很有阿Q精神的,我向来是把怀疑当作前进的动力的,不怕,就申请前50名的全奖。我只联系了数据挖掘领域的老师,给电子邮件起了个好标题:Mining a PhD Student(挖掘一个博士生)。每个老师都被邮件的标题吸引,认真读了我的研究陈述。最后申请的10所大学有9个给了我全奖。我最终选择了去美国明尼苏达大学(University of Minnesota,UMN)读博士。

用行动说话

2000年9月,在博士第一学期,我选了算法、数据挖掘和操作系统三门任务很重的课程。我把各种关于算法的书都精读了一遍,老师教学水平很高,我进步很快,期中考试后就知道拿A问题不大;数据挖掘课程,由我的导师主讲,虽然他很严格,但数据挖掘是我的专业,从一开始就觉得拿A没有问题;操作系统是第一次学,而且要在复杂平台上做项目,所以只好多读代码,花了几个通宵做项目。最终,几门课程都是优秀(想学的时候,刷GPA(grade point average,平均成绩点数)也不难)。

记得课余时间和一些中国同学聊天时,有人问我,为何在深圳工作4年了还来国外读书? 我认真地说,因为我想做学术研究,想当教师。北大的同学叹了口气,在明尼苏达大学读博就不要有当教师的念头了,非名校,年龄比同班同学大5岁,得熬多少年啊。清华的同学说话很直接,在美国卡耐基梅隆大学的很多师兄、师姐都找不到教师职位,劝我放弃念想。以前,我喜欢争辩,而读博时已习惯用行动说话了。

博士第一年很快过去,选修课相对轻松。压力主要来自做研究,拿着助研奖学金,要给导师做项目,还得考虑自己的论文。有一段时间我常去找导师,希望能得到一些指导,直到有一天,导师说:“If you are stuck,you have to work your own way out(如果你陷入困境,就要自己找解决办法)。”导师的话让我突然明白了做研究是自己的事。于是开始自己找研究想法。快到第二年暑假了,导师严肃地说他支持我快两年了,如果到暑假研究还没进展就要停奖学金了。还好我那时已经有想法了,只是还没写成论文。紧赶慢赶,暑假里把文章写完了。导师看后比较满意,不过我这第一篇论文的苦难历程才刚开始。

此论文投稿多次被拒,理由是想法不错,但工作做得不细,写得不好。只好重新修改并向ACM SIGKDD(Special Interest Groups of Knowledge Discovery and Data Mining,ACM的知识发现与数据挖掘特别兴趣组)投稿。记得交稿的前一天,检索相关文章,发现刚发的文章中有一篇的结果和我的在数学上是等价的,心中特别难受,只好去掉这个成果。结果因为文章少了一个成果,又被ACM SIGKDD拒收了。审稿的三个评委中,两个给的评价不错,第三个拒稿的理由莫名其妙,感觉像敌人。只好接着改,到2003下半年,这篇文章总算发表了,4个审稿人中有一个弱拒绝。

有一次开会,我做完陈述后四处浏览张贴的海报,结果发现一个作者做的工作和我的这篇论文想法是一样的,只是换了一些说法。当时很不理解,我费力找到作者,他明显躲着我,而且显然知道我是谁。联想到我的这篇论文的悲惨经历,我意识到作者可能剽窃了我的想法。在我的一再追问下,作者承认利用审查论文的机会看到过我的文章。我终于明白为什么一直有个审稿者不停地给这篇文章找麻烦。这个事件把我的“政治素养”练出来了。

2004年,到了博士4年级,研究进展得很顺利。可能因为我做事认真,导师把很多重要的事务交给我做。我慢慢地建立了一个很大的资料库,虽然我只是个学生,但干了很多教授才干的事,例如写各种推荐信、准备课件、审查项目申请书、准备各场合的幻灯片等。我有机会站在了巨人的肩膀上,表达、协调、处理棘手问题的能力得到了很大提高。

同时我加强了教书能力的训练。我专门学习了表达(presentation)和有效教学(effective teaching)。晚上我经常把自己关在会议室练习演讲。第4年暑假,我找到了去劳伦斯伯克利国家实验室(Lawrence Berkeley National Lab)实习的机会,并且把数据挖掘的算法应用到了生物数据上。实习回来,去就业市场投简历。等待总是让人焦虑的,还好,到2004年12月份陆续收到面试通知。我把第一个面试安排给了美国罗格斯•新泽西州立大学(Rutgers,The State University of New Jersey),因为是去商学院面试,所以根本没抱希望,只想把这次面试当作一次练习。

面试没过几天罗格斯大学的工作邀请函就到了,其他学校的邀请函随后也陆续到了。是该做决定的时候了。从计算机系往商学院转让我有很大的顾虑,因为商学院的教学任务比工程学院重很多,做研究的时间相应就少;我要做的研究是数据挖掘,要和商业应用打交道,技术知识集和领域知识集是缺一不可的;导师的人脉都在计算机科学领域,去商学院就要白手起家;而且后面面试的学校越来越好,让我有些不舍……。后来我和两个导师商量,他们很支持我的选择,并说根据他们对我的了解,我能在商学院生存下去。副导师还对我说了一段意味深长的话,大意是,如果以你的能力可以去A生存,那你就要选择去B+的地方。因为在那里生活会更容易,会有更大的发展空间。

综合几天收集的建议,又思考了几天,我下决心接受了罗格斯大学的邀请,把后面所有的面试都取消了。

阅读全文»

(20个打分, 平均:4.80 / 5)

从一个疯狂下载者变成学习者

(编者按——这篇文字最早见于数年前的某英语论坛,原始出处已不可考。尽管内容偏重英语学习,但文中指出的很多学习者存在的问题,以及对学习方法的体悟,却是具有普适性并值得借鉴的。

 古人云:“临渊羡鱼,不如退而结网”,这样的现象屡见不鲜:满满的硬盘,没有几份资料是真正认真读过;看到好的资料,总是想先存起来,下载后慢慢看。但到了真正想看的时候,不是没有时间,就是收集的资料太多,不知从何看起。号称碎片化阅读之王的微博,也有“收藏”功能,然而,收藏下来的资料和文档,真正能够再次认真阅读的,却寥寥无几。 资料需要下载和阅读,但最重要的还是思考,消化与交流。希望弯曲评论一直以来所倡导的“深度阅读”的理念,能为您的学习与工作带来启发与帮助。)

 

先从我自己说起,我没来到网络学英语前也是个英语学习的积极梦想者,因为我知道说一口流利的英语会带给自己多少好处,就这样一头扎进了网络。刚来到英语类网站时,简直是进入了天堂,看到很多人都可以用英文发帖子,帖子里很多精品资料,于是乎开始疯狂下载收集资料,把过去买盗版英语资料的习惯抛弃了,一张张的刻盘,当手里拿着上百张英语资料盘时那种满足感,好像自己已经掌握了英语,就这样不断下载,半年多过去了。有一天猛一回头,发现自己除了沉颠颠的盘包,满满的硬盘,对英语我还是一无所有。可以不客气的说,包括自己在内大多数上网学习英语的人还都是幻想者,很多人都是英语很差,但都梦想着能攻克英语。于是一个怪圈出现了,这也频繁发生在现实生活中。开始寻找捷径,开始研究李阳好,还是新东方好,还是钟道隆好。每样都学几天,然后觉得不好,不好的理由就是见效慢,然后再寻找。于是下载就给了这样的人想象空间,今天看到站长斑竹发个帖子说这个软件好,也看到很多人说好,那就赶快下载下来,正下载中间,又看到另一个帖子,人气十足,那一会也要下载,不好的东西人气能高么?

希望能有捷径攻克英语的人都忽略了一个实质问题,那就是学习知识是要靠自力,而不是他力,他人的帮助只能推动学习的步伐,但代替不了学习的全部过程。如果我说英语是各种学科里最好学的,恐怕很多人都不会相信,但事实就是如此,这是个几岁的孩子就可以学习的东西,英语没有理解不理解之说,只有会与不会的区别,它不是高数,物理,那些有些人就是理解不了,而英语呢?只需要拿出人类最基本的本能来就可以掌握,那就是记忆。将近十年的疯狂英语到新东方和无数小培训班到书店里琳琅满目的英语图书和资料,中国人为了学习英语拿出了一百多个亿,造就了不少英语神话,培养了几个教育大腕。而大多数人的英语水平并没有得到真正的提高,很多所谓过了四六级的人还不如国外的小孩子。说不能说,听不能听。这说明了个什么问题?学习英语是资料的堆积?是某个培训者的培训?有人会强调学校教育方法的原因,可传统的教育甚至没有教育的前提下,学好英语的也不少。我们可以问问网上身边英语学习真正好的人,他们看过几G或者是几十G的资料?我的听力老师他说,很多学听力的人毕业的时候和刚进来一个样,为什么呢,上课也认真听,听的也很心花怒放,可回去了不记忆,不背诵。这就是问题,老师的单词再多,知识点再多也只是他自己的,要转换到个人的大脑里,就要听完后下工夫去记忆,去背诵。上海有个小姑娘14岁托福考了600多分,她怎么培养的?就是朗读,背诵,复述故事和文章,再加上父母的语法指点。我的邻居一个北大的法律硕士,她托福647分,我问她怎么学的,她说也没突击,就考试前买点习题集做做,就去考试了,其它都是基础底子。她的底子是什么?那就是从初中开始学习英语的时候把老师教的都掌握,都装到自己大脑里,大学四年学的也不是英语专业,可她听和说都不差。就是把大学英语精读四册和听力四册学好,掌握好,这就很厉害了,考研的时候也没有像我在各大论坛看到的那些人一样,到处抓新东方的英语培训资料,跟救命稻草一样。

 

再看看那些张口就是要新概念美音版一到四册下载的人,又有几个把新概念从头学到尾了?还口口声声要什么美音版,好象学了英音就不是英语了。一都没有学就想着四,有人会说要四是留着以后学,可我相信,如果现在连一都不去学,还会以后学什么四呢?而且有些人下载着的时候,恐怕家里的书架上还摆着新概念一的书本和磁带吧。就跟钟道隆老先生说的一样,很多人今天买这个教材,连录音带的塑料都还没全拆开,就又去买那个资料了。还有到处抢着新东方网络课程的人,谁有就好象是大爷一样,那个得意洋洋。没有的就要好声言语,想方设法去搞到手。可现在有这些资料的人,有几个敢说他认真的一课一课去学了,而且一直坚持到现在?大多数人恐怕是冲着那个东西贵才去下吧,好象免费下了以后就拣了天大的便宜一样。更多的还有一种人云亦云心理,觉得大家都说好,都抢着要,那自己要下,不下是不是就少点什么。我不否认一部分人是确实需要这些资料才下载的,但我敢肯定大多数人都是跟风下,下了也不看。还有那些张口就要什么环境英语,走遍美国第七八张光盘资料的人,好象他们已经学到那第七八张光盘了一样,说实话,走遍美国要是真学到那里还掌握了,也就没必要去要后面的光盘了,那水平就提高一下单词量就可以了。

这世界上没有免费的午餐,这句话是一点都不错,当我们为下载了几G和几十G的免费英语资料而沾沾自喜的时候,当我们不停的去寻找更多的资料的时候,我们已经失去了最宝贵的东西,那就是时间,那就是生命,人生能有几回搏?我们浪费掉一个小时,我们的生命中就失去了一个小时。本来我们一生中就做很多无意义的事浪费时间了,那么学习上就不要再浪费了,多去下点苦工夫认真背点东西也比在下载中自我陶醉有意义的多。语言的学习没有新旧资料之分,只要不是中古语言,对于我们来说看好哪一个教材和课本就坚持学下去,都会通往攻克英语的山峰的。只有去下工夫一个一个字,一个一个句子的去掌握,才会有收获,英语学习是没有捷径的。在这里也希望网上这些搞下载的网站能够清醒认识到这一点,不要耽误自己和别人,有利可图那就另当别论,但那些为大家无私奉献的网站的斑竹们,感谢他们的付出,但希望头脑都能清醒一些,把浮躁的心压下来,大家在一起多交流一下心得,多多做一些既提高自己又帮助别人的工作,一起学习,而不是把大堆的资料拿出来搬回去。

掌握科学的学习方法,风雨无阻,有勇气和毅力,相信自己”我行我一定能做到”,把自己真正的“从一个疯狂下载者变成一个学习者”,那么你也一定会再雄心勃勃。

 

(14个打分, 平均:4.86 / 5)

ARM Linux 3.x的设备树(Device Tree)

(没有打分)

关于云计算可用性的定性与定量研究(二)

(4个打分, 平均:4.25 / 5)