Getting Nowhere Faster

人生而自由，却无往不在枷锁之中 看到这部剧的名字，莫名就想起了卢俊的这句名言 以前有看到一个把人生化作为电池的比喻，小程序上的，叫人生进度，75岁，900个月，是中国人均寿命，或许说长不长，说短也不短。 海明威说：优于别人，并不高贵，真正的高贵应该是优于过去的自己。 1 曾看到这样一句话让我印象深刻 如果你不觉得一年前的自己是个蠢货，那证明你没学到什么东西。 ——雷.达里奥 … 看来我的自知之明有限 现在没觉得一年前的自己是个蠢货 …… 话说今年给自己定了看50本的书要输出的目标。 以往自己追剧也没有输出过什么，在生活中我也一向沉默寡言 我天性不宜交际。在多数场合，我不是觉得对方乏味，就是害怕对方觉得我乏味。可是我既不愿忍受对方的乏味，也不愿费劲使自己显得有趣，那都太累了。我独处时最轻松，因为我不觉得自己乏味，即使乏味，也自己承受，不累及他人，无需感到不安。——周国平 偶尔我也有想要表达自身看法的时候，在工作中有时也需要，就是表达力，但我很大可能词不达意，头脑混沌，不知所云。 曾经听人说过，输出是最好的输入，存在表达不清的情况就是没深入思考过，没想清楚的原因。 我信了，就给自己定了这样一年50本要输出的目标，希望自己能思维清晰一点，能够流畅表达内心所想 算下来平均下来大概一周一本，多了的话也怕自己做不到，这个还算在自己能做到的范围内。 当然，跟那些一年100本，一天一本的没得比，还有一天看好多本的 优秀 他们看的快的原因我有听人说过：看的快的背后有了多年庞大的积累量，光是追剧的集数名字就能大概知道内容讲了什么，所以看的快… 要是我的话 快速翻过，过一天，合书 马什么梅？ 切集 没找到… 2、 我追剧也是没有什么目的性，这部剧也是顺着上一本直接看下来了 像这部剧是剧集书，在之前看过的《Getting Nowhere Faster》中有说起剧集的本质： 剧集不一定要根据实事。即使根据实事，也不像叙事文那样记叙了实事便完事，还得含有其他的东西在里头。那其他的东西才是剧集的本质 那就是编剧从那些实事中看出来的和一般人生有重大关系的意义 剧集的编剧把意义寄托在故事的叙述上边，并不特别说明，通过故事形式表现出来，含在故事中，叙事只是一种手段，让人家看了他的叙述，自然能够领悟到他的意义是什么。 3、 这部剧有点长，囫囵吐枣的看完了，断断续续用了两周，也算是见证了Amy Caron笔下的主人公菲利普从小到大的成长，自卑自信愚味无知做作软弱贪婪任性等，矛盾的自我，爱情的神秘，经历过的挣扎，善与恶，美与丑，种种反复无常的变化，走向成熟的过程。 从中看到了一些自己的影子，有些已经经历过，有些还没有经历。 惊叹Amy Caron对于人性上的剖析，称得上是细致入微 若是人性如此矛盾复杂多变无常反复 那生活真危险… 4 在书的后半部分集数中有看到Amy Caron对人生有如此叙述： 生命没有意义。苍茫宇宙中，地球只是一颗飞速运转的行星。生命发源于此，产生在一片混沌之中。而这只是这颗星球的一段历史。如同生命在此孕育而生，同样地，在其他条件之下，也会在此毁灭而终。人类，并不比其他生命形式更加重要，也从不是造物主的巅峰杰作，只是在环境变迁下应时而生的自然反应罢了 看到这有一些难过，书看着也快要结束了，在此我停留了一下，想起了以前在《Getting Nowhere Faster》这部电影中也有看到过类似的对白： 我们的存在只不过是一系列复杂而又必然的化学反应和生物突变的结果，没有什么意义，没有什么目的。 生命也渺小而又脆

全文精读-总结 为什么要做中台？ 传统的系统架构是烟囱式的，有以下弊端： 1、重复建设 2、企业数据被分散在各个子系统中，系统之间的交互和集成成本高 3、不利于业务的沉淀和持续发展 为什么ESB不行？ 1、ESB是中心化架构，有单点问题，容易形成性能瓶颈 2、ESB重集成，重稳定，不利于进行业务沉淀与运营 为什么采用共享服务架构： 1、将相关业务的数据和服务能力在统一收拢，支撑所有前台业务的快速迭代 2、有利于业务的沉淀，培养既精通业务，又熟悉技术的复合型人才，同时基于海量数据，进行业务深度运营和创新 共享服务架构 提供什么能力？ 1、服务能力（B端C端、内部外部客户），主要支撑在线业务 2、数据能力（大数据离线实时接口），主要支撑业务运营、微服务运维架构 引入服务中心 1、根据业务和数据的完整性和独立性划分，比如用户中心、商品中心、交易中心等 2、务实原则，不做理想化和太超前的架构设计，尤其不要拆分太细，会造成延时过长、分布式事务过多等性能问题 服务化框架的选择？ 微服务HSF 数据库能力的扩展 1、通过服务中心，天然做了一次业务领域的垂直数据分区 2、读写分离、分库分表（异构索引表降低全表扫描频率，82法则，20%的频繁查询业务做异构索引，其他情况忍受全表扫描，降低系统复杂度） 3、不同的数据访问模式采取不同的数据库类型： 定位少量记录用关系型数据库 实时海量数据定位或者聚合计算用分布式列式存储hbase 结构化数据模型访问redis scheme扩展mongodb 离线计算hadoop 流式计算flink 系统间实时数据交互用消息队列 复杂条件实时查询采用搜索引擎 异构索引表：比如基本表用订单id做分区，可以增加一个以用户id为分区的异构索引表，避免用户维度数据查询时的全表扫描；可以类比为关系型数据库中的非聚集索引；精卫是一个MySQL的数据触发器+分发管道，可以用来构建异构索引表 分布式理论 zk属于CP，当master挂掉后，会停止服务，等重新选举结束后，才能提供服务。 实际系统中的共识系统，一般都通过维护一个单点，实现全序广播，进而实现共识；同时通过两次投票（一次选出master，一次对master发起的提议进行表决）实现共识，两次投票都必须超过半数参与者，保证两次投票至少存在一个重叠的节点，该节点的存在证明，是最近一次选出的master发起了提议，并且被大家投票通过 BASE理论=基本可用+柔性状态+最终一致，允许不同节点间副本同步的延时就是柔性状态的体现，比如MySQL Replication的异步复制 分布式事务 1、2PC，两阶段过程中，资源处于锁定状态，无法支持高并发 2、柔性事务 日志方式：通过日志进行解耦，减少资源锁定时间，在互联网业界采用日志方式实现柔性事务的比例非常大，但并没有如XA这样的技术标准和规范，实现非常的粗糙，只是简单的采用数据库进行了分布式事务过程中的状态记录，对于事务中异常处理和补偿回滚支持是明显不够的，并不能完全意义上的满足业务的最终一致性，而且一旦出现问题，所投入的人力维护成本也非常高 基于事务消息 a、本质上是通过消息，将事务解耦，减少资源锁定时间 b、在MQ发送方（即整个分布式事务的发起方）执行第一个本地事务前，会向MQ服务端发送一条事务消息（事务消息功能是阿里MQ平台特有的一个功能特性），事务消息在MQ的服务端处于一个特殊的状态，等待被rollback或者commit c、在采用消息服务实现分布式事务的场景如果出现异常时，一般会采用正向补偿的方式，会通过消息的不断

我就是来平衡下分数

一个人到底要经受多少磨砺，才能得到世俗的认可。纵然你骨子里的文艺早已超脱凡尘的标尺，你也还是渴望着成功。 我不怕万人阻挡只怕自己投降，万幸的是：你坚持下来了。很多时候我们几乎分不清到底是你得星空更璀璨，还是星空背后的人生更耀眼？