又见炊烟

嘉宾丨崔宝秋

整理丨千山

在日前由51CTO举办的WOT全球技术创新大会2022中，小米集团副总裁崔宝秋带来了主题演讲《开源本质与技术创新》，着重介绍了他是如何看待开源的，国内诸多公司在积极地拥抱开源的同时面临的种种问题以及应该如何回归开源的本质。现将其演讲内容精编如下，以飨读者。

正文

开源是一个理念，是一个运动。

但开源包含的内容不止于此：它同时还是一个开放、协作、创新的平台，是一种开发模式，也是一种商业模式。

一、没有开源，就没有今天的互联网

下图列举了开源发展史上的重要里程碑以及具有重大意义的开源系统。我觉得，开源的星星之火之所以能够燎原，离不开它们的蓬勃发展。

90年代我去美国读书时，“开源”在彼时还不叫“开源”，而是“自由软件”。

• 1983年公布的GNU项目是我最开始接触到的开源系统；
• 1991年Linux诞生；
• 1998年“Open Source”一词被提出，OSI（开源组织，Open Source Initiative)随后成立；
• 2006年Hadoop诞生；
• 2008年，安卓1.0发布，移动互联时代拉开序幕；
• 2014年Kubernetes和2015年TensorFlow的发布则分别为云原生和AI时代的到来添加了助力。

毫不夸张地说，没有开源就没有今天的互联网，也没有如今的科技生态。没有开源，就没有今天的云计算，大数据，人工智能，移动OS，智能新时代……

在之前小米的发布会上，雷总提到了小米的六大科技：手机、穿戴设备、智能家居、智能制造、智能电动汽车、仿生机器人。仔细想一下，其实这些都离不开开源。

智能时代的开源无处不在，开源运动如火如荼，尤其是这两年，中国的开源运动在政府的推动下越来越迅猛，从政府到企业到学术界都在深入地拥抱开源。20多年前，没有人会想到开源一词可以写入政府的“十四五”规划。

来自于中国的开源项目、开源系统也在崭露头角，比如：首个国人主导的Apache顶级项目Kylin、百度的飞桨、分布式关系型数据库TiDB、小米自研移动端深度学习框架MACE、物联网大数据平台TDengine、旷视深度学习开源框架天元、一流科技OneFlow，还有OceanBase等等。

令人兴奋地是，自2018年开始中国连续多年成为GitHub贡献排名第二的国家，充分展示了中国技术人的勤奋、创新和创造力。

继续阅读小米副总裁崔宝秋：开源本质与技术创新

数字时代技术发展迅速。得益于此，世界在所有行业和部门都经历了重大变化和快速发展。几十年前被认为是不可能的成就，现在被视为21世纪的常态。人们已经在期待更多的进步，因为他们知道技术可以让一切成为可能。

在过去的几年里出现了一些创新，它们在不同的领域产生了显著的影响，原因有很多。在当今世界上的数十种技术中，一些特定的技术已被证明对当前乃至未来至关重要，因为它们对下一代人有很大的希望和愿景。

本文将讨论本世纪20年代的一些重要创新。

XR

XR技术已经改变了游戏行业的游戏规则。如果没有这种创新，如今的游戏将是不完整的，这也是为什么如今的一些游戏平台都采用了这种创新。当今世界上的许多行业也是如此。

XR技术是有史以来最具未来感的创新之一，因为它们不可能反映现实，打破了真实和不真实之间的界限。由于在线游戏和技术相辅相成，许多游戏平台都采用了这种技术。

当今世界各个行业都可以看到增强现实、虚拟现实甚至混合现实等扩展现实的使用。能够激发现实并不是一项普通的壮举，这无疑是一项巨大的创新，将在很长一段时间内出现。

人工智能与机器学习

人工智能与机器学习是不需要任何介绍的创新，它们已经成为有史以来最重要的技术之一。这两项创新都使用了先进的统计学知识来帮助确定任何数据的结果。这些创新也对当今世界人们日常生活中非常有影响力的创新之一。

人工智能已经永久地融入人们的日常生活。它一直很有帮助，这就是为什么它仍然是本世纪最重要的发明之一。如今，人们依靠导航应用来找路，智能手机用户现在有人工智能助手来帮助优化他们的设备。

人工智能在语音和图像识别方面也无可挑剔，这样的例子不胜枚举。人工智能不断进步，使生活变得更加轻松，我们不能低估它在当今世界任何领域的重要性。

区块链

区块链是最重要的技术之一，由于其安全性，最近在各行各业中越来越受欢迎。区块链技术允许存储一系列数据，这些数据只能添加到其中，但在存储后不能从中取出或更改。

工业被它的安全性和许多其他好处所吸引，这就是为什么它如今被广泛应用于医疗、金融和许多其他企业部门。尽管其他创新提供了无可挑剔的安全级别，但没有一项能接近区块链技术。

边缘计算

在过去的几年里，云计算一直是一项工具性的创新，因为如果没有它，许多活动将变得很麻烦。当谈到在线游戏和技术时，人们不得不提到云计算，因为它使玩家可以无限制地玩游戏。然而，随着技术的不断发展，云计算创新的一些缺点已经被注意到，这就是边缘计算的作用所在。

边缘计算技术的诞生是为了消除云计算服务的所有缺点。通过云计算，数据存储在集中的存储库中，在某些情况下很难访问数据。然而，边缘计算允许数据保留在云的边缘，更接近需要进行计算的地方。通过这种方式，数据仍然可以在很少甚至没有互联网连接的情况下访问。

网络安全

网络犯罪从来都不是闹着玩的。随着数字世界的不断发展和壮大，网络犯罪分子在利用网民方面变得更加有创意。网络犯罪已经创造性地从身份盗窃演变为黑客攻击，甚至语音钓鱼。

几十年前，简单的杀毒软件就足以抵御网络诈骗分子。然而，这些杀毒软件中的许多在如今的欺诈者面前很难成为障碍。因此，网络安全技术不仅在当今的虚拟场景中很流行，而且很有必要。

结论

21世纪的数字领域有许多重要的技术，这些技术塑造了不同行业的用户体验。新兴技术不断出现，现有技术也不断更新，增加了更多的功能，以继续保持最佳性能。多亏了这一点，可以肯定的是，数字场景将继续发展，以适应未来的不同可能性。

 

来源：https://www.51cto.com/article/750615.html

10月底了，马上要开始写各种各样的报告了。按理说，写数据分析报告是数据分析师最基本的技能，人人都该会。可怕就怕，自己辛辛苦苦写完的东西没！人！看！没人看还是好的，更怕的是。

估计每个做数据or想做数据的同学，都看过类似的说法：

数据分析报告分为六步：

• 明确目的和思路
• 数据准备
• 数据处理
• 数据分析
• 数据可视化
• 结论与建议

问题就是从这里开始的。

这个毒瘤误导了无数新人。

一、数据分析报告的错误姿势

之所以说这个玩意是毒瘤，是因为丫用并排6点的样式，严重干扰了人们的视野，形成一种错觉：这6个东西是按1-6的顺序，且工作量是一样的。实际上，真实企业工作中，他们的关系应该是：

为啥是毒瘤还这么流行？一个有趣的真相是：一般教育培训机构是把hadoop，BI，python 的课拆开卖的。而这两年主打卖的又是python，所以基本不怎么提数据治理这茬事。

二来，新人最喜欢的，才不是这些搬砖的基础工作呢，是模型！最好是人工智能模型！！所以两者一拍即合，教育机构准备一个数据集，新人按照样例把模型的代码敲进去，运行，体验掌握了人工智能模型的快感。大家都得到了极大满足，只剩下看报告的人郁闷：这尼玛也是分析？

想破局，当然是得回到真实工作中。本文篇幅有限，就先不讲基础建设，先聚焦讨论：如何从数据中发现真正企业关心的问题，做有价值的报告。

继续阅读一篇数据分析报告写作指南，你学会了吗

事件背景

当事人所在的公司核心业务是做政府信息化软件的，就是为政府部门开发信息化系统。其中有一款信息化软件是客户每天需要使用的，并且他们面向的客户就是老百姓。

某年某月，某地区信息化系统，周末升级系统以后，后面连续一周，持续出现系统不稳定、宕机、服务假死、数据库锁表等事件。甚至星期五下午，出现三个多小时无法恢复系统，造成恶劣影响。

系统整体运行架构

系统整体架构

相对传统的一个负载均衡运行架构。系统建设时间比较早(2016年)，没有分布式框架，就是传统的SpringMVC+Mybatis架构，并且服务器都是基于Windows Server 2008的。

这套架构是出问题之前的架构，存在比较大的问题，在后续负载均衡章节会详细说明。

事件过程

事件持续了一周左右，出现了好几类的严重问题。

事故时间轴

事件造成的影响

公司口碑受到重大影响，此次事件公司常务副总、研发中心经理、主管全部出动，去安抚客户和解决问题(系统所在地区是沿海省会级城市，面向百姓，影响比较大)。

出严重问题当天，刚好有督查组来访问，碰到这个事件，机构年度考核扣了好多分。

后续行机构收到了大量投诉，影响了很多人考评。

继续阅读一次生产环境P0级事故，整个项目组被扣了绩效……

​“你有没有做过高级的数据分析？”

这个问题一出，又问劈了很多同学。

妈耶，平时都在跑取数单，啥是高级的数据分析见都没见过，咋整？今天系统分享一下。

一、通俗解释，什么算高级

问一个简单的问题：汽车上如果没导航，能不能开车？答：绝对可以。实际上导航普及也没几年时间。但没有导航，开车会异常麻烦：找不到路；错过路口兜一大圈；傻乎乎堵在路上不会绕……总之开车效率低了很多。

这时候，只有各种路况牢记于心的老司机才能又快又准的抵达终点——这是人们通常心目中的“高级司机”。如果你去采访他，他一定有很多“高级开车方法”可以分享。

但是有了导航以后，开车学习成本极大降低，以前菜鸟连路都找不到，现在按着导航走，也能大差不差地到达终点。虽然高级的司机肯定还是会略快一点，但是高级程度已经大大下降了——因为结果上的差距拉近了很多。

虽然老司机们口头上还是会有很多复杂的，难以学习的技巧，但是结果的差距相近，让人们不再那么迷信他们。反而开始吐槽他们的各种恶习：加塞、压实线、变道不打灯……

所以我们看到，所谓的高级有两种理解：

1、业务上的高级：被少数高人掌握，结果上又快又准，口头炫酷复杂。

2、技术上的高级：能帮助大量菜鸟，结果上提升效率，操作简单轻松。

那么问题来了：数据分析，算是技术呢？还是业务呢？

继续阅读高级的数据分析，长啥样？