读书:怪诞脑科学(Kluge:克鲁机)

大数据导论》全套PPT课件2026 获取 《大数据导论》全套PPT课件2026::https://download.csdn.net/download/m0_54748666/93361648。第12章新技术及其对大数据的影响.pptx。第11章大数据平台、框架及工具.pptx。第8章图形学、图像处理与可视化.ppx。第4章数据通信与计算网络.pptx。第5章程序、软件与系统-pptx。第1章专业学习要求.pptx。第3章大数据硬件环境pptx。第10章数据安全.pptx。第2章学科概述.pptx。第9章人工智能-pptx。 阅读详情

工程上,克鲁机的意思就是由互不搭配的零件拼凑起来的糟糕系统。

我们的大脑就是一个克鲁机

(1)我们的进化身体是克鲁机,我们的身体比如:脊椎由于进化只是一个支撑,效果并不好。还有眼睛看到的世界也有缺陷。还有很多是进化过程中并不需要的内容...
这个需要我们锻炼身体,饮食规律一些
(2)我们的记忆是克鲁机,他不是类似计算机会把所有信息存储起来。而是根据索引、环境提示等相关联的时候唤醒脑细胞的内容。所以我们会发现几个现象:
家里水没有了,只有走到家里才会想起来
下雨带伞放入空地上,只有在桌子上看到了雨伞的套才能想起来
很多时候我们是习惯根据环境很容易想起来某个事情,如果环境类似每天内容切换,比如昨天早饭吃了什么,我们的记忆是模糊的
为了解决这些,我们可以放在待办事项中,每天查看列表需要干什么

(3)信念:我们每个人都会有一些自己坚信的东西,并且把这些信念置于我们的行为里。我们没有反思过这些信念会不会给我们带来不良后果,我们总是坚信它们就是对的!我们人的大脑最不愿意做的就是深度思考,它喜欢人云亦云,它喜欢走捷径,它对模糊的描述有着非常强的认同感。

我们对某一个事情的评价,大多数是按照自己根据相关人员的面相、第一印象、平时的表现打分。甚至有时候我们不同时间对同一个事情的评价不一样,大多数人都认为自己干的比别人多(这是因为只注意自己工作的内容,而没有关注其他人)。同时也容易上当受骗

这个需要我们多学习,改变我们自己的认知。对于评价尽量减少比重,换成可以量化的评价内容

(4)选择:人类本能的对当下的重视程度远甚于对将来的考虑,朝三暮四、对当前享乐、囚徒困境。比如:我们每天想要早起跑步,脑子说我可以的,腿说我不可以,大多数人都是选择不跑步,但是对于未来的健康,还有玩游戏,享一时之乐。

这个需要我们坚持,有耐心。把困难的事情,养成习惯:比如每天早晨6点起来,跑步5公里或其他运动

(5)我们的语言是克鲁机,但是本书是用英语举例子,跟我们汉语不太一样

(6)快乐是克鲁机,很多时候我们喜欢让自己短时快乐的事情,书上的例子是毒品、喝酒等,但是我们最多是玩游戏的快感

我们的幸福刺激很多事一瞬间的,作者对比长期高工资和长期低工资发现低工资比高工资更幸福。这是由于我们对涨工资的喜悦只是一瞬间的,所以某种层面上说快乐与否只与自己有关,但是我们的认知是必须经过一些刺激才快乐,所以我们不停追求快乐的刺激,而忘了快乐本身

我们应该找一些能让自己真正幸福、快乐的事情,而不是一直在刺激自己的大脑。

(7)精神崩溃:在快要成功的瞬间,一败涂地!这个在我们生活中经常出现,孩子考试,平时都很不错,一考试就发挥不出正常水平。平时训练都很好,一到比赛撂挑子

或者有时候会有抑郁的情况,总是觉得很多事情是自己的问题,过分苛责自己。结合本书,千万不要有这样的想法。

古希腊哲学家爱比克泰德曾经说过一句话:我们登上并非我们所选择的舞台,演出并非我们所选择的剧本。

在座的有哪个同学是自愿来到这个世界上的,其实没有。
“我们登上并非我们所选择的舞台”,在座的有谁的剧本是你自己设定的,其实不是的。
仔细想一想,我们这一生中其实自己能决定的东西很少,我们可能只能决定5%的东西,但有95%的东西是我们决定不了的,我们决定不了我们的出身,我们决定不了我们的智商,我们更决定不了我们这一生的贵人相助。
很多时候我们经常会羡慕别人的剧本,我自己有时候也非常羡慕别人的剧本,但是(其实)没有谁的剧本值得羡慕,你只能把你自己的剧本演好。如果在你的一生中真的遭遇到这些挫折,那对不起,这就是你的剧本。
有两种选择,一种选择是弃演,一种选择是把既定的剧本给演好。所以希望大家能够演好自己的剧本。----全选自罗翔老师

读书笔记2013第5本:《拖延心理学》 实践GTD已经有20个月了,以前拖延的症状已经减轻了很多了,我的OmniFocus的截止清单一般都能够提前完成,渐渐有点心如止水的状态了。 再拾起这本《拖延心理学》,是为了孩子,她刚上初三,没到就有了拖延的毛病了,经常能看到她把数学作业拖到晚上10点多才开始动手,我以前的拖延症状与她肯定不同,看这本书就是从中找出与她拖延症状相符的情节,找出一些应对的办法来。 拖延这种毛病说来也神奇,现在回... 阅读详情

相关推荐

别让非理性思维毁了你的人生

本文是盖瑞·马库斯的《怪诞脑科学:战胜焦虑、混乱、拖延的自控术》一书读后感,借用作者给出的13条建议,结合自己的理解分享给大家。

沉潜飞动 2559

MapReduce InputFormat 深度解析:数据怎么从文件变成键值对

小文件太多,每个文件一个 Map 任务,任务数量爆炸、调度开销大。,分片=64MB → 一个 128MB Block 会被切成 2 个 Split,产生 2 个 Map 任务。,分片=256MB → 两个 128MB Block 合并成 1 个 Split,产生 1 个 Map 任务。MapReduce 处理数据的第一步,是把原始文件读进来、切成块、转成键值对,交给 Map 函数去处理。如果数据是二进制文件、图片、或者自定义协议格式,没有现成的 InputFormat,就自己写。

Lxn2zh的博客 245

大数据哲学:借助大数据科学服务拓展人类与数据的关系!

传统上,人类与数据的关系是工具性的——数据是人类认识世界的手段,是客观世界的“表征”或“记录”。但在大数据时代,这种关系正在发生根本性的转变。

m0_65595995的博客 210

RabbitMQ 使用场景详解

RabbitMQ 使用场景详解

qq_59093178的博客 130

Elasticsearch:如何从 workflow 调用一个工具

本文介绍了Workflow调用工具的方法,以Kibana中创建find_cheapest_ticket_from_cn_us工具为例,通过申请API key、配置HTTP步骤调用MCP服务器上的工具,并输出最便宜票信息。展示了Workflow可集成工具,也可作为Agent工具或调用Agent。

Elastic 中国社区官方博客 383

2026自动售货大规模部署挑战:从8万台设备到百万级的架构演进~YH

接入层(长连接管理+消息吞吐+协议适配);数据处理(分库分表+实时分析+数据一致性);运维效率(自动化运维+智能故障预测+补货调度优化);架构演进路径(万台级→十万台级→百万台级)。以智购科技为例,其自研SaaS后台管理系统采用IoT网关集群+消息队列+分库分表架构,支持十万级设备同时在线接入。产品已出口至全球100多个国家和地区,售后网络覆盖国内外600多个城市、30000多个网点。本文基于行业公开信息与技术调研整理,仅供参考。

2601_96446488的博客 347

【IEEE出版】第八届器学习、大数据与商务智能国际会议(MLBDBI 2026)

收录检索: IEEE Xplore, EI Compendex, Scopus。第八届器学习、大数据与商务智能国际会议(MLBDBI 2026)早鸟优惠截止时间:2026年9月8日 23:59。三轮截稿时间:2026年9月11日23:59。点击官网 即可参会/投稿/了解会议详情。接受/拒稿通知:投稿后1周左右。2026年10月23-25日。

Paperthinker的博客 231

大数据平台敏感数据保护:银行数据仓库、Hive 场景的审计与管控怎么做?

大数据场景敏感数据保护,是指对数据仓库、数据湖、大数据分析平台(Hive、Spark、StarRocks 等)中存储的敏感数据,实施识别、访问控制、脱敏与审计的一整套措施。它管的是“数据集中存储和批量计算”这一环节的安全,区别于业务系统的实时查询场景。为什么大数据场景风险突出?三个原因:第一,数据高度集中。数据仓库汇聚了各业务条线的数据,一个库里可能装着全行客户的身份、账户、交易、资产信息——泄露的影响面远大于单个业务系统。第二,访问者构成复杂。

yuandiansec的博客 397

[人工智能]企业与云AI技术指南

本文从工程视角分析企业AI如何结合云基础设施、数据工程、基础模型、分析、工作流、治理和运营部署,覆盖Amazon、IBM、Palantir与C3.ai等平台或应用生态。 本文采用定性和示意性比较。服务、模型目录、价格、可用区域、许可证和产品边界会变化。组织应针对所在区域和真实工作负载核实具体服务、合同、安全控制和部署架构。

TechEdu2026的博客 314

Kafka利用sendfile与Page Cache实现高性能传输剖析

本文剖析Kafka通过将消息缓存交由操作系统Page Cache,并结合sendfile零拷贝制,实现高性能传输。其核心在于:1)摒弃JVM堆内存缓存,避免GC停顿与内存开销;2)统一二进制格式,实现“零转换”;3)利用sendfile在内核态直接将Paache数据经SG-DMA直送网卡,减少上下文切换与CPU拷贝,显著降低延迟、提升吞吐。该设计使Kafka在高并发场景下具备接近原生性能的写读能力。

wuminyu的博客 456

linux搭建kafka

查看容器状态:执行docker ps,确认kafka与kafka-ui两个容器均处于Up状态。访问 UI 地址:在浏览器打开,进入 Kafka UI 控制台。检查集群连接:在 UI 的 Cluster 页面确认local集群显示为在线,且 Broker 数量为 1。

Asion15727288501的博客 258

华为 ASG Manager 镜像日志接收链路故障排查流程

本文基于ASGManager V200R001C00SPC100与ASG5305设备,总结“控制台看不到日志”的排查经验。核心思路为:通过asg-diagnose.sh脚本快速定位故障链路——日志流转路径为设备syslog→服务器网卡→Pcap4j抓包→Storm处理→ClickHouse落库→Web展示。任一环节中断均会导致日志缺失。重点排查worker.log中的三个关键字(“设备名称不正确”“获取网络接口失败”“_handle为null”),结合PCAP_COUNT_LONG是否递增判断抓包状态。推荐

Merlyj的博客 170

从零搭建ELK日志采集系统:Filebeat + Logstash + ES + Kibana 保姆级教程

你是不是还在用tail -f和grep在多台服务器上翻日志?系统一出问题,就要登录三五台器,来回切换窗口,定位一个Bug耗时半小时。ELK 是业界最成熟的日志集中管理方案。本文将带你用一键部署四件套,所有服务容器化运行,配置完整注释,你只需要复制、修改路径、启动即可。架构特点轻量级,无需Kafka中间件Filebeat直接发送给Logstash,Logstash处理后存入ES适合中小规模项目(日日志量 < 500GB)前提条件Linux/macOS 或 Windows(WSL2)

afjkdajs的博客 329

异步导出(Async Export)实现流程、概念、技术详解

<think>我们根据用户要求,基于给定内容生成≤150字的文章摘要。内容主要是关于异步导出的实现流程、概念、技术详解,包括背景、流程、核心技术和模板方法等。需要浓缩成摘要。注意字数限制。 需要包含:为什么做异步导出(同步接口问题)、异步整体流程(submit/check/download)、核心技术(消息队列、Redis、OSS、模板方法等)。用简洁的语言概括。 写摘要,不要超过150字。</think>针对大数据量导出中的超时、线程占用和内存压力问题,本文介绍异步导出方案:通过消息队列解耦请求与执行,R

BADAO_LIUMANG_QIZHI的博客 399

谁替 AI 闭合回路?从瓦特的飞球,到 DolphinDB 的智能数据库

2026 年 7 月,DolphinDB 把一个 AI Agent 运行时框架装进了数据库。判断这件事的分量,控制论给了一把好尺子,输出之后有没有通道流回、并参与决定下一拍输出。本文沿回路四站检查 DolphinDB,感知、记忆、反射、决策,看智能怎样在库里闭合。本系列五篇各占一个维度。《当数据库长出大脑》写,《三百年时延坍缩史》写,《数据的引力》写,《智能数据库的语言学》写。本篇补上第五个维度,。一台器说得再好,行动的世界只认一件事,它做错之后,有没有路让它知道错了。五篇互不重叠。

lbbxmx111的博客 1万+

Elasticsearch 向量数据库:几分钟内完成部署,以经济高效的方式扩展至数千亿规模

Elasticsearch向量数据库是一款无服务器、开箱即用的向量搜索服务,专为RAG、AI代理和语义搜索优化。它自动处理嵌入生成、索引调优与存储压缩,支持JinaAI等模型的托管GPU推理,通过bfloat16、BetterBinaryQuantization等技术降低存储成本并提升性能。内置混合搜索与过滤向量检索,结合企业级安全与可预测定价,助力开发者快速构建高效可扩展的AI应用。立即免费试用,几分钟即可上手。

Elastic 中国社区官方博客 347

Linux入门攻坚——89、Hadoop-1-架构及概念

对于存储,即HDFS,其对外要提供一个统一的访问点,数据分散保存到各个节点上,需要知道各个节点到底存了哪些数据块,于是,就形成了主从结构的存储系统,有一个节点作为master节点,其对外提供统一的储存/访问管理接口,对内要负责把要存储的数据分片(shard)、每片保存到哪个节点上,这些信息就是元数据信息,master负责保存这些信息,这个master节点叫做NameNode,名称节点,简称NN,存储具体数据块的节点,是slave节点,从节点,叫做DataNode,数据节点,简称DN。

kaoa000的专栏——非淡泊无以明志,非宁静无以致远 114

Elasticsearch Python DSL 客户端开发

本文介绍如何使用 Python Elasticsearch DSL 模块高效构建和管理DSL请求。通过对比原始字典方式与DSL模块,展示了其在查询构建、语法简洁性、可读性和维护性上的优势。文中涵盖标准与异步搜索、文档持久化、分面搜索、按查询更新及ES|QL集成等核心功能,并强调可逐步迁移现有代码,无需重构整个应用。

Elastic 中国社区官方博客 210
上一篇: python3中文打印出来乱码\u5f85\u5ba1\u6838
下一篇: 环境问题,报错/usr/lib/XXX.dylib no such file文件不存在解决方式
TCH Test
博客等级 码龄7年 27粉丝 31原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值