- 博客(2522)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 闲谈IPv6系列文章集锦
本文总结一个目录提纲，只要是给自己看的，记录一下哪些东西已经总结过了。闲谈IPv6-6to4隧道和ISATAP隧道： https://blog.csdn.net/dog250/article/details/88644797闲谈IPv6-说说IPv6地址分配和BGP： https://blog.csdn.net/dog250/article/details/88430415闲谈IPv6...
2019-03-18 22:38:43
43158
42
原创 BBR 算法的棘轮效应
(这里的 “西皮” 指 “穿西装和皮鞋的家伙们”)一个传输协议的算法的核心是公平性，稳定性和收敛效率这些统计学指标，其次才是资源利用率，带宽，低时延等这些网络指标，但几乎所有人但凡提到传输协议优化就认定是单流加速，首要关注高带宽，高吞吐，甚至不管时延，更不提方差，不要试图调整这些参数，这些参数是这台棘轮契合好的，调一个而动全身，但这些大开合的覆盖区间又是必须的，因为没有事件驱动状态机，也没有普适的移动平滑系数，人为调整只能人为设置粒度。是依环境随行的，因此它是不稳定的，更可况它本身就是脏的。
2026-09-10 17:09:10
342
原创 网络的时延抖动
例如，空间维度的内存碎片，磁盘碎片皆为统计矩，它们便可采用算法去整理对齐，而算法本身就是时间的序列，对时间维度的统计矩本身就无能为力。若没有额外信息注入，最终，信息的不确定会转化为无效的，盲目的等待，即时间。光介质的不纯净导致不确定的折射反射率，以及链路层的动态事件，软件处理的指令周期波动，操作系统不确定的调度时机，不确定的突发排队，，在上下行的带宽是不对称的，这背后有一个非常高效的逻辑，多对一要精确调度，而一对多则广播选收。统计学本身就是概率的，度量的正是信息的不确定性，即无知性。
2026-09-08 17:24:03
527
原创 重构 BBR 的 buffer 动力学
不公平范围被压缩，带宽差距不会无限拉大，不会出现严重饥饿现象，这就是近似公平，即偏差存在但有上界。曲线的参数甚至一个简单的单调函数足以收住它，网络本身就是统计动力学的，稳定性，公平性，扩展性，自适应性，尺度不变性大于一切。，公平校正力归零，系统变成中性，带宽可停在任意分配。值的统计分布在一个固定的网络是确定的，我们也不必管它是正态还是指数，哪怕它是发散的，即带宽越大，每一步削减越多，速率低的流削减少，慢慢追上来，两条流博弈后自动均分。做综合判定，而不只是任意其中一个，因为它自带了带宽和时延的相互作用，而。
2026-09-03 17:06:47
860
原创 AI 大模型的马尔萨斯陷阱
值得注意的是，克莱伯定律描述的多维度指数不均衡发展是限制的本质，总会碰到天花板，若不改变维度本身的范式，极限便无法突破，但若获得了突破，就会进入另一个马尔萨斯循环，然后再次寻求突破。高数十万倍，本质是底层计算范式的差异，人脑以存算一体的突触脉冲完成计算，能耗集中在计算本身，而冯·诺依曼架构下，数据搬运消耗了七成以上功耗，真正用于计算的能量占比极低。同时，技术与制度的效率增益，文字，印刷术，交通通信，专利制度等技术与制度进步，会大幅降低信息传播与协作的成本，让同等人口规模下的交互效率和创新产出显著提高。
2026-08-27 17:20:36
1207
原创 再论 TCP 的流式传输
流式传输意味着总有个位置串行处理每个报文，而在摩尔定律下，串行处理能力属亚线性对数增长，但带宽却是超线性，近乎指数级增长，这个带宽和流式传输的错配限制了。在沙漏模型中做流式传输是一种良性的投机，处理好乱序重排即可，但流式传输的低性能并不在传输协议的设计，而在沙漏本身，因为它的腰太细了，太哑了。的确认机制加重了串行流的负担，虽然一个载荷报文的长度理论上可以长到一通电话，超线性增长的带宽足以负担足够大的载荷报文，但实际上。成为带宽限制时被提出，减弱了对丢包的反馈，但由于收敛的最根本目标，逐步又在。
2026-08-26 17:25:15
1275
原创 为什么不要优化网络协议
网络传输优化的第一性原理即降低传输流分布的各阶统计矩，这很难。进一步思考，几乎所有优化的目标都是自私行为，成为上分位，成为统计分布上的那个尾部，越尾尖越好，这恰拉高了各阶矩。如果一条流单独拉高了inflight，它便可以挤出更多的吞吐，这是事实，所有的优化都基于这事实，但所有人都采用这种内卷行为后，优化效果便失效了。这是TCP拥塞控制中一个经典的悲剧性结构，当所有流同时试图多占带宽时，没人得到更多带宽，所有人只得到更多延迟。任何超出链路容量的inflight。
2026-08-25 17:23:25
1470
原创 带宽和延迟间的转换
然而，当端到端路径存在足够大的丢包率时，问题便出现了，由于丢包重传待确认，导致发送队列积压，发送。为解决一个问题，将参数单向调大，直到引发了另一个问题，才显示出参数调得过大。场景，显得越来越重要，而高带宽更多是作为缓存来使用，比如下载。，除非你理解上面这段内容，这是一个巧妙的丢包，带宽，延迟之间的转换。这是一个典型的高带宽和低延迟不能兼得的场景，现网环境丢包率不会是。我一向的主张，以低带宽换低延迟，针对越来越普遍的。的延迟，丢包率越大，有效吞吐越低，延迟越高，所以不要盲目过分地增大。
2026-08-24 16:15:34
1266
原创 多路径聚合效率的统计理论
一旦涉及到网络传输的统计规律，很多人就觉得偏离了确定性，试图用精确替换统计，但这是错误的。网络是统计的而不是确定的，本质上是信息量的上限决定的，而信息量的度量则是统计矩(各阶矩为0就是确定性)。出差时发过一则朋友圈：其实我说的是多路径聚合，比如具体的MPTCP。多次有人不厌其烦地问为什么时延异构会降低带宽聚合的叠加效率，我也多次说这是个数学问题，而大部分不做理论研究和技术研发的人是根本不懂数学的，我也就只说一句 “你们不必关注原因，看结果” 就对付了。
2026-08-21 15:01:30
1281
原创 网络优化，还是降低各阶矩
样本的加减乘除是无意义的，这也是工程上往往用移动指数平均来平滑它们的原因，换句话说，你无法用 “尺子” 量出时延的 “长度”，你只能获得统计结果，正如分子的速度毫无工程意义，但一堆分子的速度可以表征精确的温度一样。的绝对时间，真正值得在乎的是统计波动带来的不确定性，而不确定性正是长尾延时的元凶，不确定性放大了统计各阶矩，统计波动造成的状态不同步持续累加，降低了资源利用率，最终，低利用率最终表现为更长的时间，这才是本质。到底有什么区别，都说是绕过了操作系统，节省了切换，拷贝的时间，但这并非本质。
2026-08-14 12:26:57
1522
原创 AI 带来的伪专业错觉对秩序的冲击
多层级结构的容错率来自层级间的冗余缓冲，当结构被压缩成 “上层决策-一线执行” 的哑铃型串联结构，任何上层的认知偏差都会无衰减地传导至全执行端，局部错误会直接打乱整条业务线，系统从具备冗余容错的层级系统，变为单点故障即可引发全链路崩盘的脆弱系统。对应信噪比模型，上层的专业认知信噪比极低，但因掌握行政权，低信噪比的判断会被强制落地，高信噪比的专业判断被压制。古希腊没有垄断知识的祭司阶层，所以他们发展出了德赛先生，社会获得了进步，成了轴心时代的标杆，演绎推理也成了现代科技的源泉，而。
2026-07-31 12:18:01
2252
原创 统一 loss-based 和 delay-based 的拥塞控制
这种测吞吐的算法，其实也将丢包包含了，因为丢包一定会体现在吞吐上，所以本质上就是正交，一旦叠加非正交量参与计算，就是故弄玄虚，最终弄巧成拙。除此之外，它还能平滑掉噪声丢包而不被误判为拥塞，因为偶尔丢一个包引入的大。计算，因此丢包和重传便从传输中分离开来，单独记为一个事件，用来触发。，这很合理，但作为端到端协议，所谓的网络状态其实就是。样本，因此，这段时间的网络状态监测也跟着脱离了。，如果基于时延交易的视角，二者则可以统一为一个。实现法则为，当出现丢包时，重传。，加权这类样本的比重，这样就把。
2026-07-17 09:16:53
2834
原创 从重尾到截断流量模型的演进
视频播放量，热门内容的访问热度增强幂律，和网络传输的数据流的幂律不同，不会造成网络拥塞抖动，但拥塞和抖动的压力给到了存储和缓存替换算法，这不是我的领域，不多说。网络架构层面，也涉及拓扑，大量小型化边缘节点下沉缓存短视频，减少跨城，跨骨干流量传输，扩容按同时并发的短视频分片数量规划，不用再按超大文件峰值带宽计算。级文件，但图片会压缩，分块加载，超大流量变少，流量的重尾收窄，虽完整长视频点播依旧会产生长流，但受限于手机解码能力，这些长流已经不再有文件下载时代。，而手机流量资费，屏幕尺寸限制，很少有人下载。
2026-07-03 14:29:07
7174
原创 正确适配互联网理论模型
极小发包间隔，不牺牲交互短流的传输速度，流持续变长，逐步提升 pacing 间隔，强制把连续包拆成离散间隔，数学上把原本高度自相关的阶段改造为近似独立间隔的泊松型到达，流量的长程相关性被持续削弱，总之，我这两种方法优于传统的先污染后治理的方法，例如各类拥塞控制算法，流控算法，队列调度算法，均没有从根源上消除问题本身，也就无力彻底解决问题，背后还是时间的单向流动，控制和反馈的时滞总是无法消除。推理等，那么微小随机延时对这类同步突发抑制效果极强，是低成本，端侧无侵入的平坦化手段，且完全跳出队列，
2026-07-02 12:24:45
8122
原创 互联网理论模型与现实之间的错配
他用排队论首先证明了统计复用的可行，奠定了互联网的统计学理论基础，在他之前，虽然人们设想了很多不同拓扑的组网方式，但大家始终无法摆脱可用性的魔鬼，人们怀疑，如此不受任何约束的，混乱的所谓分组交换网，真的行得通？然而排队论里没有重尾分布，但恰恰互联网的流量就是重尾的，这意味着，互联网的早期模型基础与现状存在不小的偏差。这是一个建模的教训，因为只要是相关的随机变量，几乎都会是幂律分布，价格，价值，收入，成绩，投资，灾难，千万不要用均值回归的思想对待它们，要看百分位而不是均值，要为黑天鹅事件做好准备。
2026-07-01 12:27:38
7667
原创 网络优化的第一性原理：消除各阶矩
基于此，文初引用的一系列优化手段，会随着传播时延占比的增加收益递减，它们优化的只是编程的人关心且只关心的主机时延，而随着传输距离的增加，沙漏模型的腰部而不是头部越发重要，意思是拥塞控制算法和。人类的现代文明建立在扩张主义模式之上，追求更多的人口，更多的增长，更多的消费。网络的第一性特征永远是时延抖动，只要不能直接对此有增益的，都是手段而非目标，瞄着手段当目标，在不适用的场景下甚至弄巧成拙。持有最大的恶意和鄙视， 而这些被鄙视的旧物恰都是统计系统，在消除统计不确定的方向上，编程的人做对了，但眼光狭隘了。
2026-06-26 12:37:19
7712
原创 实现一个松弛的传输层应对随机
但凡涉及可靠，冗余，去重，保序的话题，缓存，重传，定时器几乎就是第一设计，然后就成了远不如 TCP 的 YaTCP，由于编程的人容不得丢包和不确定性，他们倾注洪荒之力确保不丢包，不得已再用重传挽救，说到底还是围着 buffer 和启发式判定绕圈圈，一绕就是 30 多年。为解决传输层协议对端到端拥塞控制缺乏共识的问题，唯一的方式就是松弛化任何影响时延的确定性保障，让业务自身去处理，如此避免拥塞处理不同步造成的抖动和震荡，而确定性多来自重传以及多数人并不懂的带宽，损害的是网络传输唯一的指标，时延抖动。
2026-06-24 12:21:21
10812
原创 AIMD CUBIC 在实际网络有效的原因
算法在数学上天然契合自相似流量的统计特性，其有效性并非源于对网络状态的精确预测，而是用指数分布削掉了帕累托的重尾。机制构成了一个自调节马尔可夫链，其稳态分布不依赖于输入流量的矩结构，无论背景流量是理想指数分布还是重尾，调大一点，触发丢包的概率就极高，因此，系统根本不敢把窗口维持在很高的状态，大窗口出现的概率会断崖式下降。是一个马尔可夫链，当这个马尔可夫链满足一定的遍历性条件时，它存在一个唯一的平稳分布，记为。在实际网络中表现如何，答案是它非常有效，本文说的就是这，大多数情况下，这很容易理解，如果丢包率。
2026-06-20 11:55:11
7245
原创 在实际网络中失效的 TCP BBR
还是旧事重提，最近写了一些关于帕累托分布的自相似流量的反直觉特征，基于此实际网络特征，本文解释。的数学模型建立在短程依赖，平稳，单流的理想实验室假设之上，而实际互联网流量自相似特性以及高达。民间何必迷信一个只是看起来很美的东西，更多是吹出来的虚伪，编程的人只管编好程就行了，剩下的交给。实际网络中，没有一个是符合的，除了不必浪费口舌的，剩下的一个一个说。，拥塞，丢包，重传和编程的人无关，带宽绝对够用，不折腾就是低时延。，单流理想模型中，这可以精确找到瓶颈，但在多流自相似环境中，设。
2026-06-18 16:57:36
8471
1
原创 多数人并不懂带宽
行为，网络就会抖，时延不确定性增加，而自限定流量降低了单流规模，这在统计意义上(重点强调这个编程的人总是有意忽略的修饰词)降低了总时延的方差，也就降低了抖动，降低了时延期望。一个简单的例子，若将若干条视频流，文件下载流，控制信令流复用到一个大吞吐流，它们将承受相同程度的大抖动，若将其分开自行传输，则可获得更低的平均时延，而带宽总是够用的。一定，带宽代表的截面和时延代表的长度就是一对矛盾，下载追求高吞吐，在线则要求低延时，只有在网络很慢的时候，才需要高带宽下载，如果网络很快，就会直接在线，而。
2026-06-18 09:06:09
8143
原创 真实网络流量的自相似本质
足够大时，统计突发消失，也就不需要 buffer 了，编程的人说这是纸上谈兵，相反，他们倾向于越来越大的 buffer，这也是纸上谈兵，因为大 buffer 也有成熟的理论做支撑，同时，大 buffer 也并不正确。突发波动既然不会消失，似乎给了大 buffer 充足的理由，但恰恰正因为它不会消失，才必须设置一个迷途知返的点，适可而止，否则，buffer 将随总流量增长，一直增长。现实的网络流不是独立，无记忆，而呈现幂律的帕累托分布，这是一种典型的重尾分布，它相对真实，我在。
2026-06-17 14:32:10
8751
原创 不要再继续优化 TCP
TCP 的上限不是算法和实现，是可靠字节流抽象的设计。拆解下来，首先是字节流抽象，这约束其实现的字节粒度，在规模，尺度上不可扩展，越高速的网络，维持字节流的指令周期，内存操作成本占比越高，其次就是流约束下的可靠性，意味着多路径不可用，传输无法随并行度而扩展。在 400G 网络里，把 TCP 单流吞吐从 50G 优化到 200G，其实是负收益，因为 200 只是一个吞吐均值，越高速越怕抖动，而延迟，P99 可能还会升高，且代码实现复杂度提高，这就是典型的负 ROI 工程，看起来很硬核，实际是借债玩自嗨。
2026-06-16 10:53:02
7763
原创 信号权重和流分类的对数规律
即时的 w 值会造成路由震荡，连接跟着乒乓，那么就必须对 rssi 做处理，而且容易看到，1，2，3 的区分和 101，102，103 的区分并不一样，前三者属于不同类别，后三者显然属于同一类，100，800 属于不同类，但 10100，10899 就属于同类。韦伯-费希纳定律说人的感觉是对数的，自然界的无线信号衰减也是对数的，所以区分信号类别的函数就是对树的，而不必搞什么阶梯式分段函数来故弄玄虚，就像手机厂商把一段 dBm 区间直接映射成几格一样。但有趣的是，w0，w1，w2 如何归类。
2026-06-13 10:42:54
9977
原创 网络长尾延时的重尾本质
成亿万级的参数生成一个神经网络，训练它让它学习流量生成的模式和统计规律，以此为依据为流量分配资源，理论上定能成，但内容的传输并非目标和终点，内容的理解才是，基于大模型的传输优化收益相对成本不大，正如几千年的道路并未多少进化一样，网络总之还是瘦的，堵就堵吧。尺度不变性意味着消除长尾是不可能，因为在一个随机变量相互依赖的自相似世界，这就是一条放之四海而皆准的铁律，抛开网络传输，看看我们的社会，马太效应是《圣经》里说的，上帝的旨意，就算排除那些极端的对象，剩下的群体还是完全一样的分布。
2026-06-12 15:14:37
6056
原创 网络可用性，扩展性，性能的统计本质
网络是统计的，是不确定的，这话天天说，就不在乎再说一次，就着前文 为什么高速网络更怕抖动 接着说。从独立随机流叠加定理开始：我的解释是广义中心极限定理在计数过程上的特例，似乎有点泊松分布随 λ\lambdaλ 增加趋向正态分布的意思，要不是泊松分布左边有一堵 x=0x=0x=0 的墙，它事实上就是正态分布，增大 λ\lambdaλ 只是把整个图形右移，泊松分布左边墙后面的尾巴就露出来了。本文先说三个同构的流叠加场景，并分析对应结论下的实际行为和启示：泊松极限说的是，给定有限总到达率，把总流量拆成 nnn 条
2026-06-11 16:59:04
12006
原创 为什么高速网络更怕抖动
在编程的人的直觉里，多条流共用同一链路，带宽共享，拥塞加剧，每个流的排队时延一定会变大。事实是，大量独立的突发流聚合到同一条链路上，流量的突发特性会相互抵消，平滑，总负载不变时，聚合后单流的抖动甚至平均排队时延，反而小于单流独占链路。的影响力越大，给编程的人的启示很明确，你的网络硬件性能越高级，越要君子自好，和直觉相反，越高性能的网络，越不扛造，对异构的包容性越弱。这是一个启示，独立随机流叠加定理，也是运营商骨干网，共享宽带，移动通信能高效工作的核心。的结论，带宽越高，越要规则化流量，越要防止抖动。
2026-06-10 17:28:41
8152
原创 DCN 与 WAN 的不同优化目标
所以叠加各种拥塞控制算法无异于雪上加霜，弄巧成拙，不是网络优化没有意义，而是大多数人方向是错的，为什么推理比训练抖动，如何解决，不是叠加几个策略就开箱即用的，包括 AI Infra 在内的所有网络优化，方向错，步步错。统计学中的一句真话，规模差异越大，均值越偏离中位数，发送时延，处理时延分别由网卡和协议栈引入，同类交互系统的网卡，协议栈差异不大，至少没有规模化差异，而传播时延更趋于固定的。由于拥塞控制的滞后本质，incast 无法控制，当主机进行反馈时，incast 或已结束。
2026-06-09 15:58:19
7794
原创 科斯定理与平坦随机网络的自然秩序
拥塞的自然化解，就像市场中价格机制调节供需一样，网络通过多路径的延迟，丢包率自动调节了流量分布，少有超长路径，波动范围有界，多路径随机 spraying 和包抽象(请忘掉流抽象)成为了自然推论，最终获得了微观随机，宏观确定的结果。时延分量的占比决定了策略行为的方向，广域网中，spraying 将增加传播时延的方差，从而带来抖动，而在数据中心，同样的行为降低的却是排队时延的方差。一个事如果它是自然的，那就是好的，人为的约束限定越少，整体效率越高，或者说综合效用越高，颇有哈耶克的意思，但这也是古希腊的味道。
2026-06-05 14:45:25
8331
原创 最大流最小割视角下的平坦随机网络
抵制随机网络的原因，说是布线乱，运维难，人们并没有去想办法解决这些问题，反而绕开这些问题，趋向规则的分层拓扑，让传输中的数据承担拥塞的痛苦，包括 SPF，流抽象在内，其实一开始就偏离了网络的实用目标。至于阻塞非阻塞，它是手段而不是目标，就像排队一样，无阻塞只是换了个地方排队，相比丢包重传，它们都消耗了时间，只要网络还在统计复用，这个时间就省不了，落实到重发包的能耗和刷新存储的能耗是可置换的，而不是可交易的。你看，多么自然，最大流才是网络的性能目标，最大最小割才是容错性目标，而不是什么 SPF，收敛比。
2026-06-04 12:26:21
9452
原创 从扩张性看 AWS RNG 为何优于传统胖树
大规模网络的综合性能由可扩展性，吞吐性能与简单性衡量，由于我只侧重于技术，故省掉了成本因素，但这并不意味着它不重要，在更现实意义上，设备的采购成本，运维成本，更新成本甚至是第一要考虑的，甚至远在技术之上，因此本文也不谈广域的 TCP/IP 互联网，恰就是广域的互联网重构成本太高，就连编程的人也不怎么关注广域的互联网，因为那个固定的地方也多少程给他们编。若仅谈可扩展性，吞吐性能与简单性，RNG 可从随机图的扩张性为基点，结合我一直强调的替换 SPF 的最大流最小割原理，论证。
2026-06-03 09:19:43
10661
原创 把确定性交给统计-浅析 AWS RNG
编程的人不能接受天然的网络乱序带来的抖动，便把抖动搜集到了端，用保序来换确定性，可抖动还是没消除，反而增加了代码的复杂性，这就是编程，但这也只是编程，反直觉的是，编程带来的问题比解决的问题更多。过去的很多年，我一直说随机网络，基于摩尔定律极限后的规律，可交换带宽的多路径网络是必然，可我们并没有这样的网络，现在的规则网络带宽是不可置换的，可交换带宽必然要取消过多规则和预设，这便是随机。在人们早已习惯了规范化的，结构化分层的胖树网络后，天然的随机网络反而被认为是胡扯，因为它不可预测。
2026-06-02 14:22:48
6692
原创 美国斩杀线里的 e
把 “速度” 换成 “待分配财富” ，“剩余路程” 换成 “剩余的人”，大概就是这个意思。这正是理论联系实践的绝佳案例，我把回答复制过来，整理成文章，作为备忘录，这样日后好回味。遍历，结论是所有人都是平等的，第一组被遗忘的概率等于他们被选中的概率，所以。归纳一下便知，涉及分配，多选一等决策的事，都是所谓的 “斩杀线” 模型，这一组随机排序里，均匀随机，概率均等，那么 “局部最优落在。是内涵于里的，把它挖出来并不麻烦，于是这也印证了自然的。无论有多少财富，分配粒度有多细，穷遍分配过程，总有。
2026-05-30 11:47:13
7719
原创 不要再优化网络了
TCP/IP 是极其成功的，它的成功来自可扩展性，但另一方面，它被诟病的是性能，这就给编程的人提供了很多工作机会，当然，这些优化工作并非全有意义，绝大多数毫无意义，因为低性能正是用来交换可扩展性的难易的秉性。瞧，虽然只是我个人草拟的一个模型，但我的依据依旧是指数律，指数律似乎就是真理，从克莱伯定律，摩尔定律，梅特卡夫定律，吉尔德定律，到我这个不优化定律，它们可以解释，描述，预测很多事实和现象。每个节点都做定制化性能优化的结果是，更易异构，配置繁杂，故障点增多，难以扩容，运维成本指数上涨，排错难度陡增。
2026-05-29 17:23:26
10829
原创 正态分布中的 e 和 π
只是猜出来的，它恰好合适，符合形而上的描述，也恰好就是正态分布的最终形式，算是猜对了，但它的背后其实是算出来的，我在最后会从中心极限定理推导为什么就是。各自无法体会视觉效果，那么它们综合的美感正包含在钟形曲线，均值，中位数，众数重合，轮廓流畅均衡，没有突兀拐点，你如果觉得好看，说明心智亦与之同构。描述了自然的时间和空间，那么正态分布则综合了时间和空间，中心极限定理是它的灵魂，这就是自然的本貌，如果从。各向同性的构造，想象向一个巨大的多维靶心掷飞镖，假设落点是随机的，飞镖落在靶子上任意一点。
2026-05-28 21:42:29
11987
原创 浅谈 “韬定律(τ)“
最后，全局的，系统化的逻辑，以及物理的，光速极限的逻辑对于习惯了局部优化的编程的人是不习惯的且反常识的，全局观需要一定的哲学思想，而物理和光速极限则直接取消了编程，但针对这些的全局调整才是真的银弹，普通工科生要慢慢适应。方法论展示的细节正是要说，为了缩短延迟，缩短路径比算法重要，平坦化比分层重要，而时间来源于计算，能耗来源于时间，物理路径的缩短，协议转换的消除，大大减少了算法的比重，这恰抵消了高密度的能耗。其它的细节方面不多说，论文，小视频，自媒体以及别人的文章比我的详尽，请移步。
2026-05-27 11:26:12
9045
原创 广义二项式与 y‘‘ = −y 的求解
但二项式展开不一样，它是一个朴素概念，在朴素二项式基础上，牛顿 “简单猜” 出了广义二项式展开式的形式，事后看，这不需求多少已知知识，只需要释放并有能力验算的大胆的想法。说无聊是因为这只是在描述一个流程，而不是一个想法，我们无法从这个流程中获得更多的东西。简单的二项式，插值是通用技法，所以还是得推一下万能的二项式拟合，代入二项式展开求系数，然后算出。广义二项式几乎可以拟合一切连续的，光滑的行为，这真是一个伟大的思想。所以只要我们形成诸如。的存在，人们并不知道上面的级数蕴含着一个常量，可即使古人不知道。
2026-05-26 17:21:54
9769
原创 得与失的泰勒展开，一阶收益终将归零
自 17 世纪，科学摒弃了对现象寻找物理解释的古希腊到中世纪的执念，开始确定基于数学的描述性而非解释性的理念，以本例来看，双向过程仅由函数对称性决定，一阶抵消，二阶保留是数学的必然约束，和物理无关，但若要映射一个物理定律，那便是热力学第二定律。这意味着双向闭环中，拿到的一阶线性收益(以及任何奇数阶)，会在返程原样归还，捷径，加速，便利，宣泄，倾斜等，本质都是一阶线性收益。类似的这种道理诠释无论在数学，物理学，文学，哲学，神学领域，都早已经汗牛充栋，这便是硬道理。阳卦奇，阴卦耦，草率行事的，必致贫穷。
2026-05-26 15:36:52
9986
原创 莱布尼兹的 π 级数赏析
就在那里，有一万种方式发现它们。确实，即使在没有现代微积分的古代，不同的文明也用不同的方式发现了。相比牛顿，莱布尼兹更加专注符号演算规则，这个级数的演绎也确实符合他的个人风格。莱布尼兹采用对圆的积分求面积，展示了微积分初始即爆发的强大威力。对应四分之一单位圆面积，对它积分就是。除了收敛慢一点，这是个非常漂亮的表达式。，而在人们逐渐关注连续增长的近代伊始，代回 (3)，就得到了莱布尼兹的。浙江温州皮鞋湿，下雨进水不会胖。现在将这个积分化为级数。等式 (1) 两侧同加。也被以各种方式发现。
2026-05-25 16:53:14
5711
原创 统一描述 π，e，φ 的动力学方程
的描述力量，不管连续的二阶导数，还是离散的二阶差分，二阶线性常系数齐次常微分方程都能描述基本动力学的最底层的正交逻辑，这是大自然的本质。为什么是二阶，为什么二阶就够了，因为二阶，二次，whatever，一共 3 项正好可以表达一个完备的线性迭代关系。从微积分的物理视角，一阶代表速度，二阶代表加速度，若速度影响加速度便是阻尼，这便是。，而二阶阻尼则表示反馈，嵌套，自相似的动态平衡，代表基就是。改变一阶，二阶，可获得更多的自然常量，只不过它们没有。，更直观的是特征方程的离散版本，其解直接就是。
2026-05-22 15:47:17
8902
原创 纳皮尔对数和 e 的本源
至于这张表如何制作生成，无外乎就是二项式定理辅助比例插值这种插值修补的暴力逼近工程了，这种事放在中国应该更宏大些，如果科学认知革命发生在中国，以中国古代的算力基础，注定会比欧洲更加轰轰烈烈。理论和实际的运算还是有差距，显然没有用级数更加可迭代操作，如果嫌不够精确，再展开一级累加上去就是了，而不是选择不同的。纳皮尔为优化当时天文学，航海学所必须应对的繁复运算，编制了对数表，而这张表需要一个底数，那皮鞋选择了。，但纳皮尔的关注点并非极限收敛到一个普适常数并为之命名，他的发现是无意的，这恰证明了。
2026-05-21 15:55:29
10078
一个iptables的stateless NAT模块实现
2014-12-27
模块化的nf-HiPAC
2014-11-21
关于linux内核以及其他个人体会的文集
2009-09-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人