感悟生活学习

人生就是学习数学学习语言，学习物理，人性。  其实每个客户端就相当于是分布式的，解决了一部分CPU处理数据的压力。  计算机图形图像缤纷多彩，就是因为数据量大了过后组合起来的，其实计算机就是大量大数据量，以此类推，找到少量数据的规律然后大量以此类推，就形成了漂亮的视频图形。，看起来缤纷多彩。如果少量数据就不好看了。     完整的页面的东西CPU计算完毕才往显存发过去。  指令有些是硬件层面实现的功能。      记住一点不管你项目做的好还是不好，一定要接单，抢单子。做得好不好不重要，重要的是接了单子才有钱。所以要接单子，要做项目才能不断成长。  三十岁了学习知识的方法不能只有一种，学习知识解决问题要多样化。  当官不要怕问题，怕问题就不要当官和珅。  做IT也是。  系统学习各种概念，画思维导图层次可以提高人脑的辨识度。人脑的认知思维就是层次结构，树形结构。   找资料书或者博客系统别人现成的总结，不要傻逼靠自己总结太蠢了，系统学分层次学，记忆更加深刻，是人类认知事物的底层原理。  要学习人类认知，记忆学习事物的底层原理。  人类对图形，视频，现实具象化事物最敏感，最容易记住，这是人类的天性。  所以单纯的文字和空想是最不敏感的，是最反人类的。  千万不要反人类的思维学习。  人类最适合广度优先学习，也就是总分的学习方法，有层次的学习。  不要有反人类的学习思维。  二分法学习。也不要分太细。  比如十个字母，可以分成五个，两组来记忆。  而且要有短语思维。多个单词合成一个单词记忆。    物理层电路的东西搞清楚了，编码就是数学问题。   人脑对一张脑图记忆更加深刻，脑图越细记忆的知识越多。  人脑对分类整理的知识记忆更深刻。  书的目录就是思维导图脑图。    学而不思则罔，思而不学则殆，其实有些时候已经学了，也已经思考了，总是怀疑自己没有思考，这是错误的。    

 学习编程，理解原理最好的方式就是直接上代码和直接上电路结构和直接上汇编代码和直接上Intel开发者手册。    书可以解决大部分问题2，8原则，能够解决80%的问题已经非常好了，樊登读书说的。如果不学习，那么你要像古人一样生活吗？效率极低。  大家都处在同样的物理环境，别人会的，你也能会。  你不会的原因肯定是方法和思维方式错了。   记忆最快的方式一定是分类整理，系统学习。 外加图形的脑图学习，有层次结构，视频分解步骤学习，尤其是算法，然后语言文字辅助，其实书本上的文字也是图形，只是实际的大自然的图形更加容易理解。 学习分类，按照什么纬度来层次分明？   学习知识从物理层了解了，才不会迷茫，才不会空想内耗。  从物理层学习，不要主观臆想。  人的空想是非常恐怖的。非常无限循环永远内耗自己，就算你有一千万年的时间也不够内耗。  一定要学习知识，不学习你要像原始人一样吗，重复造轮子，大量冗余知识？  模仿的大神，科比，把艾弗森，乔丹学了个遍，成为最后的大神。    语言加视频才是最不容易忘记的，分步骤视频是最容易理解的，语言长时记忆。    学习英语不要强行推理是被动句，多了一个推理，非常消耗性能。  直接理解为不同的句型。 清爽明了。 我的优势就是模仿直接记忆，不是推理能力。
   学习记忆和推理分开操作。单纯说记忆。不要杂在一起。  单一职责原则。  记忆就单纯记忆。  推理就单纯推理。做到单一职责原则。   规则性概念性的知识直接记忆，不要无脑推理。  比如一个单词或短语，你要去推理它是怎么来的？那不累死你。  使用公式一定要上下文，也就是从什么纬度。   学习的方法不要逆天而行。 要遵从大脑的物理结构。   数学的知识也是物理环境决定。  单一职责区分。    为什么推理记得住，就是因为推理的时候其实就是重复回忆知识点。  结果就是花大量时间。  直接记忆花的时间极少而已，如果直接记忆也重复操作一样记得住。    学习知识的时候少推理，晚上回忆知识，当回忆不了时，直接看书然后视觉记忆，不要使劲想内耗自己，也不要推理内耗自己。     处理知识的时候，先分析这是概念问题还是知识推理的问题。单独处理单一职责原则。  分析是哪个环节导致你没有记住。  人有个错觉认为买到书或者做了笔记或者勾了重点就认为自己记住了，要重复看以及回忆才能检验是否真的学到了。
  记忆宫殿，在实际的环境上下文中记忆是最快的。  把分散的知识整合到一张纸上记忆更清楚。 画出思维导图。     概念性规则性的东西直接记忆，采用图形记忆法，直接看代码，代码也是图形，不要自己在那里无脑像傻逼一样推理浪费时间。  先区分知识是否是概念性的。   不是概念性才做推理。  人类本来就不支持推理记忆，而且惯性思维会让你这次推理记忆了，下次还要推理记忆，是大脑的海马体作祟强制让你觉得一定要每次推理得出的结论才是对的，不然就会怀疑是错的，非常浪费时间。  所以人类不适合推理记忆。只适合图形记忆。     把抽象的东西具象化，比如绝对音感。   思维导图可以让知识文字像图像一样结构化起来记忆，因为我们天性就是视频。  循环指令并行，八次循环指令，CPU底层八个指令并行执行。  记忆工具就是具象化，具象化后就能轻松结构化，层次化。 不要用心算，因为我不适合。 记忆工具🛠️ 有多重方式。    为什么具象化结构很稳定，因为事物的组织形式层级结构一目了然。避免空想  。  具象化是知识结构稳定的关键。  为什么同样的知识会有多种书籍来解释，因为每个人对事物的认知层次以及自身环境不一样。   要理解一个知识，一定要知道它的上下文环境。 有了这样的环境很多东西都可以一目了然了。 因为上下文会给你定义这种结构也就是具象化。   算法其实就是步骤，每个步骤分解开来，然后有规律化。算法难就是因为步骤太多，规律很难找。 孔子写的论语正是反应人性的，以及人脑学习的物理特性，什么学而时习之，不亦说乎。  CPU底层计算的问题。   不是同一纬度的知识不要在一起讨论，比如每位计算进位的数据依赖，同一寄存器内部的纬度，和两条指令的数据的依赖，不同寄存器之间的纬度，前者微观就是并行的。  CPU微观中，忽略传输距离。只考虑节点的影响。  不要管电路布线，每个晶体管节点处的性能才是核心。   理解计算机的核心就是这个晶体管节点。  比如寄存器中节点的性能远远快于缓存。  所以64位进位操作在一个时钟周期完成，就很容易理解了，一个时钟周期对于缓存来说，但对于寄存器来说64位操作就一个时钟周期搞定，位操作相当于分流几乎不消耗时间，所以64位，消耗一个时钟周期。  层次纬度决定了你的思维。   勤劳老实是不可能致富的，简单的无脑的是不可能致富的，一定要有手段。把CPU的技术运用到现实生活中，知识的迁移。  软件本来就是起源于织布机。电商其实也是商品的迁移。  微信是，短信的迁移，直播是现场的迁移，现在什么都在迁移。        把软件的知识理论东西应用到现实生活商业中会有什么效果。  要有做产品的思维。 产品来源于需求。  去市场上看看，现在的人们有哪些需求？  业务的需求，客户的需求。  一定要有一个自己引以为傲的产品。  如果做什么工作或者做事都在怀疑，那么你什么都不适合工作或做事。   杠杆原理，拿来主义，不然你不可能成功。  人类的性格很难改变，改变了就会让自己突然失去安全感的感觉。 要让自己改变，就必须要换一种思维，让自己有安全感的参考。   要时刻分析知识是否在内耗自己，一定要分析知识是实验的结果，还是推理的结果。  ，物理学基本都是靠实验，实验的 结果就去找书看，不要空想，直接杠杆原理，直接学结论，拿来主义。因为没有物理环境，只有书上学，无法自己证明。分析问题先看是概念性的，物理性的问题，还是推理性的。问题分类处理。人类天生工作原理是分类处理。  分类处理单纯看这个问题是记忆问题，还是推理问题，还是物理问题（实验经验问题）。  每个人都有弱点，尤其是高智商的人。  知道自己的基因缺陷，就反基因。处理问题一定要多种方式。  人类的天性就是多种方式处理，分类处理，视频图片结构化，而不是一种公式走到黑。  你发明的东西，不代表你智力高，发明的人很多是靠一次次的试错来的，并不代表你智商高，只能代表你愿意花时间总结试错，花时间去实验。  所以直接使用杠杆原理窃取别人的研究结论。  不用杠杆原理的人就是傻子，愚蠢。  不要觉得普通人很厉害，他只是花的时间比你多，用的方法比你科学（也就是按照人类的天性学习，不要逆天而行）一个位，通过电路可以分成多个位。  学习英语单词是基础，单词记住了。基本上就句子就有理解的结构了。 因为人理解事物一定要有上下文，一个单词就确定了一部分上下文，这样结构就很好理解了。 记忆的原理就是，不用看书了，也能够回忆，并且用自己的话说出来。  不要跟这些人比学识，比读书的能力。  你永远比不过他们。但要比对世界的分析能力。  马云讲的你要跟这些人比读书的能力，你永远比不过。分析自己的强项就是真实的世界的图像记忆。一个小小的技术都是很多人研究的结果。所以要学习，杠杆原理。不要单纯靠自己。专业的人做专业的事。比如位运算并行技术。一次时钟分成64次位并行。找专业的人学习。或者书籍。  教育就是投资。很多微积分知识经过了大量现实的验证，都是正确的，不要空想。永远要记住很多知识都是经过大量现实验证的，你不要空想。 找科学家做杠杆的支点。  要跟科学家那些人比读书，真的很蠢。世界真的很大，我们太渺小了。 任何事情不要觉得是错的，如果认为是错的，请给出现实存在错误的依据。拿不出依据，就是对的。用科学家做杠杆的支点。   只跟自己比，比昨天的自己更强就行了。每天总结自己，比昨天强了哪些地方，就行了。    尽量不要跟别人比，会让自己焦虑反而不好。因为焦虑并不能带来积极的效果。跟自己比，比昨天好。  算法玩的就是内存和CPU缓存，跟寄存器不同点物理性质不同寄存器64位操作一个时钟周期，纬度不同。   知识就是适用范围加确定性。广义和狭义，微观粒子的影响几乎可以忽略不计。因为他的影响只有0.00000000001%，这么小的影响可以忽略不计。所以分析问题，要分析程度大小百分比，和主次关系。  一定要去学习知识站在巨人肩上，不然你一百年的顿悟，只是别人的起点。你跟公司的关系一定不要觉得自己是打工人，你一定要把自己当成是跟公司合作的人。 你才有动力去学习知识然后解决公司的问题。  分析需求的时候，要把需求的内容层次化，分类化。清楚认识需求中的每个点功能的层次。  程序就是数据结构与算法。  中断响应的原理，就是在正在执行的指令后排上一个中断指令。这样原子操作后就执行中断指令。算法一定是在大量数据的场景才会有的。  所以技术选型很重要，杀鸡焉用牛刀。 站在量子计算机这种更高的纬度来理解经典力学中的电子计算机那真是太简单。 这叫降维打击。  这也是一种杠杆。  如何杠杆原理，就是跟赚一千万的人混，你至少赚一百万， 找到支点。  人多力量大才能杠杆。  一个人的做事输出一定有上线。多个人做事上线就很高，这就是杠杆。  而且站在巨人或多个巨人的肩上杠杆，效果最好。  杠杆是有风险的，但看风险的百分比程度。   学习牛顿爱因斯坦的物理学，拿来主义直接学习结论。风险极低，因为已经有其他人给你试错了风险，你的风险就非常小了，0.000000001%的风险，等于没有风险。大量看书，寻址杠杆，寻找支点。拿来主义，直接杠杆。  算法就是步骤，不懂就把步骤拆细，拆到懂为止。  学会使用图形工具🛠️ 辅助理解，工具就是杠杆原理。所以要用工具书。工具人。使用右脑图像记忆法，右脑的特性也是工具🛠️ 。  算法步骤分解也是工具，也是杠杆原理。   寄存器的速度一个时钟周期操作一条指令，这是利用物理杠杆。 大部分知识（知识就是确定的）都是基于物理环境实验得出的结论，不是空想来的，我们没有真实的实验物理环境，那么书就是最好的物理环境，而不是空想。       在现实中一认知很快就理解了光速太快，人眼根本无法区分。。   我们跟古代人的差别就是工具不同。所以一定要使用工具作为杠杆原理。  先看数据类型，再看数据结构。    学会使用🛠️ 工具这种杠杆。 大脑🧠 主要解决决策性的东西，计算机的东西交给计算机CPU。要分工明确，发挥各自特长。大脑不适合计算，就给CPU做。大脑只适合决策和缓冲。  学习看书，就是杠杆原理，我们所处的纬度空间来学习。  高纬度理解，可以降维打击。 读物理学，高纬度理解学习，降维打击。 站在更高纬度看待低维度，其实就是降维打击，也是利用纬度来杠杆原理。 杠杆原理的风险有大有小，有些风险非常小，收益非常大，收益完全可以掩盖风险，例如经典物理学中的经典力学跟量子力学。经典力学可以绝对掩盖量子力学的影响。记住工作就是解决问题的，如果没有问题那么你就失业了。所以遇到问题不要抱怨。 寄存器层级的位操作速度很快，64位几乎一个时钟周期，这就是高纬度打击。 人有一种特质，太过于仔细越发现什么都是错的，比如仔细去看一个字，越看这个字越觉得写错了。我的大脑不适合心算，只适合笔算，所以算法用笔画。  处理每个问题，阅读每个代码给问题分类。 JVM里面实现了很多算法和数据结构，可以学习，从现有的技术软件中去学习知识，避免自己空想，空中楼阁。  处理IT问题和学习IT问题一定要对这些问题归类。  人需要先把自己的优势放大到最大，然后再去补充缺点。 分析你的大脑是属于逻辑性太强，还是记忆太强。一个是CPU运算快，一个是存储快。 软件技术无非就是加密安全与程序业务应用和高并发性能技术。  字节是一个一个处理，使用CPU多字节处理并行提高性能，利用分流不消耗任何性能。  计算机内存把数据和代码组织成块来管理非常清晰，相当于集装箱。  网络流量大小，因为不涉及运算，所以互联网的流量可以非常大，硬件完全可以支持。  学习技术先分类，一看是硬件层面，还是软件层面，在做学习。3要纠正大脑的工作方式，不然就一直错下去，比如不要晚上那么励志看很多鸡汤，早上起来全忘了，这是大脑的机制，要励志早上起来励志。比如早上起来看周杰伦，篮球技术，编程技术。晚上杜绝看这些励志的，因为早上起来全忘了。  学习IT技术就是从硬件系统>汇编系统>操作系统内核>应用程序内核。 编译原理编译器是核心。 周杰伦唱歌能够挣钱，你呢？不能挣钱的，就不要做了的。做能够挣钱的，而且唱歌的已经有周杰伦了所以蛋糕已经被别人分完了，不要再去做了，一定要做第一个做这件事的。做能够挣钱的事。当兵打仗，当排长也要你有一技之长才能够提干，能够做出事情，解决问题。  知识不一定要全部会才去做，会一些基础就好了，比如刘强东也不是都会了才去创业，别人边工作还在边学习呢，看看唐僧带团队，曹操带团队，刘备带团队。带团队不需要很多人，刘备也就三个人，唐僧也就4个人。不要搞错了顺序，是做了才会，不是会了才做，边做边学。  刘强东创业也不是知识全都会了再做的，都是会一点然后做中学，刘强东都当老板了，还去清华深造呢。  分析影响你对一个知识认知的主要原因，比如影响你理解加法，乘法，微积分的主要原因。学会分类管理这些原因，分清主次，以及主次占比，风险与收益的比例，站在巨人肩上，杠杆原理，理论结合实践，不要做行动的矮子，王健林成功是算不出来的，是干出来的，因为只有干才能产生物理效应。方文山周杰伦都是工作中再学。像周杰伦一样要有一技之长。  基础知识扎实不要模林两可，物理层有极限的现在的网络层互联网硬件底层都是分布式技术，不然单机单网卡物理上无法承受这么大的流量。  其实我们现实环境的互联网就是分布式的。 记住分流一次读取多字节不消耗性能，只有运算数据消耗性能大。学到了就要用，不然有锤子用，用才能产生现实价值。  技术中的数据结构就是数据分成不同的块来管理。比如磁盘按扇区，CPU缓冲按缓存行，内存按页分配，显卡按帧存，网卡也按帧存。数据库按段区块，操作系统内存按照，进程线程句柄。 就跟运船用得集装箱一样。  Java对象还有内存对齐管理，跟集装箱一样，这样管理处理起来会很快，不需要额外的组织消耗CPU的管理性能。  处理代码理解问题时一定要分类，分析影响你理解的主要原因，一般接口都是属于调用失败就return，只有两种状态，失败和不失败，如果是if那么就是true和false，！整体套起来非就return，反正只有两种状态。  你若盛开蝴蝶自来。 一定要有超前意识，数学记公式，物理记特性，站在巨人肩上。做任何事情都是选择大于努力，打游戏也是，选择打谁也是，选书籍也是，选对象，选职业，选领导，选公司，选项目业务，选客户，选项目，选技术，选知识，选导师选工作中的导师，这些都是杠杆原理，选好了就是杠杆原理，选需求来做，选书来读，选算法乘法，微积分，概率论，排序算法。  理解技术，先串行后并行，先串行都能够理解，技术功能都没有问题，串行保证功能没有问题，再分流不影响性能的并行技术，再并行提高性能就很容易理解了，所以分类理解，先串行，所有技术都这样学习。分类管理是死知识还是活知识。  管理知识（或者自己或者时间）就跟管理企业一样，分类管理，死知识活知识，逻辑问题，数学问题，硬件物理问题，设计者设计的规则的思想问题，语言设计者的语法思想定义的规则，历史问题，习惯问题，数据类型，数据结构，大量数据，先串行实现逻辑功能，再分流不影响性能并行提高性能，算法在纸上画图分步骤理解问题。 利用一根导线直接触发连到这跟线上的64位并行读取，不消耗任何的物理特性。类似分流不消耗任何性能的物理特性来实现并行。 利用这个原理，数组任何下标的取值速度一样，不需要多余的cpu寻址。 如果是链表只是增加了地址寻址解析的指令而已，浪费了点性能。分类管理是重复的知识，还是新知识。 不要已经学会了的重复知识还反复造轮子，而且一定要缓存知识，不要每次推理。分类处理，大量计算的数学问题交给计算机，逻辑思维人类处理，记住计算机就是一个提高效率的工具。  分类处理你需要的是战胜昨天的自己。处理问题的时候马上要分类，这是物理问题实验才能得出的结论，还是空想得出的。  字符串解析可以采用分流不影响性能，64个字节CPU底层并行解析字节，这样编译技术和文本解析，性能就快了很多，比如xml，HTML，properties文件，SQL文本，Java源码编译等文件解析文本字节时。学习算法，一定要找专家来做杠杆，通过书籍产生工具🛠️，利用工具产生杠杆原理。 记住一点算法一定是确定的，不确定就不要学了，比如排列组合可能性就是确定的。一定要去学那种可确定性的数学算法。掌握算法的原理，就想句柄一样，知道了一点点关键点后，后面的一大坨运算就交给计算机了。 算法的学习应该在生活中学习，这样才是正确的学习方式。做笔记并且复习是个非常好的习惯，因为笔记可以有效减少你大脑检索知识的时间，节约搜索的时间，有些重要的理论可以减少搜索时间。