九月份總結與十月份計劃
今天是24號。剛好是中秋的這一天。
這個月那，已經在pad上，表達了好多次對自己的失望。可是這些東西，都是個人隱私，不能發出來，是麼？
在過去的這24天裡，在技術方面，我只做了兩件事。一件是 跟著張宇的高數視訊學習高數 ，一件是 學習Tensorflow 。其實後面的壓根就沒做，是看了一本書，叫做《Hands-On Machine Learning with Scikit-Learn and TensorFlow》，看了前半部分跟Scikit-Learn相關的各種演算法的實現。壓根就沒看TensorFlow相關的部分。
在中秋的這三天假裡，過去的兩天，我甚至都不知道自己做了什麼。跟死肥宅一樣，呆在家裡，也不知道出去走走。
花了十幾分鍾，大體翻閱了一遍高數筆記。看了《高數十八講》的第一講，翻了一遍《一萬小時定律》這本書。看了一個極光推送的架構推進的演講。就做了這麼幾件事。
其餘的時間，通通都是遊戲，看遊戲或者電影直播。
眼看著還有六天就要過去這個月了，自己制定的計劃，才完成了那麼一點點。
不過，有一個很大的收穫。我意識到，自己必須慢下來了。
在過去的半年時間裡，我總是追求速度，總是想光速的做完一件事。並且幻想著，能達到跟鑽研十幾年，幾十年的學者，一樣的水平。
痴人說夢，不是麼？就像大躍進一樣。
過去，我確實制定了很多計劃。不管是什麼樣的書，都要一週搞定。不管是什麼原始碼，都要在半個月甚至是更少的時間裡讀完。不管是什麼事情，我都想盡快把它完成。
可是，問題在於，時間上，我確實做到了。但是，質量上呢？
我回想學過的內容，發現我並記不得什麼。讀過的原始碼，還好有部分寫了解析，後來看起來才有點印象。讀過的書籍，只是走馬觀花一般。
我懷念去年的這個時候。去年的這個時候，為了找工作，我把一本演算法和資料結構的書籍，從頭到尾讀了一遍，並且書中幾百道練習題，都有過認真思考。當時花了也就十天左右。這麼快，是因為以前我為了找工作也做過《劍指Offer》這本書。
去年的這個時候，我在研究JVM，研究Java併發，研究Java集合的原始碼。這個時候，我學會了讀位元組碼，理解了Java記憶體模型，GC機制，併發機制等。我把很多一部分，講給一位朋友聽。這時候，我收穫了對這部分知識深刻的記憶。
去年的這個時候，我在研究分散式一致性演算法。為了理解Paxos,Raft和Zab，我花了不少時間，閱讀狀態機的論文，閱讀Lamport大神的論文，閱讀Raft和Zab的論文，閱讀一切跟它們相關的論文。為了徹底搞懂Zab，我還去認真研究了一遍ZooKeeper的原始碼，當然，主要是Zab的部分。為了搞懂Raft，我讀了一部分Etcd的原始碼。前前後後花了一個多月的時間。我懷念這段時光，因為我這時候，真的是在學習。雖然最後Paxos還是沒有搞懂，因為沒有找到它的開源實現。
去年的這個時候，我想參照Lighttpd寫一個HTTP伺服器。好像是為了鞏固Golang。不過，在閱讀了部分Lighttpd的原始碼以後，就失去了興趣。因為覺得只是RFC規範來解析而已，沒什麼意思。
去年的這個時候，我在準備面試。在碰到一個關於索引的題目時，由於不清楚為什麼答案會是那個樣子，就想去理解索引的原理。所以，我閱讀了《High Performance SQL/">MySQL》中，跟索引相關的部分，在徹底理解了以後，寫成了一篇很長的Blog，並講給我的幾位組員聽，讓她們也理解了索引背後的原理。
去年的這個時候，我懷著熱血，在探索。如新生嬰兒一般，懷著對世界的好奇，碰碰這個，碰碰那個，探索奇妙有趣的世界。
而去年十一月（還是十二月，記不清了），找到工作，到了上海以後，我就開始變了。我開始追求速度，並越來越不關心質量。在4月20號回學校以前，倒是也還好，雖然追求速度，但是質量也關心質量。這段時間，我還清楚地知道，我為什麼要學習一個東西，我為什麼要看一本書，我到底是哪裡不清楚，我想搞懂什麼。
4月20號以前，我閱讀了HDFS和YARN的原始碼。雖然花的時間也不長，但是我確實畫了幾十頁的流程圖，寫了幾十頁的筆記，雖然並沒有全部都放到簡書上，好多一部分甚至都被我丟掉了。但是，我確實是在學習。
而從七月份回來以後，經過了兩個月的休息，我發現我越來越浮躁，越來越沉不住氣。我還是追求速度，我還是想光速般地做完每一件事。但是，跟以前不同的是，這次，我並沒有關注質量。我甚至都不知道我為什麼學習某樣東西。
學習線性代數，學習概率論，是為了學習機器學習。但是，我為什麼要學習機器學習？記得剛開始，萌生學習機器學習的念頭時，似乎是從眾心理。只是為了看看這到底是個什麼東西，好玩不。在學習機器學習的過程中，發現要用到高數的東西，比如方向導數和梯度，以及拉格朗日乘數法等內容，才去學習的高數。
問題就在這，我學習高數，是照著張宇的考研視訊，全部學完的。可是，其實我最急切需要的是，拉格朗日乘數法，方向導數和梯度，以及凹函式等這些內容。我並不關心泰勒公式，並不關心柯西中值定理，我甚至並不需要關心積分，我只需要在乎微分。
這段時間的學習，我並不清楚自己究竟是哪裡不清楚，並沒有做到對症下藥。我只是全盤接收，並沒有轉化。對於數學，我並沒有做足夠的題目，來沉澱下去。對於機器學習，我並沒有寫blog來用自己的語言，將每個演算法講清楚。
這段時間的狀態，也很不理想。我的鬥志，對技術世界的好奇性，隨著對機器學習的瞭解，被一點點消磨掉。所以才有了過去20幾天沒有做什麼事情。
我也越來越對自己的軟技能著急，越來越焦慮。我發現以前雖然不聰明，但是也還不笨的腦子，越來越遲鈍。我越來越鑽牛角尖，越來越不知道轉彎，越來越不知道如何表達，對應地，也越來越不自信。
我想起了高中的時候，制定的某些榮譽準則。雖然那幾年，我在別人眼裡，都是一個SB，但是那些準則，確實對我的人生，對我的人格，起到了完善的作用。只不過當時年少，總是用理想的眼光來看世界，並沒有注意到，理想跟現實的溝壑。
現在是時候重新制定一份榮譽準則，並熟記於胸了。這次，不會跟以前一樣，浮空看世界了。
這段時間大體瞭解了一下機器學習的內容，是時候選擇幾個自己感興趣的領域了。在學校時，接觸了一下運維，前端，後端，大資料等。其中除了覺得前端有些煩，不喜歡以外，其他的都還好。這段時間對機器學習的瞭解，也發現對機器學習似乎並不是很感冒。主要是目前學習的都是理論，並沒有應用到實處，並沒有做出一個有趣的東西。目前對機器學習的相關的文章，看起來倒不那麼費勁了。
總體看下來，選擇這麼幾個領域：分散式計算，分散式儲存，機器學習。同時對後端，運維也保持一定的關注。
7月份回來以後，由於住的遠了，更重要的原因是，受不了以前那種強度的工作學習，現在週末不去公司了。但是，週末在家，學習效率非常低下。這又是非常焦慮的一點。
其實還不如週末出去走走。可是說實話吶，雖然有一個環遊世界的夢想，但是我並不是很喜歡在城市裡遊覽，我更喜歡的是，田園風光，自然景觀，可能跟我從小生活在農村相關吧。
這就基本上形成了一個死鎖，想多學習一些東西，不想浪費時間，又想出去走走轉轉，換取好的心情，又不喜歡在城市轉，所以出去轉心情也不會好到哪去。該怎麼打破這種死鎖啊。
今晚寫了這麼多，本想吐槽自己，沒想到拆開來看，過去做的事情也並不是一無是處。
依然有很多需要提高的地方，很多也是好幾年來的痛點，弱點。要解決這些毒瘤。
過去兩個月，讀文學作品比較多，讓我甚至一度認為，除了技術書籍，就是文學作品(我把哲學類的書籍，經濟類，旅遊期刊類的統歸為文學)。
然而，這兩天，才突然想起來，還有一種功利性的書籍。就是教人如何完善自己的人格的這種書籍。粗略的翻過幾本，感覺書中的反面教材就是我，手動捂臉--!
為了解決人格弱點，需要多花一些時間來閱讀一下這種書籍，找出來解決方案，並且實踐下去。
今天是20180930，9月份的最後一天。
這幾天，又翻了一遍概率論的內容。發現上文中，我說的我並不需要關注積分，是一個非常嚴重的錯誤。我不僅需要關注積分，而且應當花很多力氣來關注它。因為在概率論中，對連續型的隨機變數的分佈，比如正態分佈，它們的概率密度都是用積分來算的。包括引數估計，假設檢驗等，凡是用到連續型變數的分佈的地方，都需要用到積分。
而連續型隨即變數的分佈，由於中心極限定理的存在，使正態分佈成為最常用的分佈模型。
九月份的計劃。
- 把這兩個月做的全部筆記進行電子化，儲存起來，防止丟失（X）
- 跟著張宇的視訊學習《高等數學》（√）
- 做張宇的高等數學考研資料上的數學題(X)
- 多看幾遍《資料探勘導論》的筆記，並嘗試對自己講解(X)
- 再深入學習假設檢驗，梯度下降等數學知識。在學習完《高等數學》基礎班的課程以後，繼續閱讀《機器學習》(√)
- 學習Tensorflow，嘗試影象識別(√/X)
- 閱讀Spark的原始碼，只包括spark-core，不包括spark-sql, spark-streaming, spark-ml等部分(X)
- 不要忘記閱讀微信公眾號以及InfoQ中比較有深度的文章(√)
- 每週末找一兩個技術演講看一下(√)
- 閱讀《蘇菲的世界》(√)
- 閱讀《理想國》(√/X)
- 去五角場轉一下(X)
- 看《美國動物》這部電影(X)
20號左右，買了一本 《Spark核心設計的藝術》 。想通過這本書來了解一下Spark的實現。然而，讀了書的前200頁，就沒繼續下去。一是因為我把精力轉到了閱讀RDD的論文上，二是晚上的時間我都用來複習概率論的內容了。
因為對spark-core的疑惑點，主要是在RDD如何形成DAG，以及如何執行的比較感興趣。而讀得那部分，主要是介紹Spark內一些比較通用的分散式技術元件。這部分沒什麼新奇的。就轉而閱讀RDD的論文，期待在裡面獲取到答案。然而，RDD的論文，主要就是論述了RDD相對於分散式記憶體系統的優勢，以及相對於MapReduce的優勢，以及一些常見的分散式系統論文中的效能對比等。並沒有找到答案。
閱讀了《蘇菲的世界》，以及《理想國》。蘇菲的世界挺通俗易懂的。做了一些筆記。
滿滿的童心。
而閱讀《理想國》的體驗，就不怎麼好了。《理想國》是柏拉圖寫的，書中借蘇格拉底之口，闡述柏拉圖的觀點。總是覺得，書中的觀點，有問題。所以讀起來非常不舒服。在微信讀書上，我做了很多反駁。依我看，如果按照書中的方式建立一個國家，那麼一定跟《1984》中的大洋國一樣。所以，後半部分索性就不讀了。讀起來感覺就像在吵架一樣。
看了幾部電影:
- 《血觀音》
- 《大佛普拉斯》
這兩部電影，同時獲得了金馬獎。這兩部電影，也形成了鮮明的對比。社會底層的人，窮盡其力氣，努力活下去。而社會頂層的人，則為了自己的利益，費盡心機。
十月份計劃。
- 先搞懂Spark中RDD如何轉換成DAG圖
- 讀完《Spark核心設計的藝術》
- 繼續設計KiVi的RPC模組，測試效能
- 如果還有時間，就設計一致性模組
- 暫停一切機器學習相關方面的學習。數學方面繼續鞏固學習。
等Spark搞懂，並且KiVi完成以後，再繼續進行機器學習相關方面的學習。
慢下腳步，穩打穩紮，步步為營。
用番茄工作法規劃自己的工作和學習。
最重要的是，一定要出去走走!!!!!