健康资讯 列式存储不同于传统的关系型数据库，其数据在表中是按某列存储的，这样在查询只需要少数几个字段的时候，能大大减少读取的数据量，比如一个字段的数据聚集存储，那就更容易为这种聚集存储设计更好的压缩和解压算法。下面是传统行式数据库与列式数据库的不同特性。
传统行式数据库的特性如下：
数据是按行存储的。
没有索引的查询使用大量I/O。
建立索引和物化视图需要花费大量的时间和资源。
面对查询需求，数据库必须被大量膨胀才能满足需求。
列式数据库的特性如下：
数据按列存储，即每一列单独存放。
数据即索引。
只访问查询涉及的列，可以大量降低系统I/O。
每一列由一个线索来处理，即查询的并发处理性能高。
数据类型一致，数据特征相似，可以高效压缩。
列式存储不但解决了数据稀疏性问题，最大程度上节省存储开销，而且在查询发生时，仅检索查询涉及的列，能够大量降低磁盘I/O。这些特性也支撑HBase能够保证一定的读写性能。
LAXCUS分布式操作系统中默认集成了分布式数据库及大数据处理组件。
分布式数据库方面，提供行存储模型NSM和列存储模型DSM，可在建立数据库的时候指定；分布式事务在原CAP理论基础上，进行了适当的调整和改进，提供了允许由用户定制和分配的CAP管理策略，这样用户能够按照自己的业务需求，在AP和CP之间进行选择切换，极大提高了系统的灵活性，同时简化了用户在应用层面的设计。特别说明的是，可调CAP策略是一个多维度多粒度的管理策略，即使在一个账号下，用户也能够针对不同业务需求，实现任意数量的可调CAP策略。在兼容SQL方面，SQL的管理控制语句、数据定义语句、数据操作语句，以及运算符、关键字、大部分SQL函数，被完整继承下来，用户依然可以按照SQL标准进行操作。
大数据支持方面，LAXCUS提供了CONDUCT、CONTACT及ESTABLISH三种模型。CONDUCT模型基于Diffuse/Converge算法，侧重用于大规模和超大规模的分布式计算，这类业务普遍特点是数据量大，计算时间长，要求更多的计算节点和更强大的计算能力。主要面向科学计算，如：工程建模、高速空气流体、仿真计算、油气资源分析等。在在一些民用领域，比如生物医药、新能源、大型航空器的设计中也在使用。
CONTACT模型基于Distant/Near算法，侧重小规模到中等规模的分布式计算，它们普遍特点是并行规模大但数据量小的计算工作，目前集中于云原生和企业业务。如早期的EJB业务，迁移到云端后，也可以采用Contact模型替换。
ESTABLISH模型基于Scan/Sift、Mashal/Educe算法，对标ETL业务，包括数据重组、数据清洗，可以提高数据检索效率。
印度比哈尔邦（Bihar）警方周五（11月25日）表示，一伙身份不明的男子挖了一条地道，在通往贝古萨赖（Begusarai）县加尔哈拉（Garhara）铁路调车场，偷走了一列火车的整个柴油发动机，这列火车被拆解后存放在调车场进行维修。
穆扎夫法尔普尔（Muzaffarpur）铁路保护部队（RPF）的督察杜贝（P S Dubey）说，上周在巴拉乌尼（Barauni）警察局登记了一起盗窃柴油发动机的案件，三人被逮捕。
在审讯中，三名被逮捕的男子说，他们挖了一条通往铁路站场的地道，用麻袋装着机车零件和其他发动机部件。
被捕的男子在审讯中还提到了一个废品仓库的老板。根据这些信息，警方在穆扎法尔布尔区普拉巴特纳加尔地区的一个废料仓库进行了搜查，在那里警方找到了13个装满火车设备的麻袋。
杜贝说，这些回收的物品包括发动机部件、老式火车发动机的轮子和由重铁制成的铁路部件。
警方已开始搜寻废品仓库的主人。
据警方称，该团伙还参与拆钢桥并偷窃零件的活动。
去年，萨马斯蒂普尔（Samastipur）县火车内燃机维修场的一名铁路工程师，因卖掉存放在布尔尼亚（Purnea）县法院内的一台旧蒸汽机而被停职。
据称，这名工程师在与其他铁路官员和安全人员勾结的情况下，使用萨马斯蒂普尔部门机械工程师的伪造信件出售该发动机。
俄罗斯将与乌克兰交换阵亡士兵遗体，先进行160具对160具阵亡者遗体交换。俄罗斯““第一频道”记者伊琳娜•库克森科娃称，交换工作在扎波罗热州军事接触线上进行。
乌克兰军民合作负责人沃洛迪米尔·利亚姆津表示，在乌克兰不同地区有几列冷藏列车，存放着俄军阵亡者的遗骸。特别是在基辅附近，就存放有数百具俄军遗骸。
在俄罗斯方面，俄军也存储着大量乌军尸体，光是在钢铁厂地道里就发现了数百具乌军和亚速营成员的尸体。
#结构化数据与非结构化数据#结构化数据与非结构化数据的区别：结构化数据即行数据，存储在数据库里，可以用二维表结构来逻辑表达实现的数据，我们可以清楚的看到能够形式化存储在数据库中，每一个列都有具体的含义；不方便用数据库二维逻辑表来表现的数据即称为非结构化数据，包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等，非结构数据与结构化数据相比较而言，更难让计算机理解。
图1 非结构化数据
图2 结构化数据
近期，不少自媒体都在传一个大消息，那就是：部分iPhone 14已采用了长江存储的闪存芯片；这是长江存储的一小步，却是中国手机供应链企业的一大步。因为随着长江存储芯片的加入，中国大陆零部件占iPhone物料成本的比例，一下子就攀升到了25%；这个比例，一举超过了日本和韩国零部件的占比，让中国成为了仅次于美国本土的第二大零部件来源国。
这个成就极具历史转折意义，舆论怎么大讲特讲，都不显过分，如果它是真的话。可惜的是：“部分iPhone 14采用长江存储闪存”这个消息，是假的。到目前为止，苹果官方和其他任何权威渠道，从未承认过部分iPhone 14采用了长江存储闪存。这个说法的初始来源，仅限于自媒体“威锋科技波哥”的拆机视频，“威锋科技波哥”在拆机视频中私人认定：iPhone 14采用了长江存储闪存。
可是，没过几天，又有很多科技自媒体进行打假，认为：威锋科技波哥”搞错了，他拆机看到的存储芯片，实际是东芝铠侠，而非长江存储，只是外形太过相似而已。随后，“威锋科技波哥”认错，说自己看走眼了。也就是说，部分iPhone 14采用长江存储闪存，是自媒体的以讹传讹。而之所以会出现“误传”，则是因为今年上半年，苹果曾经宣布说：2022年，考虑增加iPhone存储芯片的供应商名单，长江存储就在备选之列。于是，很多自媒体就把苹果考虑将长江存储加入供应商名单，夸大成了：长江存储已经是苹果的供应商了。这时候，突然有媒体说iPhone 14出现长江存储的芯片，大多数人不会仔细甄别，就相信是真的啦。
可现实是：苹果是一家来自美国的跨国企业，增加哪国的企业进入供应链，增加多少；都是要经过激烈的博弈和理性考量的，不是拍脑袋那么简单。根据苹果官方和中国多家金融机构的预计：如果长江存储的闪存芯片，被正式纳入苹果供应链；将会为iPhone SE提供5%的闪存，为iPhone14提供3%-5%的闪存；且使用长江存储闪存的iPhone 14和iPhone SE，只会在中国大陆市场销售。三星、SK和东芝铠侠，依然将是iPhone 14和iPhone SE闪存芯片的供应主力，并随着苹果手机，销往全球。
也就是说：使用长江存储闪存，是苹果拉拢中国市场的一个手段而已；但苹果并不会为了这个拉拢，而破坏与三星、SK和东芝铠侠的关系。毕竟，三星、SK和东芝铠侠都是所谓的盟国企业，美日韩又要组建什么“芯片四方联盟”，苹果轻易“得罪”不起，也不会得罪。
所以，抱有“中国零部件可以靠性价比，就取代日韩”想法的人，该醒一醒了。
【俄乌同时进行遗体交换，160：160】俄罗斯与乌克兰刚刚进行了一次阵亡士兵遗体的交换，这是俄乌双方自战争爆发以来的首次阵亡士兵遗体交换，一共共交换了320具遗体，俄乌双方各自取回160具遗体。
据俄罗斯“第一频道”的报道，这次遗体交换工作是在扎波罗热州的军事接触线上进行的。
乌克兰军民合作负责人沃洛迪米尔·利亚姆津表示乌方保留了大量的俄军遗骸。由于俄军在基辅、切尔尼戈夫和哈尔科夫的突然撤退，造成了大量人员伤亡，有部分在战场上阵亡的俄军遗体在俄军匆匆撤离时被遗弃。
乌克兰已经将把俄军在战场上来不及收走的俄军阵亡者遗骸，全部装入了冷藏列车。在乌克兰不同地区有好几列冷藏列车，存放着俄军阵亡官兵的遗骸。仅在基辅附近就存放着数百具俄军遗骸。
俄罗斯方面也存储着大量的乌军遗体，光是在亚速钢铁厂的地道里就发现了数百具乌军的遗体。这次交换，俄方交付给乌方的遗体，全部来自亚速钢铁厂的阵亡乌军和亚速营队员。
#俄媒：在乌参战被俘英国人部分认罪# 头条热榜
特斯拉训练神经网络的基础设施
特斯拉搭建了三台超级计算机，包括14000个gpu。其中10000个gpu进行训练，大约4000个gpu用于自动标注。
每天有50万个视频，在这个集群中进进出出。
所有这些视频都存储在总量为30PB的分布式管理的视频缓存中。
特斯拉每秒钟跟踪40万个Python视频实例，这是一个很大数量的调用。这一切都基于大规模的基础架构。
存储需要有足够的大小和带宽，将所有的数据传送到节点上。这些节点需要有适量的CPU和内存能力，以把数据提供给机器学习框架。然后，这个机器学习框架需要把数据交给GPU，然后就可以开始训练了。同步且快速的在数百或数千个GPU上进行训练。
特斯拉是基于直接来自车队的光子数视频进行训练，根本不做后处理。训练的方式是，直接定位到需要的那些帧，针对训练批次进行选择。
加载这些帧，包括它们所依赖的那些帧，这些是iframes，或者说，关键帧。把这些帧打包，把它们移到共享内存中，把它们移到GPU的一个双缓冲区，然后使用硬件解码器，对视频进行加速解码。在GPU本地进行解码，使用一个很好的pytorch扩展。占用网络的训练速度提高了30%以上，基本上全面解放了CPU，让它可以做其他事情。
除视频训练外，真实基准数据也是训练内容。
储存真实基准数据的目的是，确保能以最少的文件系统操作获得所需的真实基准数据，并加载所需的最小尺寸，以优化跨集群的总吞吐量。
为此，特斯拉推出了一种原生格式，叫做smol。特斯拉将其用于我们的真实基准，我们的特征缓存，以及所有的推理输出。这里包含了很多张量，就像这里的草图，假设这些是你想存储的表格，那么，如果查看磁盘，就会是这个样子。获取想要索引的数据，例如，视频的时间戳，把这些信息都存储在文件头。这样，在一开始读取文件头时，就知道数据在磁盘上的确切位置了。然后，如果有任何的张量数据，把维度进行转置，把一个不同的维度放在最后作为连续维度。然后，尝试不同类型的压缩方式，检查哪种压缩方式是最理想的，然后以这种方式进行存储。如果对机器学习网络难以理解的输出进行特征缓存，绕着维度旋转一下，就可以获得高达20%的存储效率的提升。进行存储的时候，特斯拉按照尺寸对列进行排序。这样，所有小的列和小的值都存储在一起。当查找单一值时，很可能会一次性读取更多临近的值，后续可能会用到，就不需要再进行一次文件系统的操作了。
通过所有这些优化的积累和整合，特斯拉现在训练占用网络的速度是原来的两倍，因为效率翻倍了。如果增加算力，并采用并行计算，几小时就可以完成训练，而不是几天。
算法导论随笔2－1 图的存储
图论是计算机的一种数据结构。在计算机科学中，一个图就是一些顶点的集合，这些顶点通过一系列边结对（连接）。顶点用圆圈表示，边就是这些圆圈之间的连线。顶点之间通过边连接。我们将从图的存储、DFS/BFS和图的特殊形式树这三方面来讲解图论的基础内容。
首先我们来看看图是如何存储的。
观察这个邻接矩阵后我们可以发现几个性质。
1.这个矩阵有n行n列。
2.这个矩阵的数值不是0，就是1。
在这里我把这个矩阵称为a，其中每个数值称为ai,j，通过观察，我们可以很容易发现，如果第i个点指向第j个点，那么ai,j的值就为1，否则ai,j为0。比如a1,2=1但是a1,3=0
因为a是n行n列的，所以如果完全遍历一边，复杂度为O（n^2）。我们定义一个图中的边数为m，实际上m最大的情况下等于n^2。因此在m很大的时候（稠密图），邻接矩阵不失为一种非常方便，合适的方法。但是如果m非常小（稀疏图），O（n^2）显然耗时过长。那有没有什么方法接近O(m)呢？
是不是很明显了？矩阵b中第i行的数字所代表的就是i与第i行的若干个结点相互连接。
每次遍历的时候也只需要O(m)的时间复杂度，是不是很优秀？
当然一个算法不可能面面俱到。虽然邻接表时间复杂度低，占用空间小，但我们考虑下面问题：
如果我们要查询i和j两点是否连接的时候。我们该用哪种方式存储比较好？
首先考虑邻接矩阵，根据定义，ai,j代表了i和j是否连接。时间复杂度O(1)。
然后我们考虑邻接表，先找到第i行，然后将第i行所有的数字全部扫描一遍，看第i行是否出现数字j。时间复杂度最高为O(n)
所以我们不能盲目地只使用邻接矩阵或者邻接表，而是应该遇到题目选择最适合的使用。
手里有粮，心里不慌，那么多农民进城务工，农村现在还有储存粮食的习惯吗？
因为对饥饿心存敬畏，所以我们对粮食的态度是非常恭敬的，在广大的农村地区，更是如此，存粮是应对粮食价格浮动最有效的手段。
这些年，进城务工的农民工越来越多，农村空心化现象非常严重，这就导致很多地区的乡村存粮大减，大量的粮食在丰收之后全部进入了粮食市场。
粮食市场和其它商品市场并没有什么区别，若不是国家的粮食保护价机制，我们的粮食在丰收时估计是会跌破保护价的。
农村的存粮其实是处于逐年下降的状态的，粮食从农户手中存储，变成了大量的国家粮库和民间粮食加工企业的存储，对于粮食流通来说，当然是一种非常喜人的变化了。
原料越多，意味着市场粮食价格越平稳，人们既然能随时从市场上获得足够的粮食，那存粮就显得既无利可图，也无必要，粮食的存储过程，可是会产生大量损耗的。
所以这些年，从市场买粮的农户越来越多，大量的农户在自己家有限的土地种植高产、高收益的作物，日常所需的粮食，都是从市场上购买的。
而广大的城镇地区，存粮的习惯也逐渐消失，绝大多数的家庭，存粮都处于20公斤以下的，很多家庭都形成了每次购买不超过一周所用的粮食的习惯。
这两年随着疫情，人们又开始存粮了，很多人翻找出了米柜、面柜，各网络店铺也适时推出了各种方便好用的存储粮食的容器。
存储一定量的粮食，其实是一个好习惯，除了粮食，一些脱水蔬菜、干货，都应该列在家庭粮食储存的清单里，若是都能保持这样的状态，一时的封控，并不能导致家庭陷入补给的困境，也能在一定程度上消除人们对生活的焦虑。
存储粮食，是个好习惯，好习惯就应该大力推行才是。
NoSQL数据库为什么火？
犇叔认为：sql不会死，但NoSQL（包括new SQL）一定是未来。
NoSQL主要分为键值数据库、列存数据库、图数据库和文档数据库，它不以关系型数据库的表关系来定义逻辑的数据模型，而且具有更好的水平扩展性，更高的性能，更海量数据的存储能力以及高可用。目前诸如Cassandra、MongoDB、Redis、HBase、CouchDB等一系列NoSQL数据库在各个场景都落地并发展迅速。今天的互联网大厂，在招聘数据库方面人才也绝不再单单以传统的关系型数据库（Oracle、DB2、Informix、Sybase等）知识来做门槛。
传统的关系型数据库，把一切场景的数据都建模转换成表关系（行与列）的数据模型，从本质上终究会产生几种“不适性“：
1） 非结构化和半结构化的数据难表达，或过度表达
2）高并发场景数据竞争激烈
3）在分布式系统中数据拆分困难，灵活度差
实际应用场景中数据种类万千，新型数据库的数据模型的设计一定要求是：灵活的，场景适配的，NoSQL应运而生，且快速替代。但这并不意味着sql语言会死，实际上近些年，NoSQL以及new sql数据库都在支持sql查询语言。
今天，NoSQL数据库的设计主要分为两大流派：
1）Google的BigTable(后面演进到Spanner/F1)：底层存储采用share nothing架构，每个计算节点使用独立的磁盘存储空间。
2）Amazon的Dynamo：底层存储采用share everything的共享存储空间。
虽然NoSQL数据库不必要保证传统关系型数据库的ACID特性，比较一致的是，今天的NoSQL数据库系统仍然热衷于追求强一致性，或者至少要求是最终一致的。
猪肉，鸡蛋，牛肉，小扁告诉大家这些买回来－次吃不完，剩下的该放到那儿，看你列的表，划上干上万买回的冰箱只能存放点蒜苗，菠菜，胡萝卜，生菜之类的东西哦，我荤[捂脸][捂脸][捂脸]，小扁是砖假，听你，信你，记到今后上农贸市场或超市买猪肉只能买二两，鸡蛋－个，牛肉三两，现在冰箱没有用处了，就好好把冰箱供起来戓者把蒜苗，菠菜，胡萝卜冷冻起来，年年吃，月月吃，天天吃，顿顿吃，[捂脸][捂脸][捂脸][呲牙][呲牙][呲牙][大笑][大笑][大笑]
3月8日，俄罗斯总理米哈伊尔·米舒斯京签署命令临时禁止外国医疗产品运输出境。
该政府令涉及加入（对俄）制裁的国家已交付的产品，以及存放在进口仓库或正在办理海关手续的医疗产品（咱中国不在此列）。
消息称，俄政府的这一决定将防止（俄）因不友好国家的限制措施出现（医疗产品）不足的情况。
回顾：2月24日，俄罗斯在乌克兰发起军事行动。俄总统普京称行动目的是“保护8年来遭受基辅政权欺凌和种族灭绝的人”。他表示，为此，计划对乌克兰开展“去军事化和去纳粹化”，将“在顿巴斯对平民犯下血腥罪行的战犯”绳之以法。
俄罗斯的特别军事行动引发西方集体的新一轮对俄制裁，具体而言，几家俄罗斯大型银行受到了制裁，包括俄罗斯储蓄银行和俄罗斯外贸银行；欧盟、美国、加拿大、日本等国对俄罗斯飞机关闭空域；多家俄国企难以吸引外资；俄罗斯还被限制进口高科技产品，被踢出swift国际结算系统。
西方集体对俄制裁的领域从金融扩散至科技，从社交媒体到网上信息，从贸易到资源进口限制，甚至最终还引向了完全令人啼笑皆非的领域：比如音乐、教育、动物、植物，甚至死了一百多年的柴可夫斯基和陀思妥耶夫斯基。
#俄罗斯印象#
十余年打磨国产数据库之路砥砺前行的OceanBase 创始人阳振坤博士，在朋友圈讲解数据库技术本质：“为什么真正的HTAP是一份数据？长期以来，很多人已经习惯了OLTP和OLAP这样的两套系统两份数据，并加上ETL同步。如果在OLTP和OLAP两套系统两份数据之上加了一个用户界面，ETL同步也隐藏后台，用起来似乎是一套系统，但本质上还是两套系统两份数据。真正的HTAP系统，用户可以在一个事务里，既执行OLTP语句，又执行OLAP语句，这只有在本质上一份数据的情况下才能做到。
实际生产系统中，用户的数据通常有一定的冗余，以便在成本（存储空间）和性能之间取得一个平衡，这跟两份数据有着根本性的差别，就像交易处理系统中的二级索引乃至二级索引的冗余列。
SQL Server是HTAP的先行者之一，2016年发布的SQL Server，可以做到一份数据，因此理论上可以说是真正的HTAP。但受限于SQL Server较早设计的架构设计，SQL Server的列存是以某种形式的补丁追加到原有的SQL Server的行存系统的，比如其列存数据是以lob形式存储的，实现得比较复杂，而且也没有水平扩展能力。
感兴趣的同学可以参阅SQL Server列索引的几篇论文：
SQLServer Columnstore index Overview
SQL Server Column Store Indexes
Real-Time Analytical Processing with SQL Server”
笑喷了！近日，天津津南。一位女子让老公去买菜，没想到，等老公买回来之后，女子傻了眼。
因为疫情的原因，女子想在家里储存一点青菜。因为自己没时间去买，就给老公列了个清单，打 死 她也没想到老公竟然这么买的？
但是，因为她在清单上的数量那里没写小数点，比如，土豆8 9个，白菜4 5颗，胡萝卜2 3根，没想到，女子的老公直接买了89个土豆，45颗白菜，23根胡萝卜回家。
女子看着这满满当当的好几大袋蔬菜哭笑不得，她心想：这都能去摆摊卖菜了吧！女子认为，自己写的这个清单也没毛病啊，于是就拍了几张照片发到网上。
网友们都被逗乐了。
“这个老公很严谨啊，完全按照老婆的指示完成任务！”
“估计老公心里还在想：老婆真明智，生怕断了粮，所以买这么多菜备着。”
“这老公是把超市蔬菜架都搬空了吧？”
@神的孩子都在跳五 小编看到这里忍不住想：难道天底下的老公买菜都是一个流程吗？我家老公去菜市场之前也是让我黑纸白字地给他列好清单，说怕自己记不住！
就这，还经常买错呢！不过，这位女子的老公看来很听媳妇的话，看到媳妇的菜单完全没有质疑，就把菜买回家了。
针对此事，你怎么看呢？你们家因为买菜闹过什么乌龙吗？#天津头条# #天津身边事# #我要上微头发#
