回英国前，在罗马火车站附近吃了顿中餐，久违的味道太治愈了！弟弟把他最爱的鸡肉炒面扫光，我们也都光盘。一桌下来才56欧元，在英国剑桥吃这样的得接近100英镑😅 英国这几年物价真是蹭蹭往上涨啊～ 这次去罗马旅游，最后一晚在罗马火车站附近随便找了一家中餐馆。因为连续吃了几天牛排和意面，实在嘴馋，想换换口味。 我们四个人点了大概六个菜，总共才 56 欧元，真是太便宜了。同样的菜量在英国剑桥至少要 100 英镑，在伦敦肯定更贵。味道也很正宗，尤其是那条鱼——在剑桥起码要二十几英镑。 这几年英国的物价是真涨得飞快，可工资涨幅却很有限。英国在欧洲一直喜欢把自己当成“老大哥”，什么事都想领先、想出风头。结果俄乌战争、能源危机，再加上之前的脱欧，本来的一手好牌愣是打得稀碎，现在基本已经掉到“欧洲三流国家”行列了。 整个欧洲都在走下坡路，而英国下滑得更快。我还是把中国护照收好，真要哪天撑不住了，搞不好还得带着两个英国佬回国谋生。 本文一共 363 个汉字, 你数一下对不对. 在罗马的最后一晚吃了顿中餐, 好便宜. (AMP 移动加速版本) 赞赏我的几个理由. ¥ 打赏支持 扫描二维码，分享本文到微信朋友圈
Amdahl 定律 vs Gustafson 定律 — 完整教程、推导、应用场景及 Python 绘图 Amdahl 定律 vs Gustafson 定律：完整教程、推导、应用场景及 Python 绘图 理解并行加速：通过代码讲解 Amdahl 定律和 Gustafson 定律 并行计算基础：Amdahl 定律、Gustafson 定律及加速建模 并行加速原理：Amdahl 和 Gustafson 定律完整指南 并行扩展解析：推导并比较 …
今天的 Cloudflare 宕机：一次震撼全球的“单点故障” 今天早上，我突然收到了一大堆报警，我手下的15个网站都报警了，收到了很多邮件，这很不正常，有的时候是报警的程序自己的问题，因为其中的一个邮件报警是我自己写的。 但是我核实了一下，确实打不开，显示是500服务器内部错误，这个错误一般就是服务器配置错误崩溃造成的。但我细眼一看，是CloudFlare的服务器的问题。这可是我第一次见。 Cloudflare 已经是互联网基础设施级服务，一旦宕机影响面巨大。这次事故暴露了去中心化互联网在实际运行中高度中心化的问题。 CloudFlare按现在最新数据，有750万个网站，排名/流量最高的1万个中有33%是用CloudFlare，所以这次宕机的影响之深，还好，这次友宕机也就三个小时左右，这次宕机影响到了很多服务，其中X和ChatGPT都打不开了，中间还陆陆续续间断的恢复过几分钟时间。 18 日，全球知名的网络基础设施服务商 Cloudflare 发布公告称，其全球网络出现大范围异常，导致大量网站和应用出现访问中断。受影响的平台包括 X（前 Twitter）、ChatGPT 等多家核心互联网服务，有媒体报道称 Spotify、亚马逊部分服务也出现了故障。 受此次事故影响，Cloudflare 股价在盘前一度下跌超过 5%。 按照官网介绍，Cloudflare 是一家全球性的云网络平台，为各类规模的企业提供安全加速、内容分发、DNS、零信任等服务。其数据传输网络覆盖全球 125 个国家、330 座城市，是互联网“入口层”的关键基础设施之一。Cloudflare 于 2019 年 9 月 …
组合简介（组合数学入门） 视频：油管/Youtube | B站/小破站 | 微博视频 | 西瓜视频 | 微信视频号 | X/推特 | 小红书 | Facebook 组合计数是在顺序不重要时选择项目的方式。我们从一个简单的格子行走示例出发建立直觉，介绍二项式记号，推导公式，解释递推关系 ，并把所有内容联系到帕斯卡三角。 格子行走示例 — 从左下到右上路径 想象你只能向右（R）或向上（U）移动。要从左下走到需要三次向右和两次向上的点，每一条最短路径都是由五步组成的序列，其中包含三个 R 和两个 U。 每条有效路径只是从五个位置中选择两个放 U（其余为 R）。所以这样的路径数就是“从 5 …
性能隐藏的引擎：数据存放在哪里决定一切 1. 性能的真正秘密：数据放在哪里决定一切 2. 决定系统快慢的不是 CPU，而是数据的距离 3. 缓存才是现代计算性能的核心 4. 忽视数据局部性，一切性能优化都是徒劳 5. 性能瓶颈不在算力，而在内存层级 6. 数据局部性：被低估的性能决定因素 7. CPU 在等你的内存：缓存层级的真实代价 8. 系统速度快的真正原因：一切都与缓存有关 9. 别再关注 CPU 速度了——数据局部性才是制胜关键 10. 为什么缓存是所有高性能系统的幕后引擎 11. 性能的关键不在于 GHz，而在于距离 12. …
强化学习（Reinforcement Learning, RL）是一种让智能体/Agent通过与环境交互、试错学习来获得最优行为策略的机器学习方法。本文用一个简单的 Q-learning 迷宫示例，帮助你快速理解强化学习的基本原理。 强化学习入门：从试错中学习的艺术 Reinforcement Learning 101: The Art of Learning by Trial and Error 深度解析强化学习：Q-Learning算法详解 Deep Dive into Reinforcement Learning: Understanding the Q-Learning Algorithm 机器如何学会自己做决定？强化学习告诉你答案 How …
