重量尺寸

6p重量是172g，8p重量是202g，涨幅17.4%；
6p厚度是7.1mm，8p厚度是7.5mm，涨幅5.6%；
刚拿在手上的第一刻是不接受的。还好多日使用后，也就习惯了。

耳机

最操蛋的就是3.5mm耳机孔没有了，虽然送了一个"3.5mm座转Lightning头"的的转接器，然而卵用并不大。首先插拔那个3.5mm转接器的力道相当紧，两边线又非常柔弱，肯定不能经常插拔。接下来为了电脑和手机都能用耳机，我要么要常备一条耳机、转接线，要么要常备二种耳机各一条，由于上面说的，我选择两种耳机各一条。然后问题来了，两个耳机怎么放？缠在一起的话，分开简直要命。省去了3.5mm孔，带来了看似对称的左右stereo扬声器，然而还是只有右侧能出响。

流畅

再也不会卡顿了，丝般顺滑。考虑我每天各种手贱瞎点的次数，保守估计每天总计省出了0.5小时用于发呆。

Home键

原来就从不使用Assist Touch，而且特别喜欢连击Home键的快感，三年来居然也侥幸没按坏过一个Home键。用上了这种模拟Home键的感觉就更好了，应该更不用担心被按坏了。

3D touch

很多App的应用内适配几乎没做。而且我有些App内在进行了3D touch操作后居然没有屏蔽“长按”的触发，这就导致我“猛按”后得立刻上下滑动一点，抑制“长按”的触发，才能触发3D touch预期的逻辑（恩 至少微信是这样）。话说吧，“猛按”是一种成本稍大的操作，App对他的适配又极少，即使做了适配，用户不挨个尝试“猛按”也发现不了，这导致App内的3D touch都像彩蛋一样。总结下来，除了线下支付、扫单车时候能快人一步，其他地方都很鸡肋。

显示

不知道True Tone和Night Shift是什么关系，看样子Night Shift也仍然在。使用体验就是颜色确实比以前更加舒服，晚上也不会突然就来个大黄屏那么暴力。

意外惊喜

这几年线下已经完全不使用现金了，钱包基本不带在身上，除了手机就只有公交卡和门禁卡需要携带。我一般是这样携带：

你以为这样就是可以直接用手机刷公交、刷门禁了吗？6p上是不行的，一定要把卡拿出来刷才行。然而，今天在8p上我尝试不拿出来直接刷公交，居然可以刷了，刷门禁也OK。哪个卡在前哪个在后也不影响。我对无线充电啥的完全不感冒，不过这个后面板的改动居然带来了意外的惊喜。

总结

个人而言，最大的感触上面都列出来了。整体感受，没有什么新奇的，不像第一次使用iPhone有那么多惊喜和愤慨（iOS从8到11，打电话、发短信、联系人管理这些传统的核心功能体验，相比Android依然差的一笔，而且完全没有进取的意思）。另外8p和6p外观上的区别也不是那么的大。加上iTunes换机迁移体验很好，几乎无缝。整体感觉就是旧手机拿去修了一下，从不能用变得终于可用了（就是花了好几千！）。然而不是有种说法么：真正好用的东西就是舒适到让你不会感受到他的存在很突兀。所以嘛，还是比较OK的。👌

单次时间
最快: 12.691
最慢: 36.516

3次平均
当前: 15.046 (σ = 2.02)
最快: 14.451 (σ = 1.22)

5次去尾
当前: 15.795 (σ = 1.13)
最快: 15.400 (σ = 0.03)

12次去尾
当前: 18.013 (σ = 4.94)
最快: 16.353 (σ = 2.20)

50次去尾
当前: 17.561 (σ = 3.91)
最快: 17.561 (σ = 3.91)

总去尾：17.561 (σ = 3.91)
总平均：17.683

详细时间:

1. 16.138 L B2 L' B2 L2 D2 L D2 R2 B2 F2 D' F D' B' R B2 D L' D2 B
2. 15.801 F' D2 B2 D2 U2 F' R2 F R2 F2 L R' F' D' R F2 R' B R U
3. 14.860 D2 U' F2 D' B2 F2 U F2 L' B L2 D' L2 R U2 R2 D'
4. 17.145 U B2 D R2 D L2 D2 R2 U R F2 L B D2 B2 F' L' U L' R
5. 20.174 B R2 B2 L2 F R2 F L2 U2 B F L B L2 D' L' F2 L' R' F'
6. 14.310 L2 D' R F' U L2 B' L' F D' B2 U' L2 U B2 U F2 U2 D' B'
7. 17.667 R2 U2 L2 U R2 U B2 D2 U B2 U' R' B R2 U' F L F U L'
8. 15.614 L B D R' F2 U F' D2 L' D2 B2 U2 B R2 F' R2 U2 B U2 R'
9. 12.691 R2 B' U2 L2 B2 L2 R2 U2 F' L2 R' F D' R2 D2 U' B D' R2 F'
10. 18.604 U' F2 R U' B' L' U2 D' R U2 B2 U2 L2 U2 L2 F2 U2 F2 L B'
11. 15.091 D F' D2 B' L2 B R B L2 D' L2 B2 L2 U' B2 D B2 D' R
12. DNF(7.332) F R B2 R2 B' U F L' D' U2 R U2 F2 L2 D2 L B2 R D'
13. 17.370 U2 R2 D B2 R2 U2 R2 U' B2 R2 B' D U F' L U F2 D2 U F2 R
14. 16.948 U2 F D' F2 L' U' R' D F L' R2 B' R2 B2 R2 B' R2 F' L2 U2 B
15. 13.851 D2 B' D L' F R D R D F' B2 R2 D2 L2 D' B2 D' L2 F2 L2 B2
16. 14.371 B2 D2 L' D2 B2 L R2 B2 L U2 D' R' F R' U2 B F D L2 D2
17. 33.626 R' U' L2 U' B2 L2 D F2 D2 R2 U' B U R B2 F L B D U
18. 17.577 B' D F2 R B' L U L D B2 L2 B D2 B' L2 U2 B R2 B'
19. 16.171 U L' R D2 R' B2 L R2 F2 R' D F D2 U L2 F' R' B2
20. 15.308 B' U2 R2 D2 F U2 B2 L2 F U' B2 L2 F R' D L' B L2
21. 18.324 R U' R2 U2 L2 F' L' B D' R' B' L2 B R2 B L2 F2 R2 B2
22. 23.731 D2 R U' F' D2 B2 L2 D' R2 U' R' F2 L2 U2 R' D2 B2 L' D2 L' B2
23. 15.355 U F' B2 U2 R2 F' U' F2 B' L2 U2 F R2 L2 D2 F U2 F2 R
24. 17.452 U' L2 B U R2 D R L D' L' U L2 U L2 U2 F2 D' L2 U'
25. 15.392 R D' F U' D F' U' D2 L U' B2 U L2 F2 U' L2 D2 F2 L2
26. 15.733 D2 U2 B2 F2 R2 U2 R' B2 L' D2 R D L' F' L U R' D' F L2 F2
27. 15.739 B' U' B2 D' L2 D2 R2 F2 U' F2 D' B R' D' L B' F' D L F2
28. 36.516 U' F2 L2 R2 D B2 R2 B2 F2 D B' R' U2 B L' F2 R' B' D U
29. 15.324 F2 D' R2 U' R2 B2 F2 U' B2 F2 D2 B' R' F U' L B' R D2 L2 U
30. 15.403 L2 U' F' B' U D2 B2 D R U R2 L B2 R F2 U2 F2 R' U2 F2
31. 22.331 F D2 R2 F2 D2 U' F2 D2 B2 U' F2 U' R' F2 L F' D' R D' U F'
32. 15.427 L2 B2 R2 U2 F U2 F2 D2 R2 F' L D L' F2 R B2 F2 U' L' F2
33. 15.371 B2 D2 B L2 B2 U2 L2 F2 U' F2 L D' U L U L' U' B'
34. 14.926 U2 B R2 B' U2 F' L2 F2 L2 F' L2 R' D2 F' L2 B' D2 L D B U2
35. 16.803 D2 R2 D L2 F2 U2 B2 D' B2 R2 U F' D2 F2 L' R' F D' B' U R'
36. 19.170 D' F D R' B' U F' R' U F' D R2 L2 U2 F2 U' B2 L2 D' B2
37. 20.933 L2 B' U2 L2 U2 B2 L2 B' D2 L2 R' D2 B' R' D' F L2 F2 D2 R
38. 18.355 L' R2 D B2 R2 D L2 F2 D L' D R' U' L B2 L2 B' D'
39. 14.260 F B L' F B D' B L' D2 B' R2 F' L2 D2 B D2 F' D2 F2
40. 15.515 D2 B2 L U2 F2 L2 D R2 F' D2 F2 R2 B2 D' R2 F2 U' B2 D'
41. 14.323 L' D2 F2 D2 R2 B' L2 F U2 R2 U B' U2 B U' R' D R' U
42. 28.114 U R' D' F' U2 D F2 B2 R U R2 U2 F2 B2 U D F2 D R2 L2
43. 26.090 D2 U2 L2 B R2 F2 R2 D2 F D2 F' R' D' U L' D2 U2 B2 F' U' R'
44. 17.019 U2 L2 R2 B2 D' R2 D' U2 B2 R F' R2 U2 L2 U' R U2 L' U2
45. 17.420 D L D F R2 U2 L' D' F R' D2 F2 R2 D' R2 D' B2 U' R2 U'
46. DNF(12.395) F2 U2 F2 R2 D2 R2 B' D2 F2 U2 F D' U R U' B R2 F L U2 F2
47. 15.305 D2 F2 R' U2 B2 R U2 F2 L2 U2 R D' R2 U' R' F D' B2 U B F
48. 14.988 F R B D' B2 U' L U2 L2 F' U2 R2 U' D R2 F2 B2 U L2 D B2
49. 13.059 L D2 F U' D' B2 R U R F2 L2 D2 R F2 L' U2 D2 L F2 U
50. 17.091 U' F2 B U' F2 L2 B2 R' B' D2 L' F2 R' F2 L' F2 L2 B

• 能正确敏锐察觉他人的情感；
• 能控制自己的情绪。

按现在的理解，这个并不十分准确。我认为人对很多事情的认知都同时存在感性和理性的部分。

• 感性的部分是自发的，无意识的；
• 理性的部分是刻意的，有意识的。

两者很可能是相悖的，在疲倦的时候更容易相悖。我认为高情商应该做到的两点都在感性层面上。

“控制自己的情感”是不对的，情商高的人的应该是自发地维持情绪在健康的状态下，不该是靠控制。人不可能时刻精力充沛，靠刻意是无法长久地展现健康情绪的。另外还有一种优良品质叫“表里如一”，刻意只会让x看起来格外扭曲。

至于，“察觉他人的情感”，从结果上来说，刻意还是自发都区别不大。所以光靠这点基本就能让我这种无处遁形了。

Kaggle上有几道长期有效的101入门题目。有一道预测泰坦尼克号乘客获救情况的题目，里面有很多详细的工具类教程很有帮助，不过该题题意不是和算命很像，而完全就是算命，非常玄乎，知难而弃。

于是尝试另一道数字识别的题目。题意是给你42000个28x28像素图片，每张上面有一个手写的[0-9]字符，并告诉了每张上面实际的数字，作为训练集；另给28000张同样风格的图片作为测试集，求这些图片上的实际数字。识别的正确率就是队伍的分数。目前有1270个队伍参加了这次“比赛”，有1165个队伍的识别率在90%以上，非常厉害。

这题看上去似乎是一个分类的问题。《统计学习方法》里介绍了很多分类方法，考虑到逻辑回归(Logistic Regression, LR))思想简单，实现方便，我打算使用它来解决此题。Kaggle有个好地方，里面有很多乐于炫技的老鸟分享高质量的代码供学习，很适合我这种初学者。而且第一页就发现有个用LR的。

逻辑回归(LR)

简单介绍一下LR。LR本身是个解决二分类问题的方法。LR假设数据集按照分类基本是线性可分的，在此基础上尝试找到一条向量，使得不同类别的数据集在这条向量上的投影交集尽量小。从大了讲，从感知机到LR到SVM干的都是这么一件事，而LR的特点是对于给定的分类模型（就是那条向量），可以对数据集的每个点给出它属于每个分类的概率。LR的直接输出是连续值概率，而非类别，所以一般称作“逻辑回归”而非“逻辑分类”。

对于给定的模型Θ，每个点属于哪个分类由以下公式定义：

模型Θ的损失函数J(Θ)由以下公式给出：

我没弄明白J(Θ)为啥要定义成这样，是不是因为这样▽J(Θ)形式比较简单？：

有了这几个式子就可以使用梯度下降的方法迭代出一个靠谱的Θ了。

用LR解决多元分类问题

原始的LR解决的是非黑即白的二分类问题。诸如这道Kaggle的一类问题，类别数量大于二，怎么搞呢？目前知道有两种方法。

1. one-vs.-rest（或one-vs.-all，OvA或OvR）

每一个类建立一个唯一的分类器，属于此类的所有样例均为正例，其余的全部为负例。

每个分类器都给出所属的概率，对于每个数据点，选出它在各个分类器中被归为正例概率最大的分类。

1. Softmax Regression
   与其说是LR的扩展，不如说LR是Softmax Regression的特例。如果有K各类别，它的模型是K个向量。他将同时给出一个数据点属于每个分类的概率，且概率之和为1。具体内容参见上述链接。

实践

上面提到的现成的代码使用的是上节提到的OvA方法。代码大量使用numpy的矩阵操作，相当简洁。我稍微改了下提交，得到了0.91143的正确率。

不过，如OvA的Wiki里所说，他独立地考虑每个分类器，直接比较各个分类器的概率，结果受数据分布均衡影响，我考虑实现一遍Softmax regression。

自己一写才发现，实现上不是那么容易。Python自己的性能很捉急，如果可能，要尽量使用numpy来实现对数据的批量操作，而不要手写循环之类。numpy的风格是把很多常见的的操作符都扩展为可以对矩阵操作，个人觉得当矩阵的维数多起来，很容易就绕晕了，而且Python的无类型声明这点加剧了绕晕。感觉这种风格的书写比起函数式更加紧凑。也许用多了熟悉了常见的模式会习惯吧。最后我把别人的LR改成Softmax Regression后发现丑了很多，性能也下降得厉害。

慢就慢，丑就丑吧，激动人心的在后面，准确率高才是王道。激动地跑了下交叉验证，过了好久显示正确率在88%左右，我了个大槽，估计是我实现有问题吧。

困兽之斗

了解过有组合弱分类器得到强分类器的思路。本来打算用AdaBoost试试看，不过scikit-learn那个doc没看明白，就放弃了。这种轮子总不能自己再写一遍吧，以后再研究吧。。

突然想到不是有随机森林么，不是可以投票么，这个实现起来简单，我就把训练集分成10组投票试试。考虑到每个Softmax regression分类器是输出分到各组的概率，投票我就直接把概率相加了。想想感觉还比较合理。跑完交叉验证以后tm又是88%。哭。我开始想为什么只听说随机森林，没听说随机逻辑回归了，可能是有道理的吧？

本地有了多个版本，我开始对比跑的结果，看看大家争议大的图片都长什么样。一看果然，连我小学一年级的字都不如。不过看了一些也有了点想法，很多图片写的歪歪扭扭我是没什么办法，不过你写在角落里就一点点大，我还是有办法的。然后就写了个trim的预处理，把周围的空白裁剪掉，中间有内容区域按照比例放大到28x28。我把这个策略放在OvA LR上面，本地交叉验证最好得到了94%的正确率，然后交上去只有92%+，比预期着实差了点。

总结

后来还想到些其他提升方法，比如先把图片按照集中的区域强行分类一下。然后考虑到我是在学习ML，不是ICPC like，这种trick做多了也没有本质的意义，就没有尝试了。

即使是94%也只能在Board里排到相当靠后的位置。要说哪里不对劲，应该是大方向有问题。上面所有的办法都是直接把每个像素当成一个特征，如果一个字符图像做字粗的平移，按上面的方法根本不能识别出两者的相似性。能到90%的准确率大概是拜训练集数量之大所赐。LR倒没有什么问题，如果能提取更有效的特征，相信能做到更好。值得一提的是我曾经交过一个别人的裸的随机森林，正确率达到了93%+。如果只考虑像素为特征，个人感觉还是挺悲观的。

突然想到，如果是本科时候，给我这道题，我大概会问“给我训练集干啥？有用么？能吃么？”233。

试水就到此为止。我记得有次我买了当时最好的四阶魔方，练了几天，然后测了平均，到WCA官网去看了下成绩能排到什么水平，结果大跌眼镜，估计是国内倒数10名左右，然后我看了下那些四速真的排在倒数10名的人三速是什么水平，发现他们大概是30多秒。这个和我刚才自我感觉良好地跑完交叉验证之后的感觉很像。

而我，经过几个月的系统学习，已经成功入门了机器学习，并确认找到了一条简明、有效的进阶途径。不料这里位置太小，所以就没有办法完整叙述了。

出了校园这么些年，见过形形色色的人更多了些。交流起来形形色色的体验也都体验了一番，也正因为如此，在交错地和不同水平的人交流之间，体验上有很大的落差。这里不加挖掘地无脑列出几个点，以飨瓜众。

语速 && 口若悬河

现在貌似有个风气，认为语速快就是聪明；口若悬河天马行空就是思维灵活。你要是见得多了就会发现这特么就是胡几把扯。就不吐槽部分人连吐字都吐不清楚还说那么快了，我就当你是rapper好了。最大的问题是有些人其实思维的速度是跟不上说话的速度的，只不过说起话来就像子弹上了膛，停不下来的。思维跟不上来，没东西说咋整？诺，你要仔细听，就会发现他会把一个意思翻来覆去地说。有时候再在中间添加一些“你明白吗？”、“你懂我的意思吗？”。

无视对方认知背景

这次我要黑一把杭州的司机。有次晚上我在西溪印象城打车，我站在一个路口，路口满是轿车。我描述我的位置为xx路xx路路口的东南角。司机完全不鸟我的描述，并自信地给出他自己的几个描述。在我无法按照他的描述定位他之后，他非常恼火。而他给出的描述是这样的：1."我就在红绿灯下啊！你看不到吗？" 2."我打着双跳啊！你看不到吗？" 3."我是银色的车啊！你看不到吗?"。我特么信了你的邪，这个路口有多大，有多少红绿灯，有多少银色的车在打双跳你知道么？再说了，如果当时我们物理上确实是视线不可见，你的这个描述起不到任何作用。

原来刷icpc的时候，看到菜鸟出的题目有一个非常常见的问题：把部分也不知道是显规则还是潜规则的内容隐去不说。举几个例子：“说subsequnce就默认别人和自己一样以为substring是连续的，subsequnce可以不连续”、“出个几何题连2D还是3D也不说”、“给一个矩形，其实边和坐标轴是平行的也隐去不说”。

你和别人说话，一定要时刻想着有些东西即使你习以为常，别人也是不一定了解的。其中甚至可能有些不是常识，而是你的设想。

不倾听

交流是双向的过程，你特么再能哔哔，要是不听你面前的人的说话，你也只是一头牛罢了。不倾听至少有两种：倾听有障碍、不愿倾听。很多傻逼同时犯这两种。

上面的说的杭州司机就是这种傻逼：他完全分不清东西南北，却又羞于告知我。这让我误以为他知道我的意思。（后来我知道杭州司机大部分都分不清，那是后话了。）我还发现上面所说口若悬河却又沟通起来很费劲的人多半有这种毛病，他们急于把已经翻来覆去说了五六遍的意思用刚刚不知道又从哪里冒出来的语法包装一下再表达一遍。要知道这种人脑子其实不好使，他要是不马上说出来，刚想的句子会忘的。结果就是根本无法听进去对方的话。

作为对比，我认识的优秀的人则不会这样，其中就包括我自己。他们会认真地倾听对方说的每一句话，并在自己觉得对方某个关键的意思没有准确get到时，在合适的时候向对方询问。如果经过反复确认仍然不能理解，也诚实地表达出自己确实无法理解。这其实有助于交流的进行，同时也是对对方的尊重，

不耐心

如果我发现我的交流对象不幸命中以上几点，我就会犯这个错误，嘴角上扬，露出蜜汁微笑。当然受到影响的不止是接下来的交流，也有我和这个人之后的所有交流。

--

最后你会发现上面列举的几乎都是态度相关，和技巧什么的关系不大。诸如要讲逻辑、在简洁默契和准确详实中寻找平衡 之类，统统没涉及，这些要求就更高了。毕竟，对一个傻逼你能有多高的要求呢？

现在想来，很多对我来说有障碍的动作都和手腕的爆发力有关，而我的腕部爆发力太弱了。我已经发现的障碍包括而不仅限于：

• 投实心球投不远。(甚至不如班上最瘦的男生。。令人大跌眼镜)
• 打水漂。扔出去的石头转速超慢。。
• 飞扑克牌。同上
• 羽毛球挥拍。无论多么努力，球都压不下来，次次往上飘，喂得别人都不好意思
• 篮球，运球。腕部使不上力只能靠肩肘。最直接的后果是运球频率难以提高，变速之类更不可能。
• 篮球，投篮。篮球的质量已经让我只靠腕力无法投出必要的速度，因此我主要靠肘力，附加部分肩部力量。结果就是准度太差！压腕想都别想。球高速向后转的理想姿态完全办不到，球只能是空中各种瞎转。
• 篮球，篮下勾手。只能靠肩和肘。控制精度太差。很好解释：就好比用乒乓球拍打乒乓球和用网球拍打乒乓球的区别，力臂长度问题。
• 炒菜，翻锅。别说重一点的了，轻的炒锅也翻不快。

其他的想到再补充。看到这里看官能帮我鉴定一下我是几级残废么？你们是否发现这些问题你们全都没有呢？有些你们觉得毫不费力的事情，残废看起来多么得了不起啊。

我虽然身体看起来不是非常强壯，但至少也是中等水平。但手腕爆发力几乎是垫底水平。这项残疾让我非常地不便、困惑。印象里我高中时候和人掰手腕掰脱臼过，后来腕部一直能转响，其他没啥特别的了。然而这残疾是从小就有的。

希望能有改善的方法，不然生活多么艰难呀😄

画外音：学过Monad的人都知道行内有一条规矩，那就是不要在网上发表自己的Monad教程，防止误导别人。。此文只是我一个菜鸟的粗浅理解，不是教程，但是此处还是应该有
Disclaimer：(如果你不知道什么是Monad，建议先去学习权威的教程) x 3，重要的事情说三遍。

flatMap没有想象的那么普遍：在Google或百度上搜，flatMap相关的网页大部分都是Scala或者Spark相关的内容。我却以为和map一样应该是个普遍的概念。虽然这个概念在其他FP里面也有涉及，但似乎发扬大的还是在Scala里（或者相同的概念在其他语言里叫其他名字或者用某某符号代替了）。

flatMap没有想象的那么局限：最开始以为list才有flatMap，其实不止list可以，Try，Future等等很多其他类型也可以进行flatMap操作。而支持flatMap的类型也被抽象出来。支持flatMap操作的类型被称为广义上的Monad（狭义的Monad要遵循Monad要满足Monad三定律）。

不过，其他Monad上的flatMap操作内容就没有list那么直接体现出flat的含义了。举个Future的例子：

val respFuture: Future[HttpResponse] = httpClient.get("http://baidu.com")
val statFuture: Future[HttpResponse] = respFuture.flatMap(resp => httpClient.post(s"http://stat.com?len=${resp.body.length}"))

这个例子里，我们先get到baidu.com的网页，然后把response正文的长度post到一个叫stat.com的网站上去。这里假定httpClient的get和post都是返回future。注意第二行为什么是用flatMap。因为可以考虑下，如果把它换成map方法，那么statFuture的类型会是Future[Future[HttpResponse]]，这与我们意图是不符的。实际上Future#flatMap直接把接收的参数的返回值(这个参数本身是个函数，所以有返回值)返回了，相当于“脱了一层壳”，返回的是Future[HttpResponse]。

了解了Future#flatMap的意义，我们把它和List#flatMap对比一下，可以发现这两个方法的作用也不是那么相近对吧？因为毕竟Future和List这两个东西就很不一样。。那他们为啥都叫flatMap呢？然后下面我就开始胡扯了。

可以发现Future和List都有着一种同功能——作为“容器”：Future“包裹”着未来可能的完成的结果（当然实际上以callback来实现）；List“包裹”着若干个元素。也就是说他们首先都要是支持泛型的类型。既然支持泛型，那么根据包裹类型的不同Future和List都能有相应的不同类型，比如Future[String]和Future[Int], List[String]和List[Int]。我们经常会有给定一个Future[String]得到一个Future[Int]，或者给定一个List[String]得到一个List[Int]的需求，而map和flatMap就是专门干这事的：

把一个泛型对象转换成同一泛型的另一对象

但是map和flatMap的实现方式和使用方式都不同，下面祭出我自己的理解：

M[*]就是泛型，其实就是Monad啦！红色箭头表示你需要传给map方法的函数；蓝色箭头表示你需要传给flatMap方法的函数。而泛型类根据其自己的map和flatMap的实现来决定如何使用你传给他的这些函数。

这里就很有意思了，我们接触到的List#flatMap和Future#flatMap的实现都是广为大众熟知的实现。但这并不代表他们的实现的功能有什么共同点，只是他们的签名具有很强的一致性罢了。实际上我也可以把List的flatMap实现定义成：把原List每个元素map成的List各自里面的最大值拼成一个新的List作为结果。这种奇怪的定义完全符合flatMap的要求，但是没什么卵用罢了，所以他不可能是默认的内置实现。

相比而言map方法似乎就没有这样的发挥空间了，至少对于Future和List而言，直观感觉上map的实现都应该是deterministic的。

好像胡扯完了，里面包含了太多主观的臆想，肯定有不少错误。还希望好心人能够帮我指正出来，谢谢！

Feels good:

1. 语法简洁。的确和传闻一样同样功能的代码，长度大概可以做到Java一半;
2. 功能丰富，用法灵活。生成器、函数式编程等 为 复用、解耦提供了新思路;
3. 发布方便，无需编译，从决定部署到完成部署，可能5~10秒就能搞定(rsync大法好)。
4. 想到再说 ... ==

--未完待续--

三年五个月的研究生生活转眼间落下帷幕。这几年的经历对我的影响是潜移默化的，隐约感觉到了自己在各个方面或多或少的的改变。一直以来心情也各种起伏变化，但若干年后终究难免变成浮云，唯有看得见摸得着的经历才是真正积累下来的财富。

本科期间，我极少玩游戏，也很少参加社会活动，专业课程也只是马马虎虎，把大多数时间花在了编程竞赛上，觉得编程是自己真正喜欢的领域。我一向不善于做出选择，直到大三，还没有想好毕业后工作还是读研。当时因为觉得水平有限找不到好工作、能够轻松的保研、加之马上要和携手几年的队友在ICPC赛场上背水一战，最后选择了在本校读研。在选择实验室的的方面，我不是太主动。电信系的大多数实验室都和“通信”有点关系，which我并不太感兴趣。我也深感自己数学太弱，难以在学术领域有所造诣。RCN当时是是本科班上编程方面比较出色的同学，也曾和我一同在ACM基地学习过一段时间，他当时向我推荐了比较偏向工程的W老师的实验室，介绍了实验室的主要工作，涉及的技术。我比较感兴趣，不久就向W老师发送了简历。

第一次进实验室的时候，实验室的整洁有序给我留下了深刻的印象。但是正式进入实验室工作以后还是有些不习惯的。实验室对作息的要求比较严格，这对我多年的弹性作息提出了很大的挑战，第一天午觉就迟到了很久，并且受到了亲切教育，从此便和闹钟结下不解之缘并基本告别自然醒。当时实验室人比较少，只有两届学生，而且属于起步阶段，技术积累非常有限，大家都深感压力之大，这间接导致实验室经常处于一种极度压抑的氛围之下，可能呆久了不知不觉就融入了这个氛围，但是刚进实验室时还是难免有些不适应。——我很快就知道了W老师是一个非常严谨的人，严于律人，更严于律己。

在这样的环境下，我稳步成长着，其中遇到的挑战也不少。好在一边看书一边练手，不久就渐入佳境了。

2009年底，考虑我们技术还较弱，为了让我们练手，W老师首先让我们实现一个实验室管理系统(也就是沿用到今天的XXXX)。功能不算复杂，大家分模块去攻坚。我负责的是实现邮件发送的模块。记得当时还和基地队友交流过我在做这件事，却当即被鄙视没技术含量。但就这么一个看上去似乎不太复杂的模块我当时处理得仍然捉襟见肘。其中比较麻烦的是处理多线程的部分，当时不知道Java多线程编程的一些实践方法，对“锁”什么的更是无概念。另外，不会下意识地进行模块化，导致大部分代码基本写在一个类里，或者一个函数上百行。最终，写出的代码图样，sometimes naive,可读性、维护性都非常差。反思一下，这个现象并不偶然，因为做算法竞赛的时候写的就基本全是这种只有上帝看得懂的代码。

2010年夏天接手了后来旷日持久的XX工作。算法构思了一周左右，开始编码。虽然意识到了编码习惯存在问题，但改正之事无法一蹴而就。所以写出的仍旧是单文件的难以维护的代码。尽管这样，还是一边debug，一边硬着头皮不断应对着甲方时不时提出的新需求。最紧张的时候还和W老师在实验室熬过一夜。最后好歹完成了任务，虽然我知道运行结果不够好，代码本身更不够好。

2011年春天得知新一年的这项工作仍由我们来做，我便开始着手重构XX算法的代码了。当时已经粗略学习了一遍设计模式，对主要的模式有了大概的印象，写代码的时候会下意识地回忆一下。算法大致思路没有改变，但代码完全是重写了，工作基本集中在模块化。期望最终做到可扩展，组件可插拔，功能分界清晰。最后基本实现了预期，并找到了非常合适的接手人选，而且这个框架直至今天也再没迎来大改。后半句一方面说明了这个框架已经基本合理，可以应对甲方提出的新需求，但另一方面已经暴露出问题——技术水平的进步开始变慢了，或者。。我对这个业务的热情已经逐渐消退了（要知道，没有热情怎能屁颠屁颠去为2010年的那么一大坨代码细心重构并实现）。不得不承认这是实验室项目里比较能体现想法和设计的项目之一了，在这个项目上面的工作一度让我体验到了通过代码解决难题的快乐，但是我的新鲜感如此有限，竟无法持续两年。

XX的工作虽然持续了几年，但工期基本只是集中在每年正式运行之前的一两个月（除去和FCL的交接）。如果说XX是阵雨，数据导入的工作则如绵绵细雨，寂静无声，却让人无法看到它的尽头。数据中心最重要的当属数据了，它是一切线上业务和统计分析的基础，为了一切，必须先完善我们的基础数据库，让系统充满血液。但实话说，将Excel的数据弄进数据库这项工作的挑战实在比不上XX，更多的是细心编写代码、了解字段含义、细心处理各种表间关联，所以新鲜感从一开始就无从谈起。我处理了几个月后的心情和WY处理了几天后的心情都可以体现这一点。但是接二连三的各种名目的Excel、csv、MDB毕竟还是陆续地过来了，这可怎么办呢？这件事是我开始做的、我比较熟、最适合做下去的也是我，苦中作乐是唯一的选择。这个工作至少有一个好处，就是他可以放大我写重复代码的挫败感，让我不得不去改善公共代码的设计。尽量减少自己的工作量，这个为自己提供便利的过程算是一个乐趣吧。另外值得一提的是这个工作也让我熟悉了Hibernate操作数据的游戏规则，它是实验室的同学们目前急需掌握的技能。最后这个工作让我在毕设论文里些许有了些谈资，但是因为蹩脚的语言组织能力，最终让论文留下了不小的遗憾。

除此以上几个比较有代表性的工作之外，我在实验室还处理了其他一些工作，无一例外都是技术相关，具体不再赘述。有趣的是，细心回忆一下，会发现其中不少工作是各业务子模块都会用到的公共功能/模块，而且大部分是我主动去做的。原因很简单，就是非常想看到自己的代码有直接的用户（这点大家应该心有戚戚焉吧）。在系统没有正式上线面对浏览器用户之前，就只能把各业务模块的负责人当做用户了。这点私心虽然带来了短暂的快感，但却造成了临近离校时的手忙脚乱——交接工作的时候不能草草了事，毕竟牵一发而动全身。这里特此表示辛苦YFQ了。

毕竟是人去完成工作，而不是工作去迁就人。每个人都有自己的难处，在做好自己本分工作的前提下最大程度地包容和理解，才能让个体和所在集体的发展进入良性循环。相信这一点在进入社会走向工作岗位后还是一样。

工作之外，研究生生活最大财富就是在实验室有一群可爱的同学了。你们有的慷慨大方、总是乐于分享；有的幽默滑稽、善于讲冷笑话；有的老实淳朴、给人踏实的温暖；有的古灵精怪、总能活跃气氛；还有的爱运动、爱文艺、是大家的良师益友。你们充满着正能量，处处值得我学习。千言万语也不能表达对你们的不舍。

最后感谢W老师这些年来对我的教导。您能够发掘我的长处，并能容忍并纠正我的短处。一个人带领这么多人在自己不熟悉的领域从零开始打拼，还要承受内外的双重压力，着实不易。我衷心希望您和您的处事作风能够带领同学们一步一个脚印，不断进步，开创数据中心的新纪元。

还没有完全反应过来，已经不得不面对即将离开的事实。不得不和W老师和实验室的同学们道别了，不得不和研究生时光道别了，不得不和生活学习过近七年的HUST道别了，不得不和近二十年的校园生活道别了。有缘再见了~

2013.03.30 于华中科技大学南二舍

两年多以后回过来看，问题挺严重。技术之外的一切都不关注，而且单论技术也并没有做到多出彩。字里行间倒是自负得很。(2015.12.16)