分类： 未分类

Google的Flutter是免费、开源的SDK，它使用Dart编程语言，只需要一份代码，就可以发布移动端、web、桌面等多端程序，不再需要为每个端单独写一份代码。

它的工作原理是编译器把Dart代码编译（AOT）成各个平台的相应代码，让Flutter可以直接和平台通讯而跨过了中间的桥接过程，以提高程序性能。

实际上就是相当于一个翻译器，只需要用它特定的语言写出内容，然后这个翻译器可以自动帮你把它翻译成各种语言。

这个“一次开发到处运行”的思路其实很多人都有，但这种翻译器不是一个人或小团队能做出来的，毕竟要翻译成所有主流平台的语言，要各种兼容，只有互联网巨头才能把这件事做好。而Google已经在这件事上努力了很多年，现在的Flutter2版本已经比较完善了，在开源的生态下，我相信Flutter和Dart编程语言会越来越好，除非Google发不出工资给那帮开发人员。

搞这个事对Google到底有什么好处？我不知道，也许它是想通过一网打尽开发人员，通过裹挟全世界的开发人员来达成它的商业目标吧。

谁管它呢，有好产品就应该好好学习，编程界的开发人员都盼望着某种编程语言一统天下的日子早点到来，毕竟现在的编程语言太多，太多时间浪费在学习各种编程语言上了，太多的精力浪费在为各个端用相应的编程语言重写一份代码了。

在用JavaScript写代码的过程中，计算的数据量很大的时候，需要优化计算效率，那么对于常用的for有没有什么办法可以优化效率呢？

理论上，JavaScript中的正序for循环在每次计次变量增加后都需要检查条件，而在倒序for循环中只需要计算一次起始变量，所以for的正序循环要比倒序循环快。测试代码如下：

var A = new Array(1000000000);
console.time('⏳');
for (let i = A.length; i > 0; i--) {}//倒序
console.timeEnd('⏳');

var B = new Array(1000000000);
console.time('⏳');
for (let i = 0; i < B.length; i++) {}//正序
console.timeEnd('⏳');

但是这样做也是有缺点的，有些数据是需要正序去处理的，搞成倒序处理会徒增很多不必要的处理，并且倒序不太符合人的思维习惯。

所以，如果效率不是相差太大，还是用正序吧。

因为我也要做网页和webApp的开发，所以对网页前端开发技术也有所关注。

在前端开发中，国内用VUE的人比较多，这是为什么呢？

1.体积大小。VUE以轻量渐进而胜出，按需加载依赖包，这样新手入门时就可以不需要理会用不到的包。

2.性能效率。VUE的性能还是很高效的，渲染很快，内存占用比较低，省了很多优化性能的麻烦。

3.学习难度。VUE是渐进式的，所以入门很容易。

4.第三方库。VUE用户群体很大，相关的第三方库很多。

5.代码优美。VUE的代码比较优美，可读性强。

6.简明性。VUE写出来的代码比其它的框架更加简明，可以用很少的代码就能写出很复杂的功能。

7.生态。VUE在国内国外都有很庞大的粉丝群体，已经形成了良性的生态，各种教程工具等学习资源很丰富。

8.稳定更新。作为一个个人开发的产品，VUE的作者有大公司长期赞助，其收到的赞助费已经足够作者活得比较滋润，作者全职开发VUE。

9.VUE作者是中国人。这一点比较重要，我们应该支持国产的东西参与国际竞争。

通常大众认为未来是不可预测的，但是，现在计算机运算速度的提高已经让数学预知未来成为了可能。

那么，它的数学原理是什么呢？下面简要讲解一下，希望大家能看得懂。

我们以打桌球为例。假设我们知道了所有的环境变量和约束条件，比如空气的湿度、风力、每个桌球的重量、位置、摩擦力、球杆的力度、方向、速度等等，那我们就可以根据这些变量和约束条件写成方程组，然后精确计算出当这一杆打出去之后，每个球最终停止的位置。

用数学的语言来说，就是先把实际问题转化为数学模型，然后把数学模型输入求解器，计算出来的结果，就是充分考虑了未来各种可能性的最优结果。

那么这种数学模型或是方程组有多少个变量和约束条件呢？少则几十万个变量，多则几亿个变量，也就是说，你的方程组用纸笔列出来，可能有几公里那么长。

这么庞大的数据，人工肯定是计算不完的，但计算机可以，现在的家用电脑CPU每秒的计算速度都是数以亿次计的，所以几十万变量的方程组可以在一分钟以内计算出来。

那怎么用这个思路来预测随机数曲线的未来走向呢？任何数据曲线都可以用数学来建模，再复杂的曲线也可以转化成方程组，虽然这个方程组极有可能有几十万个变量。如果用一个几十万变量的方程组，模拟生成的曲线和实际的数据曲线基本一致，那就可以认为这条随机数曲线是大体上按这个方程组来走的，所以当推算出这个方程组之后，就可以根据它来计算出随机数曲线的未来走向了。

希望大家能看得懂。

这篇文章很值钱，请收藏好。

在股市，有“一赢二平七输”的说法。

那么，赢的是谁？平的是谁？输的是谁？股票的涨跌本质是什么？有没有必赢的思路？搞懂这些问题，就可以百战百胜了。下面说说我个人的观点。

股票的数据不是随机数，而是资金驱动的数据，大资金流入哪一支股票，哪一支股票就涨，大资金流出哪一支股票，哪一支股票就跌，这就是最核心的逻辑。

我们来打个比方，某家公司的股票价格，就像水桶里的乒乓球，往水桶里流入的水越多，乒乓球浮动的位置越高，往水桶外流出的水越多，乒乓球浮动的位置越低，乒乓球就是一个水量多少的浮标。我把这个叫做“浮标理论”。

那么，什么是大资金呢？我怎么大资金会流入哪个水桶呢？我怎么知道大资金什么时候会流出呢？

大资金，就是以国家队为主的资金，比如说，社保的资金、国企巨头的资金。比如说，国家每年收上来这么多社保资金，如果放在银行里躺平，光是靠那点利息，是跑不赢贬值的速度的，所以国家队除了一部分存在银行外，还必须要拿出一部分来投资，并且这部分资金投资的收益必须要至少能和贬值速度持平，不然国家队就会出现亏空，带来社会问题。所以，国家队是只允许赚不允许亏的。

那大资金怎么保证自己一定是能盈利的呢？

控制力，国家队对所投的公司、行业、社会资讯有绝对控制力和引导力。比如说，所投的某家公司实际经营过程中是亏损了，可以通过收购、合并等方式实现股价上涨。比如说，某个行业被外国打压了，可以通过国家的力量来进行资源配置，扶持这个行业。比如说，所投的某家公司出现了负面信息导致股票下跌，可以对负面信息的清理和正能量的传播来挽救股价。

所以“一赢二平七输”中赢的就是国家队，它必须赢，即使输了也要搞成赢的。

“平”的又是谁？是基金，就是那些看基本面和股价曲线来做决策的机构。为什么要看基本面和股价曲线？因为基金经理要给客户一个逻辑分析的交待，要论证自己的决策是合情合理的。但是由于各个基金经理的水平不一，时盈时亏，但大体上把钱交给基金，赚的钱是能和贬值速度持平的。所以是“平”。

“输”的是谁？是那些自以为自己比大资金和基金更聪明、更了解内幕、更有控制力的散户。通常这些人是由公务员高管白领等中等收入群体、暴发户、拆迁户、有点小钱却又不知道干点啥的人、被喊单的人忽悠去炒股的人、看到别人炒股赚钱自己也跟风的人等等，然而，股市转移的就是这些人的存款余额。

所以，炒股必赢的思路就是：绝对不要做自以为是的散户，必须明白你所看到的一切资讯都是别人故意放出来给你看的，股价曲线是由操盘手操作出来给你看的，你进去就是踩坑割肉；把钱交给基金一般就能跑赢通胀，但也赚不了多少；如果自己具有一定的独立思考、研究分析的能力就跟随大资金进退，就能赚得盘满钵满。

实际上，股市是盈亏同源的，也就是说，“一赢”所赚的钱，就是“七输”所亏的钱，简单点说，股市只是大资金的一个抽水机一样的工具，把资金从散户的帐户抽到自己的帐户。我们想赚钱，所要做的就是不要站错队而已。

我只能帮你到这了，至于怎么赚到第一桶金来以钱生钱，请关注我公众号，看我其它文章。

人工智能这几年越来越火，未来会更火，因为它是未来普及的应用技术，就像现在的通信加密一样普及。

那么人工智能是否无所不知、无所不能呢？

肯定不会，每种技术都有它的适用范围。个人认为，人工智能技术可以从本身有规律或能穷尽的事物里寻找规律，而不能从本身无规律或不能穷尽的事物里寻找规律。

比如说，气象预测，气象数据实际上是有规律的，同一个地方，每年每月的气温变化不会太大，它的雨季和旱季是比较稳定的，因为地球的气象数据规律，是由地球围绕太阳公转形成的，只要这个底层的原因不变，气象数据结果虽有波动，但仍然在可预测的范围，只要数据足够大足够细，气象预测只会越来越准确。这是从有规律的事物里寻找数据规律，所以人工智能可以发挥作用。

再比如，下围棋，虽然围棋的可能性极其庞大，但在数学上也是可以穷举的，毕竟棋盘就那么大，每步下一子，几百步之后肯定会把棋盘下满结束棋局。这是从能穷尽的东西里寻找数据规律，只不过数据过于庞大需要用好的算法以便能更快地算出推荐结果。

人工智能不能从本身无规律的数据里寻找规律。非自然的、非人为可控的、非可监测的事物，因为数据量太少或监测不到数据，就没办法从数据中寻找出可靠的规律。比如说，宇宙里有多少个星球有外星人？因为除了地球，人类对其它星球知之甚少，所以这个问题人工智能暂时派不上用场。

人工智能也不能从不能穷尽的事物里寻找规律。比如说，地球上的灰尘数量点宇宙中的灰尘总数量的多少比例？因为宇宙中的灰尘是不停地运行，在不运动的过程中聚合或分散，所以灰法数量是一直在变的，并且不可监测清点算清楚，所以人工智能在这个问题上也派不上用场。

通用的人工智能很难出现，而专用的人工智能会越来越成熟。比如说，使用人工智能研制新药，因为药品是化学物质，它的化学成分是可知可控的，而人体本质上也是由物质构成的，只要计算机的运算能力足够大，数据充分，算法有效率，用人工智能来帮助研究人员研发新药大有可为。

什么是假设检验？

简单点说，假设检验就是先提出某种假设，然后判断假设是否成立的过程。

下面以炒股为例。

第一步：明确问题是什么。

问题：某家公司的股票在未来走势将会如何？

答案：只有三种可能：上涨、横盘振荡、下跌。

第二步：证据是什么。

分别对上涨、横盘振荡、下跌这三种可能进行证据分析。

上涨、横盘、下跌的原因分别是什么？数据是什么？

第三步：判断标准是什么。

使用公认可行的判断标准才具有说服力，比如基于平均值、概率等来判断。

第四步：做出结论。

当数据明显高于或低于某个平均值时，就可以作出相应的判断，得到一个有证据支撑的答案。

大数据是最近几年比较火的一个词，大数据可视化分析能力是未来工作生活的必备能力之一。

大数据可视化分析，可以把数字变成可视化图表，从而在复杂枯燥的数字里寻找出规律，辅助人工决策。

就目前来看，大数据可视化分析有什么用呢？目前用到比较多的是以下几个方面。

1.数据监测。大的对于银行、金融，小的对于工厂、商家、超市，都可以用到。比如说，某平台发放了一批优惠券、礼品券，如果没有数据监测，很有可能被个别人发现规则的漏洞，大量刷数据，造成主办方的损失。有了数据监测，就可以监测到数据异常，及时封堵漏洞，避免或减少损失。

2.数据预测。最普及的数据预测就是天气预报，现在的天气预报最长已经能提前预报未来30天的数据，并且每隔十五分钟更新一次。再如电商平台对交易量的预测，可以根据过去各年的交易历史，统计分析出规律，找出交易量高峰和低谷的原因，对未来的交易量预测有准确的数据依据。

3.数据决策。比如无人驾驶，实际上就是用各种传感器监测大量的数据，再通过电脑计算作出相应的决策。再如种植业、养殖业，如果能有一个平台统一收集、整理、分发本行业的供求数据，对各地、各品类的产品价格做出历史分析和未来价格预判，农户有了数据作为参考，在决策时就不会太盲目，市场整体供求平衡，农户的收益才会更稳定。

很多朋友想知道，计算机生成的随机数有规律吗？

我们可以通过实验来看一下结果到底是有规律还是无规律。

首先说一下计算机具体是怎么生成随机数的。

计算机要生成一个随机数，需要一个随机数种子，这个随机数种子是从电脑主板定时器上的内存里的计数值。这个定时器的作用是用来计算当前系统时间，每隔一个时钟信息周期，计数值就增加1。

如果用户不指定随机数种子，在默认情况下，计算机产生随机数时，随机数种子就是内存里的计数值。

因为计算机里的随机数算法是固定的，所以只要随机数种子相同，产生的计算结果就是相同的。

这样产生了一个问题：假如张三和李四各有一台电脑，李四通过某种方法获取张三电脑的随机数种子，那李四的电脑是不是就能通过相同的随机数算法计算出与张三的电脑相同的随机数结果？

确实发生过这样的事。之前在新闻上看到过国外有人通过某种技术手段获取了某台服务器的内存计数值，造成的数据异常引起了网络管理员的注意，后来通过技术分析发现了服务器漏洞。

但本文的方向不是搞出相同的随机数结果，本文的目的是通过数据可视化的方式来观察计算机生成的随机数有没有规律。

我们用JS写一个HTML文档，源代码如下：

<html>
<head>
<title>javascript生成随机数转换为图片_计算机生成的随机数有规律吗？_奇趣编程</title>
<style>
div,span {line-height:1px;font-size:1px;}
br {clear::both}
</style>
</head>
<body style="padding:5px;line-height:10px;" onload="Draw()"></body>
<script type="text/javascript">
var C = new Array("0","1","2","3","4","5","6","7","8","9","A","B","C","D","E","F");
function RC()
{
	var COLOR = "";
	for (var i=0;i<6;i++)
	{
		COLOR +=  C[Math.floor(Math.random()*(C.length-1))];
	}
	return COLOR;
}

function Draw()
{
	for (var j=50;j>0;j--)
	{
		for (var i=50;i>0;i--)
		{
			var pix = document.createElement('span');
			pix.style.background = "#"+RC();
			pix.style.width = "10px";
			pix.style.height = "10px";
			pix.style.float = "left";
			document.body.appendChild(pix);
		}
		var BR = document.createElement('BR');
		document.body.appendChild(BR);
	}
	setTimeout("Clear()",500)
}

function Clear()
{
	document.body.innerHTML = "";
	Draw();
}
</script>
</html>

保存在桌面，然后双击让它在浏览器里打开，可以看到生成的随机数被转换成不同颜色的小方块：

通过观察这些小方块，我们可以发现这样一个规律：

小方块数量越多，每种颜色的小方块在数量上越平均。也就是说，产生的随机数越多，每个数字出现的次数越接近平均值，即是每个数字出现的概率是一样的。

从中我们也可以总结出一个思路，当局部没有明显规律时，我们可以从整体上找规律，这也是一种提高编程能力的的思维方式。

很多朋友习惯用自己的生日、手机号、QQ号等来做密码，这是非常不安全的。

比如说，有些人的QQ空间相册有自己的隐私照片，设置了查看密码，如果这个密码被别人随便猜解出来，极有可能会个人隐私泄露，造成不必要的麻烦。

在这个网络当中，容易就能找到一个人的生日、QQ号等公开信息，别人只需要尝试几次就能猜解出你的密码，如果你很多帐号的密码都是相同的，那别人只需要猜出了一个帐号的密码，其它帐号的密码也全部被知道了。

那用什么样的密码才能更安全呢？每个帐号都用不同的随机数。这样别人无法通过几次尝试来猜解出你的密码，即使花了很多时间精力猜出了一个帐号的密码，也无法通用到其它帐号。

所以，我们很需要生成一串随机数字的方法。

我们可以生成真随机数或伪随机数。“真随机数”，是后面的数字和前面的数字没有关系，是用物理方法来得出来的随机数。而电脑里用固定、可重复的算法算出来的随机数，是“伪随机数”。

怎么手工获取一个物理性的真随机数呢？这里我分享一个自己的方法。

拿出十个硬币，放到一个盒子中，上下左右随便摇晃，打开盒子数一下正面朝上的有多少个，记下这个数字，连续做六次，就得到了一个6位的随机数字。

比如：

第一次，3个正面朝上，记为3；

第二次，5个正面朝上，记为5；

第三次，8个正面朝上，记为8；

第四次，2个正面朝上，记为2；

第五次，4个正面朝上，记为4；

第六次，7个正面朝上，记为7；

最终得到的六位数密码就是“358247”。

此方法人人可用。