外围美人鱼到底存不存在在着暗箱操作？
点击联系发帖人
时间：2018-08-24 07:28
三年多过去，现在的news feed ads已经是日入4000万刀的现金牛了[1]。作为主要成长时期在这个团队里工作过的成员，回想起来感概多多。&br&&br&&br&Feed Ads有很多种形式，但是最为主要的是如下四种。&br&&br&&b&&u&1. Suggested Page (你可能喜欢的公众页)&/u&&/b&&br&Facebook的Growth部门做了一系列“你可能XX的YY”产品。“你可能认识的人”为了让用户多加好友，“你可能想粉的名人”让用户多粉明星，“你可能喜欢的公众页”让用户多赞公众号 ( Facebook投机取巧地把赞默认跟上了订阅操作 )。这些产品的目的就是让用户多连接上其他的人或者物，这样好往他的新鲜事里展示东西。因为是纯粹的推荐，用户主动建立连接的概率是背后算法的第一考量指标。&br&&br&一般商家的公众页，因为内容是商业化的多，趣味性，对用户的价值相对低。用户愿意主动连接的概率是比较低的，所以他们比较难被Growth的这些算法选中。这时候，广告来了。商家如果愿意出钱，即使概率低一点，facebook也能把他展示给用户。当然，因为法律的约束和确保用户体验，显示一行“赞助商”的小字还是不可避免。但好歹获得了出镜的机会。这就是Suggested Page。&br&&br&&b&&u&2. Page Post (公众号帖子推广)&/u&&/b&&br&由于facebook不遗余力地推荐用户连接连接连接，所以每个用户每天能有1500条新鲜事可读 [2]。但是一般人是读不过来的。所以facebook的新鲜事是有智能排序的。因为facebook长期追踪的一个核心指标是互动活跃度，所以排序的算法基本上是把用户比较可能互动的帖子排在前面。这样一来，公众页即使获得了粉丝，帖子也未必能进入用户的信息流。这里就需要公众号帖子推广了。虽然互动概率不高，但只要给足钱，还是能进入用户信息流。&br&&br&更有甚者，因为一般的facebook用户都赞了非常多公众号，多到不太记得清自己赞了哪几个。帖子推广还有一个功能就是只要钱给够，即使没有赞过你的用户，你的帖子也能进入他的信息流。这样又扩大了受众群体。&br&&br&&b&&u&3. Suggested App (你可能喜欢的应用)&/u&&/b&&br&用facebook的朋友，如果有尝试新应用的习惯，应该信息流里有不少应用广告。这是“你可能喜欢的公众页”模式的简单推广。游戏行业有些朋友跟我反馈过，说facebook的应用安装广告效果还是不错的。&br&&br&&b&&u&4. Video Ads (视频广告)&/u&&/b&&br&这个形式的爆发是在我离开facebook以后了。今年1月以来，因为facebook视频体验的提升，特别是进入视频播放以后的视频流形式，facebook每日视频浏览数已经从10亿 [3] 猛增到80亿了 [4]。想必与之对应的视频广告也是高速增长。&br&&br&&br&&br&Facebook是如何玩好这些广告形式的呢？我觉得核心的有如下两个方面&br&&br&&b&&u&1. 用户方面，确保广告对用户的伤害定量化地控制在一定范围之内&/u&&/b&&br&上面有一些方式看起来没节操没底线，但是这些方法真的严重伤害了用户体验么？这方面facebook有一整套的数据方法来监测，定量地确保所有产品对用户体验的影响在可控范围内。&br&&br&&br&&b&&u&1.1 长期监测广告对用户的影响。&/u&&/b&&br&Facebook广告部门保留了很小的一个比例用户，他们是不看广告的。这部分用户的活跃度数据要比普通用户好一点点。对比这个活跃度数据，facebook可以很精确地定量知道广告对用户的伤害是多少。这个伤害涨一点点，或者跌一点点，公司高层随时都可以看见并采取措施。&br&&br&在这个基础上，facebook还有更加精细的模型。在每个广告插入的时候，都仔细计算这条插入损失了该用户多少活跃度。插入第N条广告的时候，累计对该用户的活跃度损伤达到了多少。通过这样的手段精细控制每个用户的体验。确保了是每个用户体验都受到一点点损伤，而不是一少部分用户受到巨大的损伤。&br&&br&&b&&u&1.2 广告本身的用户互动价值参与竞价&/u&&/b&&br&因为facebook信息流的排序最核心因素是互动性。所以广告贴的互动性也是纳入考虑的。理论上说，只要广告贴的互动性达到自然贴，那么广告是不必花钱的。这样能激励广告主制作更好的广告。&br&&br&仅有这一点是不够的。总体来说广告的互动性还是比自然贴差一大截，所以这个补充比较有限，财大气粗的广告主就不在意这方面的节省了。这时候，为了防止广告出现很低俗，有碍观瞻的内容，facebook还监控另一个指标叫x-out。就是每个帖子都有一个小叉，用户不喜欢可以叉掉。每个叉行为都是负分，负分得的多，钱也要多。甚至直接不让显示。x-out这个方式国内有些应用也在学习，比如今日头条。&br&&b&&br&&u&2. 广告主方面，基于转化的广告大大简化了广告投放并提升整个广告体系的效率。&/u&&/b&&br&互联网广告有如下三代不同产品&br&1) 按展示收费的广告。这是媒体强势的产物，投放系统不关心广告主效果&br&2) 按中间效果收费的广告。典型的是百度Google的点击计费广告&br&3) 按最终转化收费的广告。CPS广告属于这类却很失败，Facebook把这个做活了&br&&br&第二代对第一代的颠覆性，在百度Google的例子前被很多人了解。第三代对第二代的颠覆性，知道的人还不是太多。&br&&br&基于转化的广告就是国人常说的CPS广告。在线广告，从展示到成交，要经历层层转化，而且媒体平台到广告主平台都参与其中。所以一个好的转化率系统，需要两边都齐心优化。媒体提供的是展示，广告主要的是成交。两者的目标是不一致的，很多情况下会有冲突存在。媒体说我的曝光量很高了，需要收很多钱。广告主说我的成交很少，没法给很多钱。但是具体问题出在哪一方的系统，就拉扯不清楚了。更大的问题是因为利益的不一致，无法做到上面说的齐心优化。&br&&br&媒体强势的时候，很多广告是按照展示收费。这样的结果是媒体就不太在意广告主的效果。广告主的效果上不去，广告的价格也就无法提升。&br&&br&有一些效果广告平台，比如百度Google，就提供了点击这个计费基础。因为这是一个双方交界的点，比较容易在数据上达成一致。这种模式比按展示收费好在媒体关心了第一步的广告效果，也就是点击量。Google和百度的销售人员帮助广告主优化的时候都是围绕提高点击率来，就是这个动机。但是这个做法还不是广告效果最大化。关于如何多生成转化，懂行的广告主会做，不懂的广告主只是觉得花钱多效果少，最终的结果是减少投放。饼就变小了。&br&&br&对于弱势媒体，在强势广告主面前，会选择CPS广告。但是这种一边倒向广告主的方式也无法使整体效果最大化。这主要体现在两个方面：1) 用了CPS，付多少钱都是广告主说了算，在巨大利益的诱惑下，有一些广告主会瞒报成交。2) 广告主无意优化广告创意与转化系统。因为浪费的也是媒体资源，只要不成单，广告主不用掏钱。所以广告体系整体的效果很差。&br&&br&Facebook的John Hegeman [5] 天才地发明了按照成交优化，按照展示计费的oCPM广告，精妙地解决了这个问题。facebook所拿到的成交数据，就像CPS广告，是广告主反馈回来的。根据这些反馈数据，facebook强大的机器学习系统可以优化整个转化流程，并且追溯到根源上知道每一个展示所带来的价值，然后按照这个价值收费。这个系统有效地优化了整个广告转化流程，既简化了广告主的投放，又有最大化地提升了整个体系的效率。&br&&br&&br&[1] &a href=&//link.zhihu.com/?target=http%3A//venturebeat.com//facebook-now-makes-78-percent-of-its-ad-revenue-on-mobile/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Facebook now makes 78 percent of its ad revenue on mobile&/a&&br&[2] &a href=&//link.zhihu.com/?target=http%3A//www.zdnet.com/article/facebook-engineers-explain-news-feed-ranking-algorithms-more-changes-soon/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Facebook engineers explain News Fee more changes soon&/a&&br&[3] &a href=&//link.zhihu.com/?target=http%3A//www.adweek.com/socialtimes/1b-daily-video-views/440384& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&adweek.com/socialtimes/&/span&&span class=&invisible&&1b-daily-video-views/440384&/span&&span class=&ellipsis&&&/span&&/a&&br&[4] &a href=&//link.zhihu.com/?target=http%3A//www.businessinsider.com/facebook-is-now-generating-8-billion-video-views-per-day-2015-11& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Facebook is now generating 8 billion video views per day from just 500 million people&/a&&br&[5] &a href=&//link.zhihu.com/?target=https%3A//www.linkedin.com/in/john-hegeman-02137b7& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&https://www.&/span&&span class=&visible&&linkedin.com/in/john-he&/span&&span class=&invisible&&geman-02137b7&/span&&span class=&ellipsis&&&/span&&/a&
三年多过去，现在的news feed ads已经是日入4000万刀的现金牛了[1]。作为主要成长时期在这个团队里工作过的成员，回想起来感概多多。 Feed Ads有很多种形式，但是最为主要的是如下四种。 1. Suggested Page (你可能喜欢的公众页) Facebook的Growth部门做了…
过完新年，终于把这篇写完了，无营养的流水帐，轻拍。&br&&br&从小就中邪，没来由地喜欢那个可以敲敲打打的键盘。小学三四年级时缠着家里给买了台小霸王学习机（几百块，当时我爸大半个月工资），型号叫486，因为那时最尖端的家用电脑CPU是Intel 486。厌倦了五笔打字和玩游戏之后，有一天终于开始研究里面那个叫G-BASIC的进去之后黑乎乎一片的东西。当时学习机的说明书很有良心，里面有完整的一份BASIC语言手册，从此我就上了贼船。那个BASIC环境最关键的一点是提供了与游戏手柄的接口，还有一些内置的卡通人物，所以可以写出有点像真正游戏的程序，不然的话大概我也不会那么感兴趣。从玩游戏变成自己写游戏，这对当时的我来说简直是妙不可言。坑爹的是那学习机不能存盘，断电就丢，于是我就得关机前把写好的程序抄到本子上，下回开机先把上次的都打进去，再接着写。写了厚厚一大本。当时写过的最像样的记得是一个桌球游戏，可能有上千行。我那里是个中游省份的小县城，周围没人懂我在干啥，也完全没有网络，最宝贵的资料是有个亲戚家里有一个功能更强大的“裕兴”学习机，附带一本有大量示例BASIC程序的说明书，反正他们也没人看我就直接霸占了，从里面学到了很多。&br&&br&初二的时候终于有了自己的电脑，和老爸一起从省城坐绿皮车扛回来的，买来当晚兴奋地睡不着。没网，到处买盗版光盘来装，被VB和Delphi闪瞎狗眼，整天瞎装些新奇控件什么的，但是从来也没有真正系统学过Object Pascal或C++这样的语言。后来能上网了，接触到了更广阔的世界，于是中二病发作，开始鼓捣软件破解，觉得这才是大牛应该干的事。盯着SoftICE跟踪那些汇编指令，一盯就是一天，装各种莫名其妙的共享软件，破掉了就卸载。在刚成立不太久的看雪论坛灌水，骗了一大堆精华贴。&br&&br&高中时的上的学校完全没有OI传统，全校只有一个计算机课老师，有一天说谁想参加计算机竞赛的来报名啊。大家以为很好玩，呼啦啦报了一大堆，讲了一节课的pascal，下次再上课就没几个人了。老师也不给力，讲完pascal语法就没啥能讲的了。我自己上网搜，才知道有那么多好玩的算法，才知道有Ural, UVa可以刷题，苦逼兮兮地在Ural刷了几十道最简单的题，就要参赛了。结果全校就我一个人过了NOIP的初赛，去省城复赛。因为主办方都没听说过我校，想当然地以为是个初中，所以我做的是初中组的题，成绩无效，挂。（我在考场上只看到试卷上写着“普及组”，心想还不错哦知道我水平挫……你说初中组不叫初中组非得写“普及组”是闹哪样！）后来想算了反正参加了提高组也屁名次都轮不着，还是高考要紧。&br&&br&高考报志愿出了点小失误，因为无论如何想学计算机，但那时计算机专业分数线仍偏高，本来想报个稍稳点的学校确保能上计算机系，结果大家报得扎堆了，勉强压着学校提档线被录取，但第一志愿专业就没戏了，被弄到了英语专业。同宿舍的英语专业室友后来跟我讲，第一天看到我桌上全是编程书，就想抽我这个装逼犯，哈哈。看到学校BBS上有计算机学院办的编程比赛，就去参加了，结果居然被我这个英语专业的大一新生拿了冠军。那比赛是ACM队出的题，当然当时的队员是不允许参赛的，不然第一也不可能轮到我。总之就是因此和学校的ACM队接上了头，贼船又上了一步。这时开始真正系统地学习算法，发现高中时刷的那几十道题其实连门都没入。从算法里开始领略到计算机科学的美，也知道了人外有人天外有天，中二病基本痊愈。我校那时ACM实力中游，离总决赛总是有点距离，这也成了老师和学长的一个执念。坚持了好几年，大四的时候终于实现了突破，让我们学校在历史上第一次进了世界总决赛，激动得不行。因为这个比赛收获了很多，也放弃了很多，但从没后悔过。（ps. 大二时候就转到了软件工程专业，因为那时我校软件工程专业刚成立，学费也贵，总被人误以为是三本，没什么人愿意去，所以转专业还是蛮容易。）&br&&br&研究生留在本科学校读的。导师是理论派，玄玄乎乎的数学公式推得满天飞，而且总选一些比较小众的方向。我和导师气场不太搭，自己也比较颓废，没搞出什么有意思的东西来。毕业至今，不敢跟别人说我也是搞过机器学习的，算是一个遗憾。现在也偶尔翻一些论文什么的，希望以后还有机会拾起来。&br&&br&毕业后找工作时被Google北京摆了一道，一直跟我说很有希望，拖了我很久，在我拒了别几家offer或面试之后，Google的总部HC把我毙了。还好留了个腾讯offer作备胎，做搜索。干了一年多，老大给的评价倒是还不错，不过高层变动，组织结构调整，整个搜索部门都散伙了。恰好当时硅谷的大公司开始从中国直接招人，报着试试看的心理投了一下简历，人品爆发，拿了facebook的offer，就来美国了。来美国之后接触到各种传说中的人物，一直处于跪地不起的姿势。英语捉急，智商更捉急。在FB待了两年多点，最近刚刚离职，去了个不知名小创业公司，一是希望能赌对，上市的话小发一笔，二是觉得在小公司可以施展的空间也许更大些。前路如何，尚未可知。&br&&br&境界谈不上，感触倒是有几点：&br&&br&1。年轻的时候技能树真的是乱点，点开了就一头扎进去好几年，效率很低，但却真的能有收获。现在想研究一个什么东西，反复考虑值不值得投入时间，反复研究最合理的学习路线，结果却往往不如人意。这事情可能真的没有什么捷径，21年从入门到精通。&br&2。自己实在是太幸运了。从来没有为选什么专业、找什么行业的工作发愁过，喜欢的恰巧是擅长的，居然还是可以有体面的收入的，居然还是可以站着把钱挣了的。我不信神，但我非常感激到目前为止命运对我的安排：不是出生在城市但也不是在偏远的山村，家境非常一般但也不至于为生存疲于奔命，智商不高但尚在努力可以弥补的范围。我专心去做过的事，竟然基本都有超出预料的成果，但还没来得及沾沾自喜，又被扔到更广阔的天地里被新的大神们全方位碾压。世界在我面前竟然像一个精心设计的RPG游戏，这真是太神奇了。&br&3。具体到技术方面，我现在其实处在恐慌中，感觉没有核心竞争力能让我区别于他人，我懂的那些东西都是没有什么门槛的。我曾经仔细梳理过自己不懂但又非常感兴趣的方面，排前面的大概有三个：数据库与分布式系统、编译与计算机语言理论、机器学习。现在工作之外的业余时间也在学习相关的东西，希望能在任一方面有所突破吧。&br&4。我非常确定我到40岁以后还在写程序。
过完新年，终于把这篇写完了，无营养的流水帐，轻拍。 从小就中邪，没来由地喜欢那个可以敲敲打打的键盘。小学三四年级时缠着家里给买了台小霸王学习机（几百块，当时我爸大半个月工资），型号叫486，因为那时最尖端的家用电脑CPU是Intel 486。厌倦了五笔打…
先说区别：&br&Computer Graphics，简称 &b&CG&/b& 。输入的是对虚拟场景的描述，通常为多边形数组，而每个多边形由三个顶点组成，每个顶点包括三维坐标、贴图坐标、rgb 颜色等。输出的是图像，即二维像素数组。&br&Computer Vision，简称 &b&CV&/b&。输入的是图像或图像序列，通常来自相机、摄像头或视频文件。输出的是对于图像序列对应的真实世界的理解，比如检测人脸、识别车牌。&br&Digital Image Processing，简称 &b&DIP&/b&。输入的是图像，输出的也是图像。Photoshop 中对一副图像应用滤镜就是典型的一种图像处理。常见操作有模糊、灰度化、增强对比度等。&br&&br&再说联系：&br&&b&CG&/b& 中也会用到 &b&DIP&/b&，现今的三维游戏为了增加表现力都会叠加全屏的后期特效，原理就是 DIP，只是将计算量放在了显卡端。&br&&b&CV&/b& 更是大量依赖 &b&DIP &/b&来打杂活，比如对需要识别的照片进行预处理。&br&最后还要提到近年来的热点——增强现实（AR），它既需要 CG，又需要 CV，当然也不会漏掉 DIP。它用 DIP 进行预处理，用 CV 进行跟踪物体的识别与姿态获取，用 CG 进行虚拟三维物体的叠加。&br&&br&对于 OpenCV 和 OpenGL 之间的关系感兴趣的推荐阅读这篇文章&br&&a href=&http://zhuanlan.zhihu.com/hacker-and-painter/& class=&internal&&OpenCV 为啥勾搭上 OpenGL？ - 黑客与画家 - 知乎专栏&/a&&br&&br&本答案的扩充版 &a href=&http://zhuanlan.zhihu.com/hacker-and-painter/& class=&internal&&计算机视觉、图形学和图像处理，三者有什么联系？ - 黑客与画家 - 知乎专栏&/a&
先说区别： Computer Graphics，简称 CG 。输入的是对虚拟场景的描述，通常为多边形数组，而每个多边形由三个顶点组成，每个顶点包括三维坐标、贴图坐标、rgb 颜色等。输出的是图像，即二维像素数组。 Computer Vision，简称 CV。输入的是图像或图像序列，…
写在开场的话：&br&考虑了一下，鉴于现在评论区的状况，以及很多知友的阅读习惯，我还是将一些内容搬运在这个醒目的位置，更新一下这个答案，免得还有杀到评论区里追着要我认错和道歉的。&br&&b&这个答案开篇之处，我就已经明确说明，以这数据规模，这不是大数据了（参见以下答案中我更新加粗的部分）&/b&，只是借个例子说明大数据的内涵和价值，居然还有人因此专门开个答案来驳斥这一点的，实在让我无语。&br&我是本着分享知识和经验的目的在知乎交流的，如果根本性的问题不在于此，连答案看完整点的耐心都没有，那我就没什么想说的了。许多评论我就不回复了。&br&&br&说老实话，这答案在这放了几天，浏览者应该不少，但是没等到我最期望的那些评论。我还是有点失望的。&br&其实，这答案我可以随便找个问题一贴，例如什么问&br&怎么样在知乎混更高效啦？&br&怎么获得更多赞啦？&br&之类的问题。&br&不知道是否有人想到我为啥给贴这里了？&br&大数据的精髓是什么？收集个几百G几百T的数据往硬盘里一放就是大数据的精髓？如果认识就停留在这个程度，我也就没啥可说的了。&br&在这个答案中，我1，2，3，4，5都干了那些事？&br&选择维度，切入数据的路径和选择是什么样的？为什么？&br&虽然我用的都是最简单最基本的算法和模型，但是为什么在这样的地方，我选择了这样的算法和模型？&br&我想看到的很多问题都没有在评论里出现，有点让人遗憾。&br&&br&问题有要求通俗易懂得介绍大数据的应用价值和内涵，我并无认为我的例子有何不妥。&br&对于大数据，一直来说，数据规模本导致的存储，运算等技术问题从来不是最重要的瓶颈。瓶颈只在于前端数据的收集途径，以及后端商业思想引领的模型和算法问题。早期的各类OLAP工具已经足够给力了，后来类似海杜普这样的东西彻底降低了分布式数据的架构成本和门槛，就彻底将大数据带入了一个普及的领域。&br&从数据钻取，大规模分析的技术手段，以及算法执行上来说，大规模数据是和小规模数据在技术上是有很大差异，但是一则，这对于大众认知来说，并不是需要关注和了解的重点（例如本题目的目的那样），另外来说，我也不认为这是重点和难点。&br&面对大数据的技术处理差异绝非大数据概念的精髓和瓶颈，只是商家们热衷宣传的热点，因为大数据领域只有在这个环节上，有大规模的产品市场存在的可能。&br&&br&此外，大数据和超级计算完全是两个不同的领域和概念，虽然在极少的地方，两者或有交集（例如其他知友答案中提到的罗马城3D建模），但是真的很少。&br&并行计算和分布式计算也完全是两回事，后者可不需要去处理什么CPU的连接和通信&br&大数据出于成本/产出考量，是不太可能采用并行计算之类的超算技术的。海杜普之类的分布式技术会是一个很好的选择。&br&大数据和超算，虽然两者都面临算法上的挑战，但是完全不是一回事。&br&如果对超算有兴趣，可以简单移步&a href=&http://www.zhihu.com/question//answer/& class=&internal&&目前超级计算机的性能局限是硬件还是软件，为什么？&/a&&br&&br&从技术层面说，大数据和以前的数据时代的最大差异在于： 以前是数据找应用/算法的过程（例如我们各大银行的大集中项目，以及数据建仓），而大数据时代的重要技术特征之一，是应用/算法去找数据的过程，因为数据规模变成了技术上最大的挑战。&br&&br&至于大数据和小数据的差异，大数据的策略，更偏重于&b&发现，以及猜测/印证的循环逼近过程&/b&，一般只会设定一个大方向，算法模型都可能在执行的过程中做大幅度的调整。而传统小数据分析，一般有明确的目的和诉求，算法，和模型，我想我已经在我的例子中注意体现这一点了。&br&对于大数据来说，统计学的大量概念会重要得多。&br&&br&&b&大数据是因为对它的分析使用，才产生和体现它的价值，而不是因为其用到了NB的技术和算法才体现了它的价值。&/b&（虽然NB的技术确实很NB,我曾经在另外一个答案中视海杜普位划时代的计算产品之一）&br&&br&治大国，若烹小鲜，何况是面对一般受众说个大体的概念，私以为我这个例子是没有太大问题的。&br&&br&========================================================================&br&要明确易懂得解释一件事情，最好的方式无疑是举一个典型形象，具有代表性的例子。例子最好和听众熟悉的场景相关。&br&一般圈里回答这个问题，比较容易拿来做解释的例子是沃尔玛的几个经典案例，不过既然在知乎回答这个问题，我就拿知乎来举个例子吧&br&&br&&b&I 前言&/b&&br&1. &b&我在这个答案中所使用的数据和例子，数据规模有限，真正的大数据只有知乎运营者才有机会使用&/b&（应该也有严格的权限控制，以及运营者自有的命题）。&br&虽然说不上是大数据，但是我只是拿这个来作为一个说明的例子，说明下大数据的内涵以及价值，应该还算是可以的。&br&&br&2. 我收集这些数据，主要是源于前一阵子对张公子文章的仰慕，每次进入张公子回答的页面一点一点往下点，太累，同时下次还要一点点重新展开页面找到以前看到的地方，不堪重负。正好最近业余在学习自动化测试和Ruby语言，于是尝试性写了些作业，扒了一些数据。&br&所以我收集这些数据并没有任何不良企图以及针对性，请各位知友和知乎运营者放心。我也承诺不会将这些数据用于恶意的目的。当然，这些数据本身都是公开的，我都是通过合法合规手段收集的。&br&以下会尽量匿去所有知友的名字，但是某些知友的数据特征太明显，所以就匿不了了。&br&&br&3. 这些数据本身抓取的过程是一个动态的过程，而不是一个snapshot，出于技术，权限以及合法性的原因，我数据抓取的方式比较慢，在抓取过程中，数据本身已然在发生变化，因此数据本身可能有轻微误差。此外，抓取的数据范围和数量有限，并不一定完整反应和体现真实。例如知友的匿名回答，以及删除答案的行为，可能会对分析结果造成很大影响，但是我抓取的数据当中却没有包含。&br&&br&4. 我的样本选择基本上是随机选择，从黄sir的关注者中，从日常每天的热门话题中随机选取，选取的都是至少答题在100以上的知友的数据。&br&&br&5. 我本身并非社区运营专家，所以以下涉及到分析的部分，如果有业余的地方，请勿见笑，这答案的本身并不是真要分析知乎和知友（这也不是我的能力和数据权限能做到的），我只是说明下大数据这个概念和价值而已。&br&&br&&b&II 命题&/b&&br&数据分析总得有个方向和目标，鉴于我的数据规模和样本特性，确立较宏大的命题是相对比较困难的。于是，我选择了一个比较取巧的命题：”赞同数“。&br&一则来说，貌似广大知友关心这个的很多很多，比较吸引眼球。&br&二则来说，知乎上关于这个的日经问题也非常多，也算是有的放矢，例如很多类似以下的问题：&br&&i&如何能获得更多赞同？&/i&&br&&i&什么样的答案能够获得更多赞同？&/i&&br&&i&人情赞，跟风赞是不是很多？&/i&&br&&i&答案字数多是不是容易获得赞同？&/i&&br&&i&图片多是不是容易获得赞同？&/i&&br&&i&话题和浏览是不是影响赞同？&/i&&br&等等类似的问题在知乎层出不穷。尝试做个分析对这些问题提供些帮助。&br&但是，我必须强调的是：&b&知乎真的不是一个“比比谁的赞同多”的竞技游戏，期望大家不要在“赞同”上过于纠结和投入太多关注，我觉得知识，乐趣以及思想的交流和碰撞，才是知乎的重点。&/b&&br&&br&然后围绕这个命题核心，看看我们还能发现点什么有意思的其他东西。&br&&br&&b&III 样本&/b&&br&&b&本次样本主要涉及39位知友，共计36442条答案&/b&&br&&br&样本很多，数据也很多，我就不一一贴上来了，我只贴几位比较有典型代表意义的知友的加工后的数据，以下数据样本根据知友的关注者人数排序：&br&知友1：关注者283,337人&br&&figure&&img src=&https://pic2.zhimg.com/50/e6f95a394e1e27fdf093df_b.jpg& data-rawwidth=&1079& data-rawheight=&803& class=&origin_image zh-lightbox-thumb& width=&1079& data-original=&https://pic2.zhimg.com/50/e6f95a394e1e27fdf093df_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/58ec761bdbfc99e76577_b.jpg& data-rawwidth=&814& data-rawheight=&668& class=&origin_image zh-lightbox-thumb& width=&814& data-original=&https://pic3.zhimg.com/50/58ec761bdbfc99e76577_r.jpg&&&/figure&&i&其中最专注话题，即为回答过最多的话题，即下图活跃度排名第一的话题。&/i&&br&&i&相关系数，即皮氏积矩相关系数(Pearson product-moment correlation coefficient, PPCC)，用以描述两个变量之间的线性相关度。0就是毫无关联，1就是绝对的线性关联，-1就是绝对的负线性相关&/i&&br&&br&好吧，这个知友也不用匿名了，匿不住，这关注数，这话题，摆明是李开复先生。&br&开复先生的影响力毋庸置疑，赞答比惊人，其答案和问题浏览次数的相关度也很高（这意味着问题浏览数的增加有极高概率带动赞同票的获取），尤其在其最专注的话题 “李开复（人物）” 中（囧），问题关注和答案赞同之间有着接近线性相关的相关系数，表明开复先生在知乎是有一大票铁杆粉丝的。&br&但是开复先生的数据中也显示出，其藏赞比并不高（0.26），属于抽样人群中的中等水平。&br&什么样的情况会导致赞很多，藏不多呢？我一般认为，如果答案的内容价值较高，干货很多，会吸引到更多的收藏次数，而光环票，人情票，跟风票，以及引起读者共情的答案（例如吐槽以及煽情），较容易获得赞同，但是不容易收获收藏。&br&当然，开复先生的赞藏比也并不属于低的。&br&&br&开复先生回答的问题，题均浏览次数分别5.5K+ 和 6K+，远超39位知友的平均值，开复先生的影响力可见一斑，而且开复先生答均750多字，属于非常高的值，可见开复先生对于每一个答案都较认真的投入了精力作答。&br&&br&此外，从开复先生的话题分布来看，开复先生更多得把知乎当作了一个作为名人及其官方身份，和公众进行互动的媒体平台。而且是属于职业范的平台。开复先生在知乎上更多得是以自己的职业身份出现。连微博上常见的他关于政治，关于青年人引导的内容，都不多见。进一步的，开复先生作为一个个人的知识与经验分享就鲜见了。&br&&br&开复先生仅凭专攻“李开复（人物）”一个话题，就能斩获261.65的赞答比，在“创新工场”话题中，每不到3个字就能获得一个赞同，这样的粉丝会，绝大多数人是不能拥有的，所以借鉴价值不大（当然后者的字数/赞同还有比开复先生更NB的大牛，我们后面再说）&br&&br&知友2：关注者 175,534&br&&figure&&img src=&https://pic2.zhimg.com/50/087a91da6c54cde4f61200e2_b.jpg& data-rawwidth=&1112& data-rawheight=&810& class=&origin_image zh-lightbox-thumb& width=&1112& data-original=&https://pic2.zhimg.com/50/087a91da6c54cde4f61200e2_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/8fa43fe7c5a61cd602bcd939_b.jpg& data-rawwidth=&813& data-rawheight=&675& class=&origin_image zh-lightbox-thumb& width=&813& data-original=&https://pic3.zhimg.com/50/8fa43fe7c5a61cd602bcd939_r.jpg&&&/figure&好吧，这个也匿不住，这关注数，这话题，明显是继新的。&br&继新的数据很有意思（包括一些尚未贴出来的数据），很明显得看出了一个运营者的身份（其他几位知乎的工作人员的数据也类似），其发言被很明显得压抑在了知乎的相关话题上（尤其过了知乎运营的初期以后）。即便是如此刻意得压制，继新在苹果话题上的心血投入也搂不住（答题数，还有题均字数），一个热情的铁杆苹果粉丝的形象就呼之欲出了。&br&&br&当然，“知乎”这个话题在知乎并不属于大热，（继新在知乎话题下的问题题均浏览只有700多），导致继新在知乎话题下的赞答比都不到15（远低于其平均水平），但是其赞同和浏览的相关系数却远高于平均水平（0.784 ： 0.553），说明其在知乎这个话题中的权威程度和受认可程度（废话，这是当然的）。&br&&br&需要大家开始关注的是知乎内的一个神奇话题：调查类问题。这个话题的神奇之处我们下面再慢慢讨论，单就继新的数据来看，调查类话题是继新最讨好的话题，拥有最高的赞答比和最高的文字效率。&br&&br&而继新另外两个比较突出的私人化，受欢迎的话题是“英语”和“情感”，基于此，我觉得继新可以考虑去泡一个洋妞。&br&&br&至于继新关于创业的话题，我就不说了，相比知乎团队中另外一位老大周源，实在不能比。周源话题特征就是除了知乎就是创业，除了创业就是知乎，两者占据了周源话题的绝对重心。向这样的创业者致敬，具体周源的数据篇幅有限，我就不贴了。&br&&br&知友3：关注数 107,526&br&&figure&&img src=&https://pic4.zhimg.com/50/ebd2eb4ebd28_b.jpg& data-rawwidth=&1107& data-rawheight=&803& class=&origin_image zh-lightbox-thumb& width=&1107& data-original=&https://pic4.zhimg.com/50/ebd2eb4ebd28_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/121a766c4dca68408ccba_b.jpg& data-rawwidth=&788& data-rawheight=&676& class=&origin_image zh-lightbox-thumb& width=&788& data-original=&https://pic1.zhimg.com/50/121a766c4dca68408ccba_r.jpg&&&/figure&好吧，这个也匿不住，看看这赞均字数的效率，最效率的话题，每1.10个字就收获一个赞，这连开复先生都望尘莫及。这是知乎槽王，三表哥是也。&br&三表哥在音乐方面的专业度和投入程度一目了然，但是可以看到，很明显，三表哥赞同来源的主要发动机来自一些大热话题。&br&从这点上可以看到，赞同受到话题本身热度的影响有多大。&br&&br&&b&&i&（在上图最后的4个关于话题的图表中，左边两个表格可以视为是这位知友最专注，最投入的话题，右边两个被视为是他最容易受知友认同的话题，最讨好的话题，下同）&/i&&/b&&br&&br&此外，三表哥的藏赞比只有0.08，在39位知友中倒数第三，不能不说是槽王不可避免的遗憾。&br&&br&知友4：关注数 90,793&br&&figure&&img src=&https://pic2.zhimg.com/50/f843e6eef5_b.jpg& data-rawwidth=&1105& data-rawheight=&788& class=&origin_image zh-lightbox-thumb& width=&1105& data-original=&https://pic2.zhimg.com/50/f843e6eef5_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/c9fb772695fddce1bd1fac2c_b.jpg& data-rawwidth=&855& data-rawheight=&680& class=&origin_image zh-lightbox-thumb& width=&855& data-original=&https://pic4.zhimg.com/50/c9fb772695fddce1bd1fac2c_r.jpg&&&/figure&这也不用匿了，一眼可知，大神张公子是也。我也不想匿，因为这是我收集这些数据的起源和动机。&br&篮球就是张公子的命啊。&br&&br&张公子在篮球话题下的浏览关注相关系数是0.818，神数据，也就是说，基本上张公子说篮球，大家就一脸痴迷得边听边点头即可。&br&&br&张公子回答的答均字数前10个话题，除开“张佳玮”这个话题以外，全部是NBA及NBA的子话题，张公子的投入和专注程度可见一斑。&br&&br&但是等等，张公子在篮球话题下的赞答比只有29.67，远低于他在所有话题下的平均值57.54.....&br&张公子一代篮球作者大神。。。在知乎的赞同收割机还是得依赖爱情，情感，调查类问题。。。&br&相类似的游叔，三水哥等一大票人的类似数据，我就不贴了，他们分别在电影啊，金融啊，日本啊等话题领域专注写作和大量投入，却都是在热门话题中大量高效得收获赞同。&br&&br&所以吧，其实什么赞答比什么的，都是浮云，话题才是王道啊。。。&br&&br&知友5：关注数：61,369&br&&figure&&img src=&https://pic3.zhimg.com/50/a9db29e37aa2c69dd59a49d37ad1cb52_b.jpg& data-rawwidth=&1081& data-rawheight=&792& class=&origin_image zh-lightbox-thumb& width=&1081& data-original=&https://pic3.zhimg.com/50/a9db29e37aa2c69dd59a49d37ad1cb52_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/6dca183d52e3_b.jpg& data-rawwidth=&745& data-rawheight=&665& class=&origin_image zh-lightbox-thumb& width=&745& data-original=&https://pic3.zhimg.com/50/6dca183d52e3_r.jpg&&&/figure&恩，话题峰度643，偏度有24.9，但是方差只有79.5，数学领域全力开火，这个用不着匿了，陈浩大神是也。陈浩大神应该是对自己的答案做过清理的，要不话题分布数据不会这么诡异。这也应该是知乎话题分布数据中，我见过最有洁癖的数据了。&br&即便如此，“知乎建议反馈”依然在一片数学话题中，强有力得占据一席之地，如果这都不算爱。。。。继新快来看看吧！&br&基于这样的话题状况，陈浩大神能够拿到20以上的赞答比，在数学这么冷门的话题领域拿到13.6的赞答比，这份耕耘，值得让人脱帽致敬。&br&虽然平均赞答比要比数学领域高深多，但是数学领域浏览赞同相关系数要高很多，专业性一目了然。&br&&br&知友6：关注者：46,546&br&&figure&&img src=&https://pic2.zhimg.com/50/eecac940d1066_b.jpg& data-rawwidth=&1077& data-rawheight=&808& class=&origin_image zh-lightbox-thumb& width=&1077& data-original=&https://pic2.zhimg.com/50/eecac940d1066_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/a58a6a4a33e3dc1e7bc67ef3e08899d9_b.jpg& data-rawwidth=&730& data-rawheight=&662& class=&origin_image zh-lightbox-thumb& width=&730& data-original=&https://pic4.zhimg.com/50/a58a6a4a33e3dc1e7bc67ef3e08899d9_r.jpg&&&/figure&恩，这位知友的数据是我最喜欢看的，看来看去，百看不厌，看得心里那个舒服。&br&要是类似特征的数据出现在什么企业数据中，我最喜欢了。&br&稳定，厚重，扎实，用一句话形容叫“重剑无锋，大巧不工”&br&这是所有知友中数据最均衡厚重的一位了。&br&社科人文话题的集群全面凸显，这样的底蕴，让人赞叹。&br&即便如此，他的赞同收割机中，调查类问题，和人际交往两个话题，嘿嘿，也是漏一尖角啊&br&&br&知友7：关注者 6,979&br&&figure&&img src=&https://pic1.zhimg.com/50/06bf18a2ed16_b.jpg& data-rawwidth=&1067& data-rawheight=&782& class=&origin_image zh-lightbox-thumb& width=&1067& data-original=&https://pic1.zhimg.com/50/06bf18a2ed16_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/b2b87fe0fef072e99c89ed_b.jpg& data-rawwidth=&730& data-rawheight=&667& class=&origin_image zh-lightbox-thumb& width=&730& data-original=&https://pic1.zhimg.com/50/b2b87fe0fef072e99c89ed_r.jpg&&&/figure&如果把知友在知乎的表现和热度看作股票的话，这位知友一定是我重金入仓的主力股。&br&赞答比70.70，39位知友中名列第二，仅次于开复先生&br&藏赞比0.46，39位知友中名列三，一代干货大神（另外向前两位干货大神MJ勺子和麦琪姐致敬，分别为0.56，0.51）&br&赞均浏览38.29，仅次于开复大神，和张公子，名列第三&br&答均字数是39位知友中唯一破1000的，位列第一&br&&br&这可是只有不到7000关注者的知友啊！！他的话题主要是建筑学，没有大热话题收割机啊！！&br&&br&唯一可以说说的是他目前答案还太少，才141个，未来回答多了，数据是否会变化，值得关注。&br&来知乎也才134天，平均每天作答1.05个，知乎运营团队应该好好关注下啊，毫无疑问的优质潜力知友，未来可必定是建筑类话题领域的一大神啊。&br&&br&知友8： 关注者：1816&br&&figure&&img src=&https://pic1.zhimg.com/50/df8775cdadd684552ebc7974cedae9c9_b.jpg& data-rawwidth=&1073& data-rawheight=&783& class=&origin_image zh-lightbox-thumb& width=&1073& data-original=&https://pic1.zhimg.com/50/df8775cdadd684552ebc7974cedae9c9_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/cf3daea5fede60d7c8129_b.jpg& data-rawwidth=&729& data-rawheight=&659& class=&origin_image zh-lightbox-thumb& width=&729& data-original=&https://pic2.zhimg.com/50/cf3daea5fede60d7c8129_r.jpg&&&/figure&这位知友的数据。。。怎么说呢，话题不缺浏览数和热度答均浏览4800+的数字远高于各位知友的平均值，在所有知友内排第5，不缺投入，答均457字在39位知友中也属于中上水平，话题专注也不错。但是收获赞同的情况颇不理想。&br&神话题：调查类问题的展现。&br&&br&知友9：关注者 548人&br&&figure&&img src=&https://pic4.zhimg.com/50/2b6d4a21d22bdb18cdd7_b.jpg& data-rawwidth=&1085& data-rawheight=&802& class=&origin_image zh-lightbox-thumb& width=&1085& data-original=&https://pic4.zhimg.com/50/2b6d4a21d22bdb18cdd7_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/9d08c18e9483efde1ea133a46e9638ed_b.jpg& data-rawwidth=&728& data-rawheight=&672& class=&origin_image zh-lightbox-thumb& width=&728& data-original=&https://pic4.zhimg.com/50/9d08c18e9483efde1ea133a46e9638ed_r.jpg&&&/figure&恩，这位知友的数据。。。&br&赞答比0.99，39位知友中倒数第二&br&答均字数22.2，39位知友中倒数第一&br&日均答题：22.21，39位知友中第一&br&答均评论：0.59，39位知友中倒数第一(引起不了兴趣和互动啊)&br&最诡异的数据是藏赞比是0.01，藏赞比不是藏答比啊，槽王三表哥在10万粉的簇拥下也就是0.08的水平啊。&br&&br&&br&&b&IV 分析&/b&&br&我将39位知友中，知乎运营者3位去除，剩下36位知友，按照粉丝数量分为三个区间，做了一些统计：&br&20000粉丝以上：15位 称为为A区间&br&粉丝：7位 称为B区间&br&1000粉丝以下：14位 称为C区间&br&&br&做了一下分析，发现以下规律：&br&&br&虽然有上面的建筑潜力大牛知友的特例，但是赞答比和用户的粉丝数量是强线性关联，其相关系数是0.853，这两者数字本来就是相互促进的事情，但是粉丝数量对赞答比的影响更直接一些，说明总得来说知乎光环效应是存在的。&b&赞答比作为一个独立指数，价值并不大。&/b&（前不久有知友专门强调赞答比来着）&br&&br&&b&答案字数越多越容易获得赞同？&/b&初看似乎确实是这样，但是实际上答均字数和赞同数的相关系数总体只有0.330 ，对于不同的知友，字数多寡的价值完全不同。其中有一位知友的字数的赞同的相关系数达到了0.77，在其专注的话题内，这一关联系数达到了逆天的0.99，几乎就是硬相关了，潜力大大的啊（他的关注者只有181人）&br&而大多数知友，字数和赞同的相关系数都不高，甚至有部分知友是负相关。&br&大部分知友（72.2%），在其专注话题内，答案字数和赞同数的关联，比起他自己的平均数值，明显提高&br&&ul&&figure&&img src=&https://pic4.zhimg.com/50/70ca5d8a58b5_b.jpg& data-rawwidth=&301& data-rawheight=&766& class=&content_image& width=&301&&&/figure&&br&&b&简单的说就是，一般来说，知友在自己专注和擅长的领域里，回答字数越多，获得赞同越多的几率就越大。&/b&&br&回答字数越多是不是越容易获得赞同？哪得看你是谁，也得看你回答什么话题。&/ul&&br&&b&一图胜千言？&/b&事实上，只有两位知友答案中图片和赞同的相关系数超过0.4.。。。&br&&br&&b&回答的问题越热门越容易获得赞同？&/b&事实上，名人大牛的光环能够保证自己的答案曝光率不要太低，而平均来说，答题的曝光率，名人大牛未必会更高：&br&&figure&&img src=&https://pic3.zhimg.com/50/aa2e9788ad86dabe625cd65f84f2c8f1_b.jpg& data-rawwidth=&843& data-rawheight=&815& class=&origin_image zh-lightbox-thumb& width=&843& data-original=&https://pic3.zhimg.com/50/aa2e9788ad86dabe625cd65f84f2c8f1_r.jpg&&&/figure&36位样本知友中，平均所答问题浏览量最高的两位，事实上都是C区间知友，甚至远超A1（开复先生），他们很会挑问题，但是这并没有帮助他们获得更多赞同和赞答比。&br&而和字数相关一样，大部分知友（77.78%）的答案获得赞与浏览次数相关的相关度，在其擅长的话题内，有明显提高，越是大牛用户，在其专注的领域，就越显得更专业：&br&&figure&&img src=&https://pic2.zhimg.com/50/4c29f10de240c28de59b60844cadb42a_b.jpg& data-rawwidth=&958& data-rawheight=&801& class=&origin_image zh-lightbox-thumb& width=&958& data-original=&https://pic2.zhimg.com/50/4c29f10de240c28de59b60844cadb42a_r.jpg&&&/figure&&br&&br&越是明星大牛用户，一般来说，其话题相对越集中，越专注：（开复先生貌似是个例外，可能和他答题较少有关）&br&&figure&&img src=&https://pic1.zhimg.com/50/bbeb969dfc1f9b_b.jpg& data-rawwidth=&748& data-rawheight=&811& class=&origin_image zh-lightbox-thumb& width=&748& data-original=&https://pic1.zhimg.com/50/bbeb969dfc1f9b_r.jpg&&&/figure&&br&91.6%的用户，其答案回答时间和其获得的赞同是负相关，证明知乎考古事业有很大潜力可挖。&br&&figure&&img src=&https://pic1.zhimg.com/50/341d9a2abe_b.jpg& data-rawwidth=&111& data-rawheight=&814& class=&content_image& width=&111&&&/figure&&br&回答时间久的答案，好处是获得更多浏览的机会比较大，缺点是过了热度过了被翻出来的机会更小，现在明显是后者占了主导&br&&br&&b&V 小结&/b&&br&篇幅所限，贴图太多，老出现红叉叉，暂且就贴这么多了。&br&&br&对于知乎获得赞同这件事情，数据分析后可以发现，其实浏览量因素秒杀其他所有因素（例如字数啊，图片啊等等，虽然没有数据，但是我相信什么繁体字啊，泻药啊之类的因素更是浮云）&br&&b&假如要在知乎获得更多赞同，选好问题，获得更多关注固然是重要的因素（浏览量），更重要多的是，专注自己擅长的领域，提高回答的质量和自身的水平，这个因素的重要性是秒杀一切其他因素的。&/b&&br&虽然短时间提高自身水平有点困难，但是选好自己专注和擅长的领域，是比较容易做到的&br&&br&此外，“调查类问题”，“人际关系”，“生活”是三个神话题（排名分先后），是光环下的赞同收割机。&br&&br&数据中可以读出的信息有很多，我就不一一列举了，这里毕竟只是为了说明大数据的概念。&br&&br&&b&需要着重说明的是，以上分析仅仅是为了数据分析，设定了赞同获得这样一个主题，并不代表我认为或者建议大家在知乎为了获得更多赞同去努力！&/b&&br&&br&当然，这个问题主旨是为了举一个和大数据有关的例子，来形象得解释大数据的概念，所以以上模型和数据分析有诸多局限之处：例如&br&专门找过气的热门问题回答的人，数据很难说明问题&br&大量清理过自己答案的，数据的表现也会比较怪异。&br&知乎话题和子话题的关联关系，我没有抓取相应数据和统计在内。&br&&br&但总的来说，为了说明这么一个大数据的概念，应该没啥太大问题。&br&&br&大数据的作用和价值，基本上就是这么一回事，呵呵。&br&&br&我又再次审视检查了问题，问题里没有“ 简单明了&之类的要求，长长的舒了一口气。第一为在知乎答一个问题作了这么多的准备工作，以前最多就花个10来20分钟收集些数据，这次居然花了2个星期收集数据。。。我不得不说，最近知乎的服务器太不给力了！&br&不过最近知乎服务器老是提问题可不关我事啊，我是模拟WEB端鼠标操作的，2～3秒才做一下点击，不应该对服务器增加太多负荷才是。
写在开场的话： 考虑了一下，鉴于现在评论区的状况，以及很多知友的阅读习惯，我还是将一些内容搬运在这个醒目的位置，更新一下这个答案，免得还有杀到评论区里追着要我认错和道歉的。 这个答案开篇之处，我就已经明确说明，以这数据规模，这不是大数据了（…
为了科研，违法就违法了。&br&抱歉，来晚了，上午要给老板搬砖，所以只能下午做了。&br&据说知友喜欢看图，前方多图预警，爪机党先保存哈。&br&&br&——————————————华丽的分割线——————————————&br&&br&&figure&&img src=&https://pic4.zhimg.com/50/e93af935_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/e93af935_r.jpg&&&/figure&&br&一元硬币直径为25mm。&br&然后我使劲的掰，结果没弯。事实证明，硬币是个直男，是掰不弯的，更别想从菊花哪里掰断了。嘿嘿，开个玩笑啦。&br&人手掰硬币，是一个比较复杂的过程，类似三点弯或四点弯，为了简化起见，我就采用三点弯的形式来做了。（为啥不用四点弯？没找到夹具我会告诉你？）&br&实验装置，直接上图了。&br&&figure&&img src=&https://pic1.zhimg.com/50/5f5fecfb517e871222cbd917e474aa77_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic1.zhimg.com/50/5f5fecfb517e871222cbd917e474aa77_r.jpg&&&/figure&&br&&br&&figure&&img src=&https://pic2.zhimg.com/50/f86a08a568fa01cc064453_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/f86a08a568fa01cc064453_r.jpg&&&/figure&&br&&br&其中，跨距（支撑辊轴中心距）20mm，辊轴直径10mm，加载头是底部为平底，宽约2.5mm（忘量了）。试验机我就不放图了，以免暴露了。&br&然后开始加载了。&br&&br&&figure&&img src=&https://pic2.zhimg.com/50/a6be996adb6c4fc_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/a6be996adb6c4fc_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/a9bb22898fa52ddadbd5694_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/a9bb22898fa52ddadbd5694_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/a9bb22898fa52ddadbd5694_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/a9bb22898fa52ddadbd5694_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/dad51c358c_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/dad51c358c_r.jpg&&&/figure&&br&&br&&br&好了，小伙伴们肯定等不及载荷曲线了。&br&&br&&figure&&img src=&https://pic4.zhimg.com/50/90ca640edf836d5d785759_b.jpg& data-rawwidth=&873& data-rawheight=&523& class=&origin_image zh-lightbox-thumb& width=&873& data-original=&https://pic4.zhimg.com/50/90ca640edf836d5d785759_r.jpg&&&/figure&&br&&br&
曲线的拐点在1100N附近，这个时候，可能金属屈服了。但是还没有坏（这个自然了，塑性材料嘛），部分区域开始进入塑性强化阶段，载荷继续上升，只不过斜率降低了（这个也很容易想到嘛）。（这个解释可能存在问题，因为条件比较复杂，需要计算，但大概就是这个意思吧。）&br&
大概到了2500N的时候，我决定停下来了。为啥？感觉加载头要跟下面的辊轴碰到了。&br&可见，虽然工况（边界条件）可能有所不同，但是实验的屈服载荷和徐老师模拟的差别不大（金属最简单了，当然差别不大了）。&br&恩，上长硬币图吧。&br&&br&&figure&&img src=&https://pic3.zhimg.com/50/bdecbaf36c1731a_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic3.zhimg.com/50/bdecbaf36c1731a_r.jpg&&&/figure&&br&看看，菊花哪儿那么容易坏~~~&br&&figure&&img src=&https://pic2.zhimg.com/50/93e553cee3bd17b3c38e_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/93e553cee3bd17b3c38e_r.jpg&&&/figure&&br&&br&————————————再隔一次————————————&br&好像实验挺简单的，可是放假了，管这个设备的师弟不在，我只好自己亲自动手了，而且屋子特别热，大把大把的汗呀。求顶起好不~~~什么，还想知道其他硬币的？不然不给顶？好不，已经违法一次了，不如多违几次（开玩笑啦，像我这样的守法好公民，怎么可能呢，我这是为科研献身好不）。&br&&br&其实我还准备了五毛和一毛的硬币，可惜他们太小，暂时找不到合适的夹具。当然，我是不会就此罢休的，因为我又从包里翻出了一个五分的，哈哈&br&————————————割了————————————&br&五分的直径24mm，哈哈，差不多了。（一时高兴，忘了把测量图照一张了，请相信一个苦逼的博士生科研道德哈）。&br&&br&直接来测量图。&br&开始放上去&br&&figure&&img src=&https://pic1.zhimg.com/50/7e630c9ace6c7d682e708_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic1.zhimg.com/50/7e630c9ace6c7d682e708_r.jpg&&&/figure&&br&&figure&&img src=&https://pic3.zhimg.com/50/f2a22d84bfa71301bdcfb_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic3.zhimg.com/50/f2a22d84bfa71301bdcfb_r.jpg&&&/figure&&br&&br&&br&加载300N时&br&&figure&&img src=&https://pic4.zhimg.com/50/7dc6bd867a3f6e6e6298e1_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/7dc6bd867a3f6e6e6298e1_r.jpg&&&/figure&&br&&br&大概600N时&br&&figure&&img src=&https://pic4.zhimg.com/50/7dc6bd867a3f6e6e6298e1_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/7dc6bd867a3f6e6e6298e1_r.jpg&&&/figure&&br&&br&大概900N时&br&&figure&&img src=&https://pic2.zhimg.com/50/6c67c5a09ecdef21da9c3e_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/6c67c5a09ecdef21da9c3e_r.jpg&&&/figure&&br&&br&&figure&&img src=&https://pic3.zhimg.com/50/e2e7f313d7ad_b.jpg& data-rawwidth=&909& data-rawheight=&526& class=&origin_image zh-lightbox-thumb& width=&909& data-original=&https://pic3.zhimg.com/50/e2e7f313d7ad_r.jpg&&&/figure&载荷位移曲线&br&大概在600N~700N之间发生了类似屈服的现象，载荷最终到达顶峰值950N。&br&所以，想掰断（那是不可能的，掰弯吧）一块钱，先找个5分的试试。&br&&figure&&img src=&https://pic4.zhimg.com/50/ad1ef7a3a65ed72eb9271c_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/ad1ef7a3a65ed72eb9271c_r.jpg&&&/figure&&br&————————————我是最后一个分割线——————————&br&&br&第一次在知乎作答，答的不好，请大家原谅。&br&暑假+周末+七夕，再实验室搞的热火朝天的，能不能给点鼓励乎？&br&本人力学博士生，有相关问题欢迎讨论哈。&br&&br&感谢各位只有热情的点赞。根据 &a data-hash=&dd6f80a4dcfa7f39a10e159cbcc039d7& href=&//www.zhihu.com/people/dd6f80a4dcfa7f39a10e159cbcc039d7& class=&member_mention& data-editable=&true& data-title=&@AKara& data-tip=&p$b$dd6f80a4dcfa7f39a10e159cbcc039d7& data-hovercard=&p$b$dd6f80a4dcfa7f39a10e159cbcc039d7&&@AKara&/a& 建议，我写个小结和一些评论的反馈吧。&br&关于本问题的小结：&br&1、鉴于实验结果，一元硬币对于大多数人来说，是用手掰不断、也掰不弯的。五分的倒是有可能掰弯。&br&2、塑性材料（如一元、5分硬币的材料及很多金属，如金银、低碳钢、铝合金等）在屈服后具有很大的延展性，一般不会直接被掰断。如果要折断，可以反复弯折，使之疲劳，则很快就会断的。（相信很多人都有弯断铝片的经验）&br&3、本实验中，一元硬币发生类似屈服现象的载荷在1100N（约110kg）左右，极限载荷受实验条件限制，做到了2700N；五分硬币发生
类似屈服现象的载荷在600N（约60kg）左右，最大载荷到950N。但并不代手使力到达上述时就能掰弯，受力方式（或者更专业一点称为边界条件）不同，载荷也不同。&br&4、恶意损坏人民币是违法的，但是本人用于实验，真要违法也就认了。&br&&br&&br&关于评论的小结：&br&1、看到这么执拗的答案，我不禁想问多大的力气才能把答主掰弯。 &a data-hash=&1d73cb770fbc6456adf182ada0e064ca& href=&//www.zhihu.com/people/1d73cb770fbc6456adf182ada0e064ca& class=&member_mention& data-editable=&true& data-title=&@陈瓶儿& data-tip=&p$b$1d73cb770fbc6456adf182ada0e064ca& data-hovercard=&p$b$1d73cb770fbc6456adf182ada0e064ca&&@陈瓶儿&/a&&br&答主是掰不弯的，现在可以征妹子了吗？答主在北京五道口附近某高校，博三（类似硕博连读，没那么老）。（已有妹子，勿念）&br&2、如果是在很短时间内突然作用一个很大的力，可不可能断？ &a data-hash=&da2631730aff2e5a966eb5f829b7bca6& href=&//www.zhihu.com/people/da2631730aff2e5a966eb5f829b7bca6& class=&member_mention& data-editable=&true& data-title=&@Jqx1991& data-tip=&p$b$da2631730aff2e5a966eb5f829b7bca6& data-hovercard=&p$b$da2631730aff2e5a966eb5f829b7bca6&&@Jqx1991&/a& （一个好问题）&br&这是可能的。短时间内给一个很大的力，一般我们称为动态冲击。越接近动态的问题，固体越趋于脆性，而越慢，则越接近流体。故塑性材料和脆性材料没有严格的界限，固体和流体也没有严格的界限。（为了使大家都能看懂，写的比较简单，同行勿怪）&br&3、如果瞬间加力超过其屈服力会怎么着？ &a data-hash=&5a9dce73220bbecabc9266f& href=&//www.zhihu.com/people/5a9dce73220bbecabc9266f& class=&member_mention& data-editable=&true& data-title=&@越竹塘& data-tip=&p$b$5a9dce73220bbecabc9266f& data-hovercard=&p$b$5a9dce73220bbecabc9266f&&@越竹塘&/a&&br&瞬间加力超过其屈服力，显然他会弯。看你这个有多瞬间了（时间有多短了）。短到一定程度，也会和脆性材料一样，直接断掉了。（我猜的，这方面研究不多T T，有时间和我同学讨论一下吧。）&br&4、我特别想知道 你兜里怎么会有个五分钱。 &a data-hash=&fe16acb1c19b3cdceeee7& href=&//www.zhihu.com/people/fe16acb1c19b3cdceeee7& class=&member_mention& data-editable=&true& data-title=&@牛子孺& data-tip=&p$b$fe16acb1c19b3cdceeee7& data-hovercard=&p$b$fe16acb1c19b3cdceeee7&&@牛子孺&/a&&br&在帝都，这不是问题。部分超市会找的。我这个可能是我上次去学校财务报账时给我的吧。&br&&br&&br&根据评论再做一次更新。&br&1、关于如何使得硬币断的问题，冲击和低温都是有可能的。冲击的解释请参考 &a data-hash=&f3e7ddb43c8b2d& href=&//www.zhihu.com/people/f3e7ddb43c8b2d& class=&member_mention& data-editable=&true& data-title=&@王豫飞& data-tip=&p$b$f3e7ddb43c8b2d& data-hovercard=&p$b$f3e7ddb43c8b2d&&@王豫飞&/a& 的评论：“理论上所有材料都具有流变性质，针对硬币这样的金属材料，韧性表现强于脆性，这也是最后试验没有将其掰断的原因，只不过流变跟时间的相关性太强，跟加载速率有着很大的关系，如果时间足够短的话，如果加载器具横截面足够小，可以让材料表现出脆性特征，也就是直接切成两瓣，这就要求荷载足够大，施加菏泽时间足够短。”
&br&没有条件做液氮实验、没有时间做冲击试验，请大家原谅。我要赶着把自己项目实验做完，好跟老板请求回家。&br&2、样本太少问题 &a data-hash=&b771c37b26f7b& href=&//www.zhihu.com/people/b771c37b26f7b& class=&member_mention& data-editable=&true& data-title=&@wanston& data-tip=&p$b$b771c37b26f7b& data-hovercard=&p$b$b771c37b26f7b&&@wanston&/a&&a data-hash=&21e4edde101e9b0e3cf2dc1& href=&//www.zhihu.com/people/21e4edde101e9b0e3cf2dc1& class=&member_mention& data-editable=&true& data-title=&@jasonzhang& data-tip=&p$b$21e4edde101e9b0e3cf2dc1& data-hovercard=&p$b$21e4edde101e9b0e3cf2dc1&&@jasonzhang&/a& ，受力的点不对的问题@Johnny Shen 。已经交代了，本次实验仅仅模拟手掰弯硬币，手掰硬币，我想到的手势是双手十指支撑硬币两侧，两个拇指定在中间，这个与三点弯曲和四点弯曲十分类似，但肯定不完全一样，而且，每个人的手指、姿势都不一样，如果非要考虑那么仔细，几乎不可能也没有意思，所以可以允许我们有一定的简化，这里我选用了三点弯曲来类比，旨在提供一个宏观上的认知：载荷到底有多大。当然实验载荷仅仅作为一个参考，如果所有的实验都能精确的与实际工况模拟，飞机也就不用试飞了，直接定型就可以了。既然本来就是模拟实验，也没有经费支持（大家都知道博士生都很穷的），重要的是真没时间T_T,也就没做多组了。 &br&当然，由衷的感谢你们的指出了，可以让我以后的实验更加完美。&br&3、加载过程中力臂发生了变化？@Sidong You &br&大变形后确实力臂发生了变化，会影响到载荷的计量与分析，感谢提醒。&br&4、我想问一下，那个位移曲线为什么随着x轴往右到一个顶点之后y轴会往下掉？这如何理解？@Frank Huo &br&塑性增强使得刚度增大，力臂增大、截面变小等使得刚度变小，增大效果不足以抵消刚度变小的因素，所以降低了。&br&&br&PS：大家别猜了，本人就读于五道口男子职业技术学院。你咬我呀~
为了科研，违法就违法了。 抱歉，来晚了，上午要给老板搬砖，所以只能下午做了。 据说知友喜欢看图，前方多图预警，爪机党先保存哈。 ——————————————华丽的分割线—————————————— 一元硬币直径为25mm。 然后我使劲的掰，结果没…
&p&呃……前晚临睡前开了下脑洞随手写的东西居然一天已经被顶成这样子了，完全意外+受宠若惊啊（捂脸逃）&br&&br&答主读的不是物理专业（恩，其实是码农……顺便辅修过机械- -），所以一些基本概念难免会有差错。以及基本只是定性估计而不是定量计算，故此出了一些bug。在此感谢提出反对意见的 @吳易易 @曾加 @张睿 和一个……呃……@匿名用户。虽然对某些建议持保留态度，但很感谢各位的建议，尤其感谢进行了计算的各位。&br&&br&下面的正文针对之前的部分bug做了一些修改及补充说明。修改之前的正文使用斜体。新增加的内容加下划线。讨论的前提是质量与地球相若的水球，其他条件不做约束。&br&&br&/****************************正文的分割线****************************************************/&br&&br&那么大的体积，还是那么重的呢？&br&&br&如果是和地球一样质量的一团水，在太空中体积会比地球大很多。但是，无论体积如何，当质量已经达到行星级别的时候，重力都会无情的重塑这一大摊水。&br&&br&无疑的，这一大团水会因为重力而达到静流体平衡，从而变成一个非常漂亮的球体。[注1]但这个球内部的结构不会是均匀的，而是随着深度的增加逐渐改变。&br&&br&如此巨大的一团水，半径无论如何都会有几千公里。这意味着，在这团水的核心部分，水压早已达到相当可怕的程度了。在这种状况下，水的物理形态会发生变化，&i&&br&&br&(熔点会因为高压变得非常高，从而使水在那种环境下凝固成冰。但不要觉得那些冰很冷什么的，由于高压，他们的温度可能会非常高--也许高过地球海平面上水的沸点。由于高压的影响，这些冰的特点已经和我们常见的冰不是那么一样了。如果这团水并不是那么纯净，而是有一些不可溶的固体杂质，这些杂质也有一定的可能逐渐沉积到这团水的中央，形成一个固体的核心。&br&&br&在高压冰之上的水，压力虽不至于让水凝固，但也不会让水安静的维持成水的样子。水的液相会在高压下消失，变成类似气体的超临界流体。这层流体的密度会随着深度的增加线性上升，而达到相当大的程度。这层超临界流体会相当厚，大约会占掉这团水的绝大部分体积。&br&&br&在这层超临界流体之上，会是一层大约20公里深的水。在这一层，虽然压力仍然可能很高，但已经不那么离谱了。故此区别不会和地球上的海洋有太大的区别。)&br&&br&&/i&&u&由于巨大的压力（以及可能很高的温度），水会突破临界点，从单纯的液体变为介于气体和液体之间的超临界流体。[注2] 由于水的临界点高达647K（约373C°），可以想象这会是一团高温，危险而不友好的奇怪流体。由于超临界流体的物理特性对压力敏感，随着深度的下降，这层超临界流体的密度会迅速上升。&br&&br&之前的正文中提到，在核心处，压力最高的地方，超临水可能会被进一步压缩成高压冰（冰VII）。之后，有人提出反对意见，认为当水突破临界点之后不可能再次被压缩成固体。确实如此么？有人给出了水的三相图作为例证。不过既然要讨论超过临界点以后的问题，至少也要拿出来超过临界点的三相图出来吧……&br&&br&如下图：[注3]&/u&&br&&figure&&img data-rawheight=&403& data-rawwidth=&500& src=&https://pic4.zhimg.com/50/ea282ba81bfa11c9b2aac8b3edaae625_b.jpg& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/50/ea282ba81bfa11c9b2aac8b3edaae625_r.jpg&&&/figure&&u&图中右上角的红点即为临界点。横轴是温度，纵轴是压力。蓝色的区域代表固体，绿色代表液体，土黄色，标记上Vapor的代表气态。临界点右上角没有标注的棕色区域为超临界流体。&br&&br&可以看到，即使突破了临界点，只要压力足够，水还是会被压缩成固体形式的。实际上，在现今的冰巨星结构模型中，就是在超临界流体下包含了一层高压冰作为核心（或者作为岩石核心的外层）。因此这种状况是可能发生的。&br&&br&但具体在这个大水球上会不会发生呢？不知道。因为需要考虑水球核心处的压力。&br&&br&曾加君和某匿名用户已经计算过，在水球的体积等于地球体积的情况下，核心处的压力不足以维持高压冰的存在。如果温度足够低的话，甚至可能不足以维持超临界流体的存在。至于本文讨论的，质量与地球相同的状况，因为地球的平均密度大约是水的5.5倍，故此质量和体积都会大很多。读者若有兴趣的话，可以帮忙算一下这种情况下水球核心处的压力，这样就可以估计高压冰是否可以形成了。在此感激不尽^_^&/u&&br&&br&最后到了这层水的表面。而这里的状态如何，要取决于这团水所在的位置，以及它初始时期的温度。&br&&br&如果这团水处于离恒星很近的地方，因为恒星的加温，水球表面的温度会很高，因此会维持液态。这样的话就与没有陆地的地球无异。一部分水会蒸发。&u&由于这个水球已经具有地球级别的质量，因此自身的引力已经足够将这些蒸发的水蒸气束缚在自己的周围，&i&从而形成由水蒸气构成的大气层&/i&。有人提出不具备磁场的水球，其大气会被太阳风吹走而不够稳定。如果这样的话，请参考金星、火星和土卫六--他们都没有全球磁场，但太阳风的力量或许会削弱他们的大气，却不能将他们完全剥夺。&/u&如果时间足够长的话，表面的水会慢慢光致分解，变成氢和氧进入大气层。[注4]由于氢很容易被太阳风带走，时间久了，这个水球的大气层里就会富含水蒸气和氧。会有正常的风、大气环流、洋流和云雨。如果他的位置处于恒星的宜居区，甚至会有孕育生命的环境。[注5]&br&&br&但如果他距离恒星太近，表面的水会进入沸腾的状态。于是你看到的这团水球的表面就会是一团开水。沸腾的水形成水蒸气的大气层，并迅速被太阳风带走。由于表面的高温，外层的液态水也会变成超临界流体。[注6]&br&&br&&figure&&img data-rawheight=&219& data-rawwidth=&175& src=&https://pic2.zhimg.com/50/ffda94a60ed_b.jpg& class=&content_image& width=&175&&&/figure&&b&*热木星HD 209458b的想象图。星球表面的氢正在被太阳风吹走。如果这团水距离恒星足够近，看起来也会是这样的效果。不同的是，被太阳风吹走的将是水蒸气。&br&&br&&/b&反之，若这团水距离恒星太远，甚至漂浮在星际空间中流浪，它的表面将不会有足够高的温度。在这种情况下，表面的水将会凝固，变成厚厚的一层冰。&br&&figure&&img data-rawheight=&600& data-rawwidth=&600& src=&https://pic3.zhimg.com/50/263b71c35eee8e57cbaa_b.jpg& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic3.zhimg.com/50/263b71c35eee8e57cbaa_r.jpg&&&/figure&&b&*木卫二就是这种状况的一个典型例子。距离太阳遥远的木卫二，表面下上百公里都是水。但因为得不到阳光的加热，这层水的最外层都是凝固的冰，厚度可能达到10公里以上。&/b&&br&&br&不过，这样的前提是这团水被放到宇宙之中时，温度本就很低。因此内部的热能很小。但如果这团水在一开始已经有了足够高的温度呢？&br&&br&这种时候，这团水的表面就不会凝固了。来自水深处积累的热能，会慢慢的加热表面，使他在足够长的时间里维持液态。同时，由于重力的作用，水球的内部也会逐渐释放出一些热能。这些热能足够表面的水维持液态非常长时间。&br&&br&同时，如处于宜居区的水球一样，表面的水也不会直接和真空的星际空间接触，而会有一部分挥发出来，形成水蒸气的大气层。由于缺少阳光的影响，这个大气层不会分化成分，而会一直维持这样的状态。&br&&br&实际上，这样的巨大水球并不是不存在的。宇宙里存在一种很类似他的星球，就是迷你海王星。&br&&figure&&img data-rawheight=&600& data-rawwidth=&776& src=&https://pic1.zhimg.com/50/85e23f6a6f6f5c40be06_b.jpg& class=&origin_image zh-lightbox-thumb& width=&776& data-original=&https://pic1.zhimg.com/50/85e23f6a6f6f5c40be06_r.jpg&&&/figure&&b&*系外行星系外行星格里泽436b就是一个典型的迷你海王星。他的内部结构显示出了固体核心-&超临界流体（于图中是water compressed into solid层，代表因为高压而转换物态的冰（如果存在，谢吴易易君提醒）和超临界流体）-&水-&气体大气的典型结构。不同的是，他的成分并非单一的水，而还含有诸如氢、氦、氨等多种元素和化合物。&br&&br&/*******************************吐槽的分割线***************************/&br&其实严格讨论的话，题主给的起始条件仍然是不够的。比如这团水的初始温度是多少，会直接影响到水内部的结构分化。温度高和低会产生可能完全不同的结果。一般的行星质量体形成时都会因为构成自己的物质温度而具有自己的初始温度。但这样一团凭空冒出来的水……这温度是可以随意脑补的，您要是来了一盆1亿度的水蒸气（应该已经解体成氢氧的等离子体了），那这堆东西或许连稳定构成一个星体都是不可能的。&br&&br&此外还有初始角动量。这决定这个水球会不会有自传及自转的速度。当然没自转的话潮汐力也会让他转起来。但是如果自转很快的话，星体的赤道部分会因为离心力而拉长，这样的话又会影响到星体内部的压力。&br&&br&一开始想这个答案的时候，基本就是简单的按照流体静力平衡会形成球体作为前提，然后根据压力随深度增加，水的物态随之变化来分析的。同时参考了一下冰巨星的结构模型（毕竟现实中冰巨星最接近这个大脑洞了）。没有经过计算，因此不是很严谨。然后，欢迎讨论呀^_^&br&/*******************************注释的分割线***************************/&br&[注1]：体积足够大的星体，自会因为自身的引力收缩成球形。原理可以参看&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//zh.wikipedia.org/wiki/%25E6%25B5%%25BD%%259D%%258A%259B%25E5%25B9%25B3%25E8%25A1%25A1& target=&_blank& rel=&nofollow noreferrer&&流體靜力平衡&/a&&br&潮汐力的话，需要第三方天体的出现才会对星体的形状和内部对流产生影响，极端情况下，甚至会使星体变成卵形，或者直接解体（进入希洛极限）。而在地球轨道上，对应着太阳这么大的天体，潮汐力的影响真的可说是微乎其微，否则的话在潮汐力弄死我们之前，我们也早就变成人肉BBQ了……&br&&br&当然，如果你非要说这团水球起始的形状是个哑铃型……好吧，当我没说，咱们来聊聊世界和平吧。&br&[注2]：超临界流体是物质的一种高能物态，在这种状态下，流体的表现会同时具备液体和气体的一些特征。对气体和液体施以高压和高温，当温度突破临界温度，压力突破临界压力之后，就会变成超临界流体。具体的可以参见wiki上的说明：&a href=&//link.zhihu.com/?target=http%3A//zh.wikipedia.org/wiki/%25E8%25B6%%%25E7%E6%25B5%%25AB%2594& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&超臨界流體&/a&&br&[注3]：&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//ergodic.ugr.es/termo/lecciones/water1.html& target=&_blank& rel=&nofollow noreferrer&&Phase diagram of water and ice&/a&&br&[注4]：&/b&这里要说一句。虽然水的热稳定性很好，但是化学键这东西不是无敌一样的存在，光的能量（特别是紫外线）足够将它打破，使他还原成氢和氧。更不必说任何大气分布不均导致的局部特殊情况出现。当然这种分解速度会很缓慢，比起经过催化剂进行的化学反应慢得多。但是有一个前提：&b&如果时间足够长&/b&。在实验室里无聊的做一天实验也看不到几个分子分解，可是100万年过去，这种速度已经足够积累到让大气成分发生改变了。而对于地质年代来说，这只不过是一眨眼的事。&br&&b&[注5]：&/b&关于大气环流和洋流的形成，这可以被认为是受热不均的巨大物体上为达成热平衡而自然发生的现象。&br&&br&直接借用下曾加君的图吧：&br&&figure&&img data-rawheight=&338& data-rawwidth=&600& src=&https://pic4.zhimg.com/50/0aad5c5f0af7f9af67ab2b9b84b64c08_b.jpg& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/50/0aad5c5f0af7f9af67ab2b9b84b64c08_r.jpg&&&/figure&如图所示，星体是一个球形，而热源（光）只来自一个方向。所以我们可以注意到，被阳光直射的部分温度显然会高，而接近昼夜分割点的位置温度会低。这样就构成了温度差。有了温度差会如何呢？当然是进行热交换来达到热平衡啊。&br&&br&如果这个星球是一个没有大气的固体星球，这样的热交换也就是通过地表传热来进行了。但如果是在由流体构成的星体上呢？&br&&br&不用问，一定是靠流体循环来实现热交换了。毕竟，流体和高比热容的话，效率可是要高很多了。&br&&br&而这样的流动（大气的流动和表面液态水的流动）就构成了大气环流和洋流。而且因为没有地球上的陆地做干扰，天气系统和洋流的形式会更简单，就大气环流来说，会比较类似气体巨星。如木星：&br&&br&&figure&&img data-rawheight=&771& data-rawwidth=&800& src=&https://pic3.zhimg.com/50/ea6a4328c6fcafdf5ee84ea_b.jpg& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/50/ea6a4328c6fcafdf5ee84ea_r.jpg&&&/figure&&b&[注6]：&/b&表面形成超临界流体的温度来自太阳的加热。当距离太阳非常近的时候，星体表面的温度可以被加热到非常高。如水星，表面温度可以达到700K（400C°以上）。在一些已知的系外行星上，温度甚至可以达到2000C°。&br&&br&而形成超临界流体的压力来自沸腾的水。原理类似锅炉。&/p&
呃……前晚临睡前开了下脑洞随手写的东西居然一天已经被顶成这样子了，完全意外+受宠若惊啊（捂脸逃） 答主读的不是物理专业（恩，其实是码农……顺便辅修过机械- -），所以一些基本概念难免会有差错。以及基本只是定性估计而不是定量计算，故此出了一些bug…
谢邀&br&&br&举个例子，轴承这东西，&br&能精密加工的设备也就德国捷克美国日本有（我不确定SKF的设备是用的自己研发生产的还是问其他厂家定制的，当然了，举个例子，只是为了说明掌握高端设备技术的国家很稀少）&br&他不卖你，啥都是扯淡。&br&&br&而特别是对日本来说，当年东芝偷卖加工设备给苏联被“巴统”罚了3个多亿美元的事情，历历在目。&br&&br&其次，&br&同样连续加工1000个零件，&br&日本企业的一次成品率要比德国企业高那么几个百分点。日本人在工厂量产管理方面是世界最好的，没有之一。TPS永远是叫Toyota Production System而不是什么VWPS，什么BMWPS，更加不要谈印度人的英国牌子车了。&br&且日本人相比德国人能吃苦耐劳，不但工人效率高，听指挥，劳动力成本也比德国的低。&br&&br&所以，在物料成本和人力成本的双重管控之下。&br&卖相同价格，日本企业赚的也多一点点，&br&相同利润的话，那么日本企业的报价（和德国相比）还能有打折空间。&br&而且，生产效率高，质量稳定&br&&br&除非是只有德国人能造的，除非是客户是欧洲企业或者国企接受政治任务不能买日货以外，&br&只要是德货和日货能有竞争的，暗箱操作之类的不讨论，至少从最后反馈出来的结果上看，价格，支付条件，技术规格，对客户生产计划的配合度上，日本企业（一般都是代理商）还是肯妥协的。&br&日货的价格普遍比德货有折扣，&br&日货大多通过商社贸易，商社可以在支付条件做一个缓冲，支付条件比德国人好。&br&交货期上，日系商社会更多的配合客户，甚至承担风险垫资提前备货等。&br&（所以，日本人这种为了抢占市场的做法，搞的日本人自己普遍压力很大，过劳死）&br&&br&=======一些比较知名日货===========&br&涡轮增压器：三菱，IHI，&br&高端的法拉利，&br&中间的宝马奔驰&br&低端的大众&br&&br&火花塞&br&电装&br&NGK&br&以及在他们后面支撑他们的京瓷，住友金属等材料厂家&br&&br&轮胎里面的普利司通就不用解释了吧&br&赛道常用的AD08来自横滨轮胎（优科豪马）&br&&br&爱信也不解释了&br&保时捷的8AT（卡宴），大众的6AT（1.6L配套）&br&&br&还有诸如汽车仪表盘，安全气囊&br&&br&德国货：&br&1，价格贵了点，支付条件上妥协的少。&br&2，德国的厂家在生产效率和供货速度上，无法赶上现在汽车大厂的生产要求。&br&3，有些零部件的材料技术掌握在日本人手里，人家不卖给德国人。&br&&br&============================================&br&&br&&b&&u&要纠正题主的一个逻辑&/u&&/b&&br&&b&&u&正是因为其他企业无法轻易杀入，日本厂商才能够成为寡头垄断，只有获得垄断地位，才能获得超额的溢价。&/u&&/b&&br&&br&intel是不是够垄断？是不是利润够大？&br&AMD干的过？&br&英伟达干的过？&br&高通干的过？&br&&br&微软的OFFICE系列是不是够垄断？是不是利润够大？&br&好几年前iwork（苹果page keynote等）就妥协全面兼容OFFICE格式&br&WPS就是免费简化版office（也很好用）&br&&br&几十年前的洛克菲勒卖石油，&br&老子就是低价，量又足&br&不靠行政力量，其他人干的过？&br&===============================================&br&&br&世界上就只有一种垄断&br&就是行政垄断&br&中石油中石化移动电信，这种就是行政垄断，&br&原来的汽车销售总代理制度也是行政垄断。&br&也就是法律赋予它垄断的权力。&br&根本不提供其他供给&br&&br&而像CPU，光学镜头，汽车零件等等&br&人家就是技术牛逼（两点，要么是这东西只有我能造，要么就是大家都能造的东西，我造的最好也最快最便宜）。&br&&br&=============================================&br&&br&本人目前在日企&br&接触过精加工设备，&br&接触过国内各种代工血汗工厂，&br&接触过IT元器件的制造
谢邀 举个例子，轴承这东西， 能精密加工的设备也就德国捷克美国日本有（我不确定SKF的设备是用的自己研发生产的还是问其他厂家定制的，当然了，举个例子，只是为了说明掌握高端设备技术的国家很稀少） 他不卖你，啥都是扯淡。 而特别是对日本来说，当年东…
这对他来说的确是最省事最简洁最有效率的做法，看不出你的胜算在哪，，，&br&&br&&a class=&member_mention& href=&//www.zhihu.com/people/ecc0ec035f& data-tip=&p$b$ecc0ec035f& data-hash=&ecc0ec035f& data-hovercard=&p$b$ecc0ec035f&&@vczh&/a& 的方法是无效的，因为首先产品狗根本管不着服务器端传什么数据，需求变更只会传达到前端，所以这个程序员的做法是以不变应万变，他把数据库直接暴露给你了，所以除非需求要修改数据库，他都完全不用修改任何代码，而如果需要修改数据库，他的修改也非常简单。&br&&br&&br&这种情况，正确的反驳方式是用海量的请求对服务器端发起DoS攻击，令其不得不缩减传输数据大小和增加缓存来改善性能。&br&&br&如果你的DoS也不能让对方失去响应，或者你们根本没有这么大的流量，那么说明他的设计就是合理的。那这个问题就只是两个程序员工作量分配的问题了，这事儿应该找你的上级去反映。&br&&br&&br&&br&任何设计原则其背后一定有其原因，抛开场景谈原则的架构师都是十足的骗子——Ivony。
这对他来说的确是最省事最简洁最有效率的做法，看不出你的胜算在哪，，，
的方法是无效的，因为首先产品狗根本管不着服务器端传什么数据，需求变更只会传达到前端，所以这个程序员的做法是以不变应万变，他把数据库直接暴露给你了，所以除非需求要修…
29号晚更新， &a data-hash=&175a9cc890d5b8e32de4a57bbd682dd8& href=&//www.zhihu.com/people/175a9cc890d5b8e32de4a57bbd682dd8& class=&member_mention& data-hovercard=&p$b$175a9cc890d5b8e32de4a57bbd682dd8&&@专业看热闹&/a&同学的答案很不错，他更专业也更有说服力。&br&更新了几张MX3白色边框的照片，还有A魅族M8的铝合金边框。&br&&br&28号下午更新：&br&看到不少质疑的声音，很好，大家有分歧有不同的意见可以说出来，但请不要出言不逊。&br&等我有时间，我可能会回应一下。&br&我写的东西都是建立在我的认知和经验之上，不可能做到准确无误。&br&可以这么说，你把一台MX2和MX3拆个稀巴烂，我可以完好无损的装回去，我没有学过修手机。&br&为了看看4S的边框和它的内部构造，我花50块买了个二手边框，看了国内外一些拆机图解。把我朋友坏掉的MX2拆下了边框，自己的MX3也拆过不下四次。&br&我希望大家在了解一些事实后再来喷，否则我还是送你一句后会无期里面三叔的话：&br&&b&既然大家都是没本事的人，各走各的。&/b&&br&&br&刚好在魅族论坛发过个类似的帖子：&a href=&//link.zhihu.com/?target=http%3A//bbs.meizu.cn/thread--1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&魅族MX2、小米4和iPhone 4S的不锈钢边框浅析&/a&&br&&br&多图慎入，写得匆忙，如有不当，感谢指正，欢迎讨论，轻喷。&br&&br&最近不锈钢边框不是很火热嘛，今晚我来浅析一下。&br&CNC,这个其实就是数控机床的缩写：Computer numerical control machine tools，简单点就是电脑数字化控制机床。&br&（以下所说的工件就是不锈钢边框）&br&&br&它的工作原理大致就是：先用电脑绘图软件做出工件的3D模型，然后用编程软件根据3D图形的特征，编写针对这个工件工序。&br&编程包括用多大的刀具，机床要多少转速，刀具每一次移动的距离，还有粗加工，半粗加工，半精加工，精加工等等。&br&&br&每一道工序肩负的责任都不一样，不同的工序都需要用到不同的刀具，不同的转速，不同的进给量。&br&一个产品最终加工出来的效果，就要看这个编程师傅的经验和水平，非常讲究。&br&&br&编程意味着这个产品的整个加工工}
三年多过去，现在的news feed ads已经是日入4000万刀的现金牛了[1]。作为主要成长时期在这个团队里工作过的成员，回想起来感概多多。 Feed Ads有很多种形式，但是最为主要的是如下四种。 1. Suggested Page (你可能喜欢的公众页) Facebook的Growth部门做了…
过完新年，终于把这篇写完了，无营养的流水帐，轻拍。&br&&br&从小就中邪，没来由地喜欢那个可以敲敲打打的键盘。小学三四年级时缠着家里给买了台小霸王学习机（几百块，当时我爸大半个月工资），型号叫486，因为那时最尖端的家用电脑CPU是Intel 486。厌倦了五笔打字和玩游戏之后，有一天终于开始研究里面那个叫G-BASIC的进去之后黑乎乎一片的东西。当时学习机的说明书很有良心，里面有完整的一份BASIC语言手册，从此我就上了贼船。那个BASIC环境最关键的一点是提供了与游戏手柄的接口，还有一些内置的卡通人物，所以可以写出有点像真正游戏的程序，不然的话大概我也不会那么感兴趣。从玩游戏变成自己写游戏，这对当时的我来说简直是妙不可言。坑爹的是那学习机不能存盘，断电就丢，于是我就得关机前把写好的程序抄到本子上，下回开机先把上次的都打进去，再接着写。写了厚厚一大本。当时写过的最像样的记得是一个桌球游戏，可能有上千行。我那里是个中游省份的小县城，周围没人懂我在干啥，也完全没有网络，最宝贵的资料是有个亲戚家里有一个功能更强大的“裕兴”学习机，附带一本有大量示例BASIC程序的说明书，反正他们也没人看我就直接霸占了，从里面学到了很多。&br&&br&初二的时候终于有了自己的电脑，和老爸一起从省城坐绿皮车扛回来的，买来当晚兴奋地睡不着。没网，到处买盗版光盘来装，被VB和Delphi闪瞎狗眼，整天瞎装些新奇控件什么的，但是从来也没有真正系统学过Object Pascal或C++这样的语言。后来能上网了，接触到了更广阔的世界，于是中二病发作，开始鼓捣软件破解，觉得这才是大牛应该干的事。盯着SoftICE跟踪那些汇编指令，一盯就是一天，装各种莫名其妙的共享软件，破掉了就卸载。在刚成立不太久的看雪论坛灌水，骗了一大堆精华贴。&br&&br&高中时的上的学校完全没有OI传统，全校只有一个计算机课老师，有一天说谁想参加计算机竞赛的来报名啊。大家以为很好玩，呼啦啦报了一大堆，讲了一节课的pascal，下次再上课就没几个人了。老师也不给力，讲完pascal语法就没啥能讲的了。我自己上网搜，才知道有那么多好玩的算法，才知道有Ural, UVa可以刷题，苦逼兮兮地在Ural刷了几十道最简单的题，就要参赛了。结果全校就我一个人过了NOIP的初赛，去省城复赛。因为主办方都没听说过我校，想当然地以为是个初中，所以我做的是初中组的题，成绩无效，挂。（我在考场上只看到试卷上写着“普及组”，心想还不错哦知道我水平挫……你说初中组不叫初中组非得写“普及组”是闹哪样！）后来想算了反正参加了提高组也屁名次都轮不着，还是高考要紧。&br&&br&高考报志愿出了点小失误，因为无论如何想学计算机，但那时计算机专业分数线仍偏高，本来想报个稍稳点的学校确保能上计算机系，结果大家报得扎堆了，勉强压着学校提档线被录取，但第一志愿专业就没戏了，被弄到了英语专业。同宿舍的英语专业室友后来跟我讲，第一天看到我桌上全是编程书，就想抽我这个装逼犯，哈哈。看到学校BBS上有计算机学院办的编程比赛，就去参加了，结果居然被我这个英语专业的大一新生拿了冠军。那比赛是ACM队出的题，当然当时的队员是不允许参赛的，不然第一也不可能轮到我。总之就是因此和学校的ACM队接上了头，贼船又上了一步。这时开始真正系统地学习算法，发现高中时刷的那几十道题其实连门都没入。从算法里开始领略到计算机科学的美，也知道了人外有人天外有天，中二病基本痊愈。我校那时ACM实力中游，离总决赛总是有点距离，这也成了老师和学长的一个执念。坚持了好几年，大四的时候终于实现了突破，让我们学校在历史上第一次进了世界总决赛，激动得不行。因为这个比赛收获了很多，也放弃了很多，但从没后悔过。（ps. 大二时候就转到了软件工程专业，因为那时我校软件工程专业刚成立，学费也贵，总被人误以为是三本，没什么人愿意去，所以转专业还是蛮容易。）&br&&br&研究生留在本科学校读的。导师是理论派，玄玄乎乎的数学公式推得满天飞，而且总选一些比较小众的方向。我和导师气场不太搭，自己也比较颓废，没搞出什么有意思的东西来。毕业至今，不敢跟别人说我也是搞过机器学习的，算是一个遗憾。现在也偶尔翻一些论文什么的，希望以后还有机会拾起来。&br&&br&毕业后找工作时被Google北京摆了一道，一直跟我说很有希望，拖了我很久，在我拒了别几家offer或面试之后，Google的总部HC把我毙了。还好留了个腾讯offer作备胎，做搜索。干了一年多，老大给的评价倒是还不错，不过高层变动，组织结构调整，整个搜索部门都散伙了。恰好当时硅谷的大公司开始从中国直接招人，报着试试看的心理投了一下简历，人品爆发，拿了facebook的offer，就来美国了。来美国之后接触到各种传说中的人物，一直处于跪地不起的姿势。英语捉急，智商更捉急。在FB待了两年多点，最近刚刚离职，去了个不知名小创业公司，一是希望能赌对，上市的话小发一笔，二是觉得在小公司可以施展的空间也许更大些。前路如何，尚未可知。&br&&br&境界谈不上，感触倒是有几点：&br&&br&1。年轻的时候技能树真的是乱点，点开了就一头扎进去好几年，效率很低，但却真的能有收获。现在想研究一个什么东西，反复考虑值不值得投入时间，反复研究最合理的学习路线，结果却往往不如人意。这事情可能真的没有什么捷径，21年从入门到精通。&br&2。自己实在是太幸运了。从来没有为选什么专业、找什么行业的工作发愁过，喜欢的恰巧是擅长的，居然还是可以有体面的收入的，居然还是可以站着把钱挣了的。我不信神，但我非常感激到目前为止命运对我的安排：不是出生在城市但也不是在偏远的山村，家境非常一般但也不至于为生存疲于奔命，智商不高但尚在努力可以弥补的范围。我专心去做过的事，竟然基本都有超出预料的成果，但还没来得及沾沾自喜，又被扔到更广阔的天地里被新的大神们全方位碾压。世界在我面前竟然像一个精心设计的RPG游戏，这真是太神奇了。&br&3。具体到技术方面，我现在其实处在恐慌中，感觉没有核心竞争力能让我区别于他人，我懂的那些东西都是没有什么门槛的。我曾经仔细梳理过自己不懂但又非常感兴趣的方面，排前面的大概有三个：数据库与分布式系统、编译与计算机语言理论、机器学习。现在工作之外的业余时间也在学习相关的东西，希望能在任一方面有所突破吧。&br&4。我非常确定我到40岁以后还在写程序。
过完新年，终于把这篇写完了，无营养的流水帐，轻拍。 从小就中邪，没来由地喜欢那个可以敲敲打打的键盘。小学三四年级时缠着家里给买了台小霸王学习机（几百块，当时我爸大半个月工资），型号叫486，因为那时最尖端的家用电脑CPU是Intel 486。厌倦了五笔打…
先说区别：&br&Computer Graphics，简称 &b&CG&/b& 。输入的是对虚拟场景的描述，通常为多边形数组，而每个多边形由三个顶点组成，每个顶点包括三维坐标、贴图坐标、rgb 颜色等。输出的是图像，即二维像素数组。&br&Computer Vision，简称 &b&CV&/b&。输入的是图像或图像序列，通常来自相机、摄像头或视频文件。输出的是对于图像序列对应的真实世界的理解，比如检测人脸、识别车牌。&br&Digital Image Processing，简称 &b&DIP&/b&。输入的是图像，输出的也是图像。Photoshop 中对一副图像应用滤镜就是典型的一种图像处理。常见操作有模糊、灰度化、增强对比度等。&br&&br&再说联系：&br&&b&CG&/b& 中也会用到 &b&DIP&/b&，现今的三维游戏为了增加表现力都会叠加全屏的后期特效，原理就是 DIP，只是将计算量放在了显卡端。&br&&b&CV&/b& 更是大量依赖 &b&DIP &/b&来打杂活，比如对需要识别的照片进行预处理。&br&最后还要提到近年来的热点——增强现实（AR），它既需要 CG，又需要 CV，当然也不会漏掉 DIP。它用 DIP 进行预处理，用 CV 进行跟踪物体的识别与姿态获取，用 CG 进行虚拟三维物体的叠加。&br&&br&对于 OpenCV 和 OpenGL 之间的关系感兴趣的推荐阅读这篇文章&br&&a href=&http://zhuanlan.zhihu.com/hacker-and-painter/& class=&internal&&OpenCV 为啥勾搭上 OpenGL？ - 黑客与画家 - 知乎专栏&/a&&br&&br&本答案的扩充版 &a href=&http://zhuanlan.zhihu.com/hacker-and-painter/& class=&internal&&计算机视觉、图形学和图像处理，三者有什么联系？ - 黑客与画家 - 知乎专栏&/a&
先说区别： Computer Graphics，简称 CG 。输入的是对虚拟场景的描述，通常为多边形数组，而每个多边形由三个顶点组成，每个顶点包括三维坐标、贴图坐标、rgb 颜色等。输出的是图像，即二维像素数组。 Computer Vision，简称 CV。输入的是图像或图像序列，…
写在开场的话：&br&考虑了一下，鉴于现在评论区的状况，以及很多知友的阅读习惯，我还是将一些内容搬运在这个醒目的位置，更新一下这个答案，免得还有杀到评论区里追着要我认错和道歉的。&br&&b&这个答案开篇之处，我就已经明确说明，以这数据规模，这不是大数据了（参见以下答案中我更新加粗的部分）&/b&，只是借个例子说明大数据的内涵和价值，居然还有人因此专门开个答案来驳斥这一点的，实在让我无语。&br&我是本着分享知识和经验的目的在知乎交流的，如果根本性的问题不在于此，连答案看完整点的耐心都没有，那我就没什么想说的了。许多评论我就不回复了。&br&&br&说老实话，这答案在这放了几天，浏览者应该不少，但是没等到我最期望的那些评论。我还是有点失望的。&br&其实，这答案我可以随便找个问题一贴，例如什么问&br&怎么样在知乎混更高效啦？&br&怎么获得更多赞啦？&br&之类的问题。&br&不知道是否有人想到我为啥给贴这里了？&br&大数据的精髓是什么？收集个几百G几百T的数据往硬盘里一放就是大数据的精髓？如果认识就停留在这个程度，我也就没啥可说的了。&br&在这个答案中，我1，2，3，4，5都干了那些事？&br&选择维度，切入数据的路径和选择是什么样的？为什么？&br&虽然我用的都是最简单最基本的算法和模型，但是为什么在这样的地方，我选择了这样的算法和模型？&br&我想看到的很多问题都没有在评论里出现，有点让人遗憾。&br&&br&问题有要求通俗易懂得介绍大数据的应用价值和内涵，我并无认为我的例子有何不妥。&br&对于大数据，一直来说，数据规模本导致的存储，运算等技术问题从来不是最重要的瓶颈。瓶颈只在于前端数据的收集途径，以及后端商业思想引领的模型和算法问题。早期的各类OLAP工具已经足够给力了，后来类似海杜普这样的东西彻底降低了分布式数据的架构成本和门槛，就彻底将大数据带入了一个普及的领域。&br&从数据钻取，大规模分析的技术手段，以及算法执行上来说，大规模数据是和小规模数据在技术上是有很大差异，但是一则，这对于大众认知来说，并不是需要关注和了解的重点（例如本题目的目的那样），另外来说，我也不认为这是重点和难点。&br&面对大数据的技术处理差异绝非大数据概念的精髓和瓶颈，只是商家们热衷宣传的热点，因为大数据领域只有在这个环节上，有大规模的产品市场存在的可能。&br&&br&此外，大数据和超级计算完全是两个不同的领域和概念，虽然在极少的地方，两者或有交集（例如其他知友答案中提到的罗马城3D建模），但是真的很少。&br&并行计算和分布式计算也完全是两回事，后者可不需要去处理什么CPU的连接和通信&br&大数据出于成本/产出考量，是不太可能采用并行计算之类的超算技术的。海杜普之类的分布式技术会是一个很好的选择。&br&大数据和超算，虽然两者都面临算法上的挑战，但是完全不是一回事。&br&如果对超算有兴趣，可以简单移步&a href=&http://www.zhihu.com/question//answer/& class=&internal&&目前超级计算机的性能局限是硬件还是软件，为什么？&/a&&br&&br&从技术层面说，大数据和以前的数据时代的最大差异在于： 以前是数据找应用/算法的过程（例如我们各大银行的大集中项目，以及数据建仓），而大数据时代的重要技术特征之一，是应用/算法去找数据的过程，因为数据规模变成了技术上最大的挑战。&br&&br&至于大数据和小数据的差异，大数据的策略，更偏重于&b&发现，以及猜测/印证的循环逼近过程&/b&，一般只会设定一个大方向，算法模型都可能在执行的过程中做大幅度的调整。而传统小数据分析，一般有明确的目的和诉求，算法，和模型，我想我已经在我的例子中注意体现这一点了。&br&对于大数据来说，统计学的大量概念会重要得多。&br&&br&&b&大数据是因为对它的分析使用，才产生和体现它的价值，而不是因为其用到了NB的技术和算法才体现了它的价值。&/b&（虽然NB的技术确实很NB,我曾经在另外一个答案中视海杜普位划时代的计算产品之一）&br&&br&治大国，若烹小鲜，何况是面对一般受众说个大体的概念，私以为我这个例子是没有太大问题的。&br&&br&========================================================================&br&要明确易懂得解释一件事情，最好的方式无疑是举一个典型形象，具有代表性的例子。例子最好和听众熟悉的场景相关。&br&一般圈里回答这个问题，比较容易拿来做解释的例子是沃尔玛的几个经典案例，不过既然在知乎回答这个问题，我就拿知乎来举个例子吧&br&&br&&b&I 前言&/b&&br&1. &b&我在这个答案中所使用的数据和例子，数据规模有限，真正的大数据只有知乎运营者才有机会使用&/b&（应该也有严格的权限控制，以及运营者自有的命题）。&br&虽然说不上是大数据，但是我只是拿这个来作为一个说明的例子，说明下大数据的内涵以及价值，应该还算是可以的。&br&&br&2. 我收集这些数据，主要是源于前一阵子对张公子文章的仰慕，每次进入张公子回答的页面一点一点往下点，太累，同时下次还要一点点重新展开页面找到以前看到的地方，不堪重负。正好最近业余在学习自动化测试和Ruby语言，于是尝试性写了些作业，扒了一些数据。&br&所以我收集这些数据并没有任何不良企图以及针对性，请各位知友和知乎运营者放心。我也承诺不会将这些数据用于恶意的目的。当然，这些数据本身都是公开的，我都是通过合法合规手段收集的。&br&以下会尽量匿去所有知友的名字，但是某些知友的数据特征太明显，所以就匿不了了。&br&&br&3. 这些数据本身抓取的过程是一个动态的过程，而不是一个snapshot，出于技术，权限以及合法性的原因，我数据抓取的方式比较慢，在抓取过程中，数据本身已然在发生变化，因此数据本身可能有轻微误差。此外，抓取的数据范围和数量有限，并不一定完整反应和体现真实。例如知友的匿名回答，以及删除答案的行为，可能会对分析结果造成很大影响，但是我抓取的数据当中却没有包含。&br&&br&4. 我的样本选择基本上是随机选择，从黄sir的关注者中，从日常每天的热门话题中随机选取，选取的都是至少答题在100以上的知友的数据。&br&&br&5. 我本身并非社区运营专家，所以以下涉及到分析的部分，如果有业余的地方，请勿见笑，这答案的本身并不是真要分析知乎和知友（这也不是我的能力和数据权限能做到的），我只是说明下大数据这个概念和价值而已。&br&&br&&b&II 命题&/b&&br&数据分析总得有个方向和目标，鉴于我的数据规模和样本特性，确立较宏大的命题是相对比较困难的。于是，我选择了一个比较取巧的命题：”赞同数“。&br&一则来说，貌似广大知友关心这个的很多很多，比较吸引眼球。&br&二则来说，知乎上关于这个的日经问题也非常多，也算是有的放矢，例如很多类似以下的问题：&br&&i&如何能获得更多赞同？&/i&&br&&i&什么样的答案能够获得更多赞同？&/i&&br&&i&人情赞，跟风赞是不是很多？&/i&&br&&i&答案字数多是不是容易获得赞同？&/i&&br&&i&图片多是不是容易获得赞同？&/i&&br&&i&话题和浏览是不是影响赞同？&/i&&br&等等类似的问题在知乎层出不穷。尝试做个分析对这些问题提供些帮助。&br&但是，我必须强调的是：&b&知乎真的不是一个“比比谁的赞同多”的竞技游戏，期望大家不要在“赞同”上过于纠结和投入太多关注，我觉得知识，乐趣以及思想的交流和碰撞，才是知乎的重点。&/b&&br&&br&然后围绕这个命题核心，看看我们还能发现点什么有意思的其他东西。&br&&br&&b&III 样本&/b&&br&&b&本次样本主要涉及39位知友，共计36442条答案&/b&&br&&br&样本很多，数据也很多，我就不一一贴上来了，我只贴几位比较有典型代表意义的知友的加工后的数据，以下数据样本根据知友的关注者人数排序：&br&知友1：关注者283,337人&br&&figure&&img src=&https://pic2.zhimg.com/50/e6f95a394e1e27fdf093df_b.jpg& data-rawwidth=&1079& data-rawheight=&803& class=&origin_image zh-lightbox-thumb& width=&1079& data-original=&https://pic2.zhimg.com/50/e6f95a394e1e27fdf093df_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/58ec761bdbfc99e76577_b.jpg& data-rawwidth=&814& data-rawheight=&668& class=&origin_image zh-lightbox-thumb& width=&814& data-original=&https://pic3.zhimg.com/50/58ec761bdbfc99e76577_r.jpg&&&/figure&&i&其中最专注话题，即为回答过最多的话题，即下图活跃度排名第一的话题。&/i&&br&&i&相关系数，即皮氏积矩相关系数(Pearson product-moment correlation coefficient, PPCC)，用以描述两个变量之间的线性相关度。0就是毫无关联，1就是绝对的线性关联，-1就是绝对的负线性相关&/i&&br&&br&好吧，这个知友也不用匿名了，匿不住，这关注数，这话题，摆明是李开复先生。&br&开复先生的影响力毋庸置疑，赞答比惊人，其答案和问题浏览次数的相关度也很高（这意味着问题浏览数的增加有极高概率带动赞同票的获取），尤其在其最专注的话题 “李开复（人物）” 中（囧），问题关注和答案赞同之间有着接近线性相关的相关系数，表明开复先生在知乎是有一大票铁杆粉丝的。&br&但是开复先生的数据中也显示出，其藏赞比并不高（0.26），属于抽样人群中的中等水平。&br&什么样的情况会导致赞很多，藏不多呢？我一般认为，如果答案的内容价值较高，干货很多，会吸引到更多的收藏次数，而光环票，人情票，跟风票，以及引起读者共情的答案（例如吐槽以及煽情），较容易获得赞同，但是不容易收获收藏。&br&当然，开复先生的赞藏比也并不属于低的。&br&&br&开复先生回答的问题，题均浏览次数分别5.5K+ 和 6K+，远超39位知友的平均值，开复先生的影响力可见一斑，而且开复先生答均750多字，属于非常高的值，可见开复先生对于每一个答案都较认真的投入了精力作答。&br&&br&此外，从开复先生的话题分布来看，开复先生更多得把知乎当作了一个作为名人及其官方身份，和公众进行互动的媒体平台。而且是属于职业范的平台。开复先生在知乎上更多得是以自己的职业身份出现。连微博上常见的他关于政治，关于青年人引导的内容，都不多见。进一步的，开复先生作为一个个人的知识与经验分享就鲜见了。&br&&br&开复先生仅凭专攻“李开复（人物）”一个话题，就能斩获261.65的赞答比，在“创新工场”话题中，每不到3个字就能获得一个赞同，这样的粉丝会，绝大多数人是不能拥有的，所以借鉴价值不大（当然后者的字数/赞同还有比开复先生更NB的大牛，我们后面再说）&br&&br&知友2：关注者 175,534&br&&figure&&img src=&https://pic2.zhimg.com/50/087a91da6c54cde4f61200e2_b.jpg& data-rawwidth=&1112& data-rawheight=&810& class=&origin_image zh-lightbox-thumb& width=&1112& data-original=&https://pic2.zhimg.com/50/087a91da6c54cde4f61200e2_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/8fa43fe7c5a61cd602bcd939_b.jpg& data-rawwidth=&813& data-rawheight=&675& class=&origin_image zh-lightbox-thumb& width=&813& data-original=&https://pic3.zhimg.com/50/8fa43fe7c5a61cd602bcd939_r.jpg&&&/figure&好吧，这个也匿不住，这关注数，这话题，明显是继新的。&br&继新的数据很有意思（包括一些尚未贴出来的数据），很明显得看出了一个运营者的身份（其他几位知乎的工作人员的数据也类似），其发言被很明显得压抑在了知乎的相关话题上（尤其过了知乎运营的初期以后）。即便是如此刻意得压制，继新在苹果话题上的心血投入也搂不住（答题数，还有题均字数），一个热情的铁杆苹果粉丝的形象就呼之欲出了。&br&&br&当然，“知乎”这个话题在知乎并不属于大热，（继新在知乎话题下的问题题均浏览只有700多），导致继新在知乎话题下的赞答比都不到15（远低于其平均水平），但是其赞同和浏览的相关系数却远高于平均水平（0.784 ： 0.553），说明其在知乎这个话题中的权威程度和受认可程度（废话，这是当然的）。&br&&br&需要大家开始关注的是知乎内的一个神奇话题：调查类问题。这个话题的神奇之处我们下面再慢慢讨论，单就继新的数据来看，调查类话题是继新最讨好的话题，拥有最高的赞答比和最高的文字效率。&br&&br&而继新另外两个比较突出的私人化，受欢迎的话题是“英语”和“情感”，基于此，我觉得继新可以考虑去泡一个洋妞。&br&&br&至于继新关于创业的话题，我就不说了，相比知乎团队中另外一位老大周源，实在不能比。周源话题特征就是除了知乎就是创业，除了创业就是知乎，两者占据了周源话题的绝对重心。向这样的创业者致敬，具体周源的数据篇幅有限，我就不贴了。&br&&br&知友3：关注数 107,526&br&&figure&&img src=&https://pic4.zhimg.com/50/ebd2eb4ebd28_b.jpg& data-rawwidth=&1107& data-rawheight=&803& class=&origin_image zh-lightbox-thumb& width=&1107& data-original=&https://pic4.zhimg.com/50/ebd2eb4ebd28_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/121a766c4dca68408ccba_b.jpg& data-rawwidth=&788& data-rawheight=&676& class=&origin_image zh-lightbox-thumb& width=&788& data-original=&https://pic1.zhimg.com/50/121a766c4dca68408ccba_r.jpg&&&/figure&好吧，这个也匿不住，看看这赞均字数的效率，最效率的话题，每1.10个字就收获一个赞，这连开复先生都望尘莫及。这是知乎槽王，三表哥是也。&br&三表哥在音乐方面的专业度和投入程度一目了然，但是可以看到，很明显，三表哥赞同来源的主要发动机来自一些大热话题。&br&从这点上可以看到，赞同受到话题本身热度的影响有多大。&br&&br&&b&&i&（在上图最后的4个关于话题的图表中，左边两个表格可以视为是这位知友最专注，最投入的话题，右边两个被视为是他最容易受知友认同的话题，最讨好的话题，下同）&/i&&/b&&br&&br&此外，三表哥的藏赞比只有0.08，在39位知友中倒数第三，不能不说是槽王不可避免的遗憾。&br&&br&知友4：关注数 90,793&br&&figure&&img src=&https://pic2.zhimg.com/50/f843e6eef5_b.jpg& data-rawwidth=&1105& data-rawheight=&788& class=&origin_image zh-lightbox-thumb& width=&1105& data-original=&https://pic2.zhimg.com/50/f843e6eef5_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/c9fb772695fddce1bd1fac2c_b.jpg& data-rawwidth=&855& data-rawheight=&680& class=&origin_image zh-lightbox-thumb& width=&855& data-original=&https://pic4.zhimg.com/50/c9fb772695fddce1bd1fac2c_r.jpg&&&/figure&这也不用匿了，一眼可知，大神张公子是也。我也不想匿，因为这是我收集这些数据的起源和动机。&br&篮球就是张公子的命啊。&br&&br&张公子在篮球话题下的浏览关注相关系数是0.818，神数据，也就是说，基本上张公子说篮球，大家就一脸痴迷得边听边点头即可。&br&&br&张公子回答的答均字数前10个话题，除开“张佳玮”这个话题以外，全部是NBA及NBA的子话题，张公子的投入和专注程度可见一斑。&br&&br&但是等等，张公子在篮球话题下的赞答比只有29.67，远低于他在所有话题下的平均值57.54.....&br&张公子一代篮球作者大神。。。在知乎的赞同收割机还是得依赖爱情，情感，调查类问题。。。&br&相类似的游叔，三水哥等一大票人的类似数据，我就不贴了，他们分别在电影啊，金融啊，日本啊等话题领域专注写作和大量投入，却都是在热门话题中大量高效得收获赞同。&br&&br&所以吧，其实什么赞答比什么的，都是浮云，话题才是王道啊。。。&br&&br&知友5：关注数：61,369&br&&figure&&img src=&https://pic3.zhimg.com/50/a9db29e37aa2c69dd59a49d37ad1cb52_b.jpg& data-rawwidth=&1081& data-rawheight=&792& class=&origin_image zh-lightbox-thumb& width=&1081& data-original=&https://pic3.zhimg.com/50/a9db29e37aa2c69dd59a49d37ad1cb52_r.jpg&&&/figure&&figure&&img src=&https://pic3.zhimg.com/50/6dca183d52e3_b.jpg& data-rawwidth=&745& data-rawheight=&665& class=&origin_image zh-lightbox-thumb& width=&745& data-original=&https://pic3.zhimg.com/50/6dca183d52e3_r.jpg&&&/figure&恩，话题峰度643，偏度有24.9，但是方差只有79.5，数学领域全力开火，这个用不着匿了，陈浩大神是也。陈浩大神应该是对自己的答案做过清理的，要不话题分布数据不会这么诡异。这也应该是知乎话题分布数据中，我见过最有洁癖的数据了。&br&即便如此，“知乎建议反馈”依然在一片数学话题中，强有力得占据一席之地，如果这都不算爱。。。。继新快来看看吧！&br&基于这样的话题状况，陈浩大神能够拿到20以上的赞答比，在数学这么冷门的话题领域拿到13.6的赞答比，这份耕耘，值得让人脱帽致敬。&br&虽然平均赞答比要比数学领域高深多，但是数学领域浏览赞同相关系数要高很多，专业性一目了然。&br&&br&知友6：关注者：46,546&br&&figure&&img src=&https://pic2.zhimg.com/50/eecac940d1066_b.jpg& data-rawwidth=&1077& data-rawheight=&808& class=&origin_image zh-lightbox-thumb& width=&1077& data-original=&https://pic2.zhimg.com/50/eecac940d1066_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/a58a6a4a33e3dc1e7bc67ef3e08899d9_b.jpg& data-rawwidth=&730& data-rawheight=&662& class=&origin_image zh-lightbox-thumb& width=&730& data-original=&https://pic4.zhimg.com/50/a58a6a4a33e3dc1e7bc67ef3e08899d9_r.jpg&&&/figure&恩，这位知友的数据是我最喜欢看的，看来看去，百看不厌，看得心里那个舒服。&br&要是类似特征的数据出现在什么企业数据中，我最喜欢了。&br&稳定，厚重，扎实，用一句话形容叫“重剑无锋，大巧不工”&br&这是所有知友中数据最均衡厚重的一位了。&br&社科人文话题的集群全面凸显，这样的底蕴，让人赞叹。&br&即便如此，他的赞同收割机中，调查类问题，和人际交往两个话题，嘿嘿，也是漏一尖角啊&br&&br&知友7：关注者 6,979&br&&figure&&img src=&https://pic1.zhimg.com/50/06bf18a2ed16_b.jpg& data-rawwidth=&1067& data-rawheight=&782& class=&origin_image zh-lightbox-thumb& width=&1067& data-original=&https://pic1.zhimg.com/50/06bf18a2ed16_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/b2b87fe0fef072e99c89ed_b.jpg& data-rawwidth=&730& data-rawheight=&667& class=&origin_image zh-lightbox-thumb& width=&730& data-original=&https://pic1.zhimg.com/50/b2b87fe0fef072e99c89ed_r.jpg&&&/figure&如果把知友在知乎的表现和热度看作股票的话，这位知友一定是我重金入仓的主力股。&br&赞答比70.70，39位知友中名列第二，仅次于开复先生&br&藏赞比0.46，39位知友中名列三，一代干货大神（另外向前两位干货大神MJ勺子和麦琪姐致敬，分别为0.56，0.51）&br&赞均浏览38.29，仅次于开复大神，和张公子，名列第三&br&答均字数是39位知友中唯一破1000的，位列第一&br&&br&这可是只有不到7000关注者的知友啊！！他的话题主要是建筑学，没有大热话题收割机啊！！&br&&br&唯一可以说说的是他目前答案还太少，才141个，未来回答多了，数据是否会变化，值得关注。&br&来知乎也才134天，平均每天作答1.05个，知乎运营团队应该好好关注下啊，毫无疑问的优质潜力知友，未来可必定是建筑类话题领域的一大神啊。&br&&br&知友8： 关注者：1816&br&&figure&&img src=&https://pic1.zhimg.com/50/df8775cdadd684552ebc7974cedae9c9_b.jpg& data-rawwidth=&1073& data-rawheight=&783& class=&origin_image zh-lightbox-thumb& width=&1073& data-original=&https://pic1.zhimg.com/50/df8775cdadd684552ebc7974cedae9c9_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/cf3daea5fede60d7c8129_b.jpg& data-rawwidth=&729& data-rawheight=&659& class=&origin_image zh-lightbox-thumb& width=&729& data-original=&https://pic2.zhimg.com/50/cf3daea5fede60d7c8129_r.jpg&&&/figure&这位知友的数据。。。怎么说呢，话题不缺浏览数和热度答均浏览4800+的数字远高于各位知友的平均值，在所有知友内排第5，不缺投入，答均457字在39位知友中也属于中上水平，话题专注也不错。但是收获赞同的情况颇不理想。&br&神话题：调查类问题的展现。&br&&br&知友9：关注者 548人&br&&figure&&img src=&https://pic4.zhimg.com/50/2b6d4a21d22bdb18cdd7_b.jpg& data-rawwidth=&1085& data-rawheight=&802& class=&origin_image zh-lightbox-thumb& width=&1085& data-original=&https://pic4.zhimg.com/50/2b6d4a21d22bdb18cdd7_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/9d08c18e9483efde1ea133a46e9638ed_b.jpg& data-rawwidth=&728& data-rawheight=&672& class=&origin_image zh-lightbox-thumb& width=&728& data-original=&https://pic4.zhimg.com/50/9d08c18e9483efde1ea133a46e9638ed_r.jpg&&&/figure&恩，这位知友的数据。。。&br&赞答比0.99，39位知友中倒数第二&br&答均字数22.2，39位知友中倒数第一&br&日均答题：22.21，39位知友中第一&br&答均评论：0.59，39位知友中倒数第一(引起不了兴趣和互动啊)&br&最诡异的数据是藏赞比是0.01，藏赞比不是藏答比啊，槽王三表哥在10万粉的簇拥下也就是0.08的水平啊。&br&&br&&br&&b&IV 分析&/b&&br&我将39位知友中，知乎运营者3位去除，剩下36位知友，按照粉丝数量分为三个区间，做了一些统计：&br&20000粉丝以上：15位 称为为A区间&br&粉丝：7位 称为B区间&br&1000粉丝以下：14位 称为C区间&br&&br&做了一下分析，发现以下规律：&br&&br&虽然有上面的建筑潜力大牛知友的特例，但是赞答比和用户的粉丝数量是强线性关联，其相关系数是0.853，这两者数字本来就是相互促进的事情，但是粉丝数量对赞答比的影响更直接一些，说明总得来说知乎光环效应是存在的。&b&赞答比作为一个独立指数，价值并不大。&/b&（前不久有知友专门强调赞答比来着）&br&&br&&b&答案字数越多越容易获得赞同？&/b&初看似乎确实是这样，但是实际上答均字数和赞同数的相关系数总体只有0.330 ，对于不同的知友，字数多寡的价值完全不同。其中有一位知友的字数的赞同的相关系数达到了0.77，在其专注的话题内，这一关联系数达到了逆天的0.99，几乎就是硬相关了，潜力大大的啊（他的关注者只有181人）&br&而大多数知友，字数和赞同的相关系数都不高，甚至有部分知友是负相关。&br&大部分知友（72.2%），在其专注话题内，答案字数和赞同数的关联，比起他自己的平均数值，明显提高&br&&ul&&figure&&img src=&https://pic4.zhimg.com/50/70ca5d8a58b5_b.jpg& data-rawwidth=&301& data-rawheight=&766& class=&content_image& width=&301&&&/figure&&br&&b&简单的说就是，一般来说，知友在自己专注和擅长的领域里，回答字数越多，获得赞同越多的几率就越大。&/b&&br&回答字数越多是不是越容易获得赞同？哪得看你是谁，也得看你回答什么话题。&/ul&&br&&b&一图胜千言？&/b&事实上，只有两位知友答案中图片和赞同的相关系数超过0.4.。。。&br&&br&&b&回答的问题越热门越容易获得赞同？&/b&事实上，名人大牛的光环能够保证自己的答案曝光率不要太低，而平均来说，答题的曝光率，名人大牛未必会更高：&br&&figure&&img src=&https://pic3.zhimg.com/50/aa2e9788ad86dabe625cd65f84f2c8f1_b.jpg& data-rawwidth=&843& data-rawheight=&815& class=&origin_image zh-lightbox-thumb& width=&843& data-original=&https://pic3.zhimg.com/50/aa2e9788ad86dabe625cd65f84f2c8f1_r.jpg&&&/figure&36位样本知友中，平均所答问题浏览量最高的两位，事实上都是C区间知友，甚至远超A1（开复先生），他们很会挑问题，但是这并没有帮助他们获得更多赞同和赞答比。&br&而和字数相关一样，大部分知友（77.78%）的答案获得赞与浏览次数相关的相关度，在其擅长的话题内，有明显提高，越是大牛用户，在其专注的领域，就越显得更专业：&br&&figure&&img src=&https://pic2.zhimg.com/50/4c29f10de240c28de59b60844cadb42a_b.jpg& data-rawwidth=&958& data-rawheight=&801& class=&origin_image zh-lightbox-thumb& width=&958& data-original=&https://pic2.zhimg.com/50/4c29f10de240c28de59b60844cadb42a_r.jpg&&&/figure&&br&&br&越是明星大牛用户，一般来说，其话题相对越集中，越专注：（开复先生貌似是个例外，可能和他答题较少有关）&br&&figure&&img src=&https://pic1.zhimg.com/50/bbeb969dfc1f9b_b.jpg& data-rawwidth=&748& data-rawheight=&811& class=&origin_image zh-lightbox-thumb& width=&748& data-original=&https://pic1.zhimg.com/50/bbeb969dfc1f9b_r.jpg&&&/figure&&br&91.6%的用户，其答案回答时间和其获得的赞同是负相关，证明知乎考古事业有很大潜力可挖。&br&&figure&&img src=&https://pic1.zhimg.com/50/341d9a2abe_b.jpg& data-rawwidth=&111& data-rawheight=&814& class=&content_image& width=&111&&&/figure&&br&回答时间久的答案，好处是获得更多浏览的机会比较大，缺点是过了热度过了被翻出来的机会更小，现在明显是后者占了主导&br&&br&&b&V 小结&/b&&br&篇幅所限，贴图太多，老出现红叉叉，暂且就贴这么多了。&br&&br&对于知乎获得赞同这件事情，数据分析后可以发现，其实浏览量因素秒杀其他所有因素（例如字数啊，图片啊等等，虽然没有数据，但是我相信什么繁体字啊，泻药啊之类的因素更是浮云）&br&&b&假如要在知乎获得更多赞同，选好问题，获得更多关注固然是重要的因素（浏览量），更重要多的是，专注自己擅长的领域，提高回答的质量和自身的水平，这个因素的重要性是秒杀一切其他因素的。&/b&&br&虽然短时间提高自身水平有点困难，但是选好自己专注和擅长的领域，是比较容易做到的&br&&br&此外，“调查类问题”，“人际关系”，“生活”是三个神话题（排名分先后），是光环下的赞同收割机。&br&&br&数据中可以读出的信息有很多，我就不一一列举了，这里毕竟只是为了说明大数据的概念。&br&&br&&b&需要着重说明的是，以上分析仅仅是为了数据分析，设定了赞同获得这样一个主题，并不代表我认为或者建议大家在知乎为了获得更多赞同去努力！&/b&&br&&br&当然，这个问题主旨是为了举一个和大数据有关的例子，来形象得解释大数据的概念，所以以上模型和数据分析有诸多局限之处：例如&br&专门找过气的热门问题回答的人，数据很难说明问题&br&大量清理过自己答案的，数据的表现也会比较怪异。&br&知乎话题和子话题的关联关系，我没有抓取相应数据和统计在内。&br&&br&但总的来说，为了说明这么一个大数据的概念，应该没啥太大问题。&br&&br&大数据的作用和价值，基本上就是这么一回事，呵呵。&br&&br&我又再次审视检查了问题，问题里没有“ 简单明了&之类的要求，长长的舒了一口气。第一为在知乎答一个问题作了这么多的准备工作，以前最多就花个10来20分钟收集些数据，这次居然花了2个星期收集数据。。。我不得不说，最近知乎的服务器太不给力了！&br&不过最近知乎服务器老是提问题可不关我事啊，我是模拟WEB端鼠标操作的，2～3秒才做一下点击，不应该对服务器增加太多负荷才是。
写在开场的话： 考虑了一下，鉴于现在评论区的状况，以及很多知友的阅读习惯，我还是将一些内容搬运在这个醒目的位置，更新一下这个答案，免得还有杀到评论区里追着要我认错和道歉的。 这个答案开篇之处，我就已经明确说明，以这数据规模，这不是大数据了（…
为了科研，违法就违法了。&br&抱歉，来晚了，上午要给老板搬砖，所以只能下午做了。&br&据说知友喜欢看图，前方多图预警，爪机党先保存哈。&br&&br&——————————————华丽的分割线——————————————&br&&br&&figure&&img src=&https://pic4.zhimg.com/50/e93af935_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/e93af935_r.jpg&&&/figure&&br&一元硬币直径为25mm。&br&然后我使劲的掰，结果没弯。事实证明，硬币是个直男，是掰不弯的，更别想从菊花哪里掰断了。嘿嘿，开个玩笑啦。&br&人手掰硬币，是一个比较复杂的过程，类似三点弯或四点弯，为了简化起见，我就采用三点弯的形式来做了。（为啥不用四点弯？没找到夹具我会告诉你？）&br&实验装置，直接上图了。&br&&figure&&img src=&https://pic1.zhimg.com/50/5f5fecfb517e871222cbd917e474aa77_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic1.zhimg.com/50/5f5fecfb517e871222cbd917e474aa77_r.jpg&&&/figure&&br&&br&&figure&&img src=&https://pic2.zhimg.com/50/f86a08a568fa01cc064453_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/f86a08a568fa01cc064453_r.jpg&&&/figure&&br&&br&其中，跨距（支撑辊轴中心距）20mm，辊轴直径10mm，加载头是底部为平底，宽约2.5mm（忘量了）。试验机我就不放图了，以免暴露了。&br&然后开始加载了。&br&&br&&figure&&img src=&https://pic2.zhimg.com/50/a6be996adb6c4fc_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/a6be996adb6c4fc_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/a9bb22898fa52ddadbd5694_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/a9bb22898fa52ddadbd5694_r.jpg&&&/figure&&figure&&img src=&https://pic2.zhimg.com/50/a9bb22898fa52ddadbd5694_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/a9bb22898fa52ddadbd5694_r.jpg&&&/figure&&figure&&img src=&https://pic4.zhimg.com/50/dad51c358c_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/dad51c358c_r.jpg&&&/figure&&br&&br&&br&好了，小伙伴们肯定等不及载荷曲线了。&br&&br&&figure&&img src=&https://pic4.zhimg.com/50/90ca640edf836d5d785759_b.jpg& data-rawwidth=&873& data-rawheight=&523& class=&origin_image zh-lightbox-thumb& width=&873& data-original=&https://pic4.zhimg.com/50/90ca640edf836d5d785759_r.jpg&&&/figure&&br&&br&
曲线的拐点在1100N附近，这个时候，可能金属屈服了。但是还没有坏（这个自然了，塑性材料嘛），部分区域开始进入塑性强化阶段，载荷继续上升，只不过斜率降低了（这个也很容易想到嘛）。（这个解释可能存在问题，因为条件比较复杂，需要计算，但大概就是这个意思吧。）&br&
大概到了2500N的时候，我决定停下来了。为啥？感觉加载头要跟下面的辊轴碰到了。&br&可见，虽然工况（边界条件）可能有所不同，但是实验的屈服载荷和徐老师模拟的差别不大（金属最简单了，当然差别不大了）。&br&恩，上长硬币图吧。&br&&br&&figure&&img src=&https://pic3.zhimg.com/50/bdecbaf36c1731a_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic3.zhimg.com/50/bdecbaf36c1731a_r.jpg&&&/figure&&br&看看，菊花哪儿那么容易坏~~~&br&&figure&&img src=&https://pic2.zhimg.com/50/93e553cee3bd17b3c38e_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/93e553cee3bd17b3c38e_r.jpg&&&/figure&&br&&br&————————————再隔一次————————————&br&好像实验挺简单的，可是放假了，管这个设备的师弟不在，我只好自己亲自动手了，而且屋子特别热，大把大把的汗呀。求顶起好不~~~什么，还想知道其他硬币的？不然不给顶？好不，已经违法一次了，不如多违几次（开玩笑啦，像我这样的守法好公民，怎么可能呢，我这是为科研献身好不）。&br&&br&其实我还准备了五毛和一毛的硬币，可惜他们太小，暂时找不到合适的夹具。当然，我是不会就此罢休的，因为我又从包里翻出了一个五分的，哈哈&br&————————————割了————————————&br&五分的直径24mm，哈哈，差不多了。（一时高兴，忘了把测量图照一张了，请相信一个苦逼的博士生科研道德哈）。&br&&br&直接来测量图。&br&开始放上去&br&&figure&&img src=&https://pic1.zhimg.com/50/7e630c9ace6c7d682e708_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic1.zhimg.com/50/7e630c9ace6c7d682e708_r.jpg&&&/figure&&br&&figure&&img src=&https://pic3.zhimg.com/50/f2a22d84bfa71301bdcfb_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic3.zhimg.com/50/f2a22d84bfa71301bdcfb_r.jpg&&&/figure&&br&&br&&br&加载300N时&br&&figure&&img src=&https://pic4.zhimg.com/50/7dc6bd867a3f6e6e6298e1_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/7dc6bd867a3f6e6e6298e1_r.jpg&&&/figure&&br&&br&大概600N时&br&&figure&&img src=&https://pic4.zhimg.com/50/7dc6bd867a3f6e6e6298e1_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/7dc6bd867a3f6e6e6298e1_r.jpg&&&/figure&&br&&br&大概900N时&br&&figure&&img src=&https://pic2.zhimg.com/50/6c67c5a09ecdef21da9c3e_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic2.zhimg.com/50/6c67c5a09ecdef21da9c3e_r.jpg&&&/figure&&br&&br&&figure&&img src=&https://pic3.zhimg.com/50/e2e7f313d7ad_b.jpg& data-rawwidth=&909& data-rawheight=&526& class=&origin_image zh-lightbox-thumb& width=&909& data-original=&https://pic3.zhimg.com/50/e2e7f313d7ad_r.jpg&&&/figure&载荷位移曲线&br&大概在600N~700N之间发生了类似屈服的现象，载荷最终到达顶峰值950N。&br&所以，想掰断（那是不可能的，掰弯吧）一块钱，先找个5分的试试。&br&&figure&&img src=&https://pic4.zhimg.com/50/ad1ef7a3a65ed72eb9271c_b.jpg& data-rawwidth=&3120& data-rawheight=&4208& class=&origin_image zh-lightbox-thumb& width=&3120& data-original=&https://pic4.zhimg.com/50/ad1ef7a3a65ed72eb9271c_r.jpg&&&/figure&&br&————————————我是最后一个分割线——————————&br&&br&第一次在知乎作答，答的不好，请大家原谅。&br&暑假+周末+七夕，再实验室搞的热火朝天的，能不能给点鼓励乎？&br&本人力学博士生，有相关问题欢迎讨论哈。&br&&br&感谢各位只有热情的点赞。根据 &a data-hash=&dd6f80a4dcfa7f39a10e159cbcc039d7& href=&//www.zhihu.com/people/dd6f80a4dcfa7f39a10e159cbcc039d7& class=&member_mention& data-editable=&true& data-title=&@AKara& data-tip=&p$b$dd6f80a4dcfa7f39a10e159cbcc039d7& data-hovercard=&p$b$dd6f80a4dcfa7f39a10e159cbcc039d7&&@AKara&/a& 建议，我写个小结和一些评论的反馈吧。&br&关于本问题的小结：&br&1、鉴于实验结果，一元硬币对于大多数人来说，是用手掰不断、也掰不弯的。五分的倒是有可能掰弯。&br&2、塑性材料（如一元、5分硬币的材料及很多金属，如金银、低碳钢、铝合金等）在屈服后具有很大的延展性，一般不会直接被掰断。如果要折断，可以反复弯折，使之疲劳，则很快就会断的。（相信很多人都有弯断铝片的经验）&br&3、本实验中，一元硬币发生类似屈服现象的载荷在1100N（约110kg）左右，极限载荷受实验条件限制，做到了2700N；五分硬币发生
类似屈服现象的载荷在600N（约60kg）左右，最大载荷到950N。但并不代手使力到达上述时就能掰弯，受力方式（或者更专业一点称为边界条件）不同，载荷也不同。&br&4、恶意损坏人民币是违法的，但是本人用于实验，真要违法也就认了。&br&&br&&br&关于评论的小结：&br&1、看到这么执拗的答案，我不禁想问多大的力气才能把答主掰弯。 &a data-hash=&1d73cb770fbc6456adf182ada0e064ca& href=&//www.zhihu.com/people/1d73cb770fbc6456adf182ada0e064ca& class=&member_mention& data-editable=&true& data-title=&@陈瓶儿& data-tip=&p$b$1d73cb770fbc6456adf182ada0e064ca& data-hovercard=&p$b$1d73cb770fbc6456adf182ada0e064ca&&@陈瓶儿&/a&&br&答主是掰不弯的，现在可以征妹子了吗？答主在北京五道口附近某高校，博三（类似硕博连读，没那么老）。（已有妹子，勿念）&br&2、如果是在很短时间内突然作用一个很大的力，可不可能断？ &a data-hash=&da2631730aff2e5a966eb5f829b7bca6& href=&//www.zhihu.com/people/da2631730aff2e5a966eb5f829b7bca6& class=&member_mention& data-editable=&true& data-title=&@Jqx1991& data-tip=&p$b$da2631730aff2e5a966eb5f829b7bca6& data-hovercard=&p$b$da2631730aff2e5a966eb5f829b7bca6&&@Jqx1991&/a& （一个好问题）&br&这是可能的。短时间内给一个很大的力，一般我们称为动态冲击。越接近动态的问题，固体越趋于脆性，而越慢，则越接近流体。故塑性材料和脆性材料没有严格的界限，固体和流体也没有严格的界限。（为了使大家都能看懂，写的比较简单，同行勿怪）&br&3、如果瞬间加力超过其屈服力会怎么着？ &a data-hash=&5a9dce73220bbecabc9266f& href=&//www.zhihu.com/people/5a9dce73220bbecabc9266f& class=&member_mention& data-editable=&true& data-title=&@越竹塘& data-tip=&p$b$5a9dce73220bbecabc9266f& data-hovercard=&p$b$5a9dce73220bbecabc9266f&&@越竹塘&/a&&br&瞬间加力超过其屈服力，显然他会弯。看你这个有多瞬间了（时间有多短了）。短到一定程度，也会和脆性材料一样，直接断掉了。（我猜的，这方面研究不多T T，有时间和我同学讨论一下吧。）&br&4、我特别想知道 你兜里怎么会有个五分钱。 &a data-hash=&fe16acb1c19b3cdceeee7& href=&//www.zhihu.com/people/fe16acb1c19b3cdceeee7& class=&member_mention& data-editable=&true& data-title=&@牛子孺& data-tip=&p$b$fe16acb1c19b3cdceeee7& data-hovercard=&p$b$fe16acb1c19b3cdceeee7&&@牛子孺&/a&&br&在帝都，这不是问题。部分超市会找的。我这个可能是我上次去学校财务报账时给我的吧。&br&&br&&br&根据评论再做一次更新。&br&1、关于如何使得硬币断的问题，冲击和低温都是有可能的。冲击的解释请参考 &a data-hash=&f3e7ddb43c8b2d& href=&//www.zhihu.com/people/f3e7ddb43c8b2d& class=&member_mention& data-editable=&true& data-title=&@王豫飞& data-tip=&p$b$f3e7ddb43c8b2d& data-hovercard=&p$b$f3e7ddb43c8b2d&&@王豫飞&/a& 的评论：“理论上所有材料都具有流变性质，针对硬币这样的金属材料，韧性表现强于脆性，这也是最后试验没有将其掰断的原因，只不过流变跟时间的相关性太强，跟加载速率有着很大的关系，如果时间足够短的话，如果加载器具横截面足够小，可以让材料表现出脆性特征，也就是直接切成两瓣，这就要求荷载足够大，施加菏泽时间足够短。”
&br&没有条件做液氮实验、没有时间做冲击试验，请大家原谅。我要赶着把自己项目实验做完，好跟老板请求回家。&br&2、样本太少问题 &a data-hash=&b771c37b26f7b& href=&//www.zhihu.com/people/b771c37b26f7b& class=&member_mention& data-editable=&true& data-title=&@wanston& data-tip=&p$b$b771c37b26f7b& data-hovercard=&p$b$b771c37b26f7b&&@wanston&/a&&a data-hash=&21e4edde101e9b0e3cf2dc1& href=&//www.zhihu.com/people/21e4edde101e9b0e3cf2dc1& class=&member_mention& data-editable=&true& data-title=&@jasonzhang& data-tip=&p$b$21e4edde101e9b0e3cf2dc1& data-hovercard=&p$b$21e4edde101e9b0e3cf2dc1&&@jasonzhang&/a& ，受力的点不对的问题@Johnny Shen 。已经交代了，本次实验仅仅模拟手掰弯硬币，手掰硬币，我想到的手势是双手十指支撑硬币两侧，两个拇指定在中间，这个与三点弯曲和四点弯曲十分类似，但肯定不完全一样，而且，每个人的手指、姿势都不一样，如果非要考虑那么仔细，几乎不可能也没有意思，所以可以允许我们有一定的简化，这里我选用了三点弯曲来类比，旨在提供一个宏观上的认知：载荷到底有多大。当然实验载荷仅仅作为一个参考，如果所有的实验都能精确的与实际工况模拟，飞机也就不用试飞了，直接定型就可以了。既然本来就是模拟实验，也没有经费支持（大家都知道博士生都很穷的），重要的是真没时间T_T,也就没做多组了。 &br&当然，由衷的感谢你们的指出了，可以让我以后的实验更加完美。&br&3、加载过程中力臂发生了变化？@Sidong You &br&大变形后确实力臂发生了变化，会影响到载荷的计量与分析，感谢提醒。&br&4、我想问一下，那个位移曲线为什么随着x轴往右到一个顶点之后y轴会往下掉？这如何理解？@Frank Huo &br&塑性增强使得刚度增大，力臂增大、截面变小等使得刚度变小，增大效果不足以抵消刚度变小的因素，所以降低了。&br&&br&PS：大家别猜了，本人就读于五道口男子职业技术学院。你咬我呀~
为了科研，违法就违法了。 抱歉，来晚了，上午要给老板搬砖，所以只能下午做了。 据说知友喜欢看图，前方多图预警，爪机党先保存哈。 ——————————————华丽的分割线—————————————— 一元硬币直径为25mm。 然后我使劲的掰，结果没…
&p&呃……前晚临睡前开了下脑洞随手写的东西居然一天已经被顶成这样子了，完全意外+受宠若惊啊（捂脸逃）&br&&br&答主读的不是物理专业（恩，其实是码农……顺便辅修过机械- -），所以一些基本概念难免会有差错。以及基本只是定性估计而不是定量计算，故此出了一些bug。在此感谢提出反对意见的 @吳易易 @曾加 @张睿 和一个……呃……@匿名用户。虽然对某些建议持保留态度，但很感谢各位的建议，尤其感谢进行了计算的各位。&br&&br&下面的正文针对之前的部分bug做了一些修改及补充说明。修改之前的正文使用斜体。新增加的内容加下划线。讨论的前提是质量与地球相若的水球，其他条件不做约束。&br&&br&/****************************正文的分割线****************************************************/&br&&br&那么大的体积，还是那么重的呢？&br&&br&如果是和地球一样质量的一团水，在太空中体积会比地球大很多。但是，无论体积如何，当质量已经达到行星级别的时候，重力都会无情的重塑这一大摊水。&br&&br&无疑的，这一大团水会因为重力而达到静流体平衡，从而变成一个非常漂亮的球体。[注1]但这个球内部的结构不会是均匀的，而是随着深度的增加逐渐改变。&br&&br&如此巨大的一团水，半径无论如何都会有几千公里。这意味着，在这团水的核心部分，水压早已达到相当可怕的程度了。在这种状况下，水的物理形态会发生变化，&i&&br&&br&(熔点会因为高压变得非常高，从而使水在那种环境下凝固成冰。但不要觉得那些冰很冷什么的，由于高压，他们的温度可能会非常高--也许高过地球海平面上水的沸点。由于高压的影响，这些冰的特点已经和我们常见的冰不是那么一样了。如果这团水并不是那么纯净，而是有一些不可溶的固体杂质，这些杂质也有一定的可能逐渐沉积到这团水的中央，形成一个固体的核心。&br&&br&在高压冰之上的水，压力虽不至于让水凝固，但也不会让水安静的维持成水的样子。水的液相会在高压下消失，变成类似气体的超临界流体。这层流体的密度会随着深度的增加线性上升，而达到相当大的程度。这层超临界流体会相当厚，大约会占掉这团水的绝大部分体积。&br&&br&在这层超临界流体之上，会是一层大约20公里深的水。在这一层，虽然压力仍然可能很高，但已经不那么离谱了。故此区别不会和地球上的海洋有太大的区别。)&br&&br&&/i&&u&由于巨大的压力（以及可能很高的温度），水会突破临界点，从单纯的液体变为介于气体和液体之间的超临界流体。[注2] 由于水的临界点高达647K（约373C°），可以想象这会是一团高温，危险而不友好的奇怪流体。由于超临界流体的物理特性对压力敏感，随着深度的下降，这层超临界流体的密度会迅速上升。&br&&br&之前的正文中提到，在核心处，压力最高的地方，超临水可能会被进一步压缩成高压冰（冰VII）。之后，有人提出反对意见，认为当水突破临界点之后不可能再次被压缩成固体。确实如此么？有人给出了水的三相图作为例证。不过既然要讨论超过临界点以后的问题，至少也要拿出来超过临界点的三相图出来吧……&br&&br&如下图：[注3]&/u&&br&&figure&&img data-rawheight=&403& data-rawwidth=&500& src=&https://pic4.zhimg.com/50/ea282ba81bfa11c9b2aac8b3edaae625_b.jpg& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&https://pic4.zhimg.com/50/ea282ba81bfa11c9b2aac8b3edaae625_r.jpg&&&/figure&&u&图中右上角的红点即为临界点。横轴是温度，纵轴是压力。蓝色的区域代表固体，绿色代表液体，土黄色，标记上Vapor的代表气态。临界点右上角没有标注的棕色区域为超临界流体。&br&&br&可以看到，即使突破了临界点，只要压力足够，水还是会被压缩成固体形式的。实际上，在现今的冰巨星结构模型中，就是在超临界流体下包含了一层高压冰作为核心（或者作为岩石核心的外层）。因此这种状况是可能发生的。&br&&br&但具体在这个大水球上会不会发生呢？不知道。因为需要考虑水球核心处的压力。&br&&br&曾加君和某匿名用户已经计算过，在水球的体积等于地球体积的情况下，核心处的压力不足以维持高压冰的存在。如果温度足够低的话，甚至可能不足以维持超临界流体的存在。至于本文讨论的，质量与地球相同的状况，因为地球的平均密度大约是水的5.5倍，故此质量和体积都会大很多。读者若有兴趣的话，可以帮忙算一下这种情况下水球核心处的压力，这样就可以估计高压冰是否可以形成了。在此感激不尽^_^&/u&&br&&br&最后到了这层水的表面。而这里的状态如何，要取决于这团水所在的位置，以及它初始时期的温度。&br&&br&如果这团水处于离恒星很近的地方，因为恒星的加温，水球表面的温度会很高，因此会维持液态。这样的话就与没有陆地的地球无异。一部分水会蒸发。&u&由于这个水球已经具有地球级别的质量，因此自身的引力已经足够将这些蒸发的水蒸气束缚在自己的周围，&i&从而形成由水蒸气构成的大气层&/i&。有人提出不具备磁场的水球，其大气会被太阳风吹走而不够稳定。如果这样的话，请参考金星、火星和土卫六--他们都没有全球磁场，但太阳风的力量或许会削弱他们的大气，却不能将他们完全剥夺。&/u&如果时间足够长的话，表面的水会慢慢光致分解，变成氢和氧进入大气层。[注4]由于氢很容易被太阳风带走，时间久了，这个水球的大气层里就会富含水蒸气和氧。会有正常的风、大气环流、洋流和云雨。如果他的位置处于恒星的宜居区，甚至会有孕育生命的环境。[注5]&br&&br&但如果他距离恒星太近，表面的水会进入沸腾的状态。于是你看到的这团水球的表面就会是一团开水。沸腾的水形成水蒸气的大气层，并迅速被太阳风带走。由于表面的高温，外层的液态水也会变成超临界流体。[注6]&br&&br&&figure&&img data-rawheight=&219& data-rawwidth=&175& src=&https://pic2.zhimg.com/50/ffda94a60ed_b.jpg& class=&content_image& width=&175&&&/figure&&b&*热木星HD 209458b的想象图。星球表面的氢正在被太阳风吹走。如果这团水距离恒星足够近，看起来也会是这样的效果。不同的是，被太阳风吹走的将是水蒸气。&br&&br&&/b&反之，若这团水距离恒星太远，甚至漂浮在星际空间中流浪，它的表面将不会有足够高的温度。在这种情况下，表面的水将会凝固，变成厚厚的一层冰。&br&&figure&&img data-rawheight=&600& data-rawwidth=&600& src=&https://pic3.zhimg.com/50/263b71c35eee8e57cbaa_b.jpg& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic3.zhimg.com/50/263b71c35eee8e57cbaa_r.jpg&&&/figure&&b&*木卫二就是这种状况的一个典型例子。距离太阳遥远的木卫二，表面下上百公里都是水。但因为得不到阳光的加热，这层水的最外层都是凝固的冰，厚度可能达到10公里以上。&/b&&br&&br&不过，这样的前提是这团水被放到宇宙之中时，温度本就很低。因此内部的热能很小。但如果这团水在一开始已经有了足够高的温度呢？&br&&br&这种时候，这团水的表面就不会凝固了。来自水深处积累的热能，会慢慢的加热表面，使他在足够长的时间里维持液态。同时，由于重力的作用，水球的内部也会逐渐释放出一些热能。这些热能足够表面的水维持液态非常长时间。&br&&br&同时，如处于宜居区的水球一样，表面的水也不会直接和真空的星际空间接触，而会有一部分挥发出来，形成水蒸气的大气层。由于缺少阳光的影响，这个大气层不会分化成分，而会一直维持这样的状态。&br&&br&实际上，这样的巨大水球并不是不存在的。宇宙里存在一种很类似他的星球，就是迷你海王星。&br&&figure&&img data-rawheight=&600& data-rawwidth=&776& src=&https://pic1.zhimg.com/50/85e23f6a6f6f5c40be06_b.jpg& class=&origin_image zh-lightbox-thumb& width=&776& data-original=&https://pic1.zhimg.com/50/85e23f6a6f6f5c40be06_r.jpg&&&/figure&&b&*系外行星系外行星格里泽436b就是一个典型的迷你海王星。他的内部结构显示出了固体核心-&超临界流体（于图中是water compressed into solid层，代表因为高压而转换物态的冰（如果存在，谢吴易易君提醒）和超临界流体）-&水-&气体大气的典型结构。不同的是，他的成分并非单一的水，而还含有诸如氢、氦、氨等多种元素和化合物。&br&&br&/*******************************吐槽的分割线***************************/&br&其实严格讨论的话，题主给的起始条件仍然是不够的。比如这团水的初始温度是多少，会直接影响到水内部的结构分化。温度高和低会产生可能完全不同的结果。一般的行星质量体形成时都会因为构成自己的物质温度而具有自己的初始温度。但这样一团凭空冒出来的水……这温度是可以随意脑补的，您要是来了一盆1亿度的水蒸气（应该已经解体成氢氧的等离子体了），那这堆东西或许连稳定构成一个星体都是不可能的。&br&&br&此外还有初始角动量。这决定这个水球会不会有自传及自转的速度。当然没自转的话潮汐力也会让他转起来。但是如果自转很快的话，星体的赤道部分会因为离心力而拉长，这样的话又会影响到星体内部的压力。&br&&br&一开始想这个答案的时候，基本就是简单的按照流体静力平衡会形成球体作为前提，然后根据压力随深度增加，水的物态随之变化来分析的。同时参考了一下冰巨星的结构模型（毕竟现实中冰巨星最接近这个大脑洞了）。没有经过计算，因此不是很严谨。然后，欢迎讨论呀^_^&br&/*******************************注释的分割线***************************/&br&[注1]：体积足够大的星体，自会因为自身的引力收缩成球形。原理可以参看&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//zh.wikipedia.org/wiki/%25E6%25B5%%25BD%%259D%%258A%259B%25E5%25B9%25B3%25E8%25A1%25A1& target=&_blank& rel=&nofollow noreferrer&&流體靜力平衡&/a&&br&潮汐力的话，需要第三方天体的出现才会对星体的形状和内部对流产生影响，极端情况下，甚至会使星体变成卵形，或者直接解体（进入希洛极限）。而在地球轨道上，对应着太阳这么大的天体，潮汐力的影响真的可说是微乎其微，否则的话在潮汐力弄死我们之前，我们也早就变成人肉BBQ了……&br&&br&当然，如果你非要说这团水球起始的形状是个哑铃型……好吧，当我没说，咱们来聊聊世界和平吧。&br&[注2]：超临界流体是物质的一种高能物态，在这种状态下，流体的表现会同时具备液体和气体的一些特征。对气体和液体施以高压和高温，当温度突破临界温度，压力突破临界压力之后，就会变成超临界流体。具体的可以参见wiki上的说明：&a href=&//link.zhihu.com/?target=http%3A//zh.wikipedia.org/wiki/%25E8%25B6%%%25E7%E6%25B5%%25AB%2594& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&超臨界流體&/a&&br&[注3]：&a class=& wrap external& href=&//link.zhihu.com/?target=http%3A//ergodic.ugr.es/termo/lecciones/water1.html& target=&_blank& rel=&nofollow noreferrer&&Phase diagram of water and ice&/a&&br&[注4]：&/b&这里要说一句。虽然水的热稳定性很好，但是化学键这东西不是无敌一样的存在，光的能量（特别是紫外线）足够将它打破，使他还原成氢和氧。更不必说任何大气分布不均导致的局部特殊情况出现。当然这种分解速度会很缓慢，比起经过催化剂进行的化学反应慢得多。但是有一个前提：&b&如果时间足够长&/b&。在实验室里无聊的做一天实验也看不到几个分子分解，可是100万年过去，这种速度已经足够积累到让大气成分发生改变了。而对于地质年代来说，这只不过是一眨眼的事。&br&&b&[注5]：&/b&关于大气环流和洋流的形成，这可以被认为是受热不均的巨大物体上为达成热平衡而自然发生的现象。&br&&br&直接借用下曾加君的图吧：&br&&figure&&img data-rawheight=&338& data-rawwidth=&600& src=&https://pic4.zhimg.com/50/0aad5c5f0af7f9af67ab2b9b84b64c08_b.jpg& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&https://pic4.zhimg.com/50/0aad5c5f0af7f9af67ab2b9b84b64c08_r.jpg&&&/figure&如图所示，星体是一个球形，而热源（光）只来自一个方向。所以我们可以注意到，被阳光直射的部分温度显然会高，而接近昼夜分割点的位置温度会低。这样就构成了温度差。有了温度差会如何呢？当然是进行热交换来达到热平衡啊。&br&&br&如果这个星球是一个没有大气的固体星球，这样的热交换也就是通过地表传热来进行了。但如果是在由流体构成的星体上呢？&br&&br&不用问，一定是靠流体循环来实现热交换了。毕竟，流体和高比热容的话，效率可是要高很多了。&br&&br&而这样的流动（大气的流动和表面液态水的流动）就构成了大气环流和洋流。而且因为没有地球上的陆地做干扰，天气系统和洋流的形式会更简单，就大气环流来说，会比较类似气体巨星。如木星：&br&&br&&figure&&img data-rawheight=&771& data-rawwidth=&800& src=&https://pic3.zhimg.com/50/ea6a4328c6fcafdf5ee84ea_b.jpg& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic3.zhimg.com/50/ea6a4328c6fcafdf5ee84ea_r.jpg&&&/figure&&b&[注6]：&/b&表面形成超临界流体的温度来自太阳的加热。当距离太阳非常近的时候，星体表面的温度可以被加热到非常高。如水星，表面温度可以达到700K（400C°以上）。在一些已知的系外行星上，温度甚至可以达到2000C°。&br&&br&而形成超临界流体的压力来自沸腾的水。原理类似锅炉。&/p&
呃……前晚临睡前开了下脑洞随手写的东西居然一天已经被顶成这样子了，完全意外+受宠若惊啊（捂脸逃） 答主读的不是物理专业（恩，其实是码农……顺便辅修过机械- -），所以一些基本概念难免会有差错。以及基本只是定性估计而不是定量计算，故此出了一些bug…
谢邀&br&&br&举个例子，轴承这东西，&br&能精密加工的设备也就德国捷克美国日本有（我不确定SKF的设备是用的自己研发生产的还是问其他厂家定制的，当然了，举个例子，只是为了说明掌握高端设备技术的国家很稀少）&br&他不卖你，啥都是扯淡。&br&&br&而特别是对日本来说，当年东芝偷卖加工设备给苏联被“巴统”罚了3个多亿美元的事情，历历在目。&br&&br&其次，&br&同样连续加工1000个零件，&br&日本企业的一次成品率要比德国企业高那么几个百分点。日本人在工厂量产管理方面是世界最好的，没有之一。TPS永远是叫Toyota Production System而不是什么VWPS，什么BMWPS，更加不要谈印度人的英国牌子车了。&br&且日本人相比德国人能吃苦耐劳，不但工人效率高，听指挥，劳动力成本也比德国的低。&br&&br&所以，在物料成本和人力成本的双重管控之下。&br&卖相同价格，日本企业赚的也多一点点，&br&相同利润的话，那么日本企业的报价（和德国相比）还能有打折空间。&br&而且，生产效率高，质量稳定&br&&br&除非是只有德国人能造的，除非是客户是欧洲企业或者国企接受政治任务不能买日货以外，&br&只要是德货和日货能有竞争的，暗箱操作之类的不讨论，至少从最后反馈出来的结果上看，价格，支付条件，技术规格，对客户生产计划的配合度上，日本企业（一般都是代理商）还是肯妥协的。&br&日货的价格普遍比德货有折扣，&br&日货大多通过商社贸易，商社可以在支付条件做一个缓冲，支付条件比德国人好。&br&交货期上，日系商社会更多的配合客户，甚至承担风险垫资提前备货等。&br&（所以，日本人这种为了抢占市场的做法，搞的日本人自己普遍压力很大，过劳死）&br&&br&=======一些比较知名日货===========&br&涡轮增压器：三菱，IHI，&br&高端的法拉利，&br&中间的宝马奔驰&br&低端的大众&br&&br&火花塞&br&电装&br&NGK&br&以及在他们后面支撑他们的京瓷，住友金属等材料厂家&br&&br&轮胎里面的普利司通就不用解释了吧&br&赛道常用的AD08来自横滨轮胎（优科豪马）&br&&br&爱信也不解释了&br&保时捷的8AT（卡宴），大众的6AT（1.6L配套）&br&&br&还有诸如汽车仪表盘，安全气囊&br&&br&德国货：&br&1，价格贵了点，支付条件上妥协的少。&br&2，德国的厂家在生产效率和供货速度上，无法赶上现在汽车大厂的生产要求。&br&3，有些零部件的材料技术掌握在日本人手里，人家不卖给德国人。&br&&br&============================================&br&&br&&b&&u&要纠正题主的一个逻辑&/u&&/b&&br&&b&&u&正是因为其他企业无法轻易杀入，日本厂商才能够成为寡头垄断，只有获得垄断地位，才能获得超额的溢价。&/u&&/b&&br&&br&intel是不是够垄断？是不是利润够大？&br&AMD干的过？&br&英伟达干的过？&br&高通干的过？&br&&br&微软的OFFICE系列是不是够垄断？是不是利润够大？&br&好几年前iwork（苹果page keynote等）就妥协全面兼容OFFICE格式&br&WPS就是免费简化版office（也很好用）&br&&br&几十年前的洛克菲勒卖石油，&br&老子就是低价，量又足&br&不靠行政力量，其他人干的过？&br&===============================================&br&&br&世界上就只有一种垄断&br&就是行政垄断&br&中石油中石化移动电信，这种就是行政垄断，&br&原来的汽车销售总代理制度也是行政垄断。&br&也就是法律赋予它垄断的权力。&br&根本不提供其他供给&br&&br&而像CPU，光学镜头，汽车零件等等&br&人家就是技术牛逼（两点，要么是这东西只有我能造，要么就是大家都能造的东西，我造的最好也最快最便宜）。&br&&br&=============================================&br&&br&本人目前在日企&br&接触过精加工设备，&br&接触过国内各种代工血汗工厂，&br&接触过IT元器件的制造
谢邀 举个例子，轴承这东西， 能精密加工的设备也就德国捷克美国日本有（我不确定SKF的设备是用的自己研发生产的还是问其他厂家定制的，当然了，举个例子，只是为了说明掌握高端设备技术的国家很稀少） 他不卖你，啥都是扯淡。 而特别是对日本来说，当年东…
这对他来说的确是最省事最简洁最有效率的做法，看不出你的胜算在哪，，，&br&&br&&a class=&member_mention& href=&//www.zhihu.com/people/ecc0ec035f& data-tip=&p$b$ecc0ec035f& data-hash=&ecc0ec035f& data-hovercard=&p$b$ecc0ec035f&&@vczh&/a& 的方法是无效的，因为首先产品狗根本管不着服务器端传什么数据，需求变更只会传达到前端，所以这个程序员的做法是以不变应万变，他把数据库直接暴露给你了，所以除非需求要修改数据库，他都完全不用修改任何代码，而如果需要修改数据库，他的修改也非常简单。&br&&br&&br&这种情况，正确的反驳方式是用海量的请求对服务器端发起DoS攻击，令其不得不缩减传输数据大小和增加缓存来改善性能。&br&&br&如果你的DoS也不能让对方失去响应，或者你们根本没有这么大的流量，那么说明他的设计就是合理的。那这个问题就只是两个程序员工作量分配的问题了，这事儿应该找你的上级去反映。&br&&br&&br&&br&任何设计原则其背后一定有其原因，抛开场景谈原则的架构师都是十足的骗子——Ivony。
这对他来说的确是最省事最简洁最有效率的做法，看不出你的胜算在哪，，，
的方法是无效的，因为首先产品狗根本管不着服务器端传什么数据，需求变更只会传达到前端，所以这个程序员的做法是以不变应万变，他把数据库直接暴露给你了，所以除非需求要修…
29号晚更新， &a data-hash=&175a9cc890d5b8e32de4a57bbd682dd8& href=&//www.zhihu.com/people/175a9cc890d5b8e32de4a57bbd682dd8& class=&member_mention& data-hovercard=&p$b$175a9cc890d5b8e32de4a57bbd682dd8&&@专业看热闹&/a&同学的答案很不错，他更专业也更有说服力。&br&更新了几张MX3白色边框的照片，还有A魅族M8的铝合金边框。&br&&br&28号下午更新：&br&看到不少质疑的声音，很好，大家有分歧有不同的意见可以说出来，但请不要出言不逊。&br&等我有时间，我可能会回应一下。&br&我写的东西都是建立在我的认知和经验之上，不可能做到准确无误。&br&可以这么说，你把一台MX2和MX3拆个稀巴烂，我可以完好无损的装回去，我没有学过修手机。&br&为了看看4S的边框和它的内部构造，我花50块买了个二手边框，看了国内外一些拆机图解。把我朋友坏掉的MX2拆下了边框，自己的MX3也拆过不下四次。&br&我希望大家在了解一些事实后再来喷，否则我还是送你一句后会无期里面三叔的话：&br&&b&既然大家都是没本事的人，各走各的。&/b&&br&&br&刚好在魅族论坛发过个类似的帖子：&a href=&//link.zhihu.com/?target=http%3A//bbs.meizu.cn/thread--1.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&魅族MX2、小米4和iPhone 4S的不锈钢边框浅析&/a&&br&&br&多图慎入，写得匆忙，如有不当，感谢指正，欢迎讨论，轻喷。&br&&br&最近不锈钢边框不是很火热嘛，今晚我来浅析一下。&br&CNC,这个其实就是数控机床的缩写：Computer numerical control machine tools，简单点就是电脑数字化控制机床。&br&（以下所说的工件就是不锈钢边框）&br&&br&它的工作原理大致就是：先用电脑绘图软件做出工件的3D模型，然后用编程软件根据3D图形的特征，编写针对这个工件工序。&br&编程包括用多大的刀具，机床要多少转速，刀具每一次移动的距离，还有粗加工，半粗加工，半精加工，精加工等等。&br&&br&每一道工序肩负的责任都不一样，不同的工序都需要用到不同的刀具，不同的转速，不同的进给量。&br&一个产品最终加工出来的效果，就要看这个编程师傅的经验和水平，非常讲究。&br&&br&编程意味着这个产品的整个加工工}
我要回帖
更多关于 外星人存不存在 的文章
更多推荐
- ·高中班主任不让学生上学怎么办老师没有经过家长意见，私自定资料违法了吗？
- ·我开通了网易云年卡，为什么没有云闪付能套京东白条吗年卡，不是免费送年卡吗？
- ·一道较世界最难的10道数学题数学题，有会的吗？
- ·无人机一键返航教程提示低电量自动返航时控制器无法操作，途中避障功能不起作用撞上物体炸机是谁的责任？
- ·如果你看校园小说开头怎么写吸引人文，第一章的内容要怎么样的才能留下你或者说要什么样的内容才能吸引你看下去呢？
- ·有谁有Xbox360版的gta5Xbox秘籍秘籍谢谢了🙏
- ·求大神发一下surprise mutherfacker劫成名的音效，用来做来电铃声
- ·华为p20和p20propro怎么删除qq个性图片
- ·为什么我坐在空调房间里面孩子吹空调了手心脚心会热吗?都在出汗
- ·求这个芥川龙之介动漫原图的原图
- ·小米8se静音关闭静音没有
- ·全国地方特色舌尖上的中国小吃大全哪家好
- ·二维码营销方案是什么意思?
- ·12567成语.14542万元是多少亿
- ·甘肃快3大骗子甘肃罗马村到底是真是假假有官方没
- ·农村农村的房子过户麻烦吗户
- ·常年专项法律顾问合同同怎么样开始确定开始收案时间
- ·这个上面有没有退货的淘宝退货物流单号填错了
- ·在香港公司SCR国企怎么登记澳门有国企公司的吗
- ·聚点闲鱼优品怎么加入入
- ·外围美人鱼到底存不存在在着暗箱操作？
- ·上海的浙大国际联合学院分数办公性价比高的地方有吗
- ·图中的冲头模具加工厂家是哪个厂家的品牌，什么类型的冲头模具加工厂家
- ·加入“美商总裁私董会模式”有哪些福利啊？
- ·西班牙Décimas是一个什么性质的服装公司名称大全集？
- ·昆山哪家昆山装饰公司司好
- ·广西防城港是鬼城吗恒大
- ·上海哪里有法国欧洲联合银行办公的地点推荐呢
- ·求推荐一个上海的西安哪有联合办公地方的地方
- ·有个叫“美商总裁私董会的收费标准”是什么组织，好像很难加入？
- ·做兼职刷单的淘宝接单平台app有哪些些
- ·做NT可以用公积金查询吗
- ·贷款买车交完首付还有什么费用，回老家上牌是不是还有什么抵押金
- ·为什么注销支付宝账号时说我关联了您的网商银行账号已关联支付宝账号，我都没有注册过
- ·西宁市巾帼贷是青海省西宁市中考成绩什么时候公布放款?
- ·三好差生评价网是否可靠？去这里如何？
