@m2276699 原来硬盘满载是按照 25W 算的，多三块应该也不至于高你 20W ，不过我这里杂七杂八的东西也不少，比如液冷，挂满了 12cm 静音风扇，可能负载并不高，但是电源功率又大，不知道中间是不是也产生了额外的损耗，反正这里加一点儿那里加一点儿，当然最主要我这个 24 小时下载硬盘都不停肯定是费的更多。

@gezimonkey 我没用黑群，直接 ubuntu ，噪音倒是没啥，因为挂了 24cm 的液冷和全 12cm 超静音风扇，声音是听不到的。

我有一个朋友问是什么网站

其实我不反对领导指点江山，但是只有一点小小的要求，就是最好是业务领导，也就是说不是走仕途的；

真有能力的大佬愿意指点我一二，不比自己花钱去报班学的实际，即便不是说技术领域的交流，比如有高度的差异、维度的差异，视角的差异，能点拨我几句，我也很欢迎啊。

但是只是体现自己存在感的，一个字：滚。

我是搭的 e3 1265L v3 ，tdp45w 的一颗老 U ，上面挂了 5 块硬盘，1 块 ssd 和一个 m2 装主系统，上面挂着一堆服务，aria2 下载，基本上成天 smb 连到电视放电视，还有一些数据库啊，一些 docker 做的测试服务啊等等；

用功率插座做监测，实时功耗基本是 55W ～ 65W 浮动吧，1 天 1 ～ 1.5 度电浮动，一个月差不多 40 度电左右。

哪里肯定都有靠谱儿的，男女肯定都有，价格收费也是没什么特别多的标准，一般是看自己的精力，从业时间长的，客户多的，背景高的，价格自然就高些，日常能看到的价格在 300 ～ 3000 间浮动；

很多时候的靠谱儿其实是评价对自己是否有效，这个有效又要区分对自己问题解决的阶段性有效亦或中长期有效，针对个人解决的不同问题，不同阶段的有效程度也是不一样的，比如有的焦虑问题适合认知或认知相关混合流派的咨询师，有的呢又会适合动力学派的……

这种变量实在太多，所以只能同 1#兄弟所言，这个就看缘分吧，医治有缘人。

试了好几天还没在测试服务器上部署上 @_@ 尴尬了

不想用 docker ，本地服务器是连不上服务器，用腾讯云的测试无 sudo 吧没权限，sudo 吧总提示：

const pgOutput = safeExecSync('postgres --version') ?? '';

崩溃

这个怎么说呢，基本上也是无可避免的，首先还是我们默认“成长”、“突破天花板”，但是无论什么行业，绝大部分人走到一定程度，基本上就会出现天花板，后面做的事儿，就是投入巨大，然后尽量让自己能够维持在那个高度罢了，别说发展，能保持都很难；

前阵子看到过一篇研究，特别有意思，就存了下来，给你参考：

由两名语言学家和一名生物医学研究员组成研究团队最近在 JAMA Network Open 上的发表了一项新研究：NIH 资助申请中使用的词汇正变得越来越夸张。与 1985 年相比，2020 年的资助申请摘要中使用特定的 130 个“炒作形容词”的频率平均高出 1378%

搞科研都如此，其他的想想也知道；

这个只能说，要么就去发展新行业，然后降维打击，找那些做交叉业务的行业，比如同样是搜索技术，假设哈，原来是做互联网的，现在同样的技术，比如去法律咨询科技企业试试？诸如此类的；

想发展只能想办法错位竞争，否则对于我们这种普罗大众，能维持，基本上就要耗尽所有的精力了。

由近及远来说：

1 、先了解老师的研究方向和师承关系；
2 、这些领域本身都是当前这个阶段内研究非常多的，但本身已经开始进入到部分瓶颈中，你看 google 最新的研究已经开始转向文字生成图像这种跨领域生成了，到你研究生毕业或读博时，假设现有计算系统体系不变，那么能优化的空间或者说基础算法的研究，可提升空间就很少了，直白说：很难再发 paper 了；
3 、岗位其实本身还是很广泛的，但是要结合你自己的学业经历、导师的资源（这里我真的要再提一句，真的要重视导师关系，等你以后慢慢走进社会就会明白资源的重要性），行业是多种多样的，可以继续搞研究，可以搞计算机进大厂（但坑位也不像以往那么多，而且如商汤之类所谓 AI 企业上市后的股价你可以搜一下，就知道单纯这类厂也不会像前面那么砸钱了）；
这里给你举个例子，比如我最近看的一篇生物制药的新闻 paper：

[由于非阿片类镇痛药物广受欢迎，本研究通过计算机模拟分子对接，从三亿多个虚拟分子中筛选出 17 个α2A-肾上腺素能受体（α2AAR ）配体，并使用冷冻电镜技术解析出其中两种配体-α2AAR 复合物结构，并以此为模板进一步优化配体结构。]

这都是潜在的用武之地，相关的技术可以结合到很多行业里，所以说要看你具体的学业，你导师的资源，至于薪酬，也是和行业高度相关的，不同的行业可能差异很大：

比如金融领域，大概率 3 年后的阶段可能处于一个相对舒服的状态，看见的生物制药可能因为这两年大规模的投资但是又很难见到进展，所以会有增长困难，等等；

但毕竟是 2 、3 年后的事情了，我也只能比较空泛地聊几句，剩下的，看命吧 [最后再强调一句：务必利用好师承资源，相当重要，借巧力能让你少走 N 多年弯路] 。

问问你们公司有没有数据团队，数据团队做统一数据管理一般会部署元数据管理系统。

这种需求都无脑 discuz

封资源这个，其实不可避免，国内会封，影视文件资源考虑版权问题，放在发达国家提供服务的网盘上，被处理本身也是高危的；

稳妥一点儿，想平衡的话，有个方法，就是做加密文件，veracrypt 之类，把文件封装在加密文件中，基本上存在哪里都无所谓，作为历史存档基本上不怎么打开用。

职场话题我其实重复无数次了，对于绝大部分普罗大众的打工干饭人，找对老大，跟对人，比什么都重要；

不是说技术水平不重要，但其实绝大部分人的知识水平、能力程度，从打工角度没有任何区别，没有谁是不可替代的；

如果你不是大佬，就去找一个大佬，ta 有上升空间，你才能有空间，而且未来预期工作机会，补坑的机会就是越来越少，就是有创新的机会，从公司运作角度，找一个信得过的团队大佬过来，带一个团队，效率比社招高多少；

你就是润出去，也别以为人际关系就不重要了，看看三哥们在硅谷一呼百应，再看看能提的出来无论哪里的企业初创时背后的股权结构，别提什么国家、文化，你只要是人，只要在社会生存，这种关系就是无法避免的，没有人际关系最后吃亏的真是自己；

如果老大靠谱儿，一定紧跟，老大不靠谱儿，自己做成大佬让一群人追着你也成，不要一把年纪了还没办法只能“刷题”找机会，一个人能走的更快，但是一群人才能走的更远。

@tellmeworld 这个是我的习惯，因为我不是系统应用研发，我们是搞数据研发的，所以基础的业务数据行为数据等一些结构设计等，都不太符合我们做数据的要求，为了更满足我们处理的要求，一般都会有很多调整，处理好基本结构后再把数据插回去。

1 、费力不讨好；
2 、实际上针对大规模业务和相对稳定的业务但是多变的产品，核心数据仓库依然是非常好的稳定支持选择；
3 、但是建设这个东西是个玄学，不懂的人都认为没价值，你让谁去做，基本上短时间也能怼一个；
4 、真正做出一套成型体系，让每个层的人都用起来舒服的数据仓库，是相当考验功力的；
5 、综上所述，久而久之这东西也就失传了，因为小公司业务不稳定没必要，中公司雇不起人，大型公司数据核心系统的坑少，一般人也进不去；
6 、传统企业基本都不懂，追风，基本都是听营销企业编出一个新名词就去追，拿数仓说大家都会认为技术太老了，不够 fashion ；
7 、最后：数据仓库不是写表的，而是定标准和研究数据流结构的，做表那是应用层的事儿。

mysql 和 es 我都很少用，但是这类使用习惯都是先分析，想清楚历史数据和增量数据以及使用的特征，先在服务器建好库分区分表索引，把数据直接扔上去再根据新结构插进去，这样逻辑清楚，兼顾未来使用，就几千万条数据而已，很快。

@longmeier90 这种都比较理论，你就搜搜传统数据集市设计的内容看看，但通用方法论实际用的时候，还是个经验和玄学的综合体，最后都是取舍平衡，那些通用方法论能实际套用的很少，只能说是借鉴思想。

@smark 深表理解，我家里是我妈干活儿，总有各种要求的统计数据，我妈这个年纪搞不定，就都“外包”给我来帮她做，这些事业单位真是做了一笔好买卖，笃定了不管多麻烦，家里肯定有人给兜底，这么算，她们的薪资水平其实划算的很 /doge