@lasse @Golevka 是的，我也发现一个tag好像就够了。。。

@feiandxs 有想法就一定要去实践么？如果有想法就一定要去实践的话你就可以找版主说这个版块可以取消了。进来这个版块就应该遵循这个版块的规矩。如果我要去实践的话我就不会发在奇思妙想区了。顺带你什么玩意在那放屁，真当自己是福尔摩斯了？凭别人的论坛记录就给别人下定论？

@est 这个问题就是：到底是tag abuse群体是大众呢？还是不想打过多tag的人是大众？或者你有没有想过，那些tag abuse之所以成为tag abuse，就是因为他们喜欢社交但是有没有好的方法来简单化这个事情。

@dodogod 不知道。但是我的观点是我并不希望我不停的加入一个一个的圈子去获得我想要的信息。而且我也不希望添加无数的tag来做这种事情。我喜欢足球，那么像皇马，欧冠，贝克汉姆这些信息也应该能提示到。

@lasse 给自己打tag的目的是说我喜欢这个东西，给别人打tag的目的意思是我认可他的这些信息。举个例子，假设我喜欢喜剧电影，我的一个好友也喜欢电影，但是他喜欢的是恐怖电影。那我就有可能我给自己打tag，电影，但是我不给他打tag。意思是我不认同他的那些电影信息。

@webgeekman 再次说一句，我感觉你的逻辑很奇怪。看一下这个版面右边的话：

这是一个专门讨论 idea 的地方。

每个人的时间，资源是有限的，有的时候你或许能够想到很多 idea，但是由于现实的限制，却并不是所有的 idea 都能够成为现实。

那这个时候，不妨可以把那些 idea 分享出来，启发别人。

我发个idea，就一定是我要去实现他了么？我就一定要通过他来得益了么？以前我也会把自己的创意想法藏起来，觉得是自己的财富，自己有一天能实现他，说出去就露馅了。但是那么多年，基本也就明白了，把想法说出来，让有心人去做，从某一方面来说也是间接的推动了社会的进步。

@webgeekman 文明点探讨问题，你反感的话就不带走一片云彩好了。事实上就是前面的几个回复基本上就是没有搞明白我想要什么，只是大概看完然后说你这个东西跟google＋有点像，我来点脾气你不爱看就不看好了。

@lfhong 差不多是自动维护的意思，带一定的语义联想的tag。例如tag足球了，什么贝克汉姆，皇马就自动的能联想到。为了避免大范围的扩散，所以只局限于好友之间，这也符合真实生活交友的形式。

当然，很显然，小公司是做不到的。其实所谓的抛砖引玉，只是说把想法说出来，然后什么时候听者有意了，推动技术往这个方向上面走了，自己就能够有机会用到这样的系统了。所以，讨论，其实就是讨论还有没有更好的想法或者一些适当的补全而已。

所以说搞技术的比较固执？或者说那种不重复造轮子的行为准则已经刻进了骨子里？别人提出了一个想法，随便看一下，然后就会说，这是Google＋的概念，然后就止步了。估计连我的文字都没看清楚吧。而不是细细的去品味一下别人的想法，去发散一下思维，甚至于去实现。这个版块叫奇思妙想，所以我并没有打算去实现，纯粹抛砖引玉而已。

@MtTwo 首先，我可能是会给我自己打一个tag，但是这个tag很多时候是很广义的。例如我打个tag：足球。然后按你的概念，别人发的文字包含了足球或者给这段文字加上了tag了，就会出现在我的时间线里面。那么世界杯呢？欧冠呢？作为发文章的人，我是基于什么动力去给一段文字加tag，这现实么？真实的生活中，我的朋友只会告诉我：昨天晚上看世界杯了么？或者昨天晚上看欧冠了么？我并不想去不停的维护我的tag，我希望的是系统智能去分析联想，然后把我的好朋友的足球信息推送给我。当然我可能会给我的这个朋友打个tag，足球。系统看到我们两互相关注并且我自己有足球的tag并且我给我的朋友也打了这个tag，他就去帮我做这种智能分析，否则就不做了。

@MrTwo @est 话题和圈子。跟上面一段是类似的，我每关注一个话题我就新加一个tag？加入一个圈子？用起来不累么？现实的情况是，我的朋友从他的朋友那里听到了某些关于足球的消息，然后他就转发一下，然后我也就知道了。其实我压根就不需要知道确切的消息来源是谁，也不需要认识他的那位朋友。朋友链其实是不科学的。

很多社交应用我身边的人基本上都是活跃个2,3年，然后就慢慢都不用了，因为用起来费劲，垃圾信息越来越多。唯一屹立不到的是QQ，因为那才是接近真实的交友方式。我的想法其实说到底了就是一个基于好友和tag智能分析的微博应用。我还是可以主动的去关注别人，但是更多的时候，我邀请我的好友，我给自己打tag，给他打tag。然后他发的相关信息就会智能分析出现在我这里。这样的话，对于我来说使用压力是最小的。我无需要一个一个的@我的好友，也不需要给加入什么破圈子。我有东西，发表一下，该知道的人就都知道了。

@lfhong 核心的思想是朋友会筛选出他认为我感兴趣的内容，当然这个感兴趣的东西我自己设置就好。现在的社交应用的问题是我关注了一个人，我就关注了他的全部。其实有很多事情我压根就是没有任何兴趣的。结果就是一刷微博，满屏都是水。

我不觉得现在有哪款社交应用是能做到我的需求的。因为这个涉及到对随便文章进行内容分析，判断内容跟我定义的感兴趣是否吻合。而我不可能要求我的好友每次发文章的时候去打个tag。

@soli 好吧，我想要的效果是，如果我和我的朋友是互相关注的话，那么这个基于人的tag就能生效。这样朋友发的东西如果不是我感兴趣的，就自动过滤，如果是我感兴趣的，就自动给我推送。他甚至都不用@我，我有专门的通道能看到这些信息。另外一个就是如果我的好朋友的好朋友跟我有相同的兴趣的话，也不妨让把相关东西通知我。

你所说的推荐系统是那种猜你喜欢之类的？跟我想要的东西完全不是一码事。

我不玩微博一段时间了，因为他的那种信息传输方式不是我喜欢的。你可以顺便告诉我现在的微博是不是能做到我想要的效果。

看了一下场景的设计。这样的设计其实远远的脱离了实际的使用，所以产生的结果就很让人怀疑了。真实应用最常见的场景应该是有很多的跨表查询在里面的，而且关键业务的查询也不可能那么简单。在他的设计里面数据库消耗的时间基本上都是可以忽略不计了，单纯考虑架构的性能，当然得出这个结果了。但是实际应用中数据库消耗的时间是不能忽略的。

举个例子。第一个图表，最高的go一秒钟能处理10000个请求，等于是0.1毫秒一个请求。然后flask只能处理100个请求，等于是10毫秒一个请求。所以是1:100，但是如果那个数据库请求耗时增加到2毫秒的话，比例就是2.1:12了，如果增加到3毫秒的话就是3.1:13了。他的报表说白了也没错，只是说在现实中的差距远没有那么夸张就是了。

我觉得要测试的话至少要设计出类似电商网站的例子来，数据量要大到一定程度，然后至少两个场景。
1. 若干个查询条件，处理然后进行数据库查询，返回一个列表。输出应该是html，当然json也无差。
2. 查询某个商品，然后根据查询该商品相关的一系列表，然后返回结果。

@xmbaozi 单纯的给你一个建议，就是：带着答案去问问题。例如说他跟你说一个事情，你听得一知半解，大概有个思路，但是又怕错。那么你就应该跟他说，我的想法是这样这样的，看看有没有什么地方理解错了。其实无论跟谁打交道都是这样的，不能问重复的问题。你问一次，消化了50％，那么第二次问的时候你就应该把你这50％说出来，这样可以避免他又得重复的给你讲这50％。还有就是没有跟上的话为什么不赶紧打断呢？讲完了再打断的话他就得从头再来了。

话说面试的时候，很少有公司直接给offer的。因为一个公司一般都是几个面试一起来的，已经约了的人是无论如何都要面完的，然后一轮面完了才会确定谁最合适。

所以我觉得是不是楼主理解有错误。一般谈上岗时间也只是问入职的话，什么时候能上岗。然后最后都是要邮件给出正式offer才算是成了，否则之前无论谈得多么的感觉自我良好，都不算数。

这公司是很确切的告诉你“下星期来上班吧，offer马上就发给你”？

|在正则表达式里面是特殊字符，建议转义一下，用 /|

检查一下你的|的前后左右有没有空格啊，回车啊之类的东西。顺便查查是不是跟正则表达式有关系。

@justfly 一点小bug，请把press_keys.append(A4)改成press_keys.append(copy.copy(A4))，把press_keys.append(PRESS_GROUP)改成press_keys.append(copy.copy(PRESS_GROUP))

@justfly 1秒钟之内循环1到49毫无压力。注意我前面说的，全选复制粘贴是不会变多的，至少粘贴两次才会多出来一次，所以结果会跟你的不一样。当n=11的时候，m=20。而不是n=10。

SELECT_ALL = 'CTRL+A'
COPY = 'CTRL+C'
PASTE = 'CTRL+V'
PRESS_GROUP = [SELECT_ALL, COPY, PASTE, PASTE, PASTE, PASTE]
A4 = ['A', 'A', 'A', 'A']

def f(n):
press_left = n
press_keys = []
total = 0
group_count = 0

if n <= 7:
return (n, ['A'] * n)
elif n == 8:
return (9, [['A', 'A', 'A'], [SELECT_ALL, COPY, PASTE, PASTE, PASTE]])
elif n == 9:
return (12, [['A', 'A', 'A', 'A'], [SELECT_ALL, COPY, PASTE, PASTE, PASTE]])
else:
press_a4(press_keys)
press_left = press_left - 4
group_count = press_group(press_left, press_keys)
press_left = press_left - 6 * group_count
allot_left(press_left, press_keys)
total = calculate_total(press_keys)
return (total, press_keys)

def press_a4(press_keys):
press_keys.append(A4)

def press_group(press_left, press_keys):
group_count = press_left / 6
for i in range(group_count):
press_keys.append(PRESS_GROUP)
return group_count

def allot_left(press_left, press_keys):
if len(press_keys) == 2:
a_count = press_left / 2
v_count = press_left - a_count
for i in range(a_count):
press_keys[0].append('A')
for i in range(v_count):
press_keys[1].append(PASTE)
else:
left = press_left
index = len(press_keys) - 1
while left > 0:
left = left - 1
press_keys[index].append(PASTE)
index = index - 1
if index == 0:
index = len(press_keys) - 1

def calculate_total(press_keys):
total = len(press_keys[0])
for l in press_keys[1:]:
total = total * (len(l) - 2)
return total

def main():
for i in range(1, 50):
print 'n=%d, m=%d' % (i, f(i)[0])

if __name__ == "__main__":
main()

动态规划我是没有学过了，但是很多时候一眼看上去的东西会有点误差。我简单的手算了一下，过程如下：
f(n + (a,c,v,v)) = f(n) * 2
f(n + (a,c,v,v,v)) = f(n) * 3
f(n + (a,c,v,v,v,v)) = f(n) * 4
f(n + (a,c,v,v,v,v,v)) = f(n) * 5
......

f(n+4) = f(n) * 2
f(n+5) = f(n) * 3
f(n+6) = f(n) * 4
f(n+7) = f(n) * 5
f(n+k) = f(n) * (k - 2)

f(n+8) = f(n) * 6, f(n+4+4) = f(n) * 2 * 2
f(n+9) = f(n) * 7, f(n+5+4) = f(n) * 3 * 2
f(n+10) = f(n) * 8, f(n+6+4) = f(n) * 4 * 2, f(n+5+5) = f(n) * 3 * 3
f(n+11) = f(n) * 9, f(n+7+4) = f(n) * 5 * 2, f(n+6+5) = f(n) * 4 * 3
f(n+12) = f(n) * 10, f(n+8+4) = f(n) * 6 * 2, f(n+6*6) = f(n) * 4 * 4, f(n+4+4+4) = f(n) * 2 * 2 * 2
f(n+16) = f(n) * 14, f(n+12+4) = f(n) * 10 * 2, f(n+8+8) = f(n) * 6 * 6, f(n+4+4+4+4) = f(n) * 2 * 2 * 2 * 2

我们知道指数函数是增长速度最快的函数，所以到此其实大概能得出结论，如果我们把k进行不同的组合拆分的话，大概会是这样的一个结果：

2 ^ (k / 4) = 2 ^ (0.25 * k)
3 ^ (k / 5) = 2 ^ (0.317 * k)
4 ^ (k / 6) = 2 ^ (0.333 * k)
5 ^ (k / 7) = 2 ^ (0.332 * k)
6 ^ (k / 8) = 2 ^ (0.323 * k)

k / 6的时候取得最大值，有兴趣可以算一下验证一下，基本上就是底下的公式变形推导：
a ^ (k / (a + 2)) = 2 ^ (lg(a) / lg(2)) ^ (k / (a + 2))
2 ^ (k / lg(2) * (lg(a) / (a + 2))

所以，当n足够大时，尽量多的按照这个a+c+v+v+v+v的组合来操作，结果是最大的。剩下的部分就是n从多少开始满足这个规则，以及6的组合余下的余数放哪，这个就不推算了。

有错误莫怪哦。

暂时没有详细研究，但是先提出来一个很严重的问题，就是单纯的(全选，拷贝，粘贴)的组合行为，实际上数量是完全没有增加的，因为粘贴的动作会覆盖掉原来的选择，并且光标会移动到最后，至少再粘贴一次才有效果。

懒得改到最后只会自己吃亏，加参数加到第三个的时候基本上就应该动手重构了。
重构的话，基本上这个属于典型的参数对象的，把这一堆参数抽象成一个对象，然后传的时候只需要传一个对象就可以了。当然不叫data了，叫article呗，然后里面是article.title，article.content之类的。
我倒不觉得有很多地方用就很难改。
函数内部就不说了，调用的地方基本上就是做个正则表达式替换的事情。