上次Google Book没觉得有什么问题. 这次,百度文库的事,才开始想其中有什么问题. 果然,有时候还是不够中立. 其实,百度也许在法律上并没有什么过错. 毕竟,它不是图书的提供者,谈不上是publish的行为. 而对于图书上传造成的影响,大体跟P2P的合法性与否差不多. 即,对于UGC的内容,平台本身有没有责任. 对于音像制品,软件产品等相对成熟的东西来说,平台的责任很难划分清楚. 因为这些产品本身有比较明确的适用/版权说明. 提到涉及的范围权利等. 而图书,至少对自己身边的几本来说,并没有明确的权利划分. 也就是说,购买图书这个行为,其实是一个并不明确的行为. 购买的到底是什么? 诚然,对于图书内容的引用,涉及到著作权,但是,购买之后呢? 买到的是什么,适用于什么范围. 以其他产品来说,可能限制了copy的数量,和copy适用的范围. 但是,图书呢? 没有copy. 那阅读这个行为呢? 比如,某人买了这本书,是只能自己看呢?还是可以借给别人看? 想Amazon的kindle,貌似是有提供互借的. 而日常里,相互交换阅读也是很正常的一件事情. 对于百度文库的这种行为,其实可以理解为一个租借场所也不为过. 于是,从法律上来说,似乎并不违法. 但是直觉上,这又是一个不合理的事实. 它的不合理在于,适用范围上. 购买行为,所导致的所有权问题等等. 都是并不明朗的. 这在网络还不发达的时代可能并不严重. 因为交流成本的问题,一本图书的流传/借阅范围并不会产生很大影响. 于是,图书行业也并不关心这个早已存在的漏洞. 或者说,其实有关心过,但只是对于出版行业. 所以,才有了对图书馆博物馆之类的,能够产生大范围影响的案例进行豁免. 但是,互联网的发展,把这个漏洞放大了. 它不仅仅是个人与个人之间的交换,不仅仅是熟人与熟人之间的交换,甚至交换的增长速度可能是非线性/级数增长的. 在这样一个环境,出版商,或者说图书版权所有者们,对于图书的流传的把握能力就失控了. 因为这本是原本的契约里的由于含糊不清带来的漏洞. 在对于错之间的一种存在. 现在,百度文库的出现把这个问题彻彻底底地暴露了. 如果说之前Google还算是一种双赢的解决方案的话,那么百度的则是完全的利用漏洞玩的一场游戏. 合法但并不合理. 其实,本质上来说,百度文库这件事情也许算是为出版业的转型提供了一个契机. 因为只有这种血淋淋才能让那些不能接受新事物的人,不得不为寻找盈利模式而努力. 即便百度妥协了,但是这个漏洞已经暴露出来了. 而且,即使没有百度,事实上,盗版/网络传播的问题已经存在已久. 出版业也不是不知道. 说到底,百度也不过是把一群掩耳盗铃的家伙的遮羞布给彻底拉下来了罢了. 作家们遇到的问题其实是寻找新的盈利模式的问题. 在承认互联网的游戏规则下寻找新的契机的问题. 本来,Google其实已经为他们寻找到了一种途径. 一种算是双赢的,互联网味道十足的模式. 可是他们拒绝了. 在音乐行业都开始考虑转换模式,采用在线/流量等盈利的探索方式的时候,只有出版业还在坚持游离在互联网之外,似乎这样能够独善其身. 而百度很好地出来证明他们错了. 所以,即便这次百度低头了. 但如果作家们依然悠然自得,希望以古老的方式,维持古老的生计. 就很难说,作家这个行业还能存在多久. 至少是传统出版意义上的作家. 像起点的模式其实解决了一部分问题. 当然,它不能解决所有人的问题. 毕竟,它是一个非常商业化的东西. 而有些作家,可能是没那么商业化. 或者说,需要十年磨一剑. 说到底,好作家的定义在于,书有人看. 而好作家如何赚钱,则可以从如何从看书的人身上赚钱出发. 买书是一种,阅读也是一种. Google能把搜索编程一种商业行为. 自然也就有人能把阅读变成一种商业行为. 虽然,百度这次是很没下限,如有些人所说的,这是在毁灭整个行业. 毕竟,就很多人的思维来说,在中国,能做大,而且独大,是最快最长久的盈利方式. 因为这里从来没有垄断审查. 从来是纯粹的"资本说话". 但,至少百度把这一现实的问题提前摆在了世人的面前. 怎么想,怎么做. 总该会对作家们,和出版行业有所反思.
2011-03-27
百度文库的对错
2011-03-26
关于Hadoop
在hadoop里写了点东西,大概也印证了有怎样的环境才有怎样的解决方案. 确实,在hadoop里,不像在一台机器上,能比较容易的mutex操作. 毕竟,你要mutex 的东西都不知道物理上在什么地方,甚至还存在不存在. 所有,这个是思维要转变的地方. 在分布式情况下,有时候create比read/write来得更浅显易懂. 毕竟,除了delete操作,其他操作都不会影响create的行为. 而且,当delete操作也依赖于create的某些标志性行为的时候,一切都简化到create操作上了. 比如,要进行任何操作,先create一个标志,表明holding了这个resource. 当然,这中间也还是会有些问题的. 比如,在hadoop里,这依赖于namenode操作的正确性. 某种程度上说,这种解决方法其实是利用了namenode的单点性. 由于所有对hdfs的操作都需要汇总反馈到namenode上 ,所以,用namenode去拦截调度也是很容易想到的思路. 毕竟,所谓的一致性,是由namenode保证的. 但是,如果是纯粹的对等网络呢? 比如,没有namenode的? 其实最后还是会归结到这种有中间节点的模型上. 比如hadoop准备改造的mapreduce模型. 实际上就是去掉的jobtracker的这个单独的job调度节点,把它分散到开来. 也就是实际上来所,是在tasktracker上vote一个节点作为某一个job的jobtracker罢了. 这其实有时典型的分层思维. 跟ip地址的掩码模式差不多. 加一层即可虚拟出许多隔离的东西出来. resource manager就是这个新加的一层. 所以,从这个程度上来说,也许并没有纯粹的对等模型. 多少还是有一些中心节点的. 只不过这种中心节点的特殊性不强罢了. 就像人的选举一样. 本质都是差不多的. 只是由于某些原因变得有些特殊罢了. 所以,平等这个东西,首先是建立在公平之上. 没有公平,也就没有平等. 话说回来,hadoop或者说map reduce这个东西,也许又是Google重新修饰了一番的东西. 就像Bigtable的概念一样,重新包装了下,以不太直观的形式描述一个很简单的模型/思路. mapreduce其实就是把计算分摊到各台机器上罢了. 即使不用hadoop,写个脚本自己分块数据自己计算汇总也是可以的. 只不过hadoop本身解决了分块的问题. 而所谓的map/reduce过程,则多少有些无谓? 毕竟,redcue本身其实也是一种map过程. 至少从hadoop的实现上来说,是这样. 而且,hadoop本身似乎也是这么认为的. 这个从job的combine设置以及,不显式设置reduce数目的时候,job的行为可以看出. 本质上说,hadoop的reduce过程只是map的特例. 所不同的是output出来的数量分块比较少. 当然,从编程接口上来说,reduce跟map的区别在于,reduce是key的一个汇总. 但其实这是map output的sort使然. reduce也不过是根据output结果去取罢了. 所以,其实mapreuce本质上就是一个数据格式的转换问题. 只不过被放到到了分布式的情况下. 多了调度和同步的问题. 除开这些,mapreduce也许什么都不是.
2011-03-06
HDFS的碎碎念.
HDFS说简单也简单,说复杂,其实也不复杂. 它解决的主要是在集群规模大了之后,distribution的问题. 更重要的是把disk的failure视为常态. 因为毕竟,只是单纯的distribution的话,如NFS的也可以达到目的. 但概念是Google提出的,它面对的问题显然不是一般人会常态遇见的. 所以HDFS/GFS的概念主要在replication. 理论上的模型也很符合直觉. 寻找一个可用的节点,然后分发之. 所不同的就是这种分发的具体实现了. HDFS的replication其实很简单. 比如你upload一个local的文件到HDFS的时候,DFSClient会向namenode发起一个RPC的create请求. 顺便说下,Hadoop的RPC其实有两套. 一套是给各种node的用的,基于interface的reflection. 另一个套是给DFSClient之类的,基于Invocaionhandler. 但本质都是把方法名和参数以及连接信息什么的写到流里,然后在method.invoke() 也许可以理解为前者是给server用的.毕竟有了local的instance. 而诸如DFSClient的是没有instance的实现的,所以要InovcationHandler去hook. 回到create. namenode会向FSNamesystem添加一个inode信息,同时记录一个lease. 此时的inode为INodeFileUnderConstruction,表明是未完成的. 而lease的作用是用来保证不重复create/以及一些超时处理. 然后namenode将这个RPC的请求返回给DFSClient. DFSClient会开启一个DataStreamer去做copy and write的工作. 首先是到RPC到namenode去申请block. 此时的namenode会去查看FSNamesystem里的inode信息. namenode会检查inode的类型是否是INodeFileUnderConstruction,即未完成. 然后会check下lease的信息,看时候有意外的已经replication的情况.(这个估计是以前有类似bug吧.) 当然,在此时,一般这些check都会pass掉的. 但,这是distribution的,所以,按照状态机来变换是最简单的事情. datanode会根据block size去选择一些datanode. 在用DFSClient.copyfromlocal的情况下,block size是由参数fs.local.block.size决定的. 其他情况下,是由dfs.block.size决定的. replicator在choose datanode的时候会根据replication的数目而略有说不同. 当数目是<2的时候,当local也是datanode的是会被选上. 其他情况则感觉datanode上的block数目和load做一个权衡. 然后把选择好的naenode把block和datanode的分配信息返还给DFSClient. DFSClient则选择第一个datanode建立连接,把读到的数据写到这个选中的datanode上. 在DataStreamer里还有一个ResponseProcessor的东西,在处理这个datanode返回来的ack. 但是,这里只写往了一个datanode,那么replication怎么实现的呢? 这个在datanode的实现了. datanode在经历过一些列初始化之后,会有一个DataXceiverServer去处理进来的连接. 尤其的,没一个连接会dispatch到DataXceiver去处理. DataXceiver就是HDFS的IO操作的核心吧. 当地一个datanode收到DFSClient发来的OP_WRITE_BLOCK请求时候,会调用writeBlock把读到的block写到datanode的local filesystem里. 同时会取DFSClient传过来的datanode array信息,取第一个,然后与之建立连接,然后把把block信息和剩下的datanode写到对方的stream里. 即,HDFS的replication就是通过这种级联的,pipeline方式的write扩散出去的. 同样,ack也是一级一级地往前传递. 至于写到datanode上的block大小限制是在DFSOutputStream里限定的. 当写到这个数的时候会表明这是最后一个package. 至于读则差不多. namenode会在返回datanode的时候稍微排序下. 将local和local rack的往前排. 因为client在取datanode的时候总是先取前面. 至于local rack怎么决定的. 这个在NetworkTopology里,没仔细看.
2011-02-23
浅谈用户价值模型
某天被某叫去谈了某些事情. 大体是什么打算云云. 然后又说到了某部门以后要做的计划之类的. 其中一个是所谓用户价值模型. 听到这个词其实不只一次了. 早前也想过,但没定论以及具体的实践还不好着手. 最简单的衡量标准莫过于ARPU了. ARPU的问题在于,对于social game或者类似的用户流失很常见的领域来说,这提取有效用户数. 当然,DAU/DMU可以一定程度解决这个问题. 但即便以这两个为基础,还是避免不了每个月可能N%的用户是属于"新陈代谢"的. 当然,如果用户的付费行为跟游戏时间经历无关,上面这个问题意义不大. 所以,对于要不要修正用户基数的计算方式以使ARPU更精确,这需要看下首次用户的首次付费时间跟注册时间的关系分布. ARPU的另一个问题是,revenue的取舍. 取所有历史数据当然最简单,但也比较没意义. 因为如果这样的话,对于如果实际revenue衰减的话,可能在ARPU上反映不出来. 所以通常的做法都是采用一定周期内的revenue来计算. 这样的话,周期长短选择就需要些考虑了. 毕竟,这个个消费周期的长短有关. 比如一件商品可能固定在一个时期内没有多少销售,那么将这段时期作为一个独立计算周期来考虑的话,意义就不是很明显了. 所以,ARPU的计算周期也应该是跟消费方式有所联系的. 但是,很多时候,消费行为是无固定模式的. 如何解决呢? 其实换个角度,借鉴下AMPU的某些思路也许就可以解决. ARPU的目的是衡量用户revenue的平均水平. 换句话说,对于包含付费和非付费用户的系统来说,其实讲述的就是将付费用户的revenue"分配"到非付费用户身上. 于是,通过对于ARPU的计算就归结到: 对于任意时间段t,可以有total revenue Revenue(t). 而根据付费记录历史和用户创建/活跃时间,可以得到一个比较准确的T时段内的paid比率P. 即ARPU=Revenue(t) * Paid 从这个指标等式的两个因素可以看出, 如果能维持一个相对固定的付费比的话,提高单价是简单快捷的提高ARPU的方式. 当然,提高单价也许可能会影响付费比. 但如果用户对价格的sensitive是可以衡量的话. 假设销售价格p跟数量Amount的关系为Amount=Trade(p), 价格对付费比Paid的影响为Paid=Sensitive(p) 于是ARPU就可以修正为: ARPU=(Amount*p)*Sensitive(p) = Trade(p)*p*Sensitive(p) 从这里,如果有数据表明付费行为跟商品定价有关的话. 那么可以很直接地从上面等式可以有 ARPU=Function(p) 即ARPU跟价格直接相关. 那么Function应该是大致是怎样一条曲线呢? 考虑 Amount=Trade(p),价格和数量关系.以及 Paid=Sensitive(p),价格对付费欲望的影响. 假设,对于这两个等式的认识都是常识性的.即价格提高消费数量增多,消费欲望降低. 于是曲线Function(p)的趋势就取决于,是Sensitive占主导呢还是Trade占主导. 对于Sensitive的取样,也许可以对销售物品价格和付费人数的关系做个计算. 对于Trade的取样,也许可以对销售品价格和付费次数的关系做个计算. 但最终ARPU不能解决的问题是,它支持纯粹考虑直接的revenue. 它没办法衡量非付费用户,甚至付费用户本身的价值. 它只是一个平均观测. 那么,如何建立一个比较全面的用户价值参考呢? 对于付费用户,相对简单,可以直接对其群体套用ARPU. 但是对于非付费用户也许就要花些时间. 比如,一个用户也许不直接付费,但是通过它的渠道过来的可能付费用户占了相当一部分. 但是因为它没有直接的付费计算,所以价值被低估了. 再比如,有些用户也许不付费,渠道也不怎么样,但是可能扩散性很好,或者活跃度很高,对于这类用户又该如何评价呢? 这个其实可以参考adsense或者之类的思路. 付费用户的每一次付费行为其实就算是一次点击,于是,对于其他非付费用户来说,就是参考content provider,或者campaign什么的. 但是问题还是在于,如何把付费用户的付费行为转换为非付费用户的"广告分成". 换句话说,就是付费行为跟非付费用户的相关度有多大? 这么衡量这个相关度? 一个简单但未必有效的方案就是. 加入某个付费用户有n个好友,一次付费m的话,那么可以简单的对每个好友增减n/m的rank. 这样的话,理论上,每个用户都会得到相应的价值rank. 这样的话,一个问题就是,对于有很多付费好友的用户来说,它的rank很高. 但它未必是有价值的用户. 比如,它可以是故意加很多付费用户. 或者它是一个沉默/不活跃/流失用户. 这时候,即便它没有任何行动,rank也可能很高. 如何过滤掉和谐噪音呢? 可以考虑加入活跃度和交互亲密性来过滤掉. 即在上面的rank的基础上,乘以有活跃度和亲密性生成的weight. 随着而来的一个问题是,活跃度和亲密性如何量化. 还有就是,能否把两者合并一下,变成一个普适的参考量. 这是一个问题. 对于合并普适的问题比较容易解决,可以转化为对行为的rank. 参考下诸如豆瓣等的recommended就有大概模式. 即,每一个行为都会得到一个rank. 但, 但是, 如何定量? 回到那个问题,要过滤的是那些实际跟付费用户没关系的人的rank. 那么,什么是有关系的人呢? 1.有相互访问行为. 2.共同好友有显著重叠. 这样的话,就简单多了. 一共同好友所占的比例为基数,然后通过对访问行为通过类似facebook的like算法可以得到一个应该比较合理的weight,于是,算rank和用户价值就很直接明了了. 一个有趣的问题就是共同好友衍生出来的其他一些东西. 诸如social graph,不同游戏里同一帮好友的付费情况,交互情况等. 以及,到底这个整个用户的graph是"联通"的还是..."移动"的... 即,所谓的"6度"具体到某个特定群体是怎样的展现.. 诸如此类,不一而述
2011-02-20
对错之间
想谈谈最近的一些事情. 但落笔时又感觉无从下手. 第一件是关于微博打拐. 开始是持赞成态度的. 毕竟,这于人人自危无暇顾及他人的社会现状来说,总算是一线善意. 后来,打拐打出问题来了. 随手拍的随意性,和纯主观的鉴定盲目,开始了冤假错案的闹剧. 于是有人出来指责了,说这中廉价爱心是伪善云云. 基本观点就是应该打倒之. 诚然,随手拍有随手拍的自由,但也确实,这需要尊重他人的意愿. 毕竟,某种程度上说,这是一种人生侵害,它多多少少会对当事人造成社会影响. 它跟纯粹的随手拍是有区别的. 某种程度上,这可以算是一种新闻采访的摄影. 然后是衍生出的关于乞讨,自由,社会公平等的"争论". 这相对无意义和过于扩大化了,按下不表. 最初的问题是,对于这种廉价的伪善,该不该支持? 第二件事情是今天网瘾战争的作者@corndog在微博对语录体的一些评击行为. 大体原因是说,由于一些机会,潜入了解过网络推手的团队运作方式,发现语录体的微博帐号是有预谋的蓄养. 导火线算是那条烧伤儿童转发即捐款的微博. 对于这类转发即如何如何的言论,相信有一定经验的网民都能自行识别. 然而事实是,很多人转发了. 且不论其相信不相信. 但这已然是为这舆论添砖加瓦. 也当然,不能否认的是应该有相当一部分人确实是出于善意转发. 因为一个转发成本并不高. 即便转发了,于他来说也没什么损失. 然后就像,@cordog的做法固然也有其道理,但是否过激呢? 第三件事情是20号的茉莉花行动. 像这类行为艺术已经不是第一次发生. 像之前的黄丝带,若干次的快闪行动. twitter很多人都参加过. 包括那些这次嘲笑茉莉花是无厘头的人. 确实,这次茉莉花的宣言很网络风格,很无厘头. 但是它被有意无意地跟中东局势联系起来,被冠以了"革命"的后缀. 于是,当被号召的时候,许多人顾虑了. 当真的把"革命"两个字摆在他们面前的时候,这些谈论民主民生的人谨慎了. 尤其是当局同时也作出以为是革命的态度,去部署媒体,部署戒严的时候. 民主人士们顾虑了. 虽然口头上还在称之为"无厘头的后现代解构主义革命",但谁有知道他们心里怎么想. 这三件事情,归结到最后也许就是,什么是对的. 无论是打拐还是转发还是茉莉花,不管是哪一方,都有其所以为的善存在. 不同的只是立场,或者眼界. 而争端的焦点也在于不同眼界所带来的不同理解,产生的不同观点. 人总很难避免伪善. 尤其是在伪善的成本相当低廉的情况下. 它的消极点在于,它可能本身不是一种善,而是一种居高临下或者类似的东西. 而积极的一点在于,它表明,在伪善的成本/损益相对较低的时候,交换是可以发生的. 前两件事情的伪在于,结果对于"行善"的人来说"没有任何影响". 所以它是伪的. 而能够明确批判其伪的人,在于他们回去追溯消息的真实性和考虑假如"行善"所造成的影响. 也就是区别在于,思考的广度和取舍. 茉莉花其实也是一个道理. 对于有优越感的人说,很容易鄙视,或者感到无奈. 因为这些行为也许于他们来说很简单. 但对别人也许不是. 于是有了对打拐的质疑. 对转发的炮轰. 对茉莉花的哭笑不得. 想说的其实很简单. 谁都会犯错. 面对正在犯错的人,别想着试图告诉他这样是错的. 而是让他继续. 然后让他直面错误的结果. 只有自己. 才能说服自己.
2011-02-13
挠还是不挠
趁着周末,把豆瓣上想看列表里的 黑天鹅 看完了. 总的来说,确实不错. 看完顺手给了少有的5星. 虽然从剧情上说,开始没多久就大概猜到发展模式了. 毕竟,nina老妈的行为,以及周围人对nina的评价,加上 黑天鹅 以及天鹅湖的故事描述,发展的思路很容易想到. 不过毕竟这不是悬疑片,悬念还在其次. 看片的时候,偶然会想起海上钢琴师. 多少是因为钢琴和芭蕾在某些sense上是相同的. 好电影的一个共同之处就是,你能够通过导演的镜头,看清楚一些东西. 比如海上钢琴师对弹奏动作的描写,以及通过特意安排的场景解说音乐的手段,尤其是那段钢丝冒烟的经典镜头. 无一不是借助镜头,借助别人的眼睛,学习欣赏. 黑天鹅让人愉悦的一点在于,对各个排练桥段肢体动作的特写. 尤其是借助nina本人心里的细微变化,眼睛,眼神的所视来表达. 从本质上说,黑天鹅不过是天鹅湖的一种另类演绎罢了. 通过nina本人的挣扎,来代喻黑天鹅桥段. 总的来说,算是演绎出了这种纠结状态. 影片后期,nina的幻觉正式白天鹅那种担忧和不甘. 以及怯懦的具象化. 对于 失去 ,这种感情的表现,在最后真正上台表演的时候,算是发挥的淋漓尽致. 至少个人在看的时候是提心掉胆. 作为一名芭蕾演员,年轻有限. 如同nina离家出走前对母亲所表达的那样. 随着年龄的增长,对碌碌无为的恐惧,以及对多年期望目标的向往. nina的悲伤的抓伤印象之一便是这种渴望: 止不住的痒,却又不能挠. 这里想起来红楼梦的陈晓旭. 也算是一种痴狂. 其实仔细想想,背上那个痒能发掘的东西貌似挺多. 比如夜归宿之后,对着镜子拔出羽毛,明显隐喻的是黑天鹅翅膀. 不过对于最后在化妆间黑化的表现有些失望. 最初以为会是长出翅膀,可惜没有. 然后因为只有一处的痒,以为在表现人物纠结的高潮和黑化的时候,会出现黑白两双翅膀的镜头. 可惜没有. 多少有些小失落. 影片另一个不太好的点是对于nina母亲的描写. 同样是nina离家前的那句对"龙套"的话语. 这句话说的应该是nina母亲年轻时候应该也是芭蕾演员. 而且从人物的身形气质,以及对女儿芭蕾生命的关注,似乎也可以佐证. 但是房间里的画怎么解释呢? 说她其实是个画家? 也说得通. 在nina某次路过她房间看到她边画边哭的镜头,联系她对nina说不要学自己为了某些东西放弃理想的话. 似乎可以认为她其实是画家. 另外,全剧对她母亲的性格刻画其实很游离. nina的白天鹅气质跟nina母亲严格到近乎变态的家教有关. 从影片中前期来看,nina对swan queue的紧张一部分也是来与母亲期望的压力. 甚至一度因为黑天鹅这部电影想表达的是 nina在母亲严厉家教所训练出来的外在表现的白天鹅性格,而实际上是堕落的糜烂的黑天鹅. 但是看到中前期就基本可以否定这个思路了. 于是,影片无意表现她妈妈如白雪公主的恶毒母后般的剧情. 那么,这样对于她母亲严厉家教的描写就有些过分了. 从主旨上说,黑天鹅所要描述的应该是类似于陈晓旭的"入戏太深",和对艺术执着的沉迷/入魔. 如果是这样,对她母亲的描写到使nina产生焦虑就可以结束了. 也许是导演本身的摇摆,所以后期改变结局吧? 这点从nina对于性的需求的压抑也可以看出. 前期似乎基本是在说一个外人看来的白天鹅是如何养成的. 以及白天鹅心里对这种压抑无法发泄的情感. 后来笔锋一转,就到了对失去表演机会担忧产生的焦虑,以及一系列幻觉. 这难免有些跳跃. 如果从结局往前看的话,尤其是把nina最后那句perfect作为影片注脚的话. 那么对她母亲以及性压抑的描写就显得有些多余. 还有一点就是背上的痒. 除了前面所说的隐喻外,也许还对应着nina对于角色担忧的外在来源. 由于害怕皮肤问题而失去角色? 尤其是她妈妈说,不要去挠. 深层的意思就是,忍住,不要以为这些小事破坏了良好机会. 而生理上的煎熬,比如彻夜难免,带毛手套等,则作为对心理上纠结的外在神经质描写. 还有个可以挖掘以下的就是谢幕的方式,从高处坠落. 如同nina本人的命运一般,在最辉煌的时候陨落,而且别人并不知道她其实已经消失/死去. 一生的追求,换来一次的演出. 一个题外话是,本来以为nina的教练是使她成为黑天鹅的引导者. 因为教练本人的名声加上nina的性压抑. 可惜不是,也是一个遗憾. nina心中的黑天鹅引导者其实是自己对艺术的追求. 即是一种升华,同时也是一种毁灭. 总得来说,这部片子虽然有些游移不定,但大致算是一个好片,在豆瓣打分的话四星是可以打的. 至于为什么打了五星. 只是因为看完没想太多,光顾着喊精彩了. 无他 如此而已.
2011-02-08
五分之一的书评
年过完了,生活又一次回归. 或者说,其实是偏离. 毕竟,假期结束从来都不是一件能令人愉快的事情. 在机场无聊,翻了几本书,找到个可看到. 剑桥中华人民共和国史. 大概是这个名字. 说是中华人民共和国史,也或许可以说是毛泽东本纪. 翻了50几页,基本上是谈论毛泽东,尤其是50,60年代的事情. 这本书的观点是,毛是一个哲学家. 整个中华人民共和国,或者说中国的社会主义不过是其哲学观的一种现实演练. 从早期革命时期对黑格尔和马恩列斯的崇拜,到后来国内造神运动之后,的自我追求. 泱泱大国,不过是它的一种理想演练罢了. 说毛是个文化人,其实并不尽然. 至少,也许他自己不见得愿意贴上这个标签. 对于知识分子,在不同的时期,只是不同的工具. 这个在所谓的百花齐放时代,以及之后的文革可见一斑. 这本书有趣的地方是,对于中国国体政体的关于毛的一些材料. 其实毛从一开始便无视所谓民主. 即便是45年时期的国共合作提出的所谓联合政府观点,也不过是一时的权衡. 在这一点上,不得不说年轻时候的毛泽东是位伟人. 能够审时度势,懂得取舍. 这或许也是能让蒋公剿匪不力的原因. 只不过后来个人崇拜过头了. 于是,便自我观点地绝对化了. 一个人达到权利颠峰之后就是所谓的帝王,就是所谓的万岁,就是所谓的绝对真理. 这大概是多数中国人都难以逃脱的一个宿命约束. 于是,随着年纪增长以及功勋,帝国的不断壮大. 毛开始摆脱苏联的社会主义影响,开始摆脱既定的哲学观念. 开始创造自己的哲学世界. 诸如对主观能动性的强调,对矛盾对立统一的诠释等等. 这某种程度上说,后来的大跃进和文革正是这些哲学观念的试验场. 所伟大之处便在于,弹指间灰飞烟灭. 摆弄960万平方公里于手掌间. 当然,毕竟他不是个完人. 如同他自己经常"自谦"的说法,他是个粗人. 革命能成功,社会主义能引导人民归附,如他所说的,民主集中制使然. 在他的解读下,民主只是个可有可无的修饰词. 另一方面,这也是他对对立统一的一种理解性运用. 所谓民主集中制,是在集中前提下的民主. 哲学上的咬文嚼字,于是便有了一定的放权和收紧. 随着他个人不断的哲学上观念的挣扎,中国现代史如波纹搬发展. 时而鼓励下放,时而又收紧. 到底,他不是一个哲学家,更不是一个学者. 用今天的话说,大抵是个民间科学家的水准. 毕竟不是科班出身. 没有系统和本质的按部就班. 于是,仅凭这或可称为悟性的东西,从封建走向了新民主,再到所谓的共和. 反观建国后的种种,其实就是他老人家的一篇习作. 不断的尝试,不断的修正,然后不断地失败. 年轻时候的经历让他觉得,知识分子不必是从学校出来的. 甚至于,以他自身的履历来说,知识分子自然是要上山下乡而来的. 文革时期的上山下乡,一方面是对知识分子的需求,一方面又是对知识分子的提防. 需要他们,而又需要根正苗红的"无产阶级"指示分子. "百花齐放"时期所招致的知识分子对其无知的批判,更是让这位时值神话时期的先生恼怒. 于是,十年浩劫和各种功臣的生死也就不难理解. 一个观点是,文革的"不问世事",一方面即是借此报复,一方面其实也是源于道家的无为想法. 所谓的退居二线,用哲学领导. 对于毛的所作所为,其实正如他所终结的,唯一真理便是对立统一. 他本身便是个矛盾的存在. 确切点说,他是个阴晴不定,波动反复的矛盾存在. 某种程度上说,是奇特的中国历史环境造就了这个覆手中国大半个实际的神话存在. 而反过来,这些矛盾的所为,也打造了一个更加奇特的中华人民共和国以及凌驾于之上的党政军组织结构. 所以,纵观来说,这奇特的西朝,其实从百年前就开始酝酿了. 只不过,让他如此"奇幻"的原因在于,这么一个矛盾对立统一的人物,建立构架了一个如此有特色的中国. 毛泽东. 在一个奇怪时代,设计了一个奇怪社会.
订阅:
博文 (Atom)
投其所好
最近看了持械入宋,发觉AI的发展或者说经济化还是非常一日千里的. 虽然说短剧本身也不是什么新事物了. 甚至AI制作也不是最近才有的. 只是从质量上来说,还是看得出来是有区分度,或者说ROI门槛了的. 这片虽然从服化道方面来说还是普通的AI剧,甚至剧情大半夜还是传统的龙王归来模式....
-
最近写一个AgentCLI原型玩具的时候,发现一些比较有意思的点. 因为主要是照着DeepSeek API来写的. 所以基本上也可以说是OpenAI Chat Completion API的一些点. 不过,可能有些是DeepSeek特有的. 一个是请求的stop list. 大致...
-
从未对雪有过什么幻想. 于是,当这雪终究下下来了,也没什么特别的兴奋. 只是,由于是南方人,也就姑且好奇了一番. 望了望着属于别处的风景. 也许是因为昨晚下过雨,也或许是本来就会如此. 冰混着点积水,倒是怀念起阳光灿烂的日子了. 面对着这未知的...
-
去看了长安的荔枝. 前半段还可以,尤其像荔枝林里不知道是笑还是哭的几个镜头表演算是相当出色了. 结合人物背景的那种对目标的绝望与对当下人际环境的希望的交叉矛盾心理. 后半段就有些过滤潦草了. 如果说整片是对于一骑红尘妃子笑,无人知是荔枝来的解构的话. 带入民生潦倒涂炭这点是没问题...