2014年6月12日
#
转发 http://blog.chinaunix.net/uid-23093301-id-90459.html
问题来源：
创建一个游戏系统，其将运行在互联网的环境中。客户端通过WWW服务或特定的客户端软件连接到游戏服务器，随着流量的增加，系统不断的膨胀，最终后台数据、业务逻辑被分布式的部署。然而相比中心化的系统，复杂度被无可避免的增大了，该如何降低各个组件之间的耦合度。
挑战：
需要保证可伸缩性、可维护性、可更新性，需要将服务划分为各个相对独立的组件，组件被分布式的部署，它们之间通过进程间通信方式实现交互。服务的增加、删除、改变都应该被支持。理想情况，以开发者的角度看，集中化的系统和分布式的系统在中心逻辑上没有什么不同。为实现这个目标：
l 可以远程的访问服务，而对于访问者，服务的位置应该是透明的。
l 提供服务的组件可以增加、删除、改变，而且这些在运行期同样应该被支持。
l 访问服务的客户端不应该关心服务的实现细节。
解决方案：
引入一个Broker组件，解耦客户端和服务端。服务端注册自己到Broker，通过暴露接口的方式允许客户端接入服务。客户端是通过Broker发送请求的，Broker转发请求道服务端，并将请求的结果或异常回发给客户端。通过使用Broker模式，应用可以通过发送消息访问远程的服务。
这一架构模式允许动态的改变、添加、删除服务端，从客户端的角度，这些都是透明的。
结构：
Broker模式定义了6中类：Client，Server，Client_Proxy，Server_Proxy，Broker，Bridge。
Server：
l 责任：处理特定领域的问题，实现服务的细节，注册自己到Broker，处理请求并返回结果或异常。
l 协作类：Server_Proxy，Broker
Client：
Client是需要访问远程服务的应用程序，为此，Client发送请求到Broker，并从Broker上接收响应或异常。Client和Server只是逻辑上相关而已，实际上Client并不知道Server的确切位置。
l 责任：1. 实现用户端功能，2. 发送请求到Broker，3. 接收相应和异常。
l 协作类：Broker，Client_Proxy
Broker：
Broker可以被看成消息转发器。Broker也负责一些控制和管理操作。它能够定位服务端的位置，若发生异常，能够将异常捕获传给Client。Broker需要提供注册服务的接口给Server。如果请求来自其他的Broker，本地的Broker需要转发请求并最终将结果或异常回应给相应的远程Broker。Broker提供的服务和name service非常相像（如DNS、LDAP）。
l 责任：1. 注册服务。2. 提供服务API。3. 转发消息。4. 容错处理。5. 与其他Broker的交互。6。 定位服务。
l 协作类：Client_Proxy,Server_Proxy,Bridge
Client_Proxy：
连系Client和Broker，这一层保证了通讯的透明性，使Client调用远程服务就像调用本地的服务一样。
l 责任：1. 封装特定的系统调用。2. 封装通讯的参数、控制信息等。
l 协作类：Client,Broker。
Server_Proxy：
Server_proxy是与Client_Proxy相对应的，它接受请求，解包消息，解析出参数并调用服务的实现接口。
l 责任：1. 封装特定的系统调用。2. 封装通讯的参数、控制信息等。3. 调用server的服务接口。
l 协作类：Server,Broker。
Bridge：
Bridge用来连接各个Broker，一般这个组件是可选的。当系统是发杂的网络组成时，有可能需要这一角色。
l 责任：1. 封装特定的网络特性。2. 传递Broker之间的通讯。
l 协作类：Broker。
应用场景一：
直接通讯方式。Client和Server相互理解他们之间的通讯协议。Broker主要完成Client和Server之间的握手。之后所有的消息、异常都是由Client与Server直接交互。（想象DNS）。简单对象交互如图：
应用场景二：
l Broker启动，完成自身的初始化，之后进入事件循环，等待消息到来。
l Server启动，首先执行自身的初始化，然后注册自己到Broker。
l Broker接收Server的注册请求，将其加入到可使用服务的列表，并回应Ack给Server。
l Server接收Ack，进入事件监听循环，等待消息到来。
l Client调用远程服务对象的方法，Client_Proxy封装消息请其发送给Broker。
l Broker查询可使用的Server，将请求转发给Server。
l Server_Proxy解析消息，分离出参数和控制信息，并调用特定的Server实现接口。Server处理完的结果通过Server_proxy封装成消息转发到Server。
l Broker将相应消息转发给正确的Client_Proxy，Client受到响应继续其他逻辑。
简单对象交互如图：
应用场景三：
l Broker A接收到请求，交由Server处理，但是发现该Server位于其他的网络节点。
l Broker A将请求转发给Bridge A，Bridge A将请求进行必要的格式化，传送给Bridge B。
l Bridge B将请求进行必要的格式化，转化成Broker B可以理解的格式，并转发给Broker B。Broker B执行场景二中的过程，处理的结果按如上逆序返回。
简单对象交互如图：
部署示意图：
总结：
u 优点：
1. 服务的位置透明性。
2. 组件的可变性及扩展性。由于Server是注册到Broker上的，所以Server可以动态的增加、删除、改变。
3. Broker之间可交互。
4. 可重用性。
5. 由于组件的耦合度较小，调试和测试的工作也是可控的。
u 缺点:
1. 效率；增加了一层Broker的消息转发，效率有所降低。
2. 容错能力必须要特别考虑。
3. 调试和测试的工作加大。
大师的非凡能力来源于何处？思维方式是关键。科学证据告诉人们，没有天生的大师，只有炼就的专家。只要拥有专家的思维，你就能成为大师！
1909年的一天。多张象棋桌围成了一个圈，一个男子在圈内慢慢踱步。他的双眼不断扫描周围的棋局，每隔两三秒钟就会下一步棋。而在圈外，数十位象棋迷不停地搔头、苦想对策。这个人是谁？为什么他能以一人之力抗衡数十人的智慧？他就是国际象棋界的传奇人物，古巴象棋大师卡帕布兰卡（José Raúl Capablanca）。比赛结果毫无悬念，卡帕布兰卡28局全胜。这只是他巡回表演赛中的一站，在整个巡回表演赛中，卡帕布兰卡赢了168局。
为什么眨眼间他就能作出最正确的决定？面临巨大的压力，他能提前计算几步？卡帕布兰卡轻描淡写地说：“我只提前看一步，但总是最正确的一步。”
这句话再简单不过，却开创了心理学研究的新纪元：象棋大师优于新手的地方就在于那电光火石间的思考。这种快速的、由知识引导的知觉，有时叫做“领悟”。在其他领域，专家们同样具有“领悟”的本领。一次比赛完毕，象棋大师能记住自己走过的每一步棋；对于一段音乐，哪怕只听过一遍，资深音乐家也能写出乐章的曲谱。无论多么困难，象棋大师也能在瞬间想到最妙的棋着；不管多么复杂，经验丰富的专业内科医生有时只须瞥上病人几眼，就能作出准确的诊断。
专家们的非凡技艺从何而来？源于天赋，还是得益于强化训练？通过对象棋大师的研究，心理学家找到了答案。一个世纪的探索积累了大量研究成果，新的理论应运而生，人脑处理信息（信息的组织与提取）之谜也由此破解。这项研究的意义还不仅在于此，人类的教育事业也将从中受益：象棋棋手提高棋艺的技巧，可否用于提高学生们的阅读、写作和计算能力呢？
象棋是最好的研究对象
人类何时开始拥有专业技术？这也许要从祖先们的狩猎说起。对于他们而言，狩猎技术是维系生命的重要工具，不掌握它就难以生存。经验丰富的猎人不仅知道狮子在哪里出没，而且还能推断出狮子的行踪。从孩提时代开始，他们就得跟随长辈练习追踪技术。随着年龄的增长，追踪技术也日益娴熟。“技术的熟练程度随着年龄的增长而增长，35岁左右达到技术的巅峰，”美国加利福尼亚大学富勒顿分校的人类学家约翰?博克（John Bock）说道。练习追踪技术要花费很多时间，可能比培养优秀的脑外科医生还要费事。
相对于新手，如果在技术上没有绝对优势，那就难称专家，只不过是多了一张唬人的文凭。这种披着专家外衣的人比比皆是。过去20年的研究结果表明，所谓的专业炒股者并不比业余者赚的钱多；知名品酒家对酒类的鉴别能力并不比馋酒的老农强；高学历的精神病医生并不比低文凭的同行出色……即使真的存在专业技术，如教学、工商管理，都很难去衡量，更别提如何去阐释。
不过，棋艺却可以度量、可以分解、可以接受试验研究，并且十分直观，尤其在比赛时，任何人都能随时观看。正是基于以上原因，认知科学家如获至宝，将象棋作为研究思维理论的最佳试验对象。于是象棋被称作“认知科学的果蝇”。
对象棋手棋艺的度量，已经走在了其他任何比赛、运动或竞技活动的前面。运用统计学公式，对棋手曾获得的所有成绩进行分析，就可以得到棋手的实力等级。然后根据棋手的等级与对手的实力，即可准确地推算出棋手的获胜几率。如果A棋手的等级分高于B棋手200点，那么在比赛中，A战胜B的平均几率为75％。不管棋手是顶级的还是普通的，这种预测都很准确。例如，俄罗斯特级象棋大师加里?卡斯帕罗夫（Garry Kasparov），他的等级分是2812点，而荷兰象棋大师扬?蒂曼（Jan Timman）的等级分是2616点。如果二者对弈，那么卡斯帕罗夫就有75％的胜算。同样，中等水平的棋手（1200点）与另一个1000点的棋手对弈，前者亦有75％的胜算。选手的等级分代表着他们的真正实力，以选手的等级为标准，心理学家就可以客观地评估他们的专业技术，动态追踪他们整个象棋生涯，而不会受到选手名气的影响。
为什么认知科学家没有选择台球或桥牌作为研究模型，而偏偏选择象棋呢？可能是因为象棋比赛最考验人的智慧。正如德国诗人歌德所言，象棋是“智慧的试金石”。象棋大师的技艺出神入化，令人叹为观止，人们将他们的能力归因于他们“拥有魔力”的大脑。这种魔力在下盲棋时体现得淋漓尽致。法国心理学家阿尔弗雷德?比奈(Alfred Binet)是首个智力测验的发明人之一。1894年，他曾请象棋大师描述他们下棋的过程。起初，他认为棋盘就像照片一样存在于象棋大师的大脑中，但是他很快断定，大师们大脑中的图像还要抽象得多。他们整体把握棋子的位置关系而不注重具体细节，就像只关心马而不关心马的鬃毛一样。
通过把握比赛的即时细节以及回想走过的棋步，盲棋大师能将脑海中的棋局补充完整。假设大师忘记了卒的准确位置，该怎么办呢？他立即开始回想开局时的套路，因为在开局时，套路相对固定，而且已经烂熟于胸，因此很容易找到卒曾经所在的位置。他也可以回忆走过的棋步，通过推理来找到卒的位置――“前两步我没能抓住他的相，所以当时一定有卒在挡路……”他不必纠缠细节不放，利用组织完善的连接系统，可以重获任何想要的细节。
如果大师们的魔力――超凡的计算、计划能力都是以复杂的知识结构为基础，那么就可以肯定，专业技术多半来源于刻苦训练，而非上天的恩赐。荷兰心理学家阿德里安?德赫罗特(Adriaan de Groot)是一位象棋大师。1938年，荷兰举行了一场国际象棋锦标赛，他利用主场之便，对普通棋手、专业棋手与世界顶级大师进行比较后，进一步巩固了上述观点。他曾使用的一种方法就是请棋手观看节选自比赛的棋局，然后说出自己的想法。他发现，尽管专业棋手的分析能力要比普通棋手强，但是当他们的实力提升至大师级时，反而不会去思索更多的下法。因为在高手的心中，只会留下最妙的棋着――正如卡帕布兰卡声称的那样。
近来研究表明，德赫罗特的发现只展示了象棋大师的部分实力。在一场对弈中，如果大量而精确的计算无法避免时，大师们就会拿出真功夫，深入研究各种可能的棋步走法。这种能力，会让普通棋手望尘莫及。同样，知识渊博的物理学家遭遇难题时，也会比他的学生想出更多的解决办法。然而在上述两种情况下，专家依靠的不是与生俱来的强大的分析能力，而是多年来逐渐建立起来的知识结构。面对困难的棋局，一个实力平平的棋手可能会耗费大半个小时去计算、提前看许多步，然而总是错过最正确的一步。相反，一个大师级的棋手根本不用有意识地去分析，立即就能看到精妙入微的一步。
德赫罗特还让参加试验的棋手在短时间内审视棋局，然后凭记忆重建棋局。在这样的试验条件下，任何棋手的实力都会暴露无遗。就算用长达30秒钟的时间去回忆棋局，新手能记起的细节也是支离破碎的。而象棋大师，即使只瞟上几眼，也能轻松重建棋局。这种差别源于一种特殊记忆，也就是对棋局的特异性记忆。特殊记忆是训练的结果，因为在一般性的记忆测试中，大师的表现并不比其他人好。
同样的现象还能从桥牌牌手（多场牌局后，仍记得出过的牌）、计算机程序设计师（能重组大量的计算机编码）和音乐家（能记住大段大段的乐章）身上看到。在特殊领域，对主题事务的记忆能力，是衡量专业技术水平的重要标准。
一个不常见的案例也能证明，知识结构才是专家们战无不胜的法宝。一个叫D.H（姓名不全）的业余棋手，经过9年的训练，终于在1987年成为了加拿大一流的象棋大师。美国佛罗里达州立大学的心理学教授尼尔?蔡内斯（Neil Charness）指出，尽管这个棋手的实力已经今非昔比，但是他对棋局的分析范围并不比从前广泛，反而是日益精深的棋局知识和相关策略帮助他连连告捷。
非凡能力来自何方
在上世纪60年代，美国卡耐基－梅隆大学的心理学家赫伯特?西蒙（Herbert Simon，1978年诺贝尔奖得主）和威廉?蔡斯（William Chase），试图通过研究专家的记忆局限性来更好地洞察专家的记忆能力。按照德赫罗特的研究思路，他们请各个级别的棋手重建曾被人动过的棋局。不过这盘棋局不是大师对弈后的残局，而是一盘乱摆的棋局。在重建这盘随机棋局时，棋手间的差距并不明显。
因此，象棋运动中的特异性记忆不只取决于象棋这项运动，还取决于棋局的类型。这些实验验证了早期的研究结果，有力地证明了能力的非通用性，不同的领域需要不同的能力。早在一个世纪前，美国心理学家爱德华?桑代克(Edward Thorndike)就首先提出了上述理论。当时他指出，拉丁语说得好不等于英语水平高，几何证明也不能教会人们在日常生活中运用逻辑思维。
象棋大师要处理的信息，数量极其庞大，似乎已经超越了人类记忆的极限。为了解释他们这种超凡的能力，西蒙引入了模块理论。1956年，美国普林斯顿大学的心理学家乔治?米勒(George Miller)曾发表过一篇著名的论文――《非凡的数字7±2》。米勒在论文中指出，人的记忆有一定的限度，每次只能处理5～9条信息。西蒙强调说，通过把不同层次的信息构建成一个一个模块，大师就能突破记忆的极限。通过这种方法，他们会去捕捉5～9个模块，而不是5～9个具体细节。
以“Mary had a little lamb”（玛丽有一只小羊羔）这句诗为例。诗里的信息模块数取决于读者对诗歌与英语的熟悉程度。对于以英语为母语的人，这句诗是一个非常大的模块――著名诗歌的一部分；对于懂英语却不懂诗歌的人，这就是一句话――一个完整的模块；对于记得单词却不明白含义的人，这句话是5个模块（单词）；而对于认得字母，却不认识单词的人，这句诗就是18个模块（字母）！
在象棋新手和象棋大师之间就能清楚地看到这种差别。假如有一个摆着20个棋子的棋局放在面前，新手和大师会怎么处理其中的信息呢？新手满眼都是棋格，而棋子又有多种摆法，因此他获取的信息模块远多于20个。那么大师呢？他会将棋局整体化，然后把整个棋局分割成5～6个模块，这样记起来不就轻松多了！根据获取一个新的记忆模块所花掉的时间，以及普通棋手成长为大师级选手所需要的时间，西蒙估算出了象棋大师的大脑中存储的信息模块数：5万～10万个！就像我们听几个字就能背出一首古诗一样，象棋大师只要看一眼棋局，就能从记忆中提取出相应的信息模块。
但是模块理论还有缺陷。对一些记忆现象，例如当大师们精力分散时，他们的表现并没有受到明显影响，模块理论就无法给出合理的解释。佛罗里达州立大学的K?安德斯?埃里克森（K. Anders Ericsson）与蔡内斯认为，可能还存在另外一种机制，使得专家可以把长时记忆当作暂存区使用。埃里克森说：“训练有素的棋手在不看棋盘的情况下，能以几乎正常的水平下棋，要用模块理论来解释这样的事例，几乎不可能。因为你必须先了解棋局，然后才能在记忆中把它翻出来。”这一处理过程需要改变已有的信息模块，就像倒背 “Mary had a little lamb”，虽然可以做到，但是很难，而且还会错误不断。然而在下盲棋的时候，象棋大师仍然可以精准快速地下棋，让对手无所适从。
埃里克森还引证了内科医生的学习过程。医生们先把信息变为长时记忆，当需要使用这些信息来诊断疾病时，再把它从记忆中提取出来。埃里克森还列举了一个最普通、最常见的例子――阅读。1995年，他在研究中发现，越是熟练的读者越不容易受到干扰。就算阅读被打断，熟练的读者也能在几秒钟的时间内恢复原有的阅读速度。研究人员用长时工作记忆来解释这一现象。这一说法似乎自相矛盾，因为长时记忆与工作记忆是两个相互对立的概念。不过在2001年，德国康斯坦茨大学进行的大脑成像研究却为这一说法提供了依据。研究结果表明，较之新手，专业棋手的长时记忆显然更容易激活。
上世纪90年代末期，西蒙曾提出过一种竞争理论。英国伦敦布鲁内尔大学的费尔南德?戈贝特（Fernand Gobet）对它推崇备至。竞争理论实际上是模块理论的延伸，它引入了“模板”的概念，也就是一种极其典型并包含了大约12只棋子的大型布局。模板拥有许多插口，大师可以插入卒或者相这样的变量。再以诗句“Mary had a little lamb”为例，如果某个词的韵律与诗句中的词等同，那么就可以用这个词来替换诗中的词。例如，用“Larry”替代“Mary”，用“pool”来替代“school”等等。任何知道原始模块的人，都能在瞬间插入另一个词。
天才是怎样“炼”成的
要想在大脑中建立复杂的知识结构，就得不断努力。西蒙提出了“十年规则”，他认为要掌握任何技艺，十年的艰辛历程是无法避免的。即便是数学天才高斯，音乐奇才莫扎特，象棋神童菲舍尔，也得去拼搏、去奋斗，也许他们所付出的努力是常人难以想象的。
近年来，象棋天才似乎不断涌现，但这都归因于计算机的强大功能。计算机能让孩子们研究海量的大师级比赛，频繁地与大师级程序对抗，于是在较短的时间内，他们就能积累丰富的实战经验。1958年，15岁的菲舍尔获得了象棋大师的称号，当时这一消息震惊了全世界。而目前的记录保持者、乌克兰的谢尔盖?卡尔亚金（Sergey Karjakin）获得大师称号时，仅有12岁零7个月！
埃里克森认为，光是练习远远不够，还需要全身心投入，不断挑战极限、超越自我。就像业余爱好者，他们可能会用大量的时间来练习下棋、打高尔夫球、演奏乐器，却始终达不到专业水平；然而一个经过正规训练的学生，却能在较短的时间内超过他们。这是一个很有趣的现象，说明练习和比赛对棋手的帮助似乎不如踏踏实实地学习。训练和比赛的主要价值在于，新手可以从中发现自己的缺陷，从而在以后逐渐弥补。
在学习初期，新手往往兴趣浓厚，钻研劲儿十足。他们刚开始学习打高尔夫球或者开车时，技术的进步速度可用“神速”二字来形容。但是技术一旦攀升到一定的阶段，例如跟上了高尔夫球友的节奏，或者考取了驾照，大多数人就松懈了。于是，他们变得懒散，技术也被荒废。相反，训练专家总是让人不停地思考，因此参与学习的人就会自觉自律地去钻研、不断提高技术，从而缩小与高手之间的差距。
人类在进步，衡量专业水平的技术标准也在不断提高。现在的高中生能在4分钟内跑完一英里(约合1.6公里)；学音乐的学生敢于演奏曾经只有名家才敢尝试的曲子。如果说上述比较还不能让人信服，那么我们再来看看象棋上的证据。英国人约翰?纳恩（John Nunn）既是数学家，又是象棋大师。他利用计算机，比较了1911年和1993年举行的两届国际象棋锦标赛。结果发现，现代棋手出错的几率要小很多，换言之，他们比前辈们下得更准确。纳恩还研究了1911年的一个棋手下过的所有棋局。在当时，这个棋手算是一个中等级别的选手。按照今天的标准，他的等级分不会多于2100点，离大师级标准还有一大段距离。与普通棋手相比，百年前的大师仍然实力强劲，不过与今天的大师相比，可能就有一定的差距。
在卡帕布兰卡的那个时代，计算机、象棋数据库都还没有出现，他们只能靠自己解决一切问题，正如巴赫、莫扎特和贝多芬。如果说今天的大师在技术上已经超越了曾经名满天下的先辈们，然而在创造力方面他们却难以望其项背。今天，刚毕业的物理学博士掌握的物理知识，恐怕连牛顿也要自叹弗如，但是在这些博士中，有谁能像当年的牛顿一样发现万有引力定律？
说到这里，很多怀疑论者的耐心可能会荡然无存。他们肯定会说，要步入卡耐基殿堂，除了练习、练习、再练习之外，还要付出更多的东西。虽然相信天资的重要性，尤其是专家和他们的学生对此深信不疑，然而奇怪的是，没有任何证据来支持这一观点。2002年，戈贝特曾做过一项研究。研究中，他用图形记忆测验衡量各级别棋手的视觉空间智能。结果发现，棋艺的高低与视觉空间智能的强弱根本没有联系。还有研究人员发现，职业裁判预见赛马结果的能力与他们的数学能力也没有什么关系。
... ...
摘要: 熵是信息理论中非常重要的一个概念，用来度量信息，在实践中大量使用。
信息检索最重要的概念ＴＦ／ＩＤＦ（term frequency/inverse document frequency)就是基于信息熵理论。搜索引擎、新闻分类、文本相似度计算都使用这个概念。
阅读全文