@Building 哈哈，笑死，14pro 上灵动岛用了一个多月，确实鸡肋，mac 上没准确实用处还大点。

你是在做什么事情，高负载工作吗？为什么我感觉我的 mac 一点不卡。

@MengiNo 小火箭是什么？

safari 有个不太好的点是 tab 设计，稍微多一点就不太好找了，不是很习惯 cmd + shift+ \ 的方式

@bishengyang 为啥，怕速度不够快扯到吗？

@ivank 哈哈哈 我连夜降级回了 Catalina ，看看情况

@wjx0912 不是，我说的就是 macos 自带的邮件客户端。

@leon912 我现在用一会儿键盘上侧（ touchbar 上面）已经可以煎鸡蛋了

@liw2756 🐶厨子刀法精准。

@SiLenceControL 现在的问题就是用一段时间后就开始卡 ppt 了

@v135ex 略有好转，尤其是不开外显的情况下，processor 开始干活，显存下来了

@Badlion 老哥问个问题，我是 mac 远程 mac ，有两台 mac ，我是先用 vpn 连接到内网，然后在对面 mac 上启动一个 Jump Desktop Connect, 然后在本机 mac 上打开 jump desktop 连接到对面 mac ，这样有个问题，就是我必需同时打开 vnc 远程，不然过几秒钟远程就黑屏了，尝试过 amphetamine 保持 mac 不休眠，但似乎也不好使。

大数据工程师其实是这波数据浪潮（ web2.0 以后）延伸出来的岗位，在『小数据』时代毫无疑问也是有很多数据工作岗位的，只是那时候大家可能都是玩 DBA ，玩 tableau 数分这些东西。

随着 2003 ~ Google 的三篇文论问世，基本上是开启了大数据时代，代表作品如 Hadoop 、HDFS 、HBase 等，以及后来催生出的 ES 、MongoDB 、TiDB 等一系列划时代的存储系统。这波开源真实太给力了，直接搞出来了相当多的生产级可用的 Information System ，也进一步催生了 AI 以及后来的推荐、搜索技术。

现在的问题是，由于这些软件太成熟了，很多大数据工程师也和和很多 AI 工程师一样，沦为『调参侠』了，改改 Hadoop 的系统参数，做些简单的系统运维（ Cloudera 提供了相当完善的大数据运维体系），或者写一些简单的 ETL Job 。

如果长期是这样的工作内容，大数据工程师很容易被替代，就像 AI 浪潮褪去一样。所以我的观点是，不论你是做 AI 还是做大数据，首先你得是个 Software Engineer ，要有相当过硬的工程技术，然后才是去谈所谓的大数据、算法，如果你连基本的计组、分布式、存储计算基本原理，Linux 、主流数据库、网络 IO 都没搞过关，就上来年复一年、日复一日地当个大数据 /AI 调参侠，那不淘汰你淘汰谁？

对象存储 + 适合的元数据管理工具

mail.app

相信我，千万别折腾别的。

Unity 了解一下

@jchnxu @Bromine0x23

JDBC 全称叫 Java Database Connectivity ，是 Java 语言提供了一套用来访问数据库的 API 规范，具体来讲，可以理解为 java.sql 这个包。

类似的，Python 也有 Python Database API Specification ( https://peps.python.org/pep-0249/)。

@upojzsb 这样好像也不行了诶

性价比=薪资收益 /学习投入量

如果按照你这个公式，在薪资收益相等的情况下，我们要思考下『学习投入量』具体是多了还是少了，当然这个跟『学习投入量』的定义有关。说个我自己的理解，我觉得事实上，由于 Java 语言生态的丰富性（参考 Spring ，企业级应用没有哪个可与之匹敌），它和其他计算机基础结合的紧密性（数据库，大数据，复杂分布式系统），顺着 Java 学可能是学习投入量相对较低的。