kimball(钱学森无论到哪里)

kimball，钱学森无论到哪里？

当时美国海军次长丹尼·金布尔（Dan A. Kimball）声称：钱学森无论走到哪里，都抵得上5 个师的兵力。这句话突出了钱学森的巨大作用，由于他在军事领域有着突出的成就，他的研究成果所产生的威力是巨大的。也正因为如此，美国政府才百般阻拦，因而它在文章结构上起着铺垫作用；在主题的表达上起衬托作用，更能突出钱学森的爱国之情。

kimball(钱学森无论到哪里)

建模的目的？

数据建模的目的就是设计一种能够创建包含丰富信息量和美学特点的地图的数据结构

从目前的数据库及数据仓库建模方法来说，主要分为四类。第一类是大家最为熟悉的关系数据库的三范式建模，通常我们将三范式建模方法用于建立各种操作型数据库系统。第二类是Inmon提倡的三范式数据仓库建模，它和操作型数据库系统的三范式建模在侧重点上有些不同。

Inmon的数据仓库建模方法分为三层，第一层是实体关系层，也即企业的业务数据模型层，在这一层上和企业的操作型数据库系统建模方法是相同的；第二层是数据项集层，在这一层的建模方法根据数据的产生频率及访问频率等因素与企业的操作型数据库系统的建模方法产生了不同；第三层物理层是第二层的具体实现。

第三类是Kimball提倡的数据仓库的维度建模，我们一般也称之为星型结构建模，有时也加入一些雪花模型在里面。维度建模是一种面向用户需求的、容易理解的、访问效率高的建模方法，也是笔者比较喜欢的一种建模方式。

第四类是更为灵活的一种建模方式，通常用于后台的数据准备区，建模的方式不拘一格，以能满足需要为目的，建好的表不对用户提供接口，多为临时表。下面简单谈谈第四类建模方法的一些的经验。数据准备区有一个最大的特点，就是不会直接面对用户，所以对数据准备区中的表进行操作的人只有ETL工程师。

都抵得上五个师这句话是谁说的？

美国人说钱学森能值五个师？

美国现在肠子都悔青了，美国其实是非常有先见之明的国家，知道钱学森的价值，但是美国也有不懂的地方，比如说美国就是不懂中国人的智慧和能力，认为钱学森的确是人才，放了可惜也是美国的损失，但是美国人觉得当时的中国没有工业基础，就算放钱学森回来，没有基础工业的支持也会变成巧妇难为无米之炊，那十一个飞行员换加上一些政治条件，美国接受了。

只是这次接受让美国人后来后悔莫及，苏联的帮助下中国建立起来自己的工业基础，有了工业基础中国有了搞武器的条件，虽然说当时研制出来的火箭技术威慑力不算太高，但是呢完事开头难，中国研制出来了火箭，就等于打好了基础，未来突破是时间问题，美国的这次行为其实说不后悔那是假的，如果历史可以重来，美国估计不会放人。

就算知道我们没有钱学森也一样可以研制出来火箭技术，但是至少会推迟十几年甚至几十年也不一定，那样等到我们真的研制出来了，美苏的武器就已经领先我们好几代，这样的情况下美国可以做好很多自己想做的事情，有可能会改变很多事情，只是历史没有如果，所以现在回想起来，用11名飞行员换来我们提前一二十年拥有火箭技术，这是非常值的事。

如果让那些导弹技术不成熟国家去换，不要说五个师，就算十个师都会毫不犹豫，五个师十个师是抵不过一次弹道导弹投送突防技术的，不要说值不值，而是说这是掉了钱学森的身价了，现在的弹道导弹投送技术的威慑力超过十个师都不止，里面产生的影响更是长远的而不是短暂的，当时换做任何国家都会换，而且是毫不犹豫的换。

就算现在来看也一样值，技术这个东西其实不会过时，现在真正能掌握弹道导弹技术的国家也就十个左右，这还是把印度这种半吊子都算在里面的数字，技术不会退步，只能说在不断的实践中进步，钱学森就算放到现在，他的水平也肯定不止停留在那个阶段，所以他的价值甚至有可能还会更高，弹道导弹技术一旦掌握，那就等于国际地位的改变，还有其他方面的改变，这不是几个师能做到的。

发电公司如何构建自己的数据仓库？

这问题有点专业哇，火电、水电、核电还都有区分，火电毕竟不算太环保，核电咱也讲不清楚，挑个简单的水电来说吧！

说到大数据，很多都觉得数据应该用有5V特性（我就不赘述了，大家可以直接问度娘），为了描述简单一点我梳理一下数据有哪些：

1.水电运行设备状态数据，结构化；

2.运维检修数据，结构化/半结构化；

3.设备/配件，出入库数据，结构化；

4.产、耗能数据，结构化；

5.引入设备运行外部指标，声音，图像等，非结构化数据

6.其他数据

设定大数据计算亟待解决什么问题

1.产，耗均能比

2.设备、零件、管缆故障分析

3.检修机制

4.设备、零部件负载阀值

5.建立故障处置预案库

6.我说我没想好会不会被打-_-||，大数据是可以碰撞出一些本来没有预设的东西。

好了，汇聚数据要解决以下问题

1.结构化数据入数据库（数据仓库也行）

说话简单，做起来不简单哇，清洗数据工作带来的是不仅仅是IT层面，往往还需要修改配套的业务流程及实际习惯；

2.非结构化数据汇聚存放

生命周期管理（自补，问度娘吧），有问设备都更换了是不是就可以删除这些数据了呢，其实不然，新老对比还是需要这些数据的，那么换新设备，是不是就可以完结它的生命周期了呢，其实还可以看看新老设备故障对比，更换零部件成本对比……所以数据作为重要的生产资料其实留着还是挺好的！（我不是存储产商哇），可以做数据的冷热分级存储。

3.数据采集和汇聚的管道

采集得想想办法，不同设备老化故障都有一定的采集方法（连沥青、混凝土都可以加入监测粒子了呢）。汇聚传输通道建议还是走互联网吧，不过建议可以走特殊封装，如sm3非对称加密，sm请自行脑补吧。

另外需要水文资料可以向水利申请，他们有遥测数据（( •̥́ ˍ •̀ू )别问我遥测，也别问我为啥知道）；气象也有数据可以申请的。不过估计这些数据要么走专网，要么就只能拷硬盘了（光盘是放不下的）

接下去选着一个大数据的平台和合适的算法，碰撞吧，小宇宙……串台词了

关于耗能解释一下，一般发电机组发动起来就不停的，停下来要再开就需要一定时间的预热，所以有些水电在枯水季的非用电高峰，会在下游抽水回来发电，这个耗能是大头！！！所以晚上电才会有半价哟。

服务器最好搭建集群组来计算，数据库呢最好能有分级高性能存储支撑！

小编问了难题还是要支持一下，说的不对大家见谅！