很多年前，大学老师跟我们讲她同学读完博士在加拿大开卡车，我们都觉得挺神奇的，现在中国大概也快了，已经有硕士博士当外卖小哥了

cache 提升性能的边际收益是递减的，256G 比 8G 可能提升有限

江苏农村包年只要 300

@drymonfidelia 用户请求参数构造成 map 了，框架层面可以禁用这个特性么？比如写个拦截器，所有参数统一转成 str ，特殊情况再特殊处理

用户输入不是 str?

我方亲戚里没有生二胎的，丁克倒是有几家

EXPLAIN ANALYZE SELECT * FROM `user_operation_log` LIMIT 1000000, 1;
EXPLAIN ANALYZE SELECT user_id FROM `user_operation_log` LIMIT 1000000, 1;

看看输出有无区别

躺平不工作就没压力了

@cmdOptionKana 当你小心提防着业务员的时候，已经预设了“这行坑多，所以这个业务员可能也会坑你”这样的立场，这不是标准的职业歧视吗？

日常各种歧视也不是直接把人当作坏人，诸如，上海人小气，山东人吃饭不让女人上桌，东北人酒桌文化，如果看到某地的人，心里想起这种标签，就已经有了分别心。

戒掉分别心是修行者的功课，我们普通人，不表现出来让人察觉到，就已经做的不错了。

@cmdOptionKana

在这个充满坑蒙拐骗的社会，坑和套路无处不在，尊重陌生人是件很奢侈的事情。亲友之外皆为路人或工具人，互相选择而已，表面客套，内心是信任不足的，更别提尊重。

@bsg1992 #74 杨高公交公司招聘驾驶员，税前 15 万左右，有 A1/A3 驾照，具备上海市户籍（浦东户籍优先）。

@cmdOptionKana 公务员录用体检特殊标准只是最低要求，实际上除了警察这种脱光了体检的职位，考公检法，甚至考编制内中小学教师，日常看不到的地方不管，日常裸露部位有明显纹身的直接就刷下去了。

没有任何法规限制私企不能招聘有纹身的人，但实际上很多老板不招有明显纹身的人，现实就是这样。

反歧视反的是把群体概率应用到个体身上，但这并不能否认概率差异的存在。女性当然可以说男性犯罪率高，但是不能因此看谁都是罪犯。

当某种歧视，比如某些行业 35 岁歧视，比如说 gap 即死刑，比如说学历歧视，被普遍性践行的时候，它有可能是真的有用，能减少一些试错成本。

学历和履历也都是一个人的标签，招聘第一关难道不是在各个维度的标签里初筛？人类社会评价体系就建立在刻板印象之上，反贴标签，实质是增加标签的维度数，参数越多越逼近真相。

@cmdOptionKana

前面我说了“很多公务职位禁止有纹身的人应聘”，不是全部职位。

罪犯的性别籍贯当然有相关性了，这也是我认为地域歧视有道理的原因。

@cmdOptionKana

偷东西是明确违法的事情，

纹身不违法，但有明显争议，且公务员招聘时有纹身就一票否决，

喝可乐是毫无争议的中性事件，

这三种事情，程度和性质完全不同，可以拿来类比？


[“选择论”只适用于直接行为]，那是因果关系的要求，相关性不需要有直接关系。
这是个条件概率的问题，两个事件之间不需要有因果关系。

@cmdOptionKana 性别和籍贯是可以自主选择的吗？地域歧视和种族歧视，不是完全没道理的，因为与生俱来无法改变，所以不提倡用这个划分。但纹身不一样，这是自主选择，不想要了可以去除。

把群体概率套用到个体身上，那是偏见，假阳性可能很高，但是不同群体概率有差异也是事实。选择空间比较充足的时候，假阳性高的筛选条件也可以拿来做个粗筛。

@cmdOptionKana

1. 同学里有纹身的大概率是年级有名的混混，混混圈子纹身比例明显高于整体，所以我认为纹身跟混混相关性较高。

2. 采样统计纹身的人在人口中的占比为 p1 ，再去监狱和看守所采样统计一下纹身占比 p2 ，如果 p2 ＞ p1 ，则纹身就是负面指标

@cmdOptionKana 纹身的人未必不正经，但是中华文化中，纹身的人不正经的概率，比不纹身的更高。因此中国大陆和台湾的公务员招聘，都对纹身有限制，很多公务职位禁止有纹身的人应聘。

以纹身取人是偏见，但不能否认，有纹身的群体，不正经的几率更高。在中华文化中，只有极少数父母和老师不反对纹身，纹身群体跟不正经群体重合度更高。

@cmdOptionKana 单一行为的确不能判断个体，概率也不能直接代入个体，但是作为群体是可以得到一些概率上的参考的。烟民低素质概率更高，哪怕只高一个百分点也是更高。

@leegradyllljjjj 以前是计算机相关专业，现在大都收紧为计算机或软工专业