极致科技股价

❶ 为什么广大股民评论现在香港股票的处境十分尴尬

今年很多人都在问，为什么港股持续低估，持续不涨？毕竟港股是香港金融的重要组成部分，曾经也走过非常辉煌的历史，比如在2015年A股牛市后切换到港股的朋友，都是人生赢家。不过，只赢两年，2019年起，形势完全逆转，创业板指大幅反弹，目前的港股的处境确实有些尴尬。

❷ 登顶全球车企市值第一，谁点燃了特斯拉股价

红色线条在几次不经意的跳动后，毫无保留地冲上了这块空白区域的高点，没错，特斯拉股价突破了 1000 美元，市值超过丰田汽车，成为全球市值最高的车企。
最终以 1025 美元每股的价格和 8.97% 的涨幅收盘，市值定格 1900 亿美元。
虽然一个多月前，特斯拉 CEO Elon Musk 刚在推特上碎碎念道：「Tesla stock price is too high imo. 在我看来，特斯拉的股价太高了。」
但是 CEO 的谦虚最终还是没能拦住这头蛮牛，股价跟着兄弟公司 SpaceX Falcon 9 的成功发射，一起突破了一个新的高度。
我们知道，这一刻一定会到来，但是来得比想象的更早了一些，在这个萧瑟的时间点，特斯拉股价确实涨得太没道理了。
谜之暴涨
2020 年是一个大家都想从日历里删掉的年份，即使是铿锵的特斯拉也受到了不小的影响。
3 月中旬，美国新冠肺炎疫情爆发，迫于疫情严峻的状态，松下撤出了在 Giga Nevada 里负责生产电池的 3500 名员工。随着 Giga Nevada 的停产，负责整车生产的 Fremont 工厂也进入停工状态。
对于库存周期仅有 11 天的特斯拉来说，停产就意味着停销。这样的状态从 3 月底一直持续到了 5 月初。
根据 EV Sales 的数据显示，今年 4 月特斯拉在全球的销量为 14793 辆，而今年 3 月全球销量为 60131 辆，环比暴跌超过 75%。
如果你说这是特斯拉的传统，每个季度末都会冲销量，季度初都是销量最惨淡的一个月，这个数据很正常的话，我们再来看一组对比。
去年 4 月特斯拉的销量是 20823 辆，也就是说，即使是同比，也出现了 28.9% 的下滑。
要知道，2020 年 4 月相比 2019 年 4 月，特斯拉不仅有重磅车型 Model Y 的加成，还有更大的用户体量，而且特斯拉的交付指引也从 2019 年的 36 万辆提高到了 50 万辆，所以无论站在哪个角度来看，4 月的销量都是非常糟糕的。
我相信这个数据，Elon 也看在眼里，但是工厂仍然无法开工需要为疫情防控作出退让。
5 月 12 日，Elon 仍无可忍，直接在推特上喊话地方政府：「Tesla is restarting proction today against Alameda County rules.I will be on the line with everyone else.If anyone is arrested,I ask that it only be me.
特斯拉今天违反了 Alameda County 的规定，重新开始了生产工作，我会和大家一起重回产线，如果有人因此被捕，抓我就好了。」
但是结果呢？
5 月受疫情影响较小的中国地区，依靠特斯拉上海超级工厂，实现了 11095 辆 Model 3 的月销量，但是美国地区仍然不容乐观。
4 月底特斯拉 2020 年 Q1 财报的电话会议中 Elon 表示，即使复工了，工厂也会面临供应链跟进不及时造成产能受限的问题。
Elon 在近期的全员邮件中再次强调：「对于我们来说，提高 Model Y 的产能，并降低修正的次数非常重要。我想让你们知道，这对于特斯拉来说非常重要。
我们在 Model S、X 和 3 上做得非常好，但是 Model Y 在生产和供应链端都面临产能爬坡的挑战。」
显然本次疫情对特斯拉的生产和销售都产生了非常深远的影响。
更加雪上加霜的是，Electrek 从知情人士处获悉，Model S/X 产线上 4 名工作人员新型冠状病毒的检测结果呈阳性（确诊）。
在如此艰难的时期，特斯拉全球业务发展副总裁，也是唯一一个参加股东大会的华人任宇翔在 2020 年 6 月正式卸任。
在这个萧瑟的时间点，并没有什么利好可以刺激特斯拉的股价，但是在这种情况下，特斯拉的股价还是超过了丰田，成为全球市值第一高的车企。
再见丰田
423302 是丰田汽车 2020 年 4 月在全球范围内的销量，虽然同比大跌了 46%，但是仍然是特斯拉 2020 年 4 月全球销量的 25 倍以上。
在如此悬殊的销量差距下，到底是什么撑起了特斯拉如此高额的市值？
我们已经无法站在「销量」的角度，太过单纯地看待这两家「车企」了，因为从根源上来看，这两家车企做的事已经不太一样了。
特斯拉一直在努力把两件事儿做到极致：电动化和智能化。作为这两个领域的引领者，市值超越丰田只是时间问题。
为什么这么说呢？
寻找可再生能源替代化石能源是每个国家都在做的事，无论你承认或者不承认，特斯拉已经摸索出了电动汽车这条替代燃油车的路线，随着时间的推移，越来越多车企都走上了这条路。
大众集团从 2019 年宣布，在 2020 年至 2024 年期间将在混合动力、电动出行和数字化领域投入 600 亿欧元，其中 330 亿将将用在电动化上。大众预计 2025 年实现 100 万辆 MEB 平台车型的量产。
6 月 10 日，福特汽车公司和大众汽车集团正式签署协议，福特将基于大众的 MEB 平台，为欧洲客户打造一款纯电动车，计划 2023 年推出市场，预期数年内产量超过 60 万辆。
通用集团也表示将在 2020 年到 2025 年间在电动车和自动驾驶领域投入 200 亿美元的资金和资源。
在越来越多车企认可这条道路之后，特斯拉的优势显得就愈发明显了。
虽然国内的造车新势力车企陆续推出了 NEDC 600+ km 的车型，看似在电池技术层面追平了特斯拉 Model 3，但是Model 3 已经是一款 4 年前发布，3 年前就量产的车型，也就是说在电池技术方面特斯拉至少有 3-4 年的领先。
特斯拉 CEO Elon Musk 也多次透露，将在近期举行特斯拉电池日。
以我们目前已知的信息来看，与特斯拉签署排他性合作协议的 Jeff Dahn 研究小组已经研发出寿命超过 160 万英里的电池。
2019 年 2 月特斯拉以溢价 55% 的价格收购了掌握了「干电极技术」和「超级电容技术」的 Maxwell 公司。
2020 年初 Electrek 爆料特斯拉收购了电池产线设备制造商 Hibar System，并在 Fremont 建立了一条电池试点生产线。
因此在今年的电池日上特斯拉极有可能推出自研电芯，并且在电池能量密度、循环寿命等指标上达到一个全新的高度。
与此同时特斯拉已经把魔爪伸向了商用车领域。
Elon 最近的全员邮件中透露，特斯拉 Semi 半挂即将量产，续航达到 300-500 英里，这不仅是特斯拉电池技术最好的证明，也是特斯拉实现「推动世界向可持续能源发展」更实质性的一步。
特斯拉的减排不止出行领域，根据特斯拉最新发布的《特斯拉影响力报告 2019》内容显示，截止 2019 年特斯拉一共安装了 3.7 千兆瓦的太阳能系统，产生的清洁能源远大于工厂消耗的能源。
以上是特斯拉在能源层面作出的努力，现在我们再来聊聊智能化。
2020 年，L2 级辅助驾驶出现得越来越高频，这项在 3 年前被很多汽车爱好者嗤之以鼻的功能，也开始成为车企宣传的亮点功能。
但是早在 2014 年特斯拉就已经推出了第一代 Autopilot，实现了 L2 级别的辅助驾驶。当传统车企开始推出 L2 级辅助驾驶这个时间点，特斯拉已经实现了高速 NoA 功能。在功能和体验两个维度，以数个太平洋的距离领先对手。
「智能化」的另一点体现在电子电气架构，这是一个很多人都很陌生的词，为了让大家可以简单粗暴地了解特斯拉的优势，在这里引入一位日系车企工程师拆解了 Model 3 之后的结论：「特斯拉的电子电气架构领先丰田和大众六年。」
进军百万销量
在这两点基础下，我们再看回销量。
从 2015 年到 2019 年之后特斯拉每一年的涨幅都稳定在 36% 以上，增幅最大的一年达到了 137.74%，也正是在这一年，特斯拉 Model 3 车型刷新了美国豪华轿车销量排行榜。
面对市场更加巨大的豪华 SUV 市场，Model Y 重写 Model 3 的历史只是时间问题。
正因如此，在这个汽车行业不景气的时间点、所有车企都在收缩的时间点，特斯拉仍然在以最猛的速度，在全球布局。
5 月 15 日 Giga Berlin 打下第一根桩，6 月 4 日 Giga Shanghai 二期封顶。
一座坐落在欧洲大陆的工厂和一座坐落在亚洲大陆的工厂，是特斯拉全球化布局两颗重要的棋子。
目前完成产线扩张之后，Fremont 工厂 Model 3&Y 合计产能将达到 50 万辆，Model S&X 产线产能 9 万辆，Fremont 工厂总产能 59 万辆。
负责生产国产 Model 3 的 Giga Shanghai 一期工厂产能 10-15 万辆/年，规划生产国产 Model Y 的 Giga 上海二期工厂预计 2020 年底完工，2021 年实现量产，规划产能同样为 10-15 万辆。
Giga Berlin 建成后也将用于生产 Model Y 车型，预计 2021 年 7 月实现量产，产能 10-15 万辆。
所以在 2022 年特斯拉全球范围内的这 3 座工厂将具有超过 100 万辆/年的产能，为了满足不断扩张的市场需求，从产销层面，特斯拉也在努力追赶丰田。
当然，我们并不一味推崇特斯拉的超级速度，在疯狂推进速度的过程中，特斯拉仍然有许多问题需要解决。
例如参差不齐的装配工艺，并不算出色的油漆质量，还有多变的价格，这些都是特斯拉作为一家车企，在销量增长中过程中必须解决的问题。
写在最后
2003 年 7 月，特斯拉正式成立。
2010 年 6 月，特斯拉正式 IPO，发行价 17 美元。
2017 年 4 月，特斯拉市值超越福特汽车。
2017 年 5 月，特斯拉市值超越通用汽车，成为市值最高的美国车企。
2020 年 1 月初，特斯拉市值超越福特汽车和通用汽车的总和。
2020 年 1 月底，特斯拉市值超越大众汽车，成为全球市值第二高车企。
2020 年 6 月，特斯拉市值超越丰田汽车，成为全球市值最高的车企。
你可能很难想象，一家市值超越丰田汽车的车企，在 1 年前被质疑需求问题，被大量机构看空，股价一度从 300 多美元跌至 176 美元。
2020 年就是这么魔幻，虽然在这个时间点超越丰田让人有些意外，但是毫无疑问的是特斯拉的市值迟早会超越丰田，只不过实现的这个时间点来得比大家的预期都要更早。
如果你用一个看待车企的视角，看待着所发生的一切，你永远无法理解，因为特斯拉不仅仅是一家「车企」，还是一家「科技公司」。
特斯拉给这个陈腐多年的汽车行业带来了太多新鲜血液，以一己之力撬动了整个行业发生改变。
回头看看整个美股市场，苹果、亚马逊、微软、Facebook 几家科技巨头，股价都在昨天晚上创下了历史新高，再看看特斯拉的股价也就没什么稀奇的了。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

❸ 在股票交易中，一只股票上涨到极致，并出现反转下跌信号，此时卖出的人很多，那么能成交多少，毕竟开始下

到了高位并不需要成交多少，因为主力出货并不是在最高点才出的，一路拉升一路就在出。下跌一段反弹的时候还可以继续出货。

而且底仓并不是非要都卖掉才能赚钱，10元一股买1万股，涨到20元只要卖出5000股就收回全部成本了，如果涨到40元，卖出2500股就可以收回全部成本，剩下的都是净赚的股票，随便卖多少钱都是赚。

看好的人涨的时候买不进去，跌几天觉得是回调就会有人买进，因为此时各路消息和股评还预测这股会涨得更高。所以跌的时候有主力在卖，有短期获利盘在卖，有看好的人在买，也有可能是主力在高抛低吸。

❹ 如何通过雪球查询股票之前的变动状况

一. 雪球公司介绍

雪球 聪明的投资者都在这里。

web 1.0：新闻资讯，股价信息，K线图
web 2.0：SNS 订阅，分享，聊天
web 3.0：移动 APP，交易闭环
雪球现在员工数还不到100，其中技术人员占一半。去年9月C轮融资4kw刀。我们现在的技术栈由下列组件组成：Java，Scala，Akka，Finagle，Nodejs，Docker ，Hadoop。我们当前是租用IDC机房自建私有云，正在往“公私混合云”方向发展。

在雪球上，用户可以获取沪深港美2w+股票的新闻信息，股价变化情况，也可以获取债券，期货，基金，比特币，信托，理财，私募等等理财产品的各类信息，也可以关注雪球用户建立的百万组合，订阅它们的实时调仓信息，还可以关注雪球大V。雪球当前有百万日活跃用户，每天有4亿的API调用。App Store 财务免费榜第 18 名。历史上曾排到财务第二，总免费榜第 19。

二. 雪球当前总体架构

作为一个典型的移动互联网创业公司，雪球的总体架构也是非常典型的设计：

最上层是三个端：web端，android端和iOS端。流量比例大约为 2：4：4 。web3.0 的交易功能，在 web 端并不提供。
接入层以及下面的几个层，都在我们的自建机房内部。雪球当前只部署了一个机房，还属于单机房时代。正在进行“私有云+公有云混合部署”方案推进过程中。
我们当前使用 nodejs 作为 web 端模板引擎。nodejs 模块与android 和 ios 的 app 模块一起属于大前端团队负责。
再往下是位于 nginx 后面的 api 模块。跟 linkedin 的 leo 和微博的 v4 一样，雪球也有一个遗留的大一统系统，名字就叫 snowball 。最初，所有的逻辑都在 snowball 中实现的。后来慢慢的拆出去了很多 rpc 服务，再后来慢慢的拆出去了一些 http api 做成了独立业务，但即便如此，snowball 仍然是雪球系统中最大的一个部署单元。
在需要性能的地方，我们使用 netty 搭建了一些独立的接口，比如 quoto server，是用来提供开盘期间每秒一次的股价查询服务，单机 qps 5w+，这个一会再细说；而 IM 服务，起初设计里是用来提供聊天服务，而现在，它最大的用途是提供一个可靠的 push 通道，提供 5w/s 的消息下发容量，这个也一会再细说。
雪球的服务化拆分及治理采用 twitter 开源的 finagle rpc 框架，并在上面进行了一些二次开发和定制。定制的功能主要集中在 access log 增强，和 fail fast，fail over 策略及降级开关等。 finagle 的实现比较复杂，debug 和二次开发的门槛较高，团队内部对此也进行了一些讨论。
雪球的业务比较复杂，在服务层中，大致可以分为几类：第一类是web1.0，2.0 及基础服务，我们称为社区，包括用户，帖子，新闻，股价，搜索等等，类比对象就是新浪财经门户+微博；第二类是组合及推荐，主要提供股票投资策略的展示和建议，类比对象是美国的motif；第三类是通道，类似股市中的“支付宝”，接入多家券商，提供瞬间开户，一键下单等等各种方便操作的功能。
雪球的业务实现中，包含很多异步计算逻辑，比如搜索建索引，比如股票涨跌停发通知，比如组合收益计算等等，为此，我们设计了一个独立的 Thread/Task 模块，方便管理所有的后台计算任务。但随着这些 task 越来越多，逻辑差异越来越大，一个统一的模块并不是总是最佳的方案，所以，我们又把它拆成了两大类：流式的，和批量式的。
雪球的推荐体系包括组合推荐“买什么”和个性化推荐。我们最近正在重新梳理我们的大数据体系，这个感兴趣的话可以单聊。
最下面是基础设施层。雪球基础设施层包括：redis，mysql，mq，zk，hdfs，以及容器 docker。
线上服务之外，我们的开发及后台设施也很典型：gitlab开发，jenkins打包，zabbix 监控系统向 openfalcon 迁移，redimine向confluence迁移，jira，以及内部开发的 skiing 后台管理系统。
** 三. 雪球架构优化历程**

首先描述一下标题中的“股市动荡”定语修饰词吧：

上证指数从年初的3000点半年时间涨到了5000多，6月12号达到最高点5200点，然后就急转直下，最大单日跌幅 8.48%，一路跌回4000点以下。最近一周都在3900多徘徊。

3月最后一周，A股开户 166万户，超过历史最高纪录 2007年5月第二周165万户。

4月份，证监会宣布A股支持单用户开设多账户。

6月底，证金公司代表国家队入场救市。

7月份，证监会宣布严打场外配资。

中国好声音广告第一晚，带来超过平时峰值200倍的注册量

挑战：小 VS 大：

小：小公司的体量，团队小，机器规模小
大：堪比大公司的业务线数量，业务复杂度，瞬间峰值冲击

雪球的业务线 = 1个新浪财经 + 1 个微博 + 1 个 motif + 1 个大智慧/同花顺。由于基数小，API调用瞬间峰值大约为平时峰值的 30+ 倍。

挑战：快速增长，移动互联网 + 金融，风口，A股大盘剧烈波动。

首先，在app端，在我们核心业务从 web2.0 sns 向 3.0 移动交易闭环进化的过程中，我们开发了一个自己的 hybrid 框架：本地原生框架，加离线 h5 页面，以此来支撑我们的快速业务迭代。当前，雪球前端可以做到 2 周一个版本，且同时并行推进 3 个版本：一个在 app store 等待审核上线，一个在内测或公测，一个在开发。我们的前端架构师孟祥宇在今年的 wot 上有一个关于这方面的详细分享，有兴趣的可以稍后再深入了解。

雪球App实践—构建灵活、可靠的Hybrid框架 http://wot.51cto.com/2015mobile/ http://down.51cto.com/data/2080769

另外，为了保障服务的可用性，我们做了一系列的“端到端服务质量监控”。感兴趣的可以搜索我今年4月份在环信SM meetup上做的分享《移动时代端到端的稳定性保障》。其中在 app 端，我们采用了一种代价最小的数据传输方案：对用户的网络流量，电池等额外消耗几乎为0

每个请求里带上前一个请求的结果

succ or fail ： 1 char
失败原因：0 - 1 char
请求接口编号： 1 char
请求耗时：2 - 3 char
其它：网络制式，etc
炒股的人大多都会盯盘：即在开盘期间，开着一个web页面或者app，实时的看股价的上下跳动。说到“实时”，美股港股当前都是流式的数据推送，但国内的A股，基本上都是每隔一段时间给出一份系统中所有股票现价的一个快照。这个时间间隔，理论上是3秒，实际上一般都在5秒左右。 交了钱签了合同，雪球作为合作方就可以从交易所下属的数据公司那里拿到数据了，然后提供给自己的用户使用。

刚才介绍总体架构图的时候有提到 quote server ，说到这是需要性能的地方。

业务场景是这样的，雪球上个人主页，开盘期间，每秒轮询一次当前用户关注的股票价格变动情况。在内部，所有的组合收益计算，每隔一段时间需要获取一下当前所有股票的实时价格。起初同时在线用户不多，这个接口就是一个部署在 snowball 中的普通接口，股价信息被实时写入 redis ，读取的时候就从 redis 中读。后来，A股大涨，snowball 抗不住了。于是我们就做了一个典型的优化：独立 server + 本地内存存储。开盘期间每次数据更新后，数据接收组件主动去更新 quote server 内存中的数据。 后续进一步优化方案是将这个接口以及相关的处理逻辑都迁移到公有云上去。

对于那些不盯盘的人，最实用的功能就是股价提醒了。在雪球上，你除了可以关注用户，还可以关注股票。如果你关注的某只股票涨了或跌了，我们都可以非常及时的通知你。雪球上热门股票拥有超过 50w 粉丝（招商银行，苏宁云商）粉丝可以设置：当这支股票涨幅或跌幅超过 x%（默认7%）时提醒我。曾经连续3天，每天超过1000股跌停，证监会开了一个会，于是接下来2天超过1000股涨停

原来做法：

股票涨（跌）x%，扫一遍粉丝列表，过滤出所有符合条件的粉丝，推送消息
新做法：

预先建立索引，开盘期间载入内存
1%：uid1，uid2
2%：uid3，uid4，uid5
3%：uid6
问题：有时候嫌太及时了：频繁跌停，打开跌停，再跌停，再打开。。。的时候
内部线上记录：

4台机器。
单条消息延时 99% 小于 30秒。
下一步优化目标：99% 小于 10 秒
IM 系统最初的设计目标是为雪球上的用户提供一个聊天的功能:

送达率第一
雪球IM：Netty + 自定义网络协议
Akka ： 每个在线client一个actor
推模式：client 在线情况下使用推模式
多端同步：单账号多端可登录，并保持各种状态同步
移动互联网时代，除了微信qq以外的所有IM，都转型成了推送通道，核心指标变成了瞬间峰值性能。原有架构很多地方都不太合适了。

优化：

分配更多资源：推送账号actor池
精简业务逻辑：重复消息只存id，实时提醒内容不推历史设备，不更新非活跃设备的session列表等等
本地缓存：拉黑等无法精简的业务逻辑迁移到本地缓存
优化代码：异步加密存储，去除不合理的 akka 使用
akka这个解释一下：akka 有一个自己的 log adapter，内部使用一个 actor 来处理所有的 log event stream 。当瞬间峰值到来的时候，这个 event stream 一下子就堵了上百万条 log ，导致 gc 颠簸非常严重。最后的解决办法是，绕过 akka 的 log adapter，直接使用 logback 的 appender

线上记录：5w/s （主动限速）的推送持续 3 分钟，p99 性能指标无明显变化

7月10号我们在中国好声音上做了3期广告。在广告播出之前，我们针对广告可能带来的对系统的冲击进行了压力测试，主要是新用户注册模块，当时预估广告播出期间2小时新注册100万

压测发现 DB 成为瓶颈：

昵称检测 cache miss > 40%
昵称禁用词 where like 模糊查询
手机号是否注册 cache miss > 80%
注册新用户：5 insert
优化：

redis store：昵称，手机号
本地存储：昵称禁用词
业务流程优化：DB insert 操作同步改异步
下一步优化计划：

将 sns 系统中所有的上行操作都改成类似的异步模式
接口调用时中只更新缓存，而且主动设置5分钟过期，然后写一个消息到 mq 队列，队列处理程序拿到消息再做其它耗时操作。
为了支持失败重试，需要将主要的资源操作步骤都做成幂等。
前置模块HA：

合作方合规要求：业务单元部署到合作方内网，用户的敏感数据不允许离开进程内存
业务本身要求：业务单元本身为有状态服务，业务单元高可用
解决方案：

使用 Hazelcast In-Memory Data Grid 的 replication map 在多个 jvm 实例之间做数据同步。

java 启动参数加上 -XX:+DisableAttachMechanism -XX:-UsePerfData，禁止 jstack，jmap 等等 jdk 工具连接

关于前置模块，其实还有很多很奇葩的故事，鉴于时间关系，这里就不展开讲了。以后有机会可以当笑话给大家讲。

组合净值计算性能优化：

一支股票可能在超过20万个组合里（南车北车中车，暴风科技）
离线计算，存储计算后的结果
股价3秒变一次，涉及到这支股票的所有组合理论上也需要每 3 秒重新计算一次
大家可能会问，为什么不用户请求时，实时计算呢？这是因为“组合净值”中还包括分红送配，分股，送股，拆股，合股，现金，红利等等，业务太过复杂，开发初期经常需要调整计算逻辑，所以就设计成后台离线计算模式了。当前正在改造，将分红送配逻辑做成离线计算，股价组成的净值实时计算。接口请求是，将实时计算部分和离线计算部分合并成最终结果。

实际上，我们的计算逻辑是比较低效的：循环遍历所有的组合，对每个组合，获取所有的价值数据，然后计算。完成一遍循环后，立即开始下一轮循环。

优化：

分级：活跃用户的活跃组合，其它组合。
批量：拉取当前所有股票的现价到 JVM 内存里，这一轮的所有组合计算都用这一份股价快照。
关于这个话题的更详细内容，感兴趣的可以参考雪球组合业务总监张岩枫在今年的 arch summit 深圳大会上的分享：构建高可用的雪球投资组合系统技术实践 http://sz2015.archsummit.com/speakers/201825

最后，我们还做了一些通用的架构和性能优化，包括jdk升级到8，开发了一个基于 zookeeper 的 config center 和开关降级系统

四. 聊聊关于架构优化的一些总结和感想

在各种场合经常听说的架构优化，一般都是优化某一个具体的业务模块，将性能优化到极致。而在雪球，我们做的架构优化更多的是从问题出发，解决实际问题，解决到可以接受的程度即可。可能大家看起来会觉得很凌乱，而且每个事情单独拎出来好像都不是什么大事。

我们在对一个大服务做架构优化时，一般是往深入的本质进行挖掘；当我们面对一堆架构各异的小服务时，“架构优化”的含义其实是有一些不一样的。大部分时候，我们并不需要（也没有办法）深入到小服务的最底层进行优化，而是去掉或者优化原来明显不合理的地方就可以了。

在快速迭代的创业公司，我们可能不会针对某一个服务做很完善的架构设计和代码实现，当出现各种问题时，也不会去追求极致的优化，而是以解决瓶颈问题为先。

即使我们经历过一回将 snowball 拆分服务化的过程，但当我们重新上一个新的业务时，我们依然选择将它做成一个大一统的服务。只是这一次，我们会提前定义好每个模块的 service 接口，为以后可能的服务化铺好路。

在创业公司里，重写是不能接受的；大的重构，从时间和人力投入上看，一般也是无法承担的。而“裱糊匠”式做法，哪里有性能问题就加机器，加缓存，加数据库，有可用性问题就加重试，加log，出故障就加流程，加测试，这也不是雪球团队工作方式。我们一般都采用最小改动的方式，即，准确定义问题，定位问题根源，找到问题本质，制定最佳方案，以最小的改动代价，将问题解决到可接受的范围内。

我们现在正在所有的地方强推3个数据指标：qps，p99，error rate。每个技术人员对自己负责的服务，一定要有最基本的数据指标意识。数字，是发现问题，定位根源，找到本质的最重要的依赖条件。没有之一。

我们的原则：保持技术栈的一致性和简单性，有节制的尝试新技术，保持所有线上服务依赖的技术可控，简单来说，能 hold 住。

能用cache的地方绝不用db，能异步的地方，绝不同步。俗称的：吃一堑，长一智。

特事特办：业务在发展，需求在变化，实现方式也需要跟着变化。简单的来说：遗留系统的优化，最佳方案就是砍需求，呵呵。

❺ 股价几年的连续下跌终于有了报应，千万投

这要看是什么类型的公司，以及公司亏损的原因。比如成长型企业，因为经营者内看好公司来年容的发展，认为加大投入会增加来年的回报，所以加大当年的投资。而当年的投资很难在当年收回盈利，所以在账面上是“亏损”了，但实际上公司的资产扩大了，并且盈利极有可能增加。这种类型的涨价是很正常的，而其他的就要具体分析了。

❻ 今天比特科技多少钱一股

品中的阅读他人想法、窥伺他人心理活动的场景，也会像隔壁的老邻居，嘴角会浮出不