硬盘简单检测修复

这几天学习RHEL的时候,总觉得虚拟机没给上劲,而且确实有的程序需要编译的时候就很蛋疼了。

开始装的时候,更蛋碎的事情发生了,系统有个SMART自检说Too Many Bad Sectors,网上有人说是较早时间的一个BUG,但是我也知道我硬盘肯定有坏道,没有管他继续安装,肯定是可以安装的,不过就是每次开机都有该提示跳出。

随即对硬盘检修,用到如下工具:希捷工具集,DOS工具箱。

在PE里面,先用DiskGenius跑一遍,这是老规矩了哈,然后用DOS里面的MHDD确认了一下,发现希捷的SATA在AHCI模式下貌似没给识别出来,加了驱动也见作用,所以建议还是先换到IDE模式做一下。后面还有就是用HDDREG 再跑一遍,应该八九不离十的确定了硬盘的基本状况。

这里说说希捷的工具,很少有人用希捷的官方工具,我是WIN7下的DOS包,GUI的可以自己谷歌希捷工具下载,其他的系统自己去找一下吧。首先用S-for-Win工具,做一次表面检测,随后用到的DOS工具比较很,低格,就是低级格式化,这个就是有点到出厂的意思了,很多主板有低格功能,不过不推荐用主板的,万一没对好码,直接就给蹦飞了,DOS下的一般是LOW这个指令,直接调用主板低格。低格的好处是基本等于重置了硬盘,以前对硬盘做的一切操作都没了,包括一些分区表信息,举个例子就是官方的人口普查然后保证一人一户的行为,一般用于拯救已经被判定死亡的硬盘。全部做完之后,差不多该死的就死了。有人会提到MHDD的两个修复手段,Remap和fix,其实没有太大区别,fix就是fix,remap主要是一种逻辑修复,看名字就知道,先做fix,不行的时候再remap,更高级一点的方法还有重写记录,把坏道写到G表里面去,我看了一下,这个操作比较麻烦,也没有去试,现在硬盘也不是很贵,不行就从了它,重新买一个吧~

SeagateTool_DOS

非专业公司的IT技术管理人员的参考技能列表

经过一段时间的交流和厂商之间的比拼,我大致摸清了对于非技术支持类IT公司的IT人员的要求

主要责任和目标:
·贯彻实施企业的IT战略,设计并维护企业的IT规范和标准
·实施IT项目,运维既有系统、包括基础硬件。
·合理高效地开展IT部门资源优化与应用
·合理引入IT在企业中的位置和作用,正确提供IT的助力功能
·向公司内部和客户公司员工提供操作培训,以完善发挥完成的IT系统的功能

从大体上看,一个IT人员所具备的技能包括如下三大类:

继续阅读“非专业公司的IT技术管理人员的参考技能列表”

简历被浏览的主要区域

RF:April 11, 2012 to Statistical Visualization  •

Recruiters looking at resumes

TheLadders (of n equals 30),最近运用视觉捕捉技术,得到了如下的结论:雇主的招聘人员在简历上平均花费6分钟寻找以下六种主要信息: 姓名,当前的公司和职位, 以往的工作情况, 上一份工作的起止时间, 当前工作的起止时间, 教育情况. 然后就形成了某种快照。

在审查以上六点信息的时候,大部分的人事官员仅仅是草草完成了某种关键字检索匹配的活动. 由于决定往往根据以上六个条件做出,那么一个求职者的扩展和其他细节部分对于第一映像的形成就不是很重要了,实际上,这项研究表明,仅仅是6秒,就做出了适合/不适合的结论

所以据此给出的建议是:提交简历的时候注意以上六点的排布,让这些信息像子弹一样射入招聘者的眼帘,其他的信息就自然而然地降低重要性合理排布即可。

我的说法:本文来自于一份国外的网站报告,翻译过来分享一下,因为自己马上就要找实习了。不过国外的情况和国内不同,而且像我这样的学生用户不太适合这种类型的简历(工作经历没有的啊~),不过我倒是对这个视觉捕捉的区域发生了兴趣,至少告诉我在什么的区域招聘人员看的次数更多,这样我可以按照这个热度进行简历的区域排布。而且我自己也找了一份其他材料试验了一下,确实按照以上排布,红色区域的敏感度更高一点。

希望有一些社会学研究人员可以做出一份不同排版的中文简历的检视情况,帮助一下我们。具体的手段我想了一下,可以用OPENCV的视觉库+Kinect等设备捕捉人眼,或者根据光线的吸收情况判别瞳孔对焦位置等。

思维“语言”与潜在决策倾向

在搜索的过程中,我没有找到任何和初始思维语言以及潜在决策趋势之间的联系。

我在一篇关于东西方人种文化差异比较的文章里受到了启发,回来查看了一下手里的《普通心理学》,确定了左右脑的分工问题。我于是作出这个推论:一个人的母语,即他大脑中的第一思维“语言”对一个人的判断有影响,而且不低。

这里对“语言”使用了额外定义,因为我认为一个人说出来的语言和我所指的思维语言,尽管在大多数时候是一致的,但也存在不一致的情况。

继续阅读“思维“语言”与潜在决策倾向”

专家系统

IBM在4.12号即将发布他们的第一套专家系统,随即来学习一下这个专家系统的一些基本概念。

专家系统源自人工智能领域,从其名称可以得知,该系统模拟的是专家解决问题这样一个情景,所以这样的一个系统,也会被叫做知识系统,因为具备专家水平,必须具备足够的专家水平的知识、专家的思维方式,简单地说,专家系统集成了专家的知识储备和自己的一套模拟思维的算法。

继续阅读“专家系统”

柯达,销售公司之殇

在家的时候,翻出了小时候的照片,看照片之余,就联想到了柯达,一个已经倒下的巨头,我觉得可以感觉到,当柯达剧院更名的时候,有一个时代的结束。

柯达的倒下可以说是必然的,很多类似的公司都倒下了,众所周知渡过这一难关的,有IBM,也成就了郭士纳。然而我觉得背后的那只推手还是中国,如果大家都知道04年的时候柯达还在中国投下了世界最大的一次性相机生产基地。或者可以体会到大街小巷满山遍野处红黄相间的Kodak标志。

继续阅读“柯达,销售公司之殇”

关于“近亲创新”的一些事

这是最早在HBR Blog 上的一篇文章,讲的是很匪夷所思的话题,近亲创新的问题。

在这篇文章里,首先从Economist引述了一个故事,北美将建立的第一个大象精子库,有一头大象在过去的一个世纪中被引为美国很多小牛的父亲,之所以这么做,专家的解释是为了防止后代出现近亲的现象。

专家认为,近亲的现象反而代表了一个实际问题,携带了导致物种体格衰弱的隐性基因非常容易配对,而适应能力拖累了。通过一个“冷冻小飞”的项目,试图通过引入新的基因的方式,来最大程度地降低近亲的危害。

而实际上,很多的以创新为己任的领导人,都受制于亲近创新,在很多公司中,这几乎让人无法忍受。

一般发生近亲创新的情况是,公司的重要变革和创新任务交给由和公司生命几乎纠缠在一起的一些人来完成,更糟糕的情况是就是这些创新还仅仅发生在独立的部门,环节和产品线里。

在进行创新的改革之路的时候,最重要的部分在于,真正具备突破性的创新来自于不同学科领域交叉的十字路口。英国经济学家约翰·朱克斯在20世纪50年代的研究表明在20世纪所发生的重大发明,至少有46个人发生在“错误的地方” – 在非常小的企业,在大公司的“局外人”,或在大公司,却在错误的行当里。

一下是三个有效的,可以避免近亲创新的办法:

·强制促进内部交流,大公司的分散度令人惊讶,往往可以汇集来自不同功能,不同地域,不同层次,不同业务单位的代表,可以导致突破思维定势的创新想法。例如IBM 的创新JAM,就是汇集了数千名员工,专家,外部人员,甚至是家人的成果。而你并不需要消耗掉你的差旅费用来应对不断增长的在线协同工具。

·把局外人来进来,非常惊奇的是我一直看到不断有新进入市场的公司犯下任何接受了一定培训的公司都会避免的错误,不过有选择地引入局外人可以从一定程度上改变既有的游戏规则,即使从内部进行挖掘也未尝不可,宝洁就是这么做的,通过挖掘内部的青年才俊来探索新的商务模式。

·把消费者或其他利益相关者拉进来,把消费者带入一个创新的活动很明显具有极大的危险性,消费者很可能会制约公司的理念的发展,但埃里克·希佩尔的研究得出结论显示,在许多行业中客户以更快的速度作出超越公司本身的创新产品,考虑采用修改后大卖的自行车的人所使用的框架结构,或者甚至发明厨师的食谱。尽管和客户合作听起来已经很老土,但是毫无疑问的是这会带来巨大的回报。

所以不用为沉沦在近亲创新中而苦恼,而是积极地跨越障碍获取进步。

我的看法:作者所指的近亲创新,通俗地将来就是我们中国的古语:近墨者黑,近朱者赤,久而不闻鲍肆之臭。对于公司而言,就是创新部门的创新者,会有着非常类似接近的创新思路和风格,因为围绕着某一个成功产品开展的,都是辅助围绕的工作,所以招募进来的人,都是符合当前热门产品的创新需求的人选,而不是持续创新的人选,时间长了 ,就如近亲结婚一样,相同类型的人所作出的产品会明显地暴露出他们共同的短板,这也是谷歌给工程师们留下20%自由时间的原因,也是Apple的主要力量在设计是手中而不是硬件工程师手中,单看Apple二度崛起的案例,也就是说的这个案例。

Yeah,Service Online

Service Online

这是我在这篇里面想要说的一个话题。和互联网有关,online,牵涉到服务,service,电子商务?不清楚。

今年年后,在债务危机没有什么好转迹象的时候,国内关于去年的电子商务类网站的报告也好,水文也罢,悄然放在每一个相关从业人员的面前,主题是:电商的冬天到了,狼真的来了。[注:这个观点在第一版今年2.14日产生]

怎么说呢,在互联网时代,这是必然的,也是正常的,也是有希望的。高速的网络接入意味着你今天的访客晚上就可能在另一家下了单,然后通过社交工具的分享,那些老顾客,都纷纷转向了另一个站点,唏嘘之余,多亏是在网上,没有在街头巷口那种门厅冷清的世态炎凉之感,但是看数据的时候却更痛心。

网上网下,只是形式不同,如果提供不了消费者他们需要的,在哪里都一样。

继续阅读“Yeah,Service Online”

推和拉

PMPOK上说到,信息的交换可以分为推式和拉式。

这一点我现在有比较多的探究,因为这是很关键的一个问题,这么多数据堆砌起来的时候,选择主动接受和被动接受将对处理信息产生很大的影响。

就目前而言,在工作环境中,更多地倾向于推式,比如弹窗和PUSH MAIL,在工具类小插件和应用中,使用推式的产品很受欢迎,因为对于工作人员而言时间很宝贵,所以信息最好是主动地跳出来比较好。

在生活中,更多地是拉式获取信息,比如在用社交站点的时候,尽管大部分的站点都有及时信息滚动和提示,但是很多人都会主动地去刷新以获得信息。

对比之下,这两种方式的差异还是比较大的,最突出的一点就在于对资源的损耗上。对于主动的推式信息而言,将会产生大量的资源消耗,而且信息往往也是来不及做处理就被推送到用户的面前。拉式信息则没有大幅地资源消耗,而且往往可以对信息进行一定的处理,却降低了有效性。

随着语义搜索的实际应用,一直以来处于低位的拉式信息由一点抬头的迹象,很多人觉得牺牲一定的时间来换取结果的准确和有效性是值得的,我们习惯地以为准确的结果相当重要,这一点对于得到答案为目的的情景里是母庸置疑的,但是我们也需要考虑一下不利的一面。

今天距离上一次开动写本文的时候已经过去了三天,期间我被动推送了一条点评网的促销信息,并且使用了该优惠,这是一条有用的推式信息,然后我再淘宝网上帮人买东西的时候,由于看到通知,主动地拉取了优惠券的使用方法这也是一条有效的拉式信息。在这里比较明显地是人为的设计对于用户信息导向的作用。正如乔布斯广为流传的一句话说的是,用户很多时候并不知道他们需要的是什么,所以我们要设计好给他们,这是一种先被动后主动的价值观传递的过程。从苹果公司的例子中可以看到,按照一定的目的去规划,使用推和拉的方式,可以达成目的。

于此同时有一个例子是中远集(远洋运输),上了船舶管理系统之后,中远的总裁在办公室里可以随时看到中远旗下每一艘船只的情况,这是一个推式系统,但是所有人都知道,中远的总裁不可能也不需要去查看每一艘船,他会挑选其中的一些进行查看,这是来自用户自身的主动式拉取,在这一过程中消息的推送就不怎么起作用了。

所以从严格上来说,并没有什么好坏之分,即便是在某些情况下适合某种形式的消息推送,也会因为环境因素等的变化而变化,比如一个项目在一开始的时候是以推送为主,随着项目进入攻坚阶段,就会转到拉取,这一变化是由用户在自己都不知情的情况下发生的。通过关系式的监察和过滤机制,可以总结出一些特定的环境和适用的案例情况,从而应用某种框定完善的消息机制来给用户提供最大的便利。