实时搜索: 互联网公司为什么重视算法

互联网公司为什么重视算法

758条评论 1453人喜欢 2181次阅读 489人点赞
除了阿里云,还有那些公司 ...

如何准备互联网公司面试(算法相关): 书籍: 《算法导论》 这本是大部头,很多人都看不完。我本人也并没有看完,它跟了我这么多年,完全是属于常看常新的牛书。每一次看,都发现会有新的收获。比如,以前并不知道求K位数或者中位数有平均为O(n)复杂度的算法。看到了别的地方的参考资料,才知道,原来《算导》上专门有一小节讲这个内容。我基本上是本科比较集中的看了一遍,研一的时候又集中的看了一遍,才算是粗略的看完。但是其实,很多理论性的,以及图论一部分依然还是没有看完。个人推荐,先从简单的开始,挑选比较熟悉的一些偏重与数据结构方面的知识作为起点。这本书的习题非常重要,要是有时间,能够全部做完,那绝对是能够神功在手了。其实,集中把,第二部分(排序),第三部分(数据结构),第四部分(高级设计,我基本主要看动态规划和贪心),第五部分(高级数据结构,B树和二项堆,并差集),第六部分(图算法,最大流部分较难,自己可以看情况掌握)。这些部分可以先从算法本身开始,伪代码全部看懂。因为算法导论讲的很详细,而且有来龙去脉,基本不会有太大难度。数学证明,推荐大家掌握,但是,突击或者第一次,可以选择性的看看。我自己是重复看,才把证明看掉的。第一次看的时候,基本都跳过了。不过,证明和习题是精髓!希望如果有时间,一定要补回来。 《编程之美》《挑战编程》 这本书绝对是将全中国企业,或者说是一部分懒惰的企业面试题库提升了一个档次的一本神书。百度面我师兄的时候,我师兄直接把有一道题的最优解答出来了。但是,那个面试官显然是不知道最优解,一直在引导我师兄答出,这本书里面的第四个解。呵呵。书很不错。全部看一遍并不难。说个不好听的,可以背下来,而且相信我,基本上绝对有用!比如说,n!后面有多少个0。我相信,你们今年面试或者笔试,一定会碰到这道题。《挑战编程》大家可以自行考虑一下吧,这个完全是针对acm竞赛的,不过,看看题也不错。 《编程珠玑》 业界神书嘛。习题全部做完就是了。其实都是些小东西,但是,基本上一步步考察你的解决问题的能力。个人觉得,最常用的就是bit map做排序或者去重,拓展一下就是bloom filter,我当时都是在这本书里面看到的。 《算法技术手册》 这本书貌似出镜不多。书很薄,代码写的非常好,其实基本上全部都是基础算法和数据结构的实现。但是,它牛逼就在于,代码写的太好了,基本上,看一遍,绝对能背下来。面试基础很重要。基本上每个笔试或者面试,都会考一个100行以内的小程序。比如,给定一棵树,以及其中一个节点x,要求出这棵树的中序遍历序列中,x的后续节点,非递归实现。这种题非常简单,但是,真正写对的,其实并不多。《STL源码剖析》《C标准库》 都不厚。挑着看一遍非常舒服。特别是,看看STL每个数据结构迭代器类型啊,红黑书如何实现啊。C标准库,最常见的,比如strcpy()和memcpy()有什么区别啊。特别是,STL,看过之后,对泛型还是能有一定了解的。《C专家编程》《Effective c++》《深度探索C++对象模型》 第一本比较简单,可以当八卦书看。后两本其实也没啥好说的,其实都是些业界公认的牛书。我再重复一遍也没什么意义。但是,的确,考察基本上也就都是这么几本书上面的东西。基本上后两本主要侧重看c++对象方面的一些指示,特别是多态相关的。 《具体数学》《组合数学》 这两本其实可以看作修身养性的书。我当时是时间比较充裕的时候看完的。纯突击,大家就可以跳过了。但是,看完真的很有用。比如说,你们就可以跟面试官扯约瑟夫环的构造解了(这道题我觉得80%会遇到),直接推推公式,就不用写模拟代码了。《组合数学》也是,很多笔试一般会有些小智力题。不过,其实一般的题目,不看这本书也可以搞定。所以,这两本仅供参考。大家有兴趣的时候,可以翻翻。《Linux内核源码剖析》《Linux环境高级编程》…… 要是有机会,能看看最好。因为很多公司都会考察Linux相关的知识。最少要会点脚本,一些简单的Linux命令,以及正则表达式什么的。要是能聊聊内核源码或者驱动开发什么的东西,面试官肯定更加喜欢了。 知识: c & c++ 首先要知道c和c++的区别。常考的有const的用法,一些生僻关键字比如extern,static的用法。 结构体与类的差别。类里面的字对齐问题,也就是说一个类到底有多大。以及一个空的类有多大。 虚函数以及多态相关的显然是重点。比如析构函数什么时候需要写成虚函数,构造函数是否可以是虚函数。 int a[10]; a 和 &a的区别。 java java我并不熟。但是基本上肯定会考一些虚拟机相关的,以及GC等知识。然后,一般招聘的java程序员都会问到很多多线程编程的东西,以及hadoop!这个绝对是重点,淘宝绝对就是问这个的。 操作系统 这个看工作岗位的实际要求。基本的进程线程区别==肯定是会问到的。要是要求高一些,就会问很多多线程编程的问题。一些竞争死锁等基础知识,一些进程调度的算法,最近的kernel好像用的是CFS调度算法。shell编程,如何读取程序堆栈,写一些core dump的读取程序等等的。 数据结构 基本上所有的排序都要会写。与树有关的操作都要会些非递归版本。图一般考的不多。Flood-Fill算法等等。查找中位数。B树和红黑书最好要掌握,不用会写,能扯扯基本就行。KMP,这个很有可能考!而且的确真的不好懂。要是实在不行,背下来吧。哈哈。 网络 这个其实比较基础了。我个人网络方面的知识并不好。但是各种协议的基础,几次握手啊,一些操作系统的api实现到底是单工还是双工用的是TCP还是UDP。我个人网络纯粹靠拼RP。 数据库 数据库非常重要。基本的SQL肯定是要会的。最常见有一道题,inner join和out join的区别。MySQL是重点,基本上很多企业都是问这个。然后,百度扯多了会跟你扯MySQL引擎 的一些东西。这些我就不太懂了。要是能准备的话,或者说的确是做这方面的,就可以着重多准备下。 大规模数据处理这一块绝对是重点!而且本身不是一个系统的学科分支。但是,基本上几家大公司都会问这方面的。推荐先读读google那几篇论文。Page Rank那一篇,然后Map Reduce好像有几篇吧。Big Table什么的。推荐一个网址。这篇貌似是转载的,我以前找到的源地址现在找不到了。处理这一类问题基本上思路都是,哈希,map reduce以及bit map等等的。对了,推荐看一下外排序以及相关的败者树。这些都是大规模数据处理的一些典型问题。掌握了这些其实也就够了。这块有点屠龙之技的感觉,特别是对于学生,基本没有谁能有机会把这些代码实现出来。但是,没办法,这些公司就是喜欢考。看完那篇博客的,然后再自行查找一些资料,基本就够了。万变不离其中,而且,这些东西,没办法考那么难的。 推荐一个博客吧,作者收集了100+道面试题,并且全部给出了代码。把这个全部看完,基本上很多面试笔试,都是这些原题。 推荐Top Language里面的今天我们思考系列,好几年前的了。看大牛的思考过程,非常有帮助。希望自己能多想想再看答案。注意,google group好像有时被墙。 我把发芽网的题库版块也扫了一遍。 还有好多一时想不起来了。

互联网应用算法是如何改变我们的世界的?: 信息的传送方式变快了,影响了很多人

什么互联网企业会用到机器学习算法?: 基本用不到!
算法的实现已经在程序类库中实现了!!

什么算法是现代互联网密码系统的基石?: 找书,顺便说一句 有加密就得有解密,有解密就不存在秘密!只是你在某个时间点上不能知道而已!

路由技术的算法分类:

路由选择算法就是路由选择的方法或策略。
按照路由选择算法能否随网络的拓扑结构或者通信量自适应地进行调整变化进行分类,路由选择算法可以分为静态路由选择算法和动态路由选择算法。 静态路由选择算法就是非自适应路由选择算法,这是一种不测量、不利用网络状态信息,仅仅按照某种固定规律进行决策得简单得路由选择算法。静态路由选择算法得特点是简单和开销小,但是不能适应网络状态的变化。静态路由选择算法主要包括扩散法和固定路由表法。静态路由是依靠手工输入的信息来配置路由表的方法。
静态路由具有以下几个优点:减小了路由器的日常开销。在小型互联网上很容易配置。可以控制路由选择的更新。但是,静态路由在网络变化频繁出现的环境中并不会很好的工作。在大型的和经常变动的互联网,配置静态路由是不现实。 动态路由选择算法就是自适应路由选择算法,是依靠当前网络的状态信息进行决策,从而使路由选择结果在一定程度上适应网络拓扑结构和通信量的变化。
动态路由选择算法的特点是能较好的适应网络状态的变化,但是实现起来较为复杂,开销也比较大。动态路由选择算法一般采用路由表法,主要包括分布式路由选择算法和集中式路由选择算法。分布式路由选择算法是每一个节点通过定期得与相邻节点交换路由选择得状态信息来修改各自的路由表,这样使整个网络的路由选择经常处于一种动态变化的状况。集中式路由选择算法是网络中设置一个节点,专门收集各个节点定期发送得状态信息,然后由该节点根据网络状态信息,动态的计算出每一个节点的路由表,再将新的路由表发送给各个节点。

RIP与OSPF的算法有什么区别?: 在互联网飞速发展的今天,TCP/IP协议已经成为数据网络互联的主流协议。在各种网络上运行的大大小小各种型号路由器,承担着控制本世纪或许最重要信息的流量,而这成百上千台路由器间的协同工作,离不开路由协议。OSPF和EIGRP都是近年来出现的比较好的动态路由协议,OSPF以协议标准化强,支持厂家多,受到广泛应用,而EIGRP协议由网络界公认的领先厂商Cisco公司发明,并靠其在业界的影响力和绝对的市场份额,也受到用户的普遍认同。然而这两种协议究竟哪种更好,谁更适合网络未来发展的需要?本文就用户普遍关心的问题,从技术角度客观分析这两种协议各自的优缺点,以便网络集成商和企业用户在网络设计规划时,能作为参考。

  一、OSPF协议

  (一)、OSPF协议简介

  OSPF是Open Shortest Path First(即“开放最短路由优先协议”)的缩写。它是IETF组织开发的一个基于链路状态的自治系统内部路由协议。在IP网络上,它通过收集和传递自治系统的链路状态来动态地发现并传播路由。

  每一台运行OSPF协议的路由器总是将本地网络的连接状态,(如可用接口信息、可达邻居信息等)用LSA(链路状态广播)描述,并广播到整个自治系统中去。这样,每台路由器都收到了自治系统中所有路由器生成的LSA,这些LSA的集合组成了LSDB(链路状态数据库)。由于每一条LSA是对一台路由器周边网络拓扑的描述,则整个LSDB就是对该自治系统网络拓扑的真实反映。

  根据LSDB,各路由器运行SPF(最短路径优先)算法。构建一棵以自己为根的最短路径树,这棵树给出了到自治系统中各节点的路由。在图论中,“树”是一种无环路的连接图。所以OSPF计算出的路由也是一种无环路的路由。

  OSPF协议为了减少自身的开销,提出了以下概念:

  (1). DR:在各类可以多址访问的网络中,如果存在两台或两台以上的路由器,该网络上要选举出一个“指定路由器”(DR)。“指定路由器”负责与本网段内所有路由器进行LSDB的同步。这样,两台非DR路由器之间就不再进行LSDB的同步。大大节省了同一网段内的带宽开销。

  (2). AREA:OSPF可以根据自治系统的拓扑结构划分成不同的区域(AREA),这样区域边界路由器(ABR)向其它区域发送路由信息时,以网段为单位生成摘要LSA。这样可以减少自治系统中的LSA的数量,以及路由计算的复杂度。

  OSPF使用4类不同的路由,按优先顺序来说分别是:

  区域内路由;

  区域间路由;

  第一类外部路由;

  第二类外部路由。

  区域内和区域间路由描述的是自治系统内部的网络结构,而外部路由则描述了应该如何选择到自治系统以外目的地的路由。一般来说,第一类外部路由对应于OSPF从其它内部路由协议所引入的信息,这些路由的花费和OSPF自身路由的花费具有可比性;第二类外部路由对应于OSPF从外部路由协议所引入的信息,它们的花费远大于OSPF自身的路由花费,因而在计算时,将只考虑外部的花费。

  (二)、OSPF协议主要优点:

  1、OSPF是真正的LOOP- FREE(无路由自环)路由协议。源自其算法本身的优点。(链路状态及最短路径树算法)

  2、OSPF收敛速度快:能够在最短的时间内将路由变化传递到整个自治系统。

  3、提出区域(area)划分的概念,将自治系统划分为不同区域后,通过区域之间的对路由信息的摘要,大大减少了需传递的路由信息数量。也使得路由信息不会随网络规模的扩大而急剧膨胀。

  4、将协议自身的开销控制到最小。见下:

  1)用于发现和维护邻居关系的是定期发送的是不含路由信息的hello报文,非常短小。包含路由信息的报文时是触发更新的机制。(有路由变化时才会发送)。但为了增强协议的健壮性,每1800秒全部重发一次。

  2)在广播网络中,使用组播地址(而非广播)发送报文,减少对其它不运行ospf 的网络设备的干扰。

  3)在各类可以多址访问的网络中(广播,NBMA),通过选举DR,使同网段的路由器之间的路由交换(同步)次数由 O(N*N)次减少为 O (N)次。

  4)提出STUB区域的概念,使得STUB区域内不再传播引入的ASE路由。

  5)在ABR(区域边界路由器)上支持路由聚合,进一步减少区域间的路由信息传递。

  6)在点到点接口类型中,通过配置按需播号属性(OSPF over On Demand Circuits),使得ospf不再定时发送hello报文及定期更新路由信息。只在网络拓扑真正变化时才发送更新信息。

  5、通过严格划分路由的级别(共分四极),提供更可信的路由选择。

  6、良好的安全性,ospf支持基于接口的明文及md5 验证。

  7、OSPF适应各种规模的网络,最多可达数千台。

在移动互联网背景下,seo的应对策略,区别传统互联网有什么新的特点: SEO本质上归属PC网站时代的产物。PC时代的互联网信息入口以搜索引擎为大,所以SEO成为这时期的流量标配性需求,这时期搜索引擎算法研究是SEO人的主要研究方向。

社交网络兴起之后,尽管微博作为弱关系社交,还只是PC到移动的过渡性产品,但网络营销界已经因着微博开始形成了对“人”的关注,流量获取不再只是营销技术和广告问题,而是如何抓人的问题,所谓的“粉丝经济”也是在微博时期始成大气候。

而人的问题,恰恰是很多技术型SEO并不在行的领域。

如果说微博还没能撼动搜索引擎的信息入口老大地位,SEO尚可继续延续PC端的流量辉煌,那么对信息入口带来最大冲击的,应该是无所不在的微信,这个移动互联网最具代表性的产品,让妇孺老少都用上了。

同时,过去以网站为代表的信息获取渠道在移动端变成了一个个App应用,所有PC时代的站点都能在智能终端的应用商城中被搜索出一大堆同类,看新闻上“今日头条”,听歌去“虾米音乐”,招聘去“人人聘”,旅游用“旅游攻略”,育儿去“妈妈问答”…… 意味着,抛开PC网站,基本上能在移动端完成所有的上网行为,还不算那些PC端实现不了的应用。

实际上,今天移动互联网用户已经超越传统互联网用户,SEO人早该有危机感了。

既然网络营销的流量来源比例发生了重大变化,那么SEO的研究范围甚至思维都要升级了。

过去只需要研究百度PC搜索算法,今天要研究百度手机搜索算法、微信公号排名、App商城排名(ASO)。

技能升级只是一方面,更重要的升级在于SEO人的观念,流量思维要升级成用户思维。

从现在开始,你网站的每一个IP,那不是IP,那是一个个来自四方的活的用户,网站的每个PV,那不是点击,不是流量,而是用户需求和行为。你能不能最终抓住这个用户,沉淀为你的长期粉丝,这不是研究关键词策划研究外链能解决的问题。

所以,PC时代SEO只盯着搜索算法,移动互联网时代更要盯着用户价值考虑问题。

其实不关注用户这个问题在SEO界一直就存在。

为什么很多SEO出身的人运营不好网站,因为成也SEO,败也SEO,自从通过SEO低成本获得了大量优质流量,就跟吸鸦片一样欲罢不能,成日研究的是spider、keywords、title、url,什么文本、内链、外链之类的技术性指标,每天盯着百度,百度抽筋他也抽筋,百度今天心情好给他一个头排座,他能兴奋半天。这种运营状态,基本上顾不上去深度思考用户体验、用户价值、用户黏度这些决定网站能否长久的根本问题。

同为低成本获取用户的网络营销策略,难道PC时代的排名思想和社交时代的用户思想,不可以共存吗?难道这是两个不同频道没有交集吗?上海献峰网络分析当然不是,制定搜索行业规则的Google早就说了:一切以用户为中心……

还是用户之道,这是一切营销策略考虑的起点,管你网上还是网下,PC还是移动,搜索还是社交。

快速迭代的互联网要求从业者不断自我打破、重构,才能跟上时代节奏。周鸿祎说传统企业向互联网转型最大挑战在于基因问题。我觉得基因论太玄,而且基因意味着你无法改变,岂不是打了个死结?

其实基因很大程度上是过去长期成型的某种思维方式,以及这种思维方式下形成的一贯行事判断和主张。SEO人只有从流量到用户的思维方式来个大转变,才能让自己在移动及社交网络时代实现华丽丽转身。

神经网络算法: Introduction
--------------------------------------------------------------------------------

神经网络是新技术领域中的一个时尚词汇。很多人听过这个词,但很少人真正明白它是什么。本文的目的是介绍所有关于神经网络的基本包括它的功能、一般结构、相关术语、类型及其应用。

“神经网络”这个词实际是来自于生物学,而我们所指的神经网络正确的名称应该是“人工神经网络(ANNs)”。在本文,我会同时使用这两个互换的术语。

一个真正的神经网络是由数个至数十亿个被称为神经元的细胞(组成我们大脑的微小细胞)所组成,它们以不同方式连接而型成网络。人工神经网络就是尝试模拟这种生物学上的体系结构及其操作。在这里有一个难题:我们对生物学上的神经网络知道的不多!因此,不同类型之间的神经网络体系结构有很大的不同,我们所知道的只是神经元基本的结构。

The neuron
--------------------------------------------------------------------------------

虽然已经确认在我们的大脑中有大约50至500种不同的神经元,但它们大部份都是基于基本神经元的特别细胞。基本神经元包含有synapses、soma、axon及dendrites。Synapses负责神经元之间的连接,它们不是直接物理上连接的,而是它们之间有一个很小的空隙允许电子讯号从一个神经元跳到另一个神经元。然后这些电子讯号会交给soma处理及以其内部电子讯号将处理结果传递给axon。而axon会将这些讯号分发给dendrites。最后,dendrites带着这些讯号再交给其它的synapses,再继续下一个循环。

如同生物学上的基本神经元,人工的神经网络也有基本的神经元。每个神经元有特定数量的输入,也会为每个神经元设定权重(weight)。权重是对所输入的资料的重要性的一个指标。然后,神经元会计算出权重合计值(net value),而权重合计值就是将所有输入乘以它们的权重的合计。每个神经元都有它们各自的临界值(threshold),而当权重合计值大于临界值时,神经元会输出1。相反,则输出0。最后,输出会被传送给与该神经元连接的其它神经元继续剩余的计算。

Learning
--------------------------------------------------------------------------------

正如上述所写,问题的核心是权重及临界值是该如何设定的呢?世界上有很多不同的训练方式,就如网络类型一样多。但有些比较出名的包括back-propagation, delta rule及Kohonen训练模式。

由于结构体系的不同,训练的规则也不相同,但大部份的规则可以被分为二大类别 - 监管的及非监管的。监管方式的训练规则需要“教师”告诉他们特定的输入应该作出怎样的输出。然后训练规则会调整所有需要的权重值(这是网络中是非常复杂的),而整个过程会重头开始直至数据可以被网络正确的分析出来。监管方式的训练模式包括有back-propagation及delta rule。非监管方式的规则无需教师,因为他们所产生的输出会被进一步评估。

Architecture
--------------------------------------------------------------------------------

在神经网络中,遵守明确的规则一词是最“模糊不清”的。因为有太多不同种类的网络,由简单的布尔网络(Perceptrons),至复杂的自我调整网络(Kohonen),至热动态性网络模型(Boltzmann machines)!而这些,都遵守一个网络体系结构的标准。

一个网络包括有多个神经元“层”,输入层、隐蔽层及输出层。输入层负责接收输入及分发到隐蔽层(因为用户看不见这些层,所以见做隐蔽层)。这些隐蔽层负责所需的计算及输出结果给输出层,而用户则可以看到最终结果。现在,为免混淆,不会在这里更深入的探讨体系结构这一话题。对于不同神经网络的更多详细资料可以看Generation5 essays

尽管我们讨论过神经元、训练及体系结构,但我们还不清楚神经网络实际做些什么。

The Function of ANNs
--------------------------------------------------------------------------------

神经网络被设计为与图案一起工作 - 它们可以被分为分类式或联想式。分类式网络可以接受一组数,然后将其分类。例如ONR程序接受一个数字的影象而输出这个数字。或者PPDA32程序接受一个坐标而将它分类成A类或B类(类别是由所提供的训练决定的)。更多实际用途可以看Applications in the Military中的军事雷达,该雷达可以分别出车辆或树。

联想模式接受一组数而输出另一组。例如HIR程序接受一个‘脏’图像而输出一个它所学过而最接近的一个图像。联想模式更可应用于复杂的应用程序,如签名、面部、指纹识别等。

The Ups and Downs of Neural Networks
--------------------------------------------------------------------------------

神经网络在这个领域中有很多优点,使得它越来越流行。它在类型分类/识别方面非常出色。神经网络可以处理例外及不正常的输入数据,这对于很多系统都很重要(例如雷达及声波定位系统)。很多神经网络都是模仿生物神经网络的,即是他们仿照大脑的运作方式工作。神经网络也得助于神经系统科学的发展,使它可以像人类一样准确地辨别物件而有电脑的速度!前途是光明的,但现在...

是的,神经网络也有些不好的地方。这通常都是因为缺乏足够强大的硬件。神经网络的力量源自于以并行方式处理资讯,即是同时处理多项数据。因此,要一个串行的机器模拟并行处理是非常耗时的。

神经网络的另一个问题是对某一个问题构建网络所定义的条件不足 - 有太多因素需要考虑:训练的算法、体系结构、每层的神经元个数、有多少层、数据的表现等,还有其它更多因素。因此,随着时间越来越重要,大部份公司不可能负担重复的开发神经网络去有效地解决问题。

NN 神经网络,Neural Network
ANNs 人工神经网络,Artificial Neural Networks
neurons 神经元
synapses 神经键
self-organizing networks 自我调整网络
networks modelling thermodynamic properties 热动态性网络模型

++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
网格算法我没听说过
好像只有网格计算这个词

网格计算是伴随着互联网技术而迅速发展起来的,专门针对复杂科学计算的新型计算模式。这种计算模式是利用互联网把分散在不同地理位置的电脑组织成一个“虚拟的超级计算机”,其中每一台参与计算的计算机就是一个“节点”,而整个计算是由成千上万个“节点”组成的“一张网格”, 所以这种计算方式叫网格计算。这样组织起来的“虚拟的超级计算机”有两个优势,一个是数据处理能力超强;另一个是能充分利用网上的闲置处理能力。简单地讲,网格是把整个网络整合成一台巨大的超级计算机,实现计算资源、存储资源、数据资源、信息资源、知识资源、专家资源的全面共享。

  • 100兆瓦光伏能赚多少钱

    我在苏宁买的佳能相机、后来才知道同学买的一样的、但是比我便宜100元、还多给了一块电池、我能投诉他么: 不能投诉的。苏宁,国美卖场卖的东西都是相比电子城的贵。这都是共识的。贵就是因为他们的品牌,他们的售后。所以你在苏宁买的贵了100块钱,你就放心吧。多花100块钱买个放心比什么都好。当初我买相机,比电子城贵了400块钱...

    209条评论 5899人喜欢 3949次阅读 572人点赞
  • 2016年养老保险涨多少

    什么是基点 列如人民币对美元的汇率上升了100个基点 基点到底是什么: 原始单位,如人民币的基点就是0.01 ...

    975条评论 1132人喜欢 2532次阅读 437人点赞
  • 2014国家执业医师分哪里查

    外汇报价中一个基点是多少:   基点用于金融方面,债券和票据利率改变量的度量单位。一个基点等于1个百分点的1%,即0.01%,因此,100个基点等于1%。  按市场惯例,外汇汇率的标价通常由5位有效数字组成,从右边向左边数过去,第一位称为“x个...

    760条评论 2152人喜欢 4824次阅读 793人点赞
  • oppo恢复出厂设置多久

    上证综合指数基点为100是什么意思?: 上证综合指数基点为100就是100%的意思-----把当时的所有上证股票按照总股数作为权重,加权计算的综合平均数---基点----即基础数字。以后上涨多少,也按照加权计算看指数上涨了多少。比如,加权的股票平均价格基点...

    289条评论 5635人喜欢 6152次阅读 474人点赞
  • 2016年铂金回收多少钱

    天能电池6一EⅤF多少钱一组呢?: 天能电池6一EVF多少钱一组,应该六七百吧,但是我的电动车电池去年换的是七百多一组,可是现在多少钱一组,我不太清楚,这个具体的要问一下厂家,天能电池6一EVF多少钱一组,应该六七百吧,但是我的电动车电池去年换的是七百...

    262条评论 4275人喜欢 4245次阅读 333人点赞
  • 昆山处理违章在哪里

    推荐一部100万左右的性能车,最贵不超过150万。谢谢!不喜欢宝马: 玛莎拉蒂不错,有款130万左右 ...

    723条评论 1654人喜欢 3431次阅读 597人点赞
  • nh3能形成几个氢键

    美股三大指数起点各是多少?什么时候创立的?: 道琼斯工业平均指数,是1884年由道琼斯公司的创始人查尔斯·亨利·道(Charles Henry Dow 1851-1902年)开始编制的一种算术平均股价指数。它是世界上历史最为悠久的股票指数。但是我们目前看到的道指...

    650条评论 4454人喜欢 4721次阅读 381人点赞