序列的最大子序列和问题，说的是：给定一个包含若干整数（正负不限）的序列，寻找其中的一个子序列，使得该子序列元素之和在所有子序列的和中最大。
这一经典的问题，可由动态规划（中的 Kadane 算法）在 $O(n)$ 的时间内解决。
如果我们将给定的序列首尾相连，成为一个环状列表。同样的问题，就变得复杂起来。不过，在巧妙的思路下，问题仍然可以在 $O(n)$ 时间内解决。
下面我们先复习一下 Kadane 算法；然后看看怎样在线性时间内，解决循环列表中的最大子序列和问题。
健身房常见的抖动式腰带腹部甩脂机有用吗？
最佳搭档：利用 sort 和 uniq 做集合运算
工作中遇到一些需要做集合运算的场景。这种时候，写个 Python 脚本当然是个选择；然而，我却嫌弃太重量级。因此，在 Linux 工具中寻找到了能够胜任这一工作的 sort 和 uniq 两个命令。
内存寻址
公认的计算机之父是阿兰·图灵在 1936 年提出了「图灵机」的概念。图灵机是一个抽象的计算模型，它可以形象地表述为：
- 有一个向两端无限延伸的带子，可以在上面记录内容
- 有一个可以在带子上擦除/写入的读写头，可以在带子上任意移动
- 有一个控制器，控制读写头的移动和擦除/写入操作
图灵机的表述看似纸上谈兵，但实际与现在计算机的体系结构有良好的对应，甚至可以说是所有现代计算机背后的灵魂。
- 带子对应于内存（当然内存不能无限大，这限制了计算机的处理能力是有上限的）
- 读写头可以在带子上任意移动读写对应内存的随机存取（内存的英文名字就是 Random Access Memory）
- 控制器对应中央处理器
在内存这条带子上，找到正确的位置以便进行存取的过程，就是所谓的「内存寻址」过程。在图灵机这个思想模型中，我们可以假设读写头可以按照要求立即在带子上找到正确的位置。但是在现实生活中，有效地内存寻址是必须要解决的问题。因此，内存寻址可谓是计算机体系结构的核心问题之一。
这篇文章主要讨论 Intel x86 架构上的内存寻址问题。纯干货，吃到撑。
序列化与反序列化简介
先来个背景音乐。
简介
想必读者对编程中的「变量」、「实例（对象）」不会陌生。
变量和实例对应的，是一些有意义的数据。这些数据，在不同编程语言中，可能有不一样的表现；在不同操作系统中，也可能有不一样的形式。现代计算机应用，不可避免地会涉及到多个模块/程序之间的数据交换、不同语言之间的相互协作、计算机之间的数据交互。如果依着操作系统和编程语言的特性，用不同的形式去实现同样的数据，那整个计算机世界就会乱了套了。
数据的序列化和反序列化，就是为了解决这个问题而诞生的。
序列化是说，将变量和实例这些数据，依照某种约定，转化（通常伴随着压缩）为一种通用的数据格式；转化后的数据，可以用来储存或者传输，以备下次读取使用。其中提到的格式可以是二进制的，也可以是字符串式的。反序列化，就是上述过程的补集：将序列化的数据读入，解析为编程语言可识别的数据结构的过程。