@thedrwu 人工转过去的我知道，但那个帖子根本没见过，发完了就没了

DynamoDB 是靠 GSI 实现复杂查询的。

比如你的需求，可以建一个 Partition Key 为歌手，Sort Key 为歌名的 GSI （其实反过来也行，具体看你还有没有别的需求可以利用这个 GSI ），然后 query 这个 GSI 就行了。

GSI 用起来跟表一模一样，只是表里的键是唯一的，而 GSI 允许重复。你用”歌手=xxx AND 歌名=xxx“为条件可能搜到多个 item，所以你只能 query 而不能 getItem，然后再根据搜到多少条来决定下一步怎么处理。

另外，歌手如果是个检索条件，那就不应该放到同一个 item 里，而是为每个歌手创建一个 item 。这样你就可以通过 GSI 搜索”歌手=xxx”来得到该歌手所有的歌曲。

可是大家为什么会默认新技术要支持老系统呢？

老系统配老技术不是挺好的吗？而且随着时间的流逝，会老技术的人越来越少，老系统只能出更高的薪资请人维护，直到维护下去不再划算，只能用新技术重构。这里面的每一步都是对程序员群体有好处的，别跟自己的钱包作对。

@LnTrx 就是说运营商故意打压 v6 ？这可劲爆了，有相关报道可以提供一下么？

@LnTrx 一个光缆跑 v6，一根光缆跑 v4 ？听着很不科学啊。除非是人为故意的。

@ershierdu 我也在用那个不能说的软件，解析 json，xml，base64 等常用格式比 sublime 好用太多

这也是为什么传统行业做互联网没有一个成功的，大家从根本思路上就不一样。

互联网企业拿技术人员当核心资源，有钱的公司如 Google 宁可把人招进来闲着也不能留给竞争对手。但传统企业拿技术人员当成本，不仅工资给的少，更不知道怎么管理，所以外包的特别多。

部分行业，如金融类的，还特好面子，招人先拿学历卡一批，非 985 硕以上的不要，但工资还是“成本价”。所以稍微有点能力的都不去，最后招到的都是一些高分低能的人，然后这些人再作为甲方去跟外包打交道，外行指挥内行，能好了才怪了。

@ljsh093 是的，个人版，而且是很老的账号，我注册微软账号那会儿还没有 OneDrive 这个产品呢

@SenLief 没分享，反正就是给我封了，具体理由也不说

个人感觉因为 Vue 定位于简单，所以就用最简单的 JS，这是匹配的。

想用 TS，就最好整体升级，用 React 或者 Angular 。非得用 TS 写 Vue，有种用专业咖啡机做速溶咖啡的感觉，没必要，也没什么好的效果。

自从被封过一次账号，就再也不用了，审查太严格，一旦被封损失惨重。

网上能查到很多人因为在 OneDrive 里存了点特殊的东西导致账号被封，有时甚至只是自家小孩的照片，因为穿得少了点（比如只穿了纸尿裤），就被人工智障判为儿童色情。

虽然微软不会告知具体原因，但我也没放视频、图片什么的，里面全是文档和源码。我觉得唯一能值得微软搞我的就是我在里面存了 KMS 的源码，想着研究研究看看原理来着，结果导致我整个账号都挂了。

网盘挂了还不是什么大问题，毕竟文档和源码不止一个备份。但 Email 和 XBox 账号也跟着挂了就损失大了。

AWS 的 ElastiCache 还提供 Memcached 和 Redis 两种实例，但我翻了半天文档也没看出 Memcached 有什么优势，估计只是为了兼容老程序吧。毕竟已经是 full-managed 服务，连扩展问题也不用自己考虑了，规模大小用起来是一样的

暂时还不可见，流行的东西往往不是因为优秀，而是因为生态完善。

而且网络问题是中国特色，所以只能指望中国人自己解决。但你也知道，中国的开源氛围很呵呵。

@lovestudykid 算了，美国人民过得好不好跟咱们也没啥关系。更何况“好不好”是个观点，既然来了这里，就学着允许不同观点的存在吧，不能因为别人持有不同观点就恶语相向。

@lovestudykid 美国的收入高更多是个汇率问题。游客们往往只看到美国很多东西便宜，但真正生活一段时间就知道很多淘宝九块九包邮的东西在美国奇贵无比，服务就更贵了，因为人工贵。所以在美国每月赚 1000 刀与在中国每月赚 1000 人民币的生活水平差不多。

对这些人来说，宽带和手机套餐加起来一百多刀绝对是个负担，所以很多人家里没有宽带，手机也没有流量，只用 15 刀 /月的语音套餐。

希望大家在讨论这个话题的时候能够再延展一下，想想水深火热的外国人民。

中国的手机流量已经很便宜了，尚且有人用不起，那些生活在高价区（比如北美）的人民可怎么活呀？

@FakNoCNName 后 9 位不是严格递增的，还有一些规则在里面，所以分布并不均匀。

这个 hash 要求速度极快，所以还是要在基本算法上做文章。最后采取了反向活跃加权再取模的办法，目前测试效果还不错。

思路说起来也很简单，对字符串中的每一位，越常变化的权重越低，比如最活跃的权重是 C，第二活跃的权重是 C*C……各字符加权求和后再%100，就行了。权重常数 C 从 2 到 100 用真实数据测一遍，就能找到最适合的了。现在各区都在正负 10%内，很满意了。

@aec4d 谢谢，概念问题我都懂，就是需要一个具体的好用的算法

@MegrezZhu 试过 md5，确实均匀多了，但有点用 40 米的大砍刀杀鸡的感觉，一个分区算法不应该用那么大的计算量