2020年成考课件(大数据主要学习哪些内容)
2020年成考课件，大数据主要学习哪些内容？
前言要从事计算机行业的工作，不管是什么工作，开发、测试、还是算法等，都是要有一门自己比较熟练的编程语言，编程语言可以是C语言、Java、C++等，只要是和你后续工作所相关的就可以（后续用到其他语言的话，你有一门语言基础了，学起来就快了）。一般初学者入门语言大多都会选择Java、C语言、C++或者Python，而且现在网上有很多好的视频，可以供初学者学习使用。关于学习视频或者资料的选择，知乎或者百度等都有很多讲解了，也可以跟师兄师姐咨询，这样可以少走很多弯路，当然，有人说，走一些弯路总是有好处的，但是我这里说的弯路不是说不犯错误，不调bug，而是指学习资料以及一些知识点的偏重点，这样可以尽量节约一部分时间，刚开始时，总会有点迷，而且当你真正投入进去学习时，会发现时间总是不够用。
我前面是做的Java后端，后续才转的大数据，所以一些Java开发所需要的东西自己也有学习过，也都是按照正常的路线走的，JavaSE阶段，然后数据库，SSM框架，接着做了一些网上找的项目，之后发现对大数据比较感兴趣，就开始找大数据相关的资料学习，看视频，看博客，敲代码，前期大概花了3-4个月吧（公众号的这些资料就是我当时看过的），也是一步步艰难走过来的，刚刚开始接触大数据相关的东西时，一度怀疑这么多东西自己能否学得完，是不是能用得到，学完又忘了，忘了又回头看，不过还好，坚持过来了，还好没有放弃，工作也还ok，找的大数据开发岗，待遇也还不错吧。
下面就说一下我自己从Java开发到大数据开发的曲折学习之路（狗头保命.jpg）。因为我现在是做大数据相关的工作了，所以Java后端涉及到的一些SSM框架等知识点我就不介绍了，毕竟后续一段时间也没有做了。自己看过的大数据学习相关的视频+资料大概是200G-300G吧，从Linux->Hadoop->。。。->Spark->项目，还有就是一些面试文档，面经等。一些视频看了两遍或者更多，跟着学，跟着敲代码，做项目，准备面试。涉及到需要学习的东西包括：JavaSE，数据结构与算法（计算机行业必备），MySQL，Redis，ES（数据库这些可以看项目，也可以自己熟练一两个），Linux，Shell（这个可以后期补），Hadoop，Zookeeper，Hive，Flume，Kafka，HBase，Scala（Spark是Scala写的，会Scala做相关的项目会更容易入手），Spark，Flink（这个是找工作时有面试官问过几次liao不liao解，所以找完工作才开始接触学习），相关项目。
编程语言阶段学习如果是零基础的话，建议还是从视频开始入门比较好，毕竟一上来就看教材，这样有些代码的来龙去脉可能不是很了解。如果是有一些编程语言基础的话，从视频开始也会更简单，一些for、while循环你都知道了，学起来也会快很多。 JavaSE我是选择的某马刘意的为主，因为刚刚开始学Java看过一本从《Java从入门到精通》，没什么感觉，后续又在看了某课网的Java初级视频，还是没感觉出来啥（当时就有点怀疑自己了。。。），可能有点没进入状态。 还好后续找了某马刘意老师的JavaSE视频（我是看的2015年版本，那时候19版还没出），觉得他讲的真的是很好很详细，每个知识点都会有例子，也都会带你敲代码，做测试，可能前面有C语言基础，然后也看过Java的一些语法，所以学起来还是比较顺利，后面的IO流、多线程等知识点时，也有看书看博客，或者看看其他老师的课程，讲解的可能自己比较容易接受就可以，反正都是多尝试（下面会给出视频链接），尽量懂一些，后续可以回头来复习。JavaSE相关的视频，先看一遍，后续有时间建议再看一遍，而且这些经典的视频，看两遍真的是享受。 如果有一定基础了的，JavaSE前面七八天的视频可以加速看，但是不懂的一定要停下开仔细想想，零基础的还是尽量不要加速吧，慢慢来稳些。后面的视频建议还是跟着视频来，尽量不要加速，代码尽量都敲一敲，第一遍基本上一个月到一个半月可以结束。 JavaSE可以说是很基础也很重要的东西，主要重点包括面向对象、集合（List、Map等），IO流，String/StringBuilder/StringBuffer、反射、多线程，这些最好是都要熟悉一些，面试也是重点。 JavaSE之后，如果你是要走前端或后端开发路线的话，可以跟着一些网上的视频继续学习，这里我就不多做介绍了。
===========分割线，Scala可以后续Spark阶段再接触学习=============
Scala的学习，Scala是一门多范式 (multi-paradigm) 的编程语言，Scala支持面向对象和函数式编程，最主要的是后续Spark的内容需要用到Scala，所以前面学习了JavaSE，到Spark学习之前，再把Scala学习一波，美滋滋，而且Scala可以和Java进行无缝对接，混合使用，更是爽歪歪。后续Spark学习时基本都是用的Scala，也可能是和Java结合使用，所以Spark之前建议还是先学一波Scala，而且Scala用起来真是很舒服（wordcount一行代码搞定），适合迭代式计算，对数据处理有很大帮助，不过Scala看代码很容易看懂，但是学起来还是挺难的，比如样例类（case class）用起来真是nice，但是隐式转换学起来就相对比较难。学习Scala的建议：1. 学习scala 特有的语法，2. 搞清楚scala和java区别，3. 了解如何规范的使用scala。Scala对学习Spark是很重要的（后面Flink也是要用），虽然现在很多公司还是用Java开发比较多，而且Spark是Scala写的，如果要读源码，会Scala还是很重要的（至少要看得懂代码）。 Scala主要重点包括：隐式转换和隐式参数、模式匹配、函数式编程。这里我看的是某硅谷韩老师的Scala视频，韩老师讲的真的很不错，五星推荐，哈哈。 也许有人会觉得Python也是需要的，但是学习阶段，可能用Java还是比较多，面试也基本都是问Java相关的内容，所以Python后续工作会用到的话，再看看Python的内容吧。
大数据框架阶段学习大数据这方面的知识点自己可以说真的是从零开始的，刚刚开始学那会Linux基本都没用过，心里那个虚啊，而且时间也紧迫，想起来都是一把辛酸泪。 刚刚开始学的时候，看了厦门大学林子雨的《 大数据技术原理与应用》课程，可能这个课程是面对上课的，所以看了一些，感觉对自己帮助不是很大（并不是说课程不好，可能不太适合自己，如果是要了解理论知识，很透彻，但是俺时间紧迫啊），所以就继续在网上找视频，然后发现某硅谷的培训视频很多人去参加，而且知识点也很齐全，大数据相关组件都有讲课，还有一些项目比较好，所以就找了它相关的视频，当时看的是2018年的，所以视频不算旧。 来一张推荐系统架构的图，先看看
一般来说，Flume+Kafka对数据进行采集聚合传输，一方面Spark对实时数据进行处理，传输给相应的数据处理模块（比如实时数据处理的算法模块，Spark也有提供常见的机器学习算法的程序库），另一方面采集的数据也可以放入数据库（HBase、MongoDB等）中，后续MapReduce对离线数据进行离线处理，数据处理完毕用于后续的使用，数据采集处理的流程大概就是这样。如果是推荐系统，实时推荐会给用户产生实时的推荐结果，让用户进行查阅选择，比如你在界面浏览了或者看了新的物品，然后刷新下界面，可能给你展示的东西就有一些变成跟你刚刚浏览的相关了。离线推荐的话主要是对离线数据进行处理，为物品或种类做出相似的推荐，如果后续用户搜索相应的物品时，给用户展示相应的产品。
大数据学习路线：Linux -> Hadoop -> Zookeeper -> Hive -> Flume -> Kafka -> HBase -> Scala -> Spark -> 项目 - > Flink（ 如果需要学习Storm，在Spark前面学习）
一、Linux（基本操作）一般我们使用的都是虚拟机来进行操作，所以要安装VM（ Virtual Machine），我使用的是CentOS，所以VM和CentOS都要跟着安装好，跟着视频操作，一定要动手实践，将一些Linux基本命令熟练掌握，一些VIM编辑器的命令也要会用，做相应的一些配置，使用SecureCRT来做远程登录操作（也可以使用其他的，自己顺手就行）。再强调一遍，基本操作命令尽量熟练一点，如果一下记不住，打印一些常用的，自己看看，多用多实践，慢慢就会用了。还有一些软件包的下载安装卸载等，跟着操作一遍，熟悉下，后续都会使用，Shell编程可以后续补。
二、Hadoop（重点中的重点）Hadoop是一个分布式系统基础框架，用于主要解决海量数据的存储和海量数据的分析计算问题，也可以说Hadoop是后续整个集群环境的基础，很多框架的使用都是会依赖于Hadoop。主要是由HDFS、MapReduce、YARN组成。这个部分安装Hadoop，Hadoop的三个主要组成部分是重点，对他们的概念要理解出来，知道他们是做什么的，搭建集群环境，伪分布式模式和完全分布式模式的搭建，重要的是完全分布式的搭建，这些部分一定要自己动手实践，自己搭建集群，仔细仔细再仔细，Hadoop的NameNode，DataNode，YARN的启动关闭命令一定要知道，以及他们的启动关闭顺序要记住，不要搞混。后续视频会有一些案例操作，跟着写代码，做测试，把基本环境都配置好，后续这个集群（完全分布式需要三台虚拟机）要一直使用。
三、ZookeeperZookeeper是一个开源的分布式的，为分布式应用提供协调服务的Apache项目。分布式安装ZK，对ZK有一定的了解就可以了，了解它的应用场景，以及内部原理，跟着做一些操作，基本上有一些了解即可。
四、Hive（重点）Hive是基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。Hive的安装，它的数据类型，以及它的数据定义、数据操作有较好的了解，怎么操作表（创建表、删除表，创建什么类型的表，他们有什么不同），怎么操作数据（加载数据，下载数据，对不同的表进行数据操作），对数据的查询一定要进行实践操作，以及对压缩方式和存储格式要有一些了解，用到时不懂也可以去查，最好是能理解清楚。这部分有什么面试可能会问，所以视频后续的面试讲解可以看看，理解清楚。
五、FlumeFlume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。对于Flume，对它的组成架构，以及对Flume Agent的内部原理要理解清楚，Source、Channel、Sink一定要知道它们的各种类型以及作用，有哪些拓扑结构是常见常用的，例如一对一，单Source、多Channel、多Sink等，它们有什么作用，要理解清楚。还有一个重点，就是对Flume的配置文件一定要了解清楚，不懂的可以上官网查看案例，对于不同的情况，它的配置文件要做相应的修改，才能对数据进行采集处理，视频中的实践案例一定要跟着做。
六、Kafka（重点）Kafka是一个分布式消息队列，用来缓存数据的。比如说实时计算中可以通过Flume+Kafka对数据进行采集处理之后，Spark Streaming再使用Kafka相应的Topic中的数据，用于后续的计算使用。对于Kafka，要理解Kafka的架构，什么是Kafka，为什么需要Kafka，应用场景。基本的命令行操作要掌握，比如怎么创建删除Topic，怎么通过生产者生成数据，消费者怎么消费数据等基本操作，官网也是有一些案例可以查阅的。
七、HBase（重点）HBase是一个分布式的、基于列存储的开源数据库。HBase适合存储PB级别的海量数据，也可以说HBase是很适合大数据的存储的，它是基于列式存储数据的，列族下面可以有非常多的列，列族在创建表的时候就必须指定。所以对HBase的数据结构要有一定的理解，特别是RowKey的设计部分（因为面试被问到过，咳咳，所以点一下），对于它的原理要了解，一些基本操作也要都会，比如创建表，对表的操作，基本的API使用等。
八、Spark（重点中的重点）Spark是快速、易用、通用的大数据分析引擎。一说到Spark，就有一种哪哪都是重点感觉，哈哈。 Spark的组成可以看下图
Spark是基于内存计算的，对于数据的处理速度要比MapReduce快很多很多，而且数据挖掘这些都是要对数据做迭代式计算，MapReduce对数据的处理方式也不适合，而Spark是可以进行迭代式计算，很适合数据挖掘等场景。Spark的Spark SQL能够对结构化数据进行处理，Spark SQL的DataFrame或DataSet可以作为分布式SQL查询引擎的作用，可以直接使用Hive上的表，对数据进行处理。Spark Streaming主要用于对应用场景中的实时流数据进行处理，支持多种数据源，DStream是Spark Streaming的基础抽象，由一系列RDD组成，每个RDD中存放着一定时间段的数据，再对数据进行处理，而且是基于内存计算，速度快，所以很适合实时数据的处理。Spark MLlib提供常见的机器学习(ML)功能的程序库。包括分类、回归、聚类、协同过滤等，还提供了模型评估、数据 导入等额外的支持功能。对Spark的核心组件、部署模式（主要是Standalone模式和YARN模式）、通讯架构、任务调度要有一定了解（面试问到了可以说一波），Spark Shuffle要好好理解，还有内存管理要知道，对Spark的内核原理一定要好好理解，不仅面试可能要用，以后工作也是有帮助的。
九、Flink（重点中的重点）Flink是一个框架和分布式处理引擎，用于对无界（有开始无结束）和有界（有开始有结束）数据流进行有状态计算。现在主要是阿里系公司使用的比较多，很多公司使用的还是Spark居多，而且Flink基本上都是和Spark很多功能大体上一样的，但是以后Flink和Spark孰强孰弱还有待时间的考验，不过Flink近几年越来越火了这是事实，所以如果有时间有精力的话，可以学一学Flink相关的内容也是很不错的。Spark和Flink主要都是在数据处理方面应用，在数据处理方面的话，离线数据处理：Flink暂时比不上Spark，Spark SQL优点在于可以和Hive进行无缝连接，Spark SQL可以直接使用Hive中的表；Flink暂时做不到这一步，因为官方不支持这一操作，Flink只能将数据读取成自己的表，不能直接使用Hive中的表。对于实时数据的处理：Flink和Spark可以说是平分秋色吧，而且Flink是以事件为驱动对数据进行处理，而Spark是以时间为驱动对数据进行处理，在一些应用场景中，也许Flink的效果比Spark的效果还要好些，因为Flink对数据更加的敏感。比如一秒钟如果触发了成千上万个事件，那么时间驱动型就很难对数据做细致的计算，而事件驱动型可以以事件为单位，一个个事件进行处理，相比而言延迟更低，处理效果更好。现在使用Flink的公司越来越多，有时间学习下，也算是有个准备。
项目阶段其实某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，B站上也有视频，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。 根据自己情况，选择两到三个项目重点跟着做，理解透彻一点
大数据项目实战某硅谷的视频里面有很多大数据相关的项目，而且都是文档配代码的，学习期间可以跟着视频做两到三个项目，自己理清思路，把项目理解透彻，还是可以学到很多东西的。根据自己情况，选择两到三个项目重点跟着做，理解透彻一点。相关项目文档资料我已经放到网盘，GongZhongHao回复相应关键字获取领取方式。 相关项目、涉及技术框架及其B站链接（B站链接主要是为了有些小伙伴网盘速度限制，这样就下载文档资料即可）
书籍书籍部分直接云盘链接保存即可，这里我放两张Java开发和大数据开发我自己的书单（很多，路漫漫，吾将上下而求索~） Java后端书架：
大数据书架：
大概就这些，看完就需要很久了，大部分我也是需要的时候看相应的部分，所以有时间可以好好看下，不然就需要哪一部分看哪一部分，有助于学习即可。
最后大数据开发也是需要编程基础的，并不是学会使用这些框架怎么样就可以了，所以对于编程语言，数据结构与算法，计算机网络这些基础也是要的，这些基础知识也有助于自己以后的发展，如果是应届生校招的话，面试基本上都是JavaSE和数据结构与算法等的知识点，还有大数据组件相关的知识点，以及对项目的理解，这些都是要自己面试前准备好的，多看面经，多找面试题看，面几次，心里有谱了，后续面试就好了。 不管是从事什么样的计算机相关的岗位，编程都是很重要的，数据结构与算法特别重要，还有就是leetcode等编程网站刷题，提升自己的编程思维，后续笔试面试都要要的。 要将一行行代码看做一叠叠rmb，但是一行行代码能不能转换成一叠叠rmb，自己就一定要：坚持，多敲代码；多敲代码，坚持；坚持。
网课的效果怎么样？
作为一名家长，对于网络课堂的效果应该辩证的看待。首先，在这个疫情的期间，开通着网络课堂，有利于孩子们在家“停课不停学”，防止了孩子在学习上的耽误。对于整个社会来说，也是让这个社会保持着进步，不能因为疫情导致了学习的退化，让学生们继续保持学习的好习惯，这是最重要的。
在我看来的话，目前网络课程的形式，主要分为两种吧。（1）一种就是学校的各科老师，以及学生家长自己来网上找的辅导课程。对于学生的角度来说，在网上进行的课程的辅导，通过某些学习的软件进行直播授课，就是为了让孩子保持正常的学习进度，按照学期的正常进度来进行，尤其对于高三和初三的应届学生来说，这可真是一点耽误不起的，无论怎么说这也是有效果的，对于这类的学生家长和学生那真的可都是心急如焚，这种的直播学习也是最好一点的方式吧，毕竟疫情当下，最好的最安全的方式就是这个了。对于老师的角度来说，为了辅导学生方便、直观，一些老师花钱购买了类似于学习机上的点读类的学习软件，虽然购买一学期的学习内容至少也需要50元钱，但是老师为了学生还是舍得投入。还有一些数学老师，感觉用自己的台式电脑或者手机授课效果差，有人干脆花5000大洋买了一台展示台，还有人买来了手写输盘、二合一平板等设备。数位屏、触控笔加触摸屏让数学老师进行数学公式推算，习题演练锦上添花。网课逼着像我这样的对现代化教学手段掌握不熟练的老教师也开始钻研起了信息技术教学手段，教师群也多了好多技术交流和操作方面的一些交流，所有的老师以前不知道的一些软件现在也知道了，不会运用的软件也会操作了，提升了教师的教学能力水平。（2）再一种就是那种直播大课堂吧，像是用电视直播的额，这种的就是聘请一些名师进行公开课的讲授，对于这类的课程，一般都会使用很好的专门的设备进行录制，教师的教学能力不错，这种也是很有效果的，让学生保持了学习的效果，能够激发自己的兴趣。
倘若不是为了网课，对于部分家长和孩子更不会主动去学习一些信息技术方面的知识，主动的钻研软件的操作，提高自己的信息技术教学能力。其次，现代化教学手段是和技能积极处成正比的，你为网课投资越多，效果会越好，若只靠一部手机很难取得理想的教学效果。再次，只有善于学习的人才不会被淘汰，对于老师是如此，对于学生也是如此。教师不学习就上不好网课，无法取得较好的教学效果，学生不自律、不按时上网课，不主动融入到网课的教学情境中，就会成为一名差生，学习会越来越差。相反那些主动学习的老师会变得更加优秀，主动学习的学生会越来越出色。
总而言之的说，网课拼得是老师能力，更拼得是老师的设备，还拼得是教师和学生上网课的态度。
你们手机上都会装哪些软件？
分享我手机里这10个自用软件，最不舍得卸载，就算换了手机也要马上下回来！
第3个受万千网友喜爱，第8个让你秒变摄影大神！最后一个你绝对想不到，不得不说，每一个都能让你无法拒绝！
话不多说，快来看一看，这10个超赞的良心APP是什么吧！
1、B站我的快乐源泉，永远不可能卸载的！
一个弹幕视频APP。想看什么，都能在上面找到。不管是学习，看电影，还是关注游戏、美妆、时尚，想看什么有什么！
最近没有你最喜欢B站上哪个阿婆主呢？给我推荐一下吧！
2、微信读书一款简洁、方便的读书软件。
书籍资源也非常丰富，甚至还能阅读公众号文章，非常实用！没有广告的骚扰，干净的界面更是赢得了用户好感！
它最大的特色就是能够统计你的阅读时长，关注微信好友的阅读动态。还能像比拼微信步数一样，看谁阅读的时间更长！
很多人反馈说，里面的书籍按章节收费，但是可以获取无限卡免费阅读，获取方式也非常简单多样！
3、Polly一个非常实用的订阅式RSS资讯阅读平台。
软件上有非常多的资讯频道，24小时实时更新，无广告！你可以任意选择喜欢的平台，没有选择的不会被强行推送。
Polly里所有的订阅资源都是免费的，资讯类型非常丰富，内容很优质。并且阅读界面还支持设置，保护你的眼睛！
4、讯飞语记一款云笔记APP。
只需要说话就能变成一段文字，非常方便记录。可以用于工作会议记录，睡前记日记，或者是写文章、记事！
语音识别度非常高！除了听你讲，它还支持朗读各种读物，可以选择不同的朗读声音！
讯飞语记还支持全平台同步，你可以随时查阅储存在APP上的资料！
5、探记记录一个集多个功能于一身的记录APP。
不管是写日记、随想、记账、待办提醒、纪念日、还是记录目标习惯，管理自己的身体数据，都可以通过【探记】记录。
养成每天记录的习惯后，一个月后再看，就会觉得自己收获满满，没有虚度！
如果你喜欢记手账的话，一定会爱上这款软件！APP上非常干净，没有一点广告！
6、白描一个文字识别软件。高效必备！
虽然还有其他很多同类型的软件，但是根据我个人体验来说，白描还是相当好用的！
它的识别准确度非常高，速度也很快！能够自动识别、并翻译多国语言；支持批量识别，更加节省时间。
有了白描，再也不用费劲功夫，将纸质文件一点一点搬运到电脑上了！
7、搜图神器一个超级强大、还有格调的搜图APP。
APP聚合了花瓣、堆糖、百度、搜狗、360、必应、PIXIV等搜索引擎，为你提供全网的图片资源！
无论你是想换头像，还是搜手机/电脑壁纸，表情包，一个搜图神器就够了！
图片类型丰富、人性化，适合各种人群。不得不说，每一张图片的质量都非常高，非常赞！这个软件太好用，我都不舍得安利给其他人！
8、印象一个非常强大的摄影APP。
有了它，拍照、录像、后期全都有了！印象还是一个摄影爱好者交流的平台，在这里，你能看到很多大师作品，Get更多拍照灵感！
我最喜欢的是，它有一个辅助构图功能。
无论是拍人物：
还是美食、风景：
都可以套用已经设置好的构图模板！
这样，摄影小白再也不用担心自己的构图水平不高了！
还有更多超赞的大师滤镜，可以直接使用！
9、Snapseed一个修图软件。
为什么会用它，而不是美图秀秀？
因为它的功能太强大了，有一个最吸引我的小功能，那就是支持局部亮度增加。
这样，以后在晚上拍照的时候，再也不用担心照片过暗，调整全体却曝光的情况了！
并且，你能够用它调整照片的各项参数，还能玩个双重曝光！
10、知乎一个让你获益良多的APP。
云集了各行各业的大神，不管你有什么问题，都可以在这里找到答案！
最后，我还给大家整理了一份关于神器的清单：有手机有电脑端的软件，以及各种网站，需要的小伙伴，可以看下图获取哦：手机上不想卸载的APP有很多，但最最良心的就是这些了！
自用推荐！喜欢的话，别忘了给我点个赞哦！
整理不易，喜欢的话别忘了给我点赞哦！
如何评价电影极速车王？
从默片时代的滑稽追逐到《速度与激情》，need for speed一直是最能体现电影“运动影像”特质的主题之一。聚焦1966年勒芒耐力赛的《极速车王》是此类型下的最新选手，如片名所示，它充斥着对速度的极致还原和对造车过程的精细刻画。底特律的工厂流水线和摩德纳的作坊，勒芒夜雾弥漫的赛道和乡间小路，扳手与方向盘，加速，过弯，撞击与燃烧，《极速车王》用稳健的叙事和炫目的剪辑，将观众带入挡风玻璃后的第一视角，钻入汽车底盘聆听发动机的轰鸣。
但你不需要是赛车爱好者，甚至不需要懂车，也能在《极速车王》中收获当今好莱坞难得一见的影院体验。《极速车王》这个有借《极速风流》东风之嫌的中文译名，或许不完全准确，这部影片不是专为速度崇尚者准备的视觉奇观，不只是肾上腺素为第一主角的竞技电影，它还是人物为先的传记片，细节丰富的年代电影，充满幽默和转折的剧情片。
英文片名Ford V. Ferrari，福特对战法拉利，虽然没有高明到哪里去，但可能对于理解本片更适宜：《极速车王》是一部关于对抗与妥协的电影。这种对抗，不只是勒芒赛道上两位车手双车并行火花四溅的对峙，更多的是赛场之外，两位汽车巨头的理念之争，商业世界与理想主义的博弈，纯粹与不纯粹、尊严与妥协之间的对立。
Ford v. Ferrari：是车王还是广告狂人
影片故事设定在二战后60年代婴儿潮的大背景下，追求新奇标榜个性的美国年轻一代不再中意流水线生产的国产福特，来自异国更具“匠人精神”的跑车品牌显得更酷，而连续在勒芒耐力赛中获胜的法拉利更是成为速度和冒险精神的代名词。面对下降的销售额，福特公司的营销鬼才Lee大胆提议福特开发跑车产品线，收购正处于财务危机中的法拉利，而Lee这个拍脑袋之举在也成为整场福特法拉利大战的源头。经历了语言不通坐立不安的尴尬谈判后，Lee为老板带回他们被法拉利戏耍了的消息，和一句致命的讽刺：“你不是亨利·福特，你只是亨利·福特二世。”
“尊严”，是《极速车王》不断出现的重要议题，而将尊严受损作为大战的直接导火索是非常聪明的戏剧处理。听到竞争对手嘲笑自己肥胖，嘲笑福特工厂丑，福特二世都带着戏谑的表情不屑一顾，但最后这句挑战尊严的讽刺却让他神色大变，直接宣布在当年的勒芒向法拉利开战，要用一辆福特制造的跑车击败法拉利。准确来讲，他这里的用词不是击败，而是埋葬。亨利·福特二世，这个继承了创始人祖父亨利·福特之名的二世祖，和他对身份的不自信以及所背负的重压，也就此丰满地树立起来，让观众心中福特V法拉利的天平悄悄倾斜。
《极速车王》极有意思的一个点，就是在整个故事的行进过程中，片名中这两个公司，福特和法拉利的形象一直在不断变化和摇摆。法拉利一方在开篇中被塑造成了狡诈的恶人，似乎他们作坊里精雕细琢的养眼红色跑车只是一种毫无意义的装腔作势。待到勒芒开赛时，法拉利方的车手像个沉默着奸笑的反派，而看台上法拉利老头每一次的气急败坏，和主角Carroll每一次的作梗都能让观众感觉舒爽。
而影片前中段的福特二世正相反，观众会支持他尊严受损后的复仇意愿，而在此之外他显得极有大局意识和商业头脑，对主角团队也比较尊重。一场狂飙后的哭泣是本片最好笑的一个段落，也让这个车业巨头显得有点可爱。然而，这个意料之外的喜剧段落正铺垫了亨利·福特与速度和驾驶之间的疏离，铺垫了福特根本不懂赛车的事实。
福特公司的高层Leo在主角们到达勒芒终点线之前替老板当了恶人，用会议室里那一套官僚主义一次次为主角们制造障碍。但当终点到来时，观众们会逐渐看清，玷污速度纯粹性的的反派永远不会只有那么一个，所有体育精神，竞技道德，所有对速度的浪漫主义幻想，在商业世界中都不过是终将转换成销售额的宣传品和营销话术。
所以当我们的车手成为品牌形象下的牺牲品，亨利·福特变成了抛下团队坐着直升机去用餐的资本家，反而是一直板着脸嚷着意大利语的法拉利老头，向Ken低头致敬。
Carroll Shelby & Ken Miles：速度的终极意义
在福特与法拉利的大标题下，本片毋庸置疑的两位真正主角，是由马特·达蒙饰演的赛车设计师Carroll Shelby，和克里斯蒂安·贝尔饰演的车手Ken Miles。不同于许多其他体育类型片着重刻画选手与对手之间的竞争关系，《极速车王》将重点放在了这一对惺惺相惜互相成就的同队友人身上，这一处理也显示出《极速车王》对于竞技与输赢，对抗与妥协的不同解读。
影片以Carroll在勒芒参赛时的回忆片段开场，勒芒赛道迷离的夜雾陡然变成洛杉矶的悠闲阳光，而Carroll这位首个赢下勒芒的美国赛车手，不得不因心脏问题放开方向盘退居幕后。但Carroll明显是不甘心的，他对速度丝毫未减的迷恋从他开篇引用的诗句就能看出：“当发动机转速达到7000时，一切都将逝去。”
前赛车手的身份，和对赛车事业的忠诚，成为驱动Carroll在整部影片中行动的引擎，这个总是嚼着口香糖不屑一顾的德州汉子，将不厌其烦地在商场与赛场间周转斡旋，险棋走遍，也要确保他精心打造的GT40里坐着一位真正的车手。
Carroll心中最纯粹的车手，是传说中很不好相处的Ken Miles。这个总是瘪着嘴一脸刻薄的英国男人，在方向盘后就变成了另一个人，他说的最多的一个词是push，以报废的风险在一圈圈的竞速中突破着车辆的极限，也一次次将他自身肉体和精神的极限向前推进。
达蒙和贝尔，在本片中的表演是现象级的。就如两个角色的关系一样，两位影帝级别的演员丝毫没有抢占银幕时间，或是“飙戏”的倾向，有的只是没有表演痕迹的松弛自然。达蒙完全将自己化成了那个赛道边掐表的领队人，情绪内敛细腻；而贝尔，橡皮人一般的体重控制能力只能说是对他敬业精神的赞扬中最低级的一层，《极速车王》中出神入化的伯明翰口音，对人物不同状态转化的处理，都证明贝尔早已是当代最好的男演员之一。没有人会不爱贝尔塑造的Ken，即使这个人物根本没有讨任何人喜欢的意图。
大多数观众，大概都对66年勒芒赛的最终输赢不太了解，而《极速车王》的类型模式和故事走向，也似乎是以这场赛事的最终结局作为终极悬念。但在最终三辆福特越过终点线时，我们或许会发现自己受骗了：《极速车王》不关乎胜利，它的最终主题，是妥协。
Carroll对身体状况妥协，退出赛场后开始心不在焉地服着药；而当他获得福特提供的机会可以带领团队重返赛道后，即使他耗尽心力花样百出地抗争着，到最后也不得不在资本和权力面前放下尊严。
Ken似乎是纯粹和自由的化身，但他在进入GT40的车舱前还是有经济压力和家庭责任缠身。在成为福特车手后，他的第一次重大妥协，发生在福特高层禁止他出席前一年的勒芒比赛时。脾气火爆的Ken，出人意料地没有一走了之，他在空荡荡的车库里钻进车下，从收音机里听着队友们在勒芒的最新消息，一面认真地做着点评。
真正控制着那些炫酷赛车的不是把着方向盘的车手，看台上众人簇拥的赞助商们，才真正踩着油门和刹车，掌控着这些他们砸下重金的玩具。Ken输不起这个机会，只能躺在跑车投下的阴影里，继续玩这个他并没有话语权的角力游戏。
而Ken更为重大的一次妥协，出现在勒芒赛道的终点线前。这一次的妥协，是真正表意上的妥协，放慢，减速，交出对速度的控制权。当然，对于Ken最后的这个决定肯定有很多非常不同的解读，而我倾向于将它落脚于之前Ken与儿子的一场谈话中。Ken的几次妥协，都可能是为了保住自己作为赛车手的机会做出的选择。这种妥协，是理想主义下忍辱负重的无奈，但或许对于Ken来说，更是明白速度的意义之后的通透与释然。
在一次次打破个人记录，一次次将手中这台车逼到物理极限后，Ken已经拓宽了自己速度的边界。对于Ken来说，赛道不是直线型指向终点的，他真正的赛场，是一圈又一圈，永不停止的进程。所以Ken不需要赢，他只需要握住方向盘的那个机会，因为那之后他便不会停。
这或许是《极速车王》与其他类型片最不同的地方。“不在乎结果，只在乎过程”，虽然看上去只是安慰失败者的鸡汤，但对于真正纯粹的竞技者而言，这是绝对正确的行动指南。或许竞技者这个说法，在这里都不够准确，因为在Ken最后的那场驾驶没有其他对手，只有他一个人，在旷野中驶向一团火光。
作为真人真事改编的电影，在现实的框架下，《极速车王》做到了最大限度的改编。从现实与电影的不同中，或许就能看出创作者们的表达重点：现实中，恩佐·法拉利不但没有在比赛最后对Ken致意，他甚至根本没有出席66年的勒芒赛；而福特公司，其实也没有为Ken设下重重阻碍，在65年的勒芒就有派Ken出战。对这两个公司脱离现实的塑造，一方面丰满了《极速车王》的情节，一方面或许也是创作者们自己站了队，站在所谓“纯粹者”的角度去批判行业垄断者的不纯粹。这样的处理是否有失偏颇，可能得福特、法拉利及其消费者们自己去裁定了。
而作为真实人物的传记片，《极速车王》也免不了夸大这两个主角的领导力和重要性，将车队中其他的车手和工程师们模糊化或彻底抹去。真实历史中，Carroll和Ken并不是福特GT40的最大功臣，但为了方便叙事和建立人物，《极速车王》直接将这款传奇车型记在了两人名下。
但这并不是在批判《极速车王》，虚构作品与真实世界之间，本身就有巨大差距，而创作者们也是拿着有限的信息和老旧的电视画面，用自己的态度和解读填补故事中的空白。除了人物塑造的趣味和对类型叙事略带颠覆性的解读，《极速车王》作为体育电影和传记片的另一个亮点，在于对Ken家庭的展现。
在这位赛车手追求极致的过程中，他的亲人不再是电视机旁忧心忡忡的阻碍，相反，Ken的家人都是站在刻板印象对立面，脱离功能性的角色。妻子Mollie是与Ken绝对相称的灵魂伴侣，会把车开得比他还快，会在看到两个大男孩打架时拎一把花园椅打开一本杂志坐在一边，而Ken的儿子Peter，是Ken最大的崇拜者，但会在Ken做出妥协时露出不解和失望，又最终真正读懂父亲。
虽然这篇文章着重于站在赛车门外汉的角度，讨论《极速车王》赛场之外的表意与叙事，但这不代表《极速车王》的赛场不好看。从Willow Springs，到Daytona，最终到勒芒，《极速车王》中的三场赛事，和赛事之间的无数测试，都依靠临场感十足的摄影、声效和剪辑，生生制造出一种生理上能感受到的速度感。甚至不需要3D，那种游乐园里沉浸式的高速体验，《极速车王》做到了。
《极速车王》设定在60年代，但除开年代设定，整部电影从题材选择到叙事手法，都透露出一种不属于当今时代的，扎实而稳健的复古感。在Disney+流媒体平台上线的这个周末，当多数媒体人对《极速车王》票房持悲观态度时，这部在流媒体和“达斯米奇”时代显得不合时宜的影片，在开画首周意外票房大爆，将作为系列电影重启作的《霹雳娇娃》“埋葬”。《极速车王》远不可能是部杰作，但它能成为给古典主义电影人们的一记强心剂，又再一次证明，“need for speed”在影院中，永远不会过时。
如何写好商业计划书？
商业计划书（Business Plan）是创业者在早期最熟悉的名词。当你要去找投资的时候，投资人一定会说：“发一个你的项目BP给我。” 对于许多没有写过BP的创业者来说，这是一个比较头痛的问题。该写些什么内容？如何能将自己的创业项目写在PPT里呢？又如何能清楚地表达出来呢？
在现实中，有时候同样的创业故事，不同的人写，会产生不同的效果。有些人看到你的BP后，会有想了解的兴趣，而且能够清楚了解。可有些人，虽然有一个不错的商业模式和想法，但却无法准确地传达给他人。
对于许多创业者来说，他们往往不了解写一个商业计划书是要干嘛。很多人都会以为BP只有一个用途：融资用，给天使或者VC看。
其实，商业计划书的撰写过程，还有着更重要的作用。那就是，对自己未来要从事的事业的推演过程，你在写商业计划书的每一个点的时候，其实都蕴含着你对于这件事情的深入思考。
我们认为的需求是不是刚需？
到底盈利模式是否值得推敲？
这个市场的竞争情况会是怎样，未来会遇到哪些竞争对手，如何应对。
市场的推广和销售该怎么做？
在战略和业务模式下的财务预测是怎样？需要多少钱，该花在哪里？
.....
这些其实不是投资人要问你的问题，而是你自己该问自己的问题。只要这些问题，你内心都有答案，都有应对。你才有可能不会栽跟头。
我们说，创业要求你在每一个板块都不能有明显的短板，每一个链条的断裂都讲导致失败。
在写商业计划书的时候，要注意哪些原则呢？不论这创业的故事是怎样，需要遵守的原则是MECE（Mutually Exclusive Collectively Exhaustive，意思是“相互独立，完全穷尽”。）的原则。
1、关于你的这个商业故事的每一个模块，都要有描述，缺一不可。
2、对于内容的介绍，要做到简洁、简洁、简洁。
因为，通常没有人想看长篇大论的BP。VC可以在5分钟看懂你的BP，10-20页就足矣了。有更多的内容可以放到附录里。
接下来，我们就要看看一个标准的BP到底包括哪些重要模块：
痛点和需求
市场目前存在什么样的痛点和需求，这是我进入的机会所在。
提供的产品/服务
你准备提供什么样的产品或者服务，来满足需求，你是怎么解决的。
行业分析
这个行业的前景如何，是否足够大，行业发展趋势怎样，是否是个增长的市场。什么趋势将会影响行业的发展，同时对你的业务有何积极影响？
竞争分析
行业里现有或者潜在的竞争对手是谁。他们的优劣势是什么？你他们相比，有哪些竞争力和核心优势。
盈利模式
这个业务如何赚钱？
市场计划
你将用什么市场、销售的策略去接触你的客户，去销售你的产品。是直销还是渠道销售。你的品牌定位策略是怎样。
团队
你的团队情况怎样。
运营计划
你来几年的发展规划是怎样的，有哪些里程碑，要实现哪些目标。
财务计划
未来公司的盈利状况如何？是否需要融资？需要多少资金，如何用？财务计划往往是需要另外一个更重要的文档支持的，通常需要进行3-5年的分析。一般来说至少需要损益表。同时可以加上你的融资计划。
接下来，给大家举个例子。
这个例子是来自一家叫Airbnb的公司，这是和Uber一样以共享经济模式发展的企业，目前市值255亿。下面是他们早期的一个商业计划书，这个计划书符合我们前面提到的原则，非常简洁，但是又很全面。你想了解的信息，一目了然。这个BP已经成了许多地方商业计划书的标杆样本。
案例
第一页：封面。这个还是要有的。
第二页，描述产品干嘛的，很简单明了。
第三页，描述当前市场和用户的痛点。
第四页，Airbnb解决需求的办法。
第五页 市场规模，足够大。
第六页，市场规模，足够大。
第七页，看看产品什么样（表示不是只是个idea，已经有产品）
第八页，盈利模式，怎么赚钱。
第九页，如何进行推广，找用户。
第十页， 谁可能是竞争对手，他们有什么特点，主要是说缺点是什么。
第十一页，我们的核心优势，竞争力是什么。杀手锏。
第十二页，团队介绍，分工明确，优势互补。
第十三页，有行业媒体报道我们了，不是我们自吹自擂。
第十四页，用户说好，才是真的好。
第十五页，要多少钱，准备达到什么目标。
够简洁吧? 好的BP就是这样，尽可能简洁明了把要做的事说清楚。你写的舒服，读者也看的舒服。一下子觉得写过BP也不那么难了吧。
有时候，你会纠结于画不出漂亮的PPT。现在这个应该也不会是问题。市场上有一些机构专门提供 一些免费的商业计划书的模板。用这些模式，你只需要把内容填进去就可以了。
作者简介：倪云华 资深管理顾问； 著有《共享经济大趋势》。为超过百家企业写过商业计划书。
关于商业计划书的专业，在我的头条号上有个视频专栏，可供学习。https://m.toutiaoimg.cn/group/6612430299034812936/?iid=59690881311&app=news_article×tamp=1550209400&group_id=6612430299034812936
