在公司加班，思考一个算法问题：
如何将M个表的数据分到K个桶中去(K不变，M可变)。
- 其中表已经排序，最大的表可能需要多个桶才能装下。
- 桶大小尽量一样(允许100以内的偏差,即最大桶的数量跟最小桶的数量之差值，不超过100)。
- 并且保证表的分割策略是恒定的(假设按单主键取模，那么同一个表的同一个主键，必须分配到相同的桶中去。)
问题定义完，我就知道，这个问题是很困难的。
因为每一批的M个表并不一致，上一次的最大表可能到下一次就沦为小表。
必须要记住每一批表的分配情况，还必须加上批数限制：分割策略在相邻两批内恒定。
以下为极端情况：
- 表A，第一批位于桶1， 桶2， 桶3。第二批中A更加庞大，分成三个桶后尺寸超大。(意味着桶大小必须动态平衡， 不能对M个表的总数据进行分批，而应该按照最大表的数据来进行分批)
- 表A，第一批位于桶1， 桶2， 桶3.第二批出现极端情况，所有A的数据都位于桶1，且数量达到最大表数据。(意味着表的分割策略要可扩展，且扩展后的分割策略与原始分割策略不交叠，而是有序下分。例如第一层策略是模3， 第二层是模7，诸如此类。)但也无法保证不出现桶等待情况：假设上一批A1mod3在桶1， 本批A1mod3数据量是上批的三倍(意味着要出现在桶1，桶2， 桶3)，那么，本批的桶1， 桶 2， 3必须等待上批的桶1完全结束后才能进行处理，不然本批的桶2可能会包含与上批桶1相当主键的记录，在并发中失序，导致数据不一致。
总结:
- 数据分批策略：<最大表大小，总数据量> 可以避免超大表的极端情况。
- 大表拆分策略: <可扩展，多层次，不交叠> 并不能完全避免桶等待。
- 不考虑表优先级的情况，可以采用按桶散列均分的策略。
未来：
- 对快表分配固定的通道。
- 对其余表用通用算法。
教改班：
把一群尖子交给少数厉害的老师带，期望这群尖子更尖？
其实这种分组方法只是最大化利用了所谓教师资源。但教师资源就能让尖子更尖？
依靠教师的尖子不是真正的尖子。
更好的分类方法：
教学改革，每学期按周分成5个阶段，每个阶段对应固定的教学内容(教材/作业)。教师上课采取选课制度，每阶段学生可以自由换一次。教师集体备课，贡献题库、教材案列，每个教师在内容库中自由组合。监考，阅卷均采取回避原则。班级共同参加文体活动，而不一定在同一个教师处接受学习。习题课以班级为单位进行。
用金克木老爷子的话来讲，好的课堂，应该是老师与学生互动，尖子生主动回答难题，将一般题留给一般生回答。使得课堂效率最大化。
UGC产品：
中心式的UGC产品展示，只能导致僵化。
应该采取推送式季节制，用分配策略使得每个作品得到其应有的曝光度，每个读者尽可能多的欣赏作品。而不是让“大众的口味”（实质是中心式里起得早和运气好的那批）绑架了一整个季节。
(抽象，极大的提升了我们，但又让我们损失了很多很多。)
