第十二章 把自己当驴使唤

    当然股神1.0仅仅有分析模块和收集模块是不够的，它还需要有一个数据处理模块，如果说分析模块是大脑，收集模块是手脚的话，那么处理模块就是消化系统。

    当海量的数据信息被从数据海洋中抽取出来，需要对这些信息进行加工处理，将它们处理成数据分析模块能够利用的数据模式。

    比如某个上市公司一个年度财报，里面的内容非常之多，从人事变更到企业战略，并购行为，利润营收等方面都会涉及到，而这些东西又是关键性信息。一个数万字外加各种图标的财报，其中各种关键信息必须能够被分析模块理解并进行加工，这就是处理模块的主要工作了。

    这个数据处理模块主要的功能部分其实是自然语言处理，程序本身是无法理解语言内涵的，它肯定无法理解“定向增发100万限售股”是什么意思，这时候就需要认为给这句话进行赋值，让它变成机器能够理解的数据信息。

    比如首先进行意义分割，将定向设定为一个意义单元，将增发设定为另外一个单元，以这种方式将整个句子按照意义单元分割开来，分别进行赋值。

    这一套加工手段里面就牵扯到人机交互的语言处理问题，需要人为的帮助计算机去理解和处理人类的语言，让机器能够看懂语法、语意单元，能够联系上下文，能够处理不同语境下同一个词组的不同含义。

    简单来说，让机器能够理解人类语言，这就是自然语言的主要目标，同时也是这个处理模块的主要功能。

    分析、收集、处理，这三大模块是股神1.0的主要功能结构，但是仅仅如此还是不够的，股神还需要很多的辅助模块。

    比如它需要有存储模块，所有的数据信息搜集回来，必须整理加工好，然后分类存储起来，它就像一个超级图书馆一样，必须有自己的分类和存储规则。如果没有这些，你只是简单的将它们堆放在一起，你就可以想象，当你需要从数千万本书籍当中，找出某一页特定内容时，那将会是怎样一个痛苦而又恐怖的过程。

    另外股神还需要相应的展示和交互模块，股神作为一个软件，它需要有自己的cao作界面，需要能够将处理结果或者过程展现出来，需要能够接收指令，进行人机交互。

    这五个模块组合在一起，并且能够顺畅的相互配合了，股神系统才算基本成型，而中间肯定会有各式各类的问题不停冒出来，这都需要莫回逐个解决掉。在使用的过程中，肯定还涉及到不停的跟新和改良，所有这些都将是莫回的工作。

    按照莫回的估算，整个股神的体量不太可能低于100万行代码，如果想要让股神尽可能的完美而准确，那它的体量绝对会翻着跟头的往上翻。想要实现什么功能，你就必须付出相应的代价，如果你想要让股神的预测尽可能精确，那么不停的往里投入肯定是必不可少的。

    这还仅仅是股神本身，如果想要股神运作起来，那么莫回必然还将面临着带宽的问题，爬虫一旦跑起来，海量数据就会被传回，这些数据至少也是T级的。

    在计算机领域，数据大小的单位是1024进制的，一个字节为byte，1024字节为KB，1024K为M，1024M为G，1024G为T.

    比如我们手机的存储容量可能是4G，笔记本的存储容量可能是400G，而一台笔记本的400G大概相当于一千部电影。

    而股神通过爬虫搜集来的数据肯定是海量的，至少是T级别的，就是跑到P级别也不算是什么大事。比如1P的数据，它大概相当于250万部电影。人的一生也不过3万天，每天看十部电影，也足够看十辈子的了。

    在如此大量的数据面前，莫回必然面临一个带宽问题，很容易想象，出租屋里的小区宽带肯定是不好使的。

    现在超级本的运算能力已经获得验证了，应该是比较超常的，但是它的存储能力还未测试，如果存储能力不成的话，莫回还必须为这海量数据寻找一个存储空间。

    诸如此类的问题还有很多，如果莫回想要把股神完成，并且上线运行，那么他必须像是老黄牛一样，勤勤恳恳的往前走，把这些挡路石一个个的全部处理掉。

    本来这些事就是交给一个公司处理，一个成熟的团队来处理，都未必能够处理得很好，现在莫回需要一个人搞定，并且很可能必须不显山不漏水的一个人搞定，这里面的难度就可想而知了。

    想想未来的前路，莫回感觉好像是登珠峰一样，好高啊~~~

    好在莫回多少算是业内人士，这些事基本算得上是本职工作，无非就是项目经理、产品经理、主程、架构一肩挑了。难是难了点，工作量大是大了点，但是好歹还算有解决办法，只要沿着道路一步步走，总会有完成的那一天。

    工作量不小，不过也不是没有捷径可走，莫回点开网页，开始搜集他需要的开源软件。他去开源之家搜了一下，开源的爬虫就有有一百多个，里面估计会有合用的。

    五大模块他都简单的搜了一下，大多数都还有类似的可替代软件，现在他需要做的就是在里面找到最合适的哪一款，然后修改后进行组装。

    首先需要选择开发语言，各种语言都有自己的适用范围和优缺点，一旦选定了，那么五大模块都需要是同一个语言开发出来的才行，这样也方便组装和拓展开发。

    莫回想了想，他最终选定了C  ，因为这种语言更加靠近底层和汇编，整体执行效率和速度比较好。

    莫回开始在网上寻找和筛选合用的开源软件，将那些基本符合要求的c  开发的软件全部下载下来，各自先归类存储起来。

    等莫回将合用的三十多个各类爬虫全部下载下来的时候夜已经深了，莫回揉揉僵硬的脖颈，伸伸懒腰，不由得为今后的日子哀叹：要拼老命了啊，上班拼命回家也要拼命，这是要把自己当驴使唤啊~~~