計算機(jī)中，文件是不可缺少的部分，是指具有文件名的若干相關(guān)元素的集合，元素通常是記錄，記錄又是一組有意義的數(shù)據(jù)項的集合。而現(xiàn)代OS中，文件系統(tǒng)是組織和管理在計算機(jī)中所存儲的大量程序和數(shù)據(jù)的重要部分。
在文件系統(tǒng)中，可以把數(shù)據(jù)組成分為數(shù)據(jù)項、記錄和文件三級。數(shù)據(jù)項是最低級的數(shù)據(jù)組織形式，可分為基本數(shù)據(jù)項和組合數(shù)據(jù)項。基本數(shù)據(jù)項是用于描述一個對象的某種屬性的字符集，是數(shù)據(jù)組織中可以命名的最小邏輯數(shù)據(jù)單位。組合數(shù)據(jù)項，是若干數(shù)據(jù)項組成的。基本數(shù)據(jù)項除了數(shù)據(jù)名外，還應(yīng)有數(shù)據(jù)類型。因?yàn)榛卷梼H是描述某個對象的屬性，根據(jù)屬性的不同，需要用不同的數(shù)據(jù)類型來描述。
記錄是一組相關(guān)數(shù)據(jù)項的集合，用于描述的一個對象在某方面的屬性，而包含哪些數(shù)據(jù)項則取決于需要描述對象的哪個方面。在諸多記錄中，為了能唯一的標(biāo)識一個記錄，必須在一個記錄的各個數(shù)據(jù)項中，確定出一個或幾個數(shù)據(jù)項，把他們的集合稱為關(guān)鍵字。這個關(guān)鍵字是唯一能標(biāo)識一個記錄的數(shù)據(jù)項。
文件，是由創(chuàng)建者所定義的、具有文件名的一組相關(guān)元素的集合，可分為有結(jié)構(gòu)文件和無結(jié)構(gòu)文件。有結(jié)構(gòu)的文件由若干個相關(guān)記錄組成，無結(jié)構(gòu)文件則被看成是一個字符流。文件時文件系統(tǒng)中一個最大的數(shù)據(jù)單位，它描述了一個對象集。文件還具有自己的屬性，屬性包括了文件類型、文件長度、文件的物理位置和文件的建立時間。
文件類型按照用途分類，可分為系統(tǒng)文件、用戶文件和庫文件。按照文件中的數(shù)據(jù)的形式可分為源文件、目標(biāo)文件和可執(zhí)行文件。按照存取控制屬性分類，可分為只執(zhí)行文件、只讀文件、讀寫文件。按組織形式和處理方式分類，普通文件、目錄文件和特殊文件。
文件系統(tǒng)模型可分為三個層次，最底層是對象及其屬性，中間層是對對象進(jìn)行操作和管理的軟件集合，最高層是文件系統(tǒng)提供給用戶的接口。文件管理系統(tǒng)管理的對象有：文件，它是文件管理的直接對象；目錄，為了方便用戶對文件的存取和檢索，在文件系統(tǒng)中必須配置目錄，每個目錄項中，必須含有文件名及該文件所在的物理地址。磁盤存儲空間，文件和目錄必定占用存儲空間，對這部分空間的有效管理。
在日常工作中，用戶通過文件系統(tǒng)所提供的系統(tǒng)調(diào)用實(shí)施對文件的操作。基本操作有：創(chuàng)建文件、刪除文件、讀文件、寫文件、截斷文件和設(shè)置文件的讀/寫位置。為了方便用戶使用文件，還提供了更多的操作，例如打開和關(guān)閉一個文件及改變文件名等操作。
在實(shí)際操作中，對文件的操作大致分為兩步：第一步是通過檢索文件目錄來找到指定文件的屬性及其在外存上的位置；第二步是對文件實(shí)施相應(yīng)的操作。為了加快檢索目錄的速度，OS中大多引入了open這一文件系統(tǒng)調(diào)用，當(dāng)用戶第一次請求對某文件進(jìn)行操作時，open是指系統(tǒng)將指名文件的屬性從外存拷貝到內(nèi)存打開文件表的一個表目中，并將表目的索引指針返回給用戶。以后系統(tǒng)便可利用索引指針直接查找。當(dāng)文件操作完成后，便可利用close系統(tǒng)調(diào)用來關(guān)閉此文件，OS將會把該文件從打開文件表中的表目上刪除。
「我的女兒還是高中生，你們卻給她郵寄嬰兒服和嬰兒床的優(yōu)惠券，這是在鼓勵她懷孕嗎？」
一個男子沖進(jìn)一家商店，要求經(jīng)理出來見他，并怒不可遏地說出了上述這句話。
幾天后，經(jīng)理打電話向這個男人致歉時，他的語氣卻變得平和了起來：「我跟我女兒談過了，她的預(yù)產(chǎn)期是8月份。是我完全沒有意識到這個事情的發(fā)生，說抱歉的人應(yīng)該是我。」
——《大數(shù)據(jù)時代》
上面這段內(nèi)容講的是美國一家零售商通過分析大量女性的消費(fèi)記錄，根據(jù)購物的內(nèi)容變化來推測懷孕的月份乃至預(yù)產(chǎn)期，據(jù)此來精準(zhǔn)投放購物廣告。
結(jié)果表明，擁有大量數(shù)據(jù)的機(jī)器比粗心的父親更早知道女兒的身體狀況。這無疑是讓人汗顏的。
這個例子僅僅只是大數(shù)據(jù)應(yīng)用的一個縮影。事實(shí)上，在這個大數(shù)據(jù)時代，萬事萬物產(chǎn)生的海量數(shù)據(jù)之中蘊(yùn)藏著豐富的信息，把握好了就是無數(shù)的商機(jī)。
從字面的意思來看，大數(shù)據(jù)就是大量的數(shù)據(jù)。業(yè)界一般認(rèn)為數(shù)據(jù)量達(dá)到普通的設(shè)備存不下，算不動的程度，就可以稱之為大數(shù)據(jù)了。
「大數(shù)據(jù)又稱為巨量資料，指的是在傳統(tǒng)數(shù)據(jù)處理應(yīng)用軟件不足以處理的大或復(fù)雜的數(shù)據(jù)集的術(shù)語。」
—— 維基百科
「大數(shù)據(jù)是指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。」
—— 百度百科
「大數(shù)據(jù)由巨型數(shù)據(jù)集組成，這些數(shù)據(jù)集大小常超出人類在可接受時間下的收集、庋用、管理和處理能力。」
—— MBA智庫
從上面的幾種定義可以看出，首先，數(shù)據(jù)量要大到常規(guī)方式無法處理的程度；再者，大數(shù)據(jù)作為信息資產(chǎn)，需要通過處理從中獲取價值信息。
普通個人電腦所能存儲的數(shù)據(jù)，一般是幾百個GB到幾個TB的級別。
例如，常見的固態(tài)硬盤，512GB就已經(jīng)比較大了；常見的機(jī)械硬盤，可達(dá)1TB/2TB/4TB的容量。
表達(dá)數(shù)據(jù)容量的KB，MB，GB和TB之間的關(guān)系，大家應(yīng)該都很熟悉了：
KB（Kilo Byte）— 千字節(jié)，也就是1024B
MB（Mega Byte）— 兆字節(jié)，也就是1024KB
GB（Giga Byte）— 吉字節(jié)，也就是1024MB
TB（Tera Byte）— 太字節(jié)，也就是1024GB
而大數(shù)據(jù)是什么級別呢？PB/EB級別。其實(shí)就是在TB的基礎(chǔ)上每一級接著乘以1024。
PB（Peta Byte）— 皮字節(jié)，也就是1024TB
EB（Exa Byte）— 艾字節(jié)，也就是1024PB
ZB（Zetta Byte）— 澤字節(jié)，也就是1024EB
YB（Yotta Byte）— 堯字節(jié)，也就是1024ZB
上述的這些大的單位在日常生活中幾乎接觸不到，而且常人也已經(jīng)無法直觀地感受到這些單位能大到什么讓人吃驚的程度。下面我們舉個簡單的例子來說明。
一本《紅樓夢》：純文本（未壓縮），約2MB
一張1200萬像素的照片（未壓縮）：約34MB
一部90分鐘的電影（H.264編碼）：約2.5GB（也就是2500MB）
這樣算下來，一塊1TB的硬盤大約可以存儲50萬本電子書，3萬張圖片，400部電影。假定三天時間看完一本書，這50萬本就需要4000多年才能看完。
1PB的容量大約可存儲5億本書，3千萬張圖片，或40萬部90分鐘的電影。看書的時間過于夸張就不說了，這些電影也需要持續(xù)近140年時間才能看完。
1EB這個單位的龐大已經(jīng)超乎了人們的想象，僅僅存放這些數(shù)據(jù)需要大約2000個機(jī)柜的存儲設(shè)備。
如果并排放這些機(jī)柜，可以連綿1.2公里那么長。如果擺放在機(jī)房里，需要21個標(biāo)準(zhǔn)籃球場那么大的機(jī)房，才能放得下。
真的有企業(yè)會產(chǎn)生如此海量的數(shù)據(jù)嗎？
事實(shí)上，阿里、百度、騰訊這樣的互聯(lián)網(wǎng)巨頭，因?yàn)槠鋼碛袛?shù)億的用戶，這些海量用戶產(chǎn)生的數(shù)據(jù)量早已超越PB級，接近EB級。
隨著互聯(lián)網(wǎng)，物聯(lián)網(wǎng)的發(fā)展，萬事萬物皆可連接，皆可源源不斷地產(chǎn)生數(shù)據(jù)，從涓涓細(xì)流匯聚成汪洋大海。
經(jīng)過移動互聯(lián)網(wǎng)的大爆發(fā)，中國的上網(wǎng)用戶數(shù)已經(jīng)約等于智能手機(jī)的用戶數(shù)，通過4G網(wǎng)絡(luò)隨時連接，實(shí)時在線。
這些用戶在手機(jī)上的每一次滑動和點(diǎn)擊，都會被各式各樣的APP上傳并存儲，以及在微博，微信，知乎，抖音等各種社交或者UGC類APP上創(chuàng)作的文本，圖片和視頻，形成海量的數(shù)據(jù)。
物聯(lián)網(wǎng)方面也不遑多讓。據(jù)GSMA智庫預(yù)測，到2025年全球?qū)?8億移動物聯(lián)網(wǎng)連接(總共31億蜂窩物聯(lián)網(wǎng)連接)，以及138億工業(yè)物聯(lián)網(wǎng)連接，其中63億在亞太地區(qū)和中國，占總數(shù)的65%。
如果放在以前，計算機(jī)的硬件（存儲，計算）等資源還很金貴的情況下，這些數(shù)據(jù)只能是經(jīng)過簡單匯總之后就被丟掉。
然而隨著技術(shù)的發(fā)展，計算機(jī)硬件的存儲和計算能力越來越強(qiáng)，越來越不值錢，這些原本被認(rèn)為食之無肉棄之有味數(shù)據(jù)才能被大量存儲和處理，并挖掘價值。
目前微信擁有11億的用戶，每天發(fā)送數(shù)百億條消息，還有朋友圈，支付，掃一掃，搖一搖等多種行為都存儲在微信的后臺。
如果要從這些海量數(shù)據(jù)中分析所有微信用戶的行為習(xí)慣，比如每天的使用時長，偏好發(fā)語音還是文字，對哪些類型的公眾號感興趣等數(shù)據(jù)就沒有那么簡單了。這就是各種大數(shù)據(jù)技術(shù)誕生及發(fā)展的驅(qū)動力。
由于大數(shù)據(jù)的描述眾說紛紜，4個V，5個V，乃至8個V的說法都有。本文就簡采用IBM的4V說：大量（Volume），高速（Velocity），多樣（Variety），價值（Value）。
1、大量：這一點(diǎn)是大數(shù)據(jù)最基礎(chǔ)的屬性，前面講過了。也就是說：大數(shù)據(jù)分析的是所有樣本，不是隨機(jī)抽樣，因此可進(jìn)行多維度，更詳細(xì)的分析。
2、高速：數(shù)據(jù)產(chǎn)生地快，對分析和使用的速度要求也很高。如果像刻舟求劍一樣，分析地雖然精確，但耗時過長，以至于結(jié)論早已過時，終究是沒有用處的。
試想一下，在網(wǎng)上買書的時候，系統(tǒng)會根據(jù)目前瀏覽的書來智能推薦用戶還可能感興趣的其他書，這個是要求秒級響應(yīng)的。如果過了半小時才算出結(jié)果來，用戶很可能早都購物結(jié)束了。
3、多樣：數(shù)據(jù)的來源多種多樣，格式不一，既有傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，更多的則是非結(jié)構(gòu)化數(shù)據(jù)。
結(jié)構(gòu)化數(shù)據(jù)就是可以按照預(yù)定義的關(guān)系模型來存儲的數(shù)據(jù)。
非結(jié)構(gòu)化數(shù)據(jù)指的那些沒有固定格式，內(nèi)容需要分析識別才知道的數(shù)據(jù)，一般就是網(wǎng)頁，圖片，音頻，視頻等數(shù)據(jù)。這些數(shù)據(jù)占比可達(dá)80%以上。
也就是說，大數(shù)據(jù)不是精確性，而是混雜性，只要這些數(shù)據(jù)擁有可供挖掘的信息，就都來者不拒。
4、價值：數(shù)據(jù)雖多，但價值密度很低，必須經(jīng)過大量的分析和提取，才能較為準(zhǔn)確地發(fā)現(xiàn)其中蘊(yùn)藏的規(guī)律。
據(jù)不完全統(tǒng)計，公安機(jī)關(guān)全國每年需要存儲的數(shù)據(jù)量高達(dá)3.3EB，結(jié)合視頻監(jiān)控和人臉識別，實(shí)現(xiàn)犯罪嫌疑人的快速識別和實(shí)時布控。
中國的犯罪率是很低的，收集并存儲如此多的數(shù)據(jù)，就是為了進(jìn)行大海撈針，可見大數(shù)據(jù)的價值密度之低。
并且，大數(shù)據(jù)的價值體現(xiàn)在對數(shù)據(jù)內(nèi)部的相關(guān)性的挖掘，而非對因果性的求索。這個世界是復(fù)雜的，有相關(guān)性的事件之間不一定有直接的因果關(guān)系。
我們不必糾結(jié)于事件之間具體的前因后果，只要知道它們之間是有正向或者負(fù)向聯(lián)系的，只需照著做就能體現(xiàn)數(shù)據(jù)分析的價值了。這是一種實(shí)用主義的態(tài)度。
舉例來說，沃爾瑪超市發(fā)現(xiàn)把啤酒和尿布放在一起時，啤酒的銷量會大幅增加。此時擺在老板面前兩個選擇：是繼續(xù)研究苦苦研究這個現(xiàn)象內(nèi)在的因果關(guān)系呢，還是趕緊所有門店都如此配置起來好更快地賺錢？
答案顯然是后者。大數(shù)據(jù)分析是用來發(fā)現(xiàn)相關(guān)性來創(chuàng)造價值的，而非探索因果關(guān)系進(jìn)行科研。
1、用戶畫像
「千萬人撩你，不如一人懂你。」在現(xiàn)實(shí)世界里，唯一懂你的TA就是默默關(guān)注著你的大數(shù)據(jù)。
你的一舉一動，都被各種APP記錄下來并進(jìn)行分析，找出典型特征，并據(jù)此跟你打上各式各樣的標(biāo)簽。這些標(biāo)簽匯聚起來就是你這個人在網(wǎng)絡(luò)上的化身，美其名曰「用戶畫像」。
通過搜集并分析多維數(shù)據(jù)，這些用戶畫像可以包羅萬象，每一個用戶在大數(shù)據(jù)面前都是一絲不掛的。基于對用戶的了解，各種各樣的精準(zhǔn)營銷就可以高效進(jìn)行了。
如此一來，你打開購物APP，醒目位置顯示的都是自己想要買的東西；打開資訊APP，頭條里面推薦的都是自己偏好的內(nèi)容；打開搜索引擎，搜出來的東西都正好是自己想要找的。
亞馬遜技術(shù)專家曾經(jīng)說過：「如果系統(tǒng)運(yùn)作良好，亞馬遜應(yīng)該只推薦你一本書，而這本書就是你將要買的下一本書。」
2、決策支撐
在移動通信領(lǐng)域，所有用戶產(chǎn)生了海量的信令交互，網(wǎng)絡(luò)測量報告，以及各種各樣的業(yè)務(wù)數(shù)據(jù)。
這些信息都是被記錄下來的，除了可以用來追蹤用戶，解決故障之外，還能用來了解自身的網(wǎng)絡(luò)覆蓋，容量，用戶滿意度等指標(biāo)，并能和對手進(jìn)行對比分析。
基于這些大數(shù)據(jù)的分析結(jié)果，網(wǎng)絡(luò)優(yōu)化，用戶體驗(yàn)提升等操作都可以有的放矢，更為方便高效。
在醫(yī)療領(lǐng)域，大量患者產(chǎn)生的海量數(shù)據(jù)可以用來進(jìn)行臨床治療對比，藥品研發(fā)，疾病診斷，甚至還能作為醫(yī)保政策，額度等調(diào)整優(yōu)化的依據(jù)。
除了上面的例子之外，大數(shù)據(jù)還在互聯(lián)網(wǎng)，金融，以及各種垂直行業(yè)內(nèi)部都有著豐富的應(yīng)用場景。總結(jié)起來就是「知己知彼，百戰(zhàn)不殆」，「運(yùn)籌帷幄，決勝千里」。
由于大數(shù)據(jù)分析需要對大量的數(shù)據(jù)進(jìn)行分解，統(tǒng)計，匯總，一臺機(jī)器肯定搞不定，于是就有了分布式計算的方法。
也就是說，將大量的數(shù)據(jù)分成很多的小份，每臺機(jī)器只處理其中的一小份，多臺機(jī)器并行處理，處理速度得以大幅提升。
例如著名的Terasort對1個TB的數(shù)據(jù)排序，如果單機(jī)處理，怎么也要幾個小時，但并行處理，僅需要209秒即可完成。
在分布式計算框架下，大數(shù)據(jù)的處理，可以分為數(shù)據(jù)收集，數(shù)據(jù)存儲，數(shù)據(jù)處理（資源管理與服務(wù)協(xié)調(diào)，計算引擎），數(shù)據(jù)分析，數(shù)據(jù)可視化這幾層。
大數(shù)據(jù)需要大量的服務(wù)器資源，但這些資源可能并不是隨時都滿負(fù)荷工作的。例如使用大數(shù)據(jù)來分析公司的財務(wù)情況，可能只需一周分析一次，但把這成千上萬臺機(jī)器放在機(jī)房里，每周用一次是非常浪費(fèi)的。
這正是云計算誕生的初衷。如果能在不同的時間，把這些閑置機(jī)器提供的網(wǎng)絡(luò)，存儲以及計算能力共享給其他公司使用，資源的利用率將大大提升。
云計算通過硬件資源的虛擬化，相當(dāng)于平臺的提供者，而大數(shù)據(jù)是海量數(shù)據(jù)的高效處理，相當(dāng)于云計算平臺上的大型應(yīng)用。
那大數(shù)據(jù)和人工智能有沒有關(guān)系？實(shí)際上，大數(shù)據(jù)是人工智能發(fā)展的前提。
目前人工智能的主流算法是深度學(xué)習(xí)，其能夠大展身手需要兩個條件：強(qiáng)大的計算能力和高質(zhì)量的大數(shù)據(jù)。其中最具有代表性的系統(tǒng)，就是著名的「谷歌大腦」。
這是一個龐大的深度學(xué)習(xí)計算框架，擁有數(shù)萬臺高性能的計算機(jī)和頂級圖形處理器組成的計算單元，可以完成大規(guī)模，多維度，多層次的深度學(xué)習(xí)模型訓(xùn)練。
據(jù)悉，在谷歌大腦建立不久，谷歌就使用了一個擁有16000的CPU組成的超大規(guī)模計算機(jī)集群，讓機(jī)器用深度學(xué)習(xí)模型自己「看」了一千萬段視頻，終于把人工智能訓(xùn)練地學(xué)會了如何從視頻中辨認(rèn)出一只貓來。
因此，沒有大數(shù)據(jù)所提供的足夠的學(xué)習(xí)樣本，深度學(xué)習(xí)系統(tǒng)搭建得再完美也沒用。可以這么說，深度學(xué)習(xí)算法是靈魂，云計算是肉體，大數(shù)據(jù)則是糧食。
沒有糧食，肉體和靈魂就都成了空中樓閣。只有這三者合力，才能揭開人工智能應(yīng)用的新篇章。而5G提供的萬物互聯(lián)，正是人工智能的糧食——大數(shù)據(jù)產(chǎn)出的肥沃土壤。
這就是大數(shù)據(jù)和云計算，人工智能，以及5G之間剪不斷理還亂的聯(lián)系。
好了，本期的內(nèi)容就到這里，希望對大家有所幫助。
—— 全文完 ——
參考文獻(xiàn)：
1、《大數(shù)據(jù)時代》，維克托?邁爾?舍恩伯格，肯尼思?庫尼耶
2、《看懂“大數(shù)據(jù)”，這一篇就夠了！》，鮮棗課堂
3、《大數(shù)據(jù)技術(shù)體系詳解，原理，架構(gòu)與實(shí)踐》，董西成
同學(xué)聊起，電腦使用的好習(xí)慣，從文件整理，C盤不裝常用軟件，優(yōu)化電腦，最后聊到數(shù)據(jù)備份。不得不承認(rèn)，數(shù)據(jù)備份的重要。
曾經(jīng)看到一客戶，因?yàn)闆]有備份數(shù)據(jù)，在硬盤壞了后，去做開盤數(shù)據(jù)恢復(fù)。因數(shù)據(jù)太重要，直接派個員工，看著這塊硬盤。花了一天時間，試了各種方法，卻沒有恢復(fù)。
這個客戶缺的是備份數(shù)據(jù)的意識。
還有個客戶是做設(shè)計的，有備份的意識。所有數(shù)據(jù)電腦上有備份后，還用移動硬盤備份了一份。有天電腦硬盤壞了，拿移動硬盤來，很巧的是，連移動硬盤也壞了。后來給他建議，以后數(shù)據(jù)備份，再多備份一次，起碼2塊移動硬盤。
今天這篇，目的是提醒看到這篇的同學(xué)，對覺得重要的數(shù)據(jù)進(jìn)行備份。不管是照片還是文檔。
下面是幾種大家都可以用的數(shù)據(jù)備份方法。都是些普通的使用方法。
把電腦上需要備份的數(shù)據(jù)，拷貝一份到另一個設(shè)備或位置中保存，防止電腦數(shù)據(jù)丟失后有一個備份。最好是備份2份以上。
最好有2份以上的備份。
⑴用U盤或者移動硬盤進(jìn)行備份
對于數(shù)據(jù)過多的，有些同學(xué)，不愿意花錢買移動硬盤，其實(shí)硬盤一旦損壞需要開盤處理的話，開盤的費(fèi)用，比買塊移動硬盤高多啦。
電腦上一份，移動硬盤里一份，相對就好多了。我自己是電腦上一份，2塊移動硬盤各一份。
這種方法，每個人都可以做到。
⑵網(wǎng)絡(luò)上備份
以前我們的數(shù)據(jù)都放在網(wǎng)絡(luò)硬盤上，可惜現(xiàn)在都用不了。現(xiàn)在能做的都必須是付費(fèi)的，真有需要的，也還是不錯的。
對文檔性的資料，其實(shí)還是可以采用網(wǎng)絡(luò)來備份，只要自己不公開就好。象各種筆記類APP是個不錯的選擇。
⑶光盤刻錄
把需要的數(shù)據(jù)刻錄成光盤進(jìn)行備份。
曾經(jīng)見過有客戶這樣備份，這是個不錯的選擇，光盤里的數(shù)據(jù)不會被改動，可以防病毒。只是光盤的質(zhì)量，存放時間值得考慮。
⑷被數(shù)據(jù)備份到服務(wù)器
把數(shù)據(jù)備份到做過磁盤陣列RAID1以上的服務(wù)器上，因?yàn)檫@類磁盤陣列對數(shù)據(jù)有保護(hù)作用，所以放到上面是相對安全的。前提是這種服務(wù)器要有人維護(hù)。
就這幾種方法，僅供看到的同學(xué)參考。電腦有價，數(shù)據(jù)無價，對重要數(shù)據(jù)有必要進(jìn)行備份。
如果有用請轉(zhuǎn)發(fā)，想看到更多請關(guān)注我。