在这一周的《吴军的谷歌方法论》中，老师讲了地址（addressing）的重要性，并在此基础上介绍了地址的查找，数据的访问。对于地址的查找，在数据量较小时，可以采用顺序查找法和字典查找法；当数据量达到一定程度后，则需要为数据建立索引。而对于已经建立的索引进行查找，老师又详细介绍了具体方法的演进过程，引出随机性在索引查找中的应用。
通过上一周的学习，有如下几点收获：
1.理清问题，确定算法，选择语言
在这周的文章中读到，以前的人把计算当作目的，图灵是把计算当作手段，实现一些功能才是他的目的，回想起自己做研究生课题时遇到的一个问题。当时自己做的是机油滤芯过滤阻力和过滤精度的模拟计算，开始阶段采用二维模型来模拟圆筒状的滤芯。实际生产的滤芯是用木屑做的，填充率为31.8%，自己模拟计算也希望达到这个数值，但是初步的计算达不到这个数值，就向博士毕业的堂姐请教了这个问题：
有一个圆环，外圆半径是3cm，内圆半径是1.75cm。在这个圆环的内部，想要放置长为0.3cm，宽为0.1cm的小矩形，且小矩形之间不相交。要使小矩形的总面积占圆环面积的百分比为31.8%，从而得到小矩形的数量为198。但我用Matlab生成小矩形时，数目都超不过100，达不到那个31.8%的百分比。
堂姐的回复如下：
你说的这个问题其实和Matlab无关，Matlab算一种语言吧，我们用语言来实现算法。要解决这个问题，最重要的是你的算法是什么。我现在电脑上没有matlab，因为新的学校没有买matlab，而且我也用不上了，我就是两年前上的一门数学课要用matlab，我已经有点忘记了，但是我的两个好朋友都是matlab专家。如果你的问题卡在不知道怎么用matlab实现你的算法， 我可以帮你问一下他们。但是如果是算法问题，那就不是matlab 能解决的了。
当时并没有非常理解她说的话，现在回过头来看，能更加明白她的意思了。对于一个具体的问题，可以采用的算法其实是非常多的，对于每一种算法又可以选择很多种实现的语言。但是我们解决问题的时候，一定要从问题这个根本出发，对于问题本身有足够深入的思考。在此基础上，明白解决这个问题采用怎样的算法最简洁高效，这是关键。至于选择那种语言或者工具，会对算法的实现效率产生一定影响，但不是最核心的。
2.从多个维度建立索引
对于算法的介绍中，老师强调了索引的重要性。关于建立索引，想到的两个应用的例子，一个是微信好友的标签，一个是印象笔记的标签。
对于我们在工作场合或者意外状况下认识的朋友，也许后期的联系会很少，那么建立细致的备注信息就很有必要。通过对聊天记录的梳理，在标签中注明行业，公司，家乡，甚至爱好，并且备注一些印象深的细节。这样不仅可以通过标签很快找到对应的人，而且在以后再次约见的时候，能通过这些标签信息，谈一些对方熟悉的话题，迅速拉近彼此的距离，对于我们的社交会有很大的帮助。
另外一个就是在印象笔记中建立新笔记时，可以建立尽量详细的标签。这在当时可能费事一点，但是后面随着笔记数量的增多，在海量笔记中通过标签来进行筛选，将是一件非常提升效率的事情。说到印象笔记，就像多说两句，因为真的很好用。建立标签就点击F3就可以开始建立新标签。
3.问题规模的增大会导致性质的变化
当一个问题的规模达到一定程度之后，它就不再是小问题的放大，就变成了另外一个问题。
读到这句话时，想到之前脱不花和罗振宇两位老师在周二例会时讲得到的发展。当时得到总共的人数是157个人，刚刚超过邓巴数（人类智力允许人类拥有稳定社交网络的人数，为148）。
在邓巴数以内，公司里面的人可以彼此认识并且维持稳定的关系，不需要太明确的部门和上下级关系。但是两位老师讲到，随着公司里的人数超过邓巴数，那么部门化和层级化是不可避免的趋势，因为这样可以提高效率。但部门和层级的建立，会导致利益变形，之前大家是向市场要收益，更关注如何把自己的工作做好；之后是向上级要收益，更容易出现溜须拍马的现象。
不过正如老师所说，本着遇到问题解决问题的态度，即便问题转化了，只要大家发挥主动性，认真去面对问题，总会有解决方法。而且Google，苹果这样的公司树立了很好的榜样，现在已经非常大了，依然保持很好的运作和增长。
而作为个人，我们应该更多关注自己如何在企业不断扩大的过程中，保持自己本身的不断成长，为公司解决新的更复杂的问题，让自己一直拥有竞争力。这也是《领导梯队》中想要告诉我们的，在领导梯队的上升过程中，面对的不是更多同类的问题，而是全新的问题。我们要让自己学会转化思维模式，这样在旧问题已经转变成新问题时，可以更好去应对。
