浅谈为什么说模块化是必然的？以及它对我们的启示( 二 ) 免责声明：本文旨在传递更多

模块化背后的——递归思维
考虑到这个话题对大多数人是无意义的，就像我们吃鸡蛋，却不必知道没心情下蛋的母鸡该怎么哄。所以我希望能和大家讲讲模块化背后的抽象思维，也许再听完后，你会发现这种思维其实无处不在，并且在理解后，能帮我们解决不那么抽象的问题，就像乐事薯片的“双曲抛物面”如此坚固，背后的道理却和蛋壳结构相同。

文章图片
“模块化”的概念在web2.0已经被实践了很多年了，甚至可以说，从打有计算机开始，我们就在想办法把一类问题，做成一个模块。坦白讲计算机的本质是机械运动，就像算盘，我要去拨动算珠，算盘才能执行运算，我每拨动一下，算盘运算一次，所以这个时候真正在执行计算的是我，不是算盘。我今天遇到了一个算数问题，我拨了100次才把这个问题解决，但我没有把这个问题的答案记下来。如果第二天，我遇到了同样问题，我还是需要拨100下算盘。相信各位读者都有投资的经验，不难看出，我这两天一共拨了200次算盘，解决了两次问题，这是我用时间换来的基础收益。可如果我在第一次计算这个问题的时候把答案记下来了，那无论我遇到这个问题几次，我都只需要拨最开始那100次算珠。资源的复用，才能带来超额收益。在这个例子里，被复用的是“时间” 。 “把答案记下来”就是我得到的最基础的模块。在此之后，我还可以把更多计算公式也做成一个个模块，这样当计算机收到我的提问后，会找到对应的模块执行，最终把执行的结果反馈给我。此时在执行计算的是计算机，不是我。这个过程，就叫递归，所有的Rollup本质也是一种递归，它们通过不断的调用自身，来满足数据可用层的验证要求，这种资源的复用，是我们在大多数时候觉得计算机比人类效率更高的主要原因。
人类对这个世界的认识是由近及远、从少到多，一点点扩展来的，这就是人类固有的认识和思维方式，根植于我们的基因中。这样的认识和思维方式让我们很容易理解具体的事务，但是限制了我们的想象力和大局观。当需要思维触达那些远离我们生活经验的地方时，我们就会出现理解障碍。
和人不同，计算机在一开始就被设计用来处理规模大得多的问题，因此计算机有条件采用与常人完全不同的方式来解决问题。如果一个人能够站在计算机的角度想问题，就可以被算作拥有“计算思维” ，这就如同我们说某个人具有科学思维或者工程思维一样。如果一个人在做事情的时候，采用的是计算机解决问题的方法，这个人就具有计算机的方法论。在计算机的思维中，最重要的是一种自顶向下，先全局后局部的逆向思维，它被称为递归（Recursive）。与之相对的，是人类采用的自底向上，从小到大的正向思维，它被称为递推（Iterative）。
在扩容的问题上，假如我们用现在的常规思维去想，交易变多了，那我需要给矿工更多的费用，而且我收到的交易费一定要高于我给矿工的费用，否则就会亏损，但我现在没这么多钱，所以我只能提高交易费，可这样一来交易量会缩小，于是我只好增加吞吐量，同时让节点数量减少，在安全性上做妥协。这种情况下，如果不减少节点数量，又不提高交易费，就只好发行更多的代币，用来支付矿工，这样做的结果就是这条公链的通胀越来越严重。比如Solana ，至今为止，它一共执行了562亿次交易，按照其官网公布的，每笔交易手续费为0.00025美金，其收取的手续费总额为1400万美金左右。如果我们去Stakingrewards上看一下，可以查到它目前的StakedValue在455亿美金左右，按照较低一档的APY5.88%计算， Solana最近三十天内要分给质押者约2.2亿美金。也就是说自其主网上线至今收到的所有交易费，仅相当于最近一个月支出的6.2% 。以至于Solana需要15.4万TPS的吞吐量才有可能做到收支平衡，尽管我们知道它赌的就是摩尔定律能把带宽和算力成本拉下来，但这种规模的亏损，怕是禁不起一场熊市。这就是递推的思维，我遇山开山，遇水架桥，直到走进一个“死胡同”里。