赫鲁晓夫对苏联有着什么贡献

2023-04-25 15:15:01物联网0134

赫鲁晓夫对苏联有着什么贡献,第1张

赫鲁晓夫执政的十年间，工业发展迅速，切实提高了普通民众的生活水平。人民生活比斯大林轻松多了。所以这些方面也是赫鲁晓夫一直被当时人民铭记的原因之一。

每当提到前苏联***赫鲁晓夫，我们常常会想到那个抱着玉米笑的胖子，西方媒体故意夸大他的傻段子。

但对于一些俄罗斯人来说，赫鲁晓夫并不是一个非常糟糕的苏联***，甚至说他们怀念在他领导下的日子。尼基塔谢尔盖耶维奇赫鲁晓夫,尼基塔谢尔盖耶维奇赫鲁晓夫(1894年4月17日-1971年9月11日)，苏联党和国家最高***，曾任苏联***中央委员会第一书记、苏联部长会议主席(苏联总理)。

赫鲁晓夫1894年出生于俄罗斯库尔斯克卡利诺夫卡，1918年加入***，二战期间参加指挥斯大林格勒攻防战和保卫基辅。1953年9月3日，他当选为苏联***中央委员会第一书记。1958年，他担任苏联部长会议主席。他在担任苏联最高***期间，主持了1956年苏联***第二十次代表大会，从根本上否定了斯大林。此后，他实施了去斯大林主义政策，并为大清洗的受害者平反昭雪。苏联的各个领域都被激活了，尤其是文艺解冻了。同时，赫鲁晓夫积极推进农业改革，改善了苏联的民生和经济。

在外交上，他的“秘密报告”震惊了东欧集团，引发了东欧的一系列骚乱。20世纪60年代，苏联和中华人民共和国的关系恶化，对中国的援助计划被撤销。冷战时期，赫鲁晓夫领导苏联对抗美国、西欧等资本主义国家，多次访美。1962年，他策划的古巴导弹危机一度将苏联和美国带到核战争的边缘，但危机最终平息。1964年10月，赫鲁晓夫在黑海度假时，勃列日涅夫在莫斯科发动政变。赫鲁晓夫“退休”了，被迫淡出政坛，直到1971年去世。

赫鲁晓夫对苏联有着什么贡献？

苏联时代，人们对赫鲁晓夫的评价褒贬不一，也说明他是一个极具争议的人物。但从新圣寺赫鲁晓夫墓前的大量鲜花来看，还是有很多人怀念赫鲁晓夫。赫鲁晓夫去世的那几年，每天都有人来墓前吊唁。赫鲁晓夫的墓碑设计独特，反差很大。它由黑白大理石镶嵌而成，也意味着赫鲁晓夫的一生是功过参半的一生，而黑白也预示着人的善恶生死。不管哪边多，留给后人评论，所以墓碑上只写了赫鲁晓夫的全名，其他什么都没写。

关于赫鲁晓夫有很多争议，在很多苏联***中，恐怕没有人能打败他。他不仅在苏共二十大上直接批判斯大林的偶像崇拜，还揭露了斯大林时期“大清洗”运动中的许多黑幕材料。也可以算是对斯大林时期一些事情的清算。当然，大多数人对赫鲁晓夫的怀念并不仅限于斯大林的清算。更重要的是，他上台后颁布实施了一系列有益于政府工作人员和广大民众的政策，改变了斯大林时期的紧张气氛，使人们在工作和生活中感到轻松愉快。赫鲁晓夫否认了斯大林时期的许多黑暗面，结束了秘密警察的恐怖体系，释放了数百万无辜的政治犯，恢复了2000多万人的名誉。

赫鲁晓夫在斯大林时期通过晚上上班，早上睡觉，把工作时间修正为正常工作时间。这项规定的实施不仅保证了员工的健康，而且大大有助于提高工作效率。赫鲁晓夫规定要开放克里姆林宫，同时取消对领导干部的“特别津贴”，拉近了高级***和普通民众的距离，因此赢得了人民的心。许多廉价的5层建筑是为买不起房的人建造的，实现了他们的建筑梦想。

赫鲁晓夫执政的十年间，工业发展迅速，切实提高了普通民众的生活水平。人民生活比斯大林轻松多了。所以这些方面也是赫鲁晓夫一直被当时人民铭记的原因之一。

总结：赫鲁晓夫的做法是行之有效的，否定斯大林，让许多领域的改革摆脱了枷锁，效果自然随之而来，无论农业、工业，还是外交、科技，都在短短几年后取得了突飞猛进的发展，勃列日涅夫时代能够与美国平起平坐，也有他的一份功劳。

最后补充一点：赫鲁晓夫可能是历史上对中国最好的外国***。正是他的强烈要求，苏联向中国送去原子弹和大量先进武器图纸，援助了大量工业项目。以前很多人把中苏关系破裂归咎于他，对他有点忘恩负义。

问题一：大数据都包括什么内容？你好，

第一，你可以直接百度搜索。

第二，根据我的理解，所有你在互联网上留下的痕迹就是大数据。

比如很多购物网站，会根据你以前的购买记录，在你再次到该网站的时候，在页面底部出现“猜你喜欢”，推荐几个你可能喜欢的东西。比如淘宝、天猫、京东这些购物网站。

有时候，还会定期发邮件给你，推荐你一些商品，比如做的比较好的，像亚马逊。

希望能对你有所帮助，有什么问题我们可以继续交流

问题二：什么是大数据？大数据是什么意思？ “大数据”是近年来IT行业的热词，大数据在各个行业的应用逐渐变得广泛起来，如2014年的两会，我们听得最多的也是大数据分析，那么，什么是大数据呢，大数据时代怎么理解呢，一起来看看吧。

大数据的定义。大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

大数据的特点。数据量大、数据种类多、要求实时性强、数据所蕴藏的价值大。在各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，我们需要搜索、处理、分析、归纳、总结其深层次的规律。

大数据的采集。科学技术及互联网的发展，推动着大数据时代的来临，各行各业每天都在产生数量巨大的数据碎片，数据计量单位已从从Byte、KB、MB、 GB、TB发展到PB、EB、ZB、YB甚至BB、NB、DB来衡量。大数据时代数据的采集也不再是技术问题，只是面对如此众多的数据，我们怎样才能找到其内在规律。

大数据的挖掘和处理。大数据必然无法用人脑来推算、估测，或者用单台的计算机进行处理，必须采用分布式计算架构，依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术，因此，大数据的挖掘和处理必须用到云技术。

互联网是个神奇的大网，大数据开发也是一种模式，你如果真想了解大数据，可以来这里，这个手机的开始数字是一八七中间的是三儿零最后的是一四二五零，按照顺序组合起来就可以找到，我想说的是，除非你想做或者了解这方面的内容，如果只是凑热闹的话，就不要来了。

大数据的应用。大数据可应用于各行各业，将人们收集到的庞大数据进行分析整理，实现资讯的有效利用。举个本专业的例子，比如在奶牛基因层面寻找与产奶量相关的主效基因，我们可以首先对奶牛全基因组进行扫描，尽管我们获得了所有表型信息和基因信息，但是由于数据量庞大，这就需要采用大数据技术，进行分析比对，挖掘主效基因。例子还有很多。

大数据的意义和前景。总的来说，大数据是对大量、动态、能持续的数据，通过运用新系统、新工具、新模型的挖掘，从而获得具有洞察力和新价值的东西。以前，面对庞大的数据，我们可能会一叶障目、可见一斑，因此不能了解到事物的真正本质，从而在科学工作中得到错误的推断，而大数据时代的来临，一切真相将会展现在我么面前。

商业智能的技术体系主要有数据仓库（Data Warehouse，DW）、联机分析处理（OLAP）以及数据挖掘（Data Mining，DM）三部分组成。

数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。

在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。

数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。

商业智能的应用范围

1采购管理

2财务管理

3人力资源管理

4客户服务

5配销管>>

问题三：什么是大数据大数据是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。大数据首先是指数据体量(volumes)大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。

数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

数据存取：关系数据库、NOSQL、SQL等。

基础架构：云存储、分布式文件存储等。

数据处理：自然语言处理(NLP，NaturalLanguageProcessing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机理解自然语言，所以自然语言处理又叫做自然语言理解(NLU，NaturalLanguage Understanding)，也称为计算语言学(putational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。

统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。

数据挖掘：分类（Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)

模型预测：预测模型、机器学习、建模仿真。

结果呈现：云计算、标签云、关系图等。

要理解大数据这一概念，首先要从大入手，大是指数据规模，大数据一般指在10TB(1TB=1024GB)规模以上的数据量。大数据同过去的海量数据有所区别，其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity)，即体量大、多样性、价值密度低、速度快。

第一，数据体量巨大。从TB级别，跃升到PB级别。

第二，数据类型繁多，如前文提到的网络日志、视频、、地理位置信息，等等。

第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。

第四，处理速度快。1秒定律。最后这一点也是和传统的>>

问题四：什么是大数据大数据是什么意思 “大数据”不是“数据分析”的另一种说法！大数据具有规模性、高速性、多样性、而且无处不在等全新特点，具体地说，是指需要通过快速获取、处理、分析和提取有价值的、海量、多样化的交易数据、交互数据为基础，针对企业的运作模式提出有针对性的方案。由于物联网和智能可穿戴的普及带来的，生产线上普通的蓝领员工，前台电话员，等企业内的低阶员工也成为产生大数据的数据内容的一部分，数据的产生除了来自社交网络，网站，电子商务网站，邮箱外，智能手机，各种传感器，和物联网，智能可穿戴设备。

大数据营销与传统营销最显著的区别是大数据可以深入到营销的各个环节，使营销无处不在。如用户的偏好？上网的时间段？上网主要浏览页？对页面和产品的点击次数？网站上的用户评价对他的影响？他会在哪些地方分享对产品和购物过程的体验？这些都是对用户网上消费和品牌关注度的深入分析，可以直接影响用户消费的倾向等商业效果。

大数据彻底改变企业内部运作模式，以往的管理是“领导怎么说？”现在变成“大数据的分析结果”，这是对传统领导力的挑战，也推动企业管理岗位人才的定义。不仅懂企业的业务流程，还要成为数据专家，跨专业的要求改变过去领导力主要体现在经验和过往业绩上，如今熟练掌握大数据分析工具，善于运用大数据分析结果结合企业的销售和运营管理实践是新的要求。

当然大数据对企业的作用一个不可回避的关键因素是数据的质量，有句话叫“垃圾进，垃圾出”指的是如果采集的是大量垃圾数据会导致出来的分析结果也是毫无意义的垃圾。此外，企业内部是否会形成一个个孤立的数据孤岛，数据是否会成就企业内某些人或团队新的权力，导致数据不能得到实时有效地分享，这些都会是阻碍大数据在企业中有效应用的因素。

而随着大数据时代的到来，对大数据商业价值的挖掘和利用逐渐成为行业人士争相追捧的利润焦点。业内人士称，电商企业通过大数据应用，可以探索个人化、个性化、精确化和智能化地进行广告推送和推广服务，创立比现有广告和产品推广形式性价比更高的全新商业模式。同时，电商企业也可以通过对大数据的把握，寻找更多更好地增加用户粘性，开发新产品和新服务，降低运营成本的方法和途径。

问题五：大数据到底是什么东西？基于大数据→企业网上支付与结算

基于大数据→银行的融资参考依据

基于大数据→优化库存周转

基于大数据→按需按量按地定产，高效自营

问题六：大数据时代：大数据是什么？大数据是什么？是一种运营模式，是一种能力，还是一种技术，或是一种数据的统称？今天我们所说的“大数据”和过去传统意义上的“数据”的区别又在哪里？大数据的来源又有哪些？等等。当然，我不是专家学者，我无法给出一个权威的，让所有人信服的定义，以下所谈只是我根据自己的理解进行小结归纳，只求表达出我个人的理解，并不求全面权威。先从“大数据”与“数据”的区别说起吧，过去我们说的“数据”很大程度上是指“数字”，如我们所说的客户量，业务量，营业收入额，利润额等等，都是一个个数字或者是可以进行编码的简单文本，这些数据分析起来相对简单，过去传统的数据解决方案（如数据库或商业智能技术）就能轻松应对；而今天我们所说的“大数据”则不单纯指“数字”，可能还包括“文本，，音频，视频……”等多种格式，其涵括的内容十分丰富，如我们的博客，微博，轻博客，我们的音频视频分享，我们的通话录音，我们位置信息，我们的点评信息，我们的交易信息，互动信息等等，包罗万象。用正规的语句来概括就是，“数据”是结构化的，而“大数据”则包括了“结构化数据”“半结构化数据”和“非结构化数据”。关于“结构化”“半结构化”“非结构化”可能从字面上比较难理解，在此我试着用我的语言看能否形象点地表达出来：由于数据是结构化的，数据分析可以遵循一定现有规律的，如通过简单的线性相关，数据分析可以大致预测下个月的营业收入额；而大数据是半结构化和非结构化的，其在分析过程中遵循的规律则是未知的，它通过综合方方面面的信息进行模拟，它以分析形式评估证据，假设应答结果，并计算每种可能性的可信度，通过大数据分析我们可以准确找到下一个市场热点。基于此，或许我们可以给“大数据”这样一个定义，“大数据”指的是收集和分析大量信息的能力，而这些信息涉及到人类生活的方方面面，目的在于从复杂的数据里找到过去不容易昭示的规律。相比“数据”，“大数据”有两个明显的特征：第一，上文已经提到，数据的属性是包括结构化、非结构化和半结构化数据；第二，数据之间频繁产生交互，大规模进行数据分析，并实时与业务结合进行数据挖掘。解决了大数据是什么，接下来还有一个问题，大数据的来源有哪些？或者这个问题这样来表达会更清晰“大数据的数据来源有哪些？”对于企业而言，大数据的数据来源主要有两部分，一部分来自于企业内部自身的信息系统中产生的运营数据，这些数据大多是标准化、结构化的。（若继续细化，企业内部信息系统又可分两类，一类是“基干类系统”，用来提高人事、财会处理、接发订单等日常业务的效率；另一类是“信息类系统”，用于支持经营战略、开展市场分析、开拓客户等。）传统的商业智能系统中所用到的数据基本上数据该部分。而另外一部分则来自于外部，包括广泛存在于社交网络、物联网、电子商务等之中的非结构化数据。这些非结构化数据由源于 Facebook、Twitter、LinkedIn 及其它来源的社交媒体数据构成，其产生往往伴随着社交网络、移动计算和传感器等新的渠道和技术的不断涌现和应用。具体包括了：如，呼叫详细记录、设备和传感器信息、GPS 和地理定位映射数据、通过管理文件传输协议传送的海量图像文件、Web 文本和点击流数据、科学信息、电子邮件等等。由于来源不同，类型不同的数据透视的是同一个事物的不同的方面，以消费客户为例，消费记录信息能透视客户的消费能力，消费频率，消费兴趣点等，渠道信息能透视客户的渠道偏好，消费支付信息能透视客户的支付渠道情况，还有很多，如，客户会否在社交网站上分享消费情况，消费前后有否在搜索引擎上搜索过相关的关键词等等，这些信息（或说数据）>>

问题七：大数据是什么，干什么用的？包含哪些内容？哪些技术？解决什么问题？大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。通过大数据分析，可以预测交通路况实况，比如百度地图的实时公交，了解客户信用，比如支付宝实名认证大数据背后的花呗借呗信用积累大数据研究显示，我国的数据总量正在以年均50%以上的速度持续增长，预计到2020年在全球的占比将达到21%。产业新形态不断出现，催生了个性化定制、智慧医疗、智能交通等一大批新技术新应用新业态。大数据主要的三大就业方向：大数据系统研发类人才、大数据应用开发类人才和大数据分析类人才。

问题八：大数据可以做什么用处太多了

首先，精准化定制。

主要是针对供需两方的，获取需方的个性化需求，帮助供方定准定位目标，然后依据需求提品，最终实现供需双方的最佳匹配。

具体应用举例，也可以归纳为三类。

一是个性化产品，比如智能化的搜索引擎，搜索同样的内容，每个人的结果都不同。或者是一些定制化的新闻服务，或者是网游等。

第二种是精准营销，现在已经比较常见的互联网营销，百度的推广，淘宝的网页推广等，或者是基于地理位置的信息推送，当我到达某个地方，会自动推送周边的消费设施等。

第三种是选址定位，包括零售店面的选址，或者是公共基础设施的选址。

这些全都是通过对用户需求的大数据分析，然后供方提供相对定制化的服务。

应用的第二个方向，预测。

预测主要是围绕目标对象，基于它过去、未来的一些相关因素和数据分析，从而提前做出预警，或者是实时动态的优化。

从具体的应用上，也大概可以分为三类。

一是决策支持类的，小到企业的运营决策，证券投资决策，医疗行业的临床诊疗支持，以及电子政务等。

二是风险预警类的，比如疫情预测，日常健康管理的疾病预测，设备设施的运营维护，公共安全，以及金融业的信用风险管理等。

第三种是实时优化类的，比如智能线路规划，实时定价等。

问题九：大数据的内容和基本含义？ “大数据”是近年来IT行业的热词，大数据在各个行业的应用逐渐变得广泛起来，如2014年的两会，我们听得最多的也是大数据分析，那么，什么是大数据呢，什么是大数据概念呢，大数据概念怎么理解呢，一起来看看吧。

1、大数据的定义。大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

2、大数据的采集。科学技术及互联网的发展，推动着大数据时代的来临，各行各业每天都在产生数量巨大的数据碎片，数据计量单位已从从Byte、KB、MB、GB、TB发展到PB、EB、ZB、YB甚至BB、NB、DB来衡量。大数据时代数据的采集也不再是技术问题，只是面对如此众多的数据，我们怎样才能找到其内在规律。

3、大数据的特点。数据量大、数据种类多、要求实时性强、数据所蕴藏的价值大。在各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，我们需要搜索、处理、分析、归纳、总结其深层次的规律。

4、大数据的挖掘和处理。大数据必然无法用人脑来推算、估测，或者用单台的计算机进行处理，必须采用分布式计算架构，依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术，因此，大数据的挖掘和处理必须用到云技术。

5、大数据的应用。大数据可应用于各行各业，将人们收集到的庞大数据进行分析整理，实现资讯的有效利用。举个本专业的例子，比如在奶牛基因层面寻找与产奶量相关的主效基因，我们可以首先对奶牛全基因组进行扫描，尽管我们获得了所有表型信息和基因信息，但是由于数据量庞大，这就需要采用大数据技术，进行分析比对，挖掘主效基因。例子还有很多。

6、大数据的意义和前景。总的来说，大数据是对大量、动态、能持续的数据，通过运用新系统、新工具、新模型的挖掘，从而获得具有洞察力和新价值的东西。以前，面对庞大的数据，我们可能会一叶障目、可见一斑，因此不能了解到事物的真正本质，从而在科学工作中得到错误的推断，而大数据时代的来临，一切真相将会展现在我么面前。

问题十：大数据具体学习内容是啥？ HADOOPP 是一个能够对大量数据进行分布式处理的软件框架。但是HADOOPP 是以一种可靠、高效、可伸缩的方式进行处理的。HADOOPP 是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。HPCC高性能计算与通信”的报告。开发可扩展的计算系统及相关软件，以支持太位级网络传输性能，开发千兆比特网络技术，扩展研究和教育机构及网络连接能力。Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理HADOOPP的批量数据。为了帮助企业用户寻找更为有效、加快HADOOPP数据查询的方法，Apache软件基金会近日发起了一项名为“Drill”的开源项目。RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。Pentaho BI 平台不同于传统的BI 产品，它是一个以流程为中心的，面向解决方案(Solution)的框架。其目的在于将一系列企业级BI产品、开源软件、API等等组件集成起来，方便商务智能应用的开发。IT JOB

关系嘛，是有滴。石昊是荒天帝，曹宇生是段德，

叶倾仙来自无人区，可能是叶姓帝族之人。本书是遮天的前传加后传，是东哥为了填坑才将一切都串起来的。我推测是叶凡他们遇到了麻烦来求助乱古时代的石昊也就是荒天帝，只不过叶凡来早了，叶凡想找的是成了大帝的石昊。至于无终和无始也有一定联系，无始应是继承了无终的道继续走了下去为什么不说无始是无终的转世呢，因为无始是西皇母与大成圣体之子不像是转世之人。石昊说要开创新的修炼方法，这方法可能就是后来的荒古时代的方法，石昊还创造了轮回，后来曹宇生不断自封轮回成了段德，后来成仙觉醒了记忆，知道了石昊的存在，后来遇到大劫，这劫个人推测就是纪元劫了，劫后就是新的纪元了，这和仙古纪元的葬下类似，估计都是有人入侵了，估计都是红尘仙级别的，不然叶凡他们不至于扛不住来找石昊。结局猜测是石昊和叶凡共渡劫后一并开创了新的世界就是所谓的完美世界。把小说比喻成现实世界的话，叶凡穿越时空改变了历史这是天地法则所不容的所以压制很厉害。在遮天中原历史是石昊成荒天帝修补仙域炼制九龙拉棺造出了五色祭坛，但在完美世界中由于叶凡的求助改变了历史，这一点其实有个伏笔不知道你有没有注意到，柳神施法让石昊窥探未来，石昊看到的是好友全死了，就连柳神也枯死自己孤身一人，纵然强大却也无力回天，但石昊不允许这种情况发生，所以后来石昊应该是改变了历史的。全是个人的一些看法

cpu的发展史可分为以下25个阶段

1、1971年：4004

2、1972年：8008

3、1974年：8080

4、1978年：8086-8088

5、1982年：80286

6、1985年：80386

7、Intel RapidCAD 被遗忘的微处理器

8、1989年：80486

9、1994年3月10日：Intel Pentium中央处理器芯片

10、1996年：Intel Pentium Pro

11、1997年1月：Intel Pentium MMX