Why OO sucks

你不是在重复我的话么？

赋值是一个与时序相关的操作,也就是具有并发性的IO(以运算器的视角).
因此赋值不是绝对不能用的，相反是绝对必需的.
赋值不是FP能够解决的问题,赋值与FP是互相独立没有交集的,因为lambda演算和图林机一样从来不关心IO问题.
赋值也不是十恶不赦的，十恶不赦的只是那些企图掩盖他并发性的方法,比如Von Nnumann 结构.

http://zh.wikipedia.org/wiki/冯·诺伊曼结构

冯·诺伊曼结构（von Neumann architecture），也称普林斯顿结构，是一种将程序指令存储器和数据存储器合并在一起的电脑设计概念结构。本词描述的是一种实作通用图灵机的计算装置，以及一种相对于平行计算的序列式结构参考模型（referential model）。

本结构隐约指导了将储存装置与中央处理器分开的概念，因此依本结构设计出的计算机又称储存程式型电脑。

冯·诺伊曼瓶颈

将CPU与内存分开导致所谓的冯·诺伊曼瓶颈。在CPU与内存之间的流量（资料传输率）与内存的容量相比起来相当小，在现代电脑中，流量与CPU的工作效率相比之下非常小，在某些情况下（当CPU需要在巨大的资料上执行一些简单指令时），资料流量就成了整体效率非常严重的限制。CPU将会在资料输入或输出内存时闲置。由于CPU速度以及内存容量的成长速率远大于双方之间的流量，因此瓶颈问题越来越严重。

而冯·诺伊曼瓶颈是约翰·巴科斯在1977年ACM图灵奖得奖致词时第一次出现，根据巴科斯所言：
……确实有一个变更储存装置的方法，比借由冯·诺伊曼瓶颈流通大量资料更为先进。瓶颈这词不仅是对于问题本身资料流量的叙述，更重要地，也是个使我们的思考方法局限在‘一次一字符’模式的智能瓶颈。它使我们怯于思考更广泛的概念。因此编程成为一种计划与详述通过冯·诺伊曼瓶颈的字符资料流，且大部分的问题不在于资料的特征，而是如何找出资料。


在CPU与内存间的快取内存抒解了冯·诺伊曼瓶颈的效能问题。另外，分支预测（branch prediction）算法的建立也帮助缓和了此问题。巴科斯在1977年论述的“智能瓶颈”已改变甚多。且巴科斯对于此问题的解决方案并没有造成明显影响。现代的函数式编程以及面向对象编程已较少执行如早期Fortran一般会“将大量数值从内存搬入搬出的操作”，但平心而论，这些操作的确占用电脑大部分的执行时间。

http://zh.wikipedia.org/w/index.php?title=%E5%B9%B3%E8%A1%8C%E8%A8%88%E7%AE%97&variant=zh-cn

并行计算或称平行计算是相对于串行计算来说的；所谓并行计算可分为时间上的并行和空间上的并行。 时间上的并行就是指流水线技术，而空间上的并行则是指用多个处理器并发的执行计算。并行计算科学中主要研究的是空间上的并行问题。 空间上的并行导致了两类并行机的产生，按照Flynn的说法分为：单指令流多数据流（SIMD）和多指令流多数据流（MIMD）。我们常用的串行机也叫做单指令流单数据流（SISD）。MIMD类的机器又可分为以下常见的五类：并行向量处理机(PVP)，对称多处理机(SMP)，大规模并行处理机(MPP), 工作站机群(COW)，分布式共享存储处理机(DSM)。

访存模型 并行计算机有以下四种访存模型：均匀访存模型（UMA），非均匀访存模型（NUMA），全高速缓存访存模型（COMA），一致性高速缓存非均匀存储访问模型（CC-NUMA）和非远程存储访问模型（NORMA）。

平行计算模型

不像串行计算机那样，全世界基本上都在使用天才计算机科学家冯·诺依曼的计算模型；并行计算机没有一个统一的计算模型。不过，人们已经提出了几种有价值的参考模型：PRAM模型，BSP模型，LogP模型，C^3模型等。

水，无色透明

为什么无色透明呢?

经验

不过，并行计算（或者平行计算）这东西，会对我们的编程模型有影响吗？
只要无状态，就可以并行吧。

oh,你看过100杯水是无色透明的,你怎么知道101杯水也是透明的?

物理实验本来就是这样的，由经验，再总结规律，再验证规律对不对。

规律用什么描述呢？
100杯水是无色透明的，所以所有的水都是无色透明
1000杯水是无色透明的，所以所有的水都是无色透明
10000杯水是无色透明的，所以所有的水都是无色透明
......?