打仗其实最讲成本核算,大炮轰的都是黄金,日军在中国就是不断赔本

十一月二十四号,四千多日军最先向蔚县、广灵方向进攻,杨成武效法红军时代的战术,全部撤出县城,跑到山地找落单的后勤部队,敲掉四百多人;另一路三千多日军进攻根据地,一直长驱直入到涞源,也是进展顺利,侧后部队却被打掉两百人。

日本人很快发现,和八路打仗完全不是那么回事。八路军通常不死守某个点,把物资转移后就会撤退,但占领空县城对鬼子来说实在没有意义,反而是补给线越拉越长,中途不停地被袭击,大批物资成了战利品。十二月十九号,毫无收获的日军不得不撤出了涞源。

从代县出发的日军运气更不好。他们一路上都受小股部队袭击,第二军分区的部队死盯在后方,打掉原平镇的一百来人;其他另外几股部队也不例外,进攻十分顺利,却找不到对手。

十二月十五号,一一五师的主力三四四旅也赶来凑热闹,四处打落单的敌人和后勤队,新成立的冀中人民自卫军还袭击了定县、新乐的车站,接着一二零师和一二九师都陆续赶来围观,这些人同样不跟鬼子纠缠,只管在公路上设埋伏,袭击运输车队。

十二月二十二号,鬼子终于省悟过来,他们是占领了几个空县,但成本着实吓人。大军一路上没碰到多少八路,只是莫名其妙地损失后勤部队,后方的据点更是兵力空虚,不停地被拨掉。经过绩效统计,一个多月时间里鬼子加伪军出动了两万多人,前后竟然被打掉两千,只占到几个没什么价值的县城,还要不停地在为补给问题发愁;而八路军则缴到三百多支枪和五万发子弹。

非常明显,这种生意是不能久做的,迟早有一天会赔光老本。面对游击队的嚣张,华北方面军很恼火,由于找不到解决办法,他们只能决定清仓止损,赶紧把部队撤回来,不要再丢人了。

晋察冀军区的这次胜利意义十分重大,影响十分深远。收到捷报之后,延安的毛/泽东很是高兴,根据前线的实际情况,他决定下放指挥权,延安的中央军委只负责方针政策,具体情况由根据地自行安排,总部不随便干涉。

蒋介石和毛/泽东都开始研究抢占资源的时候,裕仁也在头痛,甚至他比阎锡山还无奈。对日本来说,中国实在是太大了,就象一个强盗抢了十桌菜,既不舍得退回去,又没有那么大的胃口全部吃完。

以日本的甲种师团为例。考虑到鬼子的师团编制会有变动,我们以标准甲种驮马师团的大概编制数量为准:一个甲种师团有两个旅团(七千七百人),每个旅团两个步兵联队,另外四个专业兵种联队,分别是工兵(七百多人)、骑兵(五百多人)、炮兵(三千多人)、辎重联队(四千左右运输兵),一共八个。如果是占领任务,显然只有步兵联队比较胜任,把炮兵或辎重兵拆散了搞占领属于专业不对口。

一个步兵联队有三个步兵大队和一个炮队,其中步兵大队一千一百人,每个步兵大队里有四个步兵中队、八挺重机枪和两门步兵炮。一个步兵中队有一百九十个人,含三个步兵小队,每个小队(相当于排)五十四人,拥有两挺轻机枪、两个掷弹筒和两个步枪组(火力强劲),独立出动的时候,往往还能加几个人,变成六十或七十个人。

做一个简单的算术可以发现,一个师团能拆出来的步兵有四十八个中队,或者一百四十四个小队。考虑到八路军对付一百人以下的小队向来很有兴趣,如果要控制县城,最好是留中队比较合适,这样一个师团能驻守的县城大概是四十八个。

山西全境一共一百零五个县,还不算八路军已经开始渗透的河北、察哈尔,以及广大乡村。八路部队炮火不足,对付有步兵炮的大队一般拿不下来,收拾落单的小队、中队却是又准又狠;但如果不消灭游击队,相关区域就收不上粮食和财税,辎重部队也会遭到偷袭,而损失的枪弹又会武装出新的游击队。

很明显,又要守大后方防备游击队,又要在前线作战,单靠分兵防御是根本不够的,日本人头痛的正是这一点。虽然陆续调了一批伪军来帮忙,但鬼子也很清楚,伪军大部分都只能凑人数用,连自已家园都没有勇气守卫的人,能指望他们给侵略者守家吗?

后方一定是要确保的,不仅为了后勤和运输的畅通,还有一件更重要的事需要完成,叫做掠夺资源、以战养战。打仗是费钱的事情,军队天天要耗弹药、吃粮食,还要领军饷、花军费,时不时拉出去打群架,大炮一开火轰的都是金条,如果不能持续地抢来粮食、矿产、人力一类物资,仗就打亏了。

从八路军、晋军大批进入后方开始,抗战就分成了两个部分,一部分是前线重兵集团的搏杀,力图消灭对方有生力量、攻克关键要地;另一部分则是后方无声而惨烈的游击清剿战,双方都在争取地盘、获取尽可能多的资源,把对方拖到山穷水尽的地步。

需要说明的是,抗日战争里的敌后战场,从来不是某个党或某支军队的专利,国军和共军都有自已的敌后战场,而且都发展成几十、上百万大军过,只是因为各自方法不一样,两边的成果也有鲜明的对比。但是无论如何,抗战的时候,国军和共军的游击队都是出过力的,他们刺刀尖上,都有日本人的血。

红朝的那些事情(五五零)》

时间: 2024-08-02 00:21:15

打仗其实最讲成本核算,大炮轰的都是黄金,日军在中国就是不断赔本的相关文章

大数据应用领域都有哪些(一)

大数据现在是越来越火了,很多人都热衷于大数据的学习,也是因为当前大数据的应用领域有很多,那么大数据应用领域都有哪些呢?我们在这篇文章中给大家介绍一下这些内容. 首先就是了解和定位客户,了解和定位客户这是大数据目前最广为人知的应用领域.很多企业热衷于社交媒体数据.浏览器日志.文本挖掘等各类数据集,通过大数据技术创建预测模型,从而更全面地了解客户以及他们的行为.喜好.这样我们能够了解很多的内容. 然后就是了解和优化业务流程.现如今,大数据也越来越多地应用于优化业务流程,我们可以对供应链或配送路径进行

研究生阶段的大数据专业都学习什么科目?

相较本科阶段要学习的计算机编程语言,比如:java,linux,mysql等,研究生的大数据专业会更加深入一点,更多的是接触学习数据的采集与分析(Python.Scala),大数据的存储(hbase.hive.sqoop),学习处理软件,学习数学建模软件等等这方面的东西. 以武汉大学为例: 必修课主要包括:<大数据分析>.<多元统计分析与大数据建模>.<学科前沿进展> 选修课主要包括:<软件项目管理>.<信息安全技术>.<移动服务构架设计&

第十一讲:大消息处理

代码 https://yunpan.cn/cPns5DkGnRGNs   密码:3913 从这一节课开始,不是特殊的Demo,我们不再贴实例Demo的图片了,直接去网盘找响应的项目看 大型消息传送 大消息可能来源于某些场合,比如传输大文件,或者包含了二进制附件作为消息的一部分.消息本身也可能变得很大,例如当大量记录在客户和服务之间传输的时候.大型消息在传送时,会有很多需要考虑的因素,而不仅仅是简单地考虑适应消息的大小要求.当处理大消息时,就应该控制在现有效载荷规模,以减少带宽占用和处理开销,并分

大数据技术原理与应用:【第二讲】大数据处理架构Hadoop

2.1 Hadoop概论 创始人:Doug Cutting 1.简介: 开源免费; 操作简单,极大降低使用的复杂性; Hadoop是Java开发的; 在Hadoop上开发应用支持多种编程语言.不限于Java: Hadoop两大核心:HDFS+MapReduce HDFS:海量数据存储 MapReduce:海量数据的处理 2.起源: 原本是文本搜索库,模仿谷歌的搜索引擎: 融入了谷歌相关技术:分布式文件系统GFS:分布式并行编程框架MapReduce: 3.成名史:数据排序 的傲人成绩 4.特性:

整天研究竞争对手?大神们都在看什么?!

不论是刚建的新站,还是已经拥有可观流量的老站,竞争对手是一直都有的,也就是说几乎全部的SEO从业人员在进行优化工作的过程中,免不了的步骤就是研究竞争对手的数据,进而挖掘出关键词.高质量外链平台等信息,然后应用到自身站点上.关于这个问题,万马奔腾小编想,作为专业的SEO从业者一定不会陌生,但对于那些新手SEOer而言,研究竞争对手到底都需要看什么呢? 从SEO专业角度来说,竞争对手研究是市场竞争研究中最为重要的部分,该过程可以帮助站长朋友判断特定关键词的竞争程度以及了解该行业的整体状况.因此小编在

大数据处理系统都有哪些?(批处理系统与迭代计算系统)

我们在前面的文章中给大家介绍了数据查询分析计算系统,数据查询分析计算系统是一个比较常见的系统,其实除了这一个数据查询分析计算系统还有很多系.我们在这篇文章中给大家介绍一下批处理系统和迭代计算系统,希望这篇文章能够给大家带来帮助. 我们首先说说批处理系统.批处理系统中的MapReduce是被广泛使用的批处理计算模式.MapReduce对具有简单数据关系.易于划分的大数据采用"分而治之"的并行处理思想,将数据记录的处理分为Map和Reduce两个简单的抽象操作,提供了一个统一的并行计算框架

大数据处理系统都有哪些?(流式计算系统)

我们在上一篇文章中给大家介绍了批处理系统以及迭代计算系统.这两种方法都是比较抽象的,我们在这篇文章中给大家介绍一种Facebook经常使用的流式计算系统,希望这篇文章能够给大家带来帮助. 流式计算系统就是因为流式计算具有很强的实时性,需要对应用源源不断产生的数据实时进行处理,使数据不积压.不丢失,常用于处理电信.电力等行业应用以及互联网行业的访问日志等.在Facebook 的 Scribe. Apache的 Flume. Twitter的 Storm. Yahoo的S4.UCBerkeley的S

月薪3万+的大数据人都在疯学Flink,为什么?

身处大数据圈近5年了,在我的概念里一直认为大数据最牛的两个东西是Hadoop和Spark.18年下半年的时候,我突然发现身边很多大数据牛人都是研究学习Flink,甚至连Spark都大有被冷落抛弃的感觉.何以至此,Flink是个什么鬼? Apache Flink(简称Flink)是一个分布式大数据处理引擎,可对有限数据流和无限数据流进行有状态计算.可部署在各种集群环境,对各种大小的数据规模进行快速计算. 大数据生态圈很庞大,优秀的框架和组件就笔者了解的不下20个,为何Flink如此受宠?那么多人而

Oracle中国区大裁员:昔日辉煌不再,退出中国市场?

近日Oracle裁员的消息已经霸占了各大头条,中国区研发中心1600人直接裁掉了近六成,高达900人. Oracle裁员的目的非常明确.为了重组,任何部门都可能成为此次裁员的目标.据报道,不仅非核心部门被裁员,甚至一些云计算业务的员工也被裁员.虽然Oracle在数据库市场有着良好的声誉,但其发展前景却逐渐暗淡. 2018财年,甲骨文总收入398.31亿美元,比上一财年的377.28亿美元增长6%:净利润为38.25亿美元,较上一财年的93.95亿美元下降59%.虽然中国市场的收入尚未披露,但亚太