宇宙维度的描述

1.各个维度的描述

三维空间:像是一幅静止的照片;

四维时空:像是一部视频,有一个进度条可以拖动以改变事物的进程,是无数张照片的集合;

五维时空:是无数部相同的视频在放映,只不过各自之间有一个时间差;

六维空间:出现了无数部完全不同、没有关联的片子,而每一部片子都按照上述五维时空的方式播放。

2.如何分辨电影中的时空穿越是几维穿越;

四维穿越:不会遇到另一个我,不论怎样穿越,始终在这个世界的高度融合,因为这本来就是原来那个世界;

五维穿越:会在那个世界遇到另一个我,但是无论我怎样努力,无法改变世界的进程。打个比方,假如你五维穿越回过去,杀死一个人;那么在你原本的世界中,这个人也一定被从另一个时空穿越回的人杀死。因为,这是相同的片子,仅仅播放进度不同。

六维穿越:会穿越到一个完全不同的世界,可能遇到另一个你,也可能根本没有你,甚至不一定有原本世界的任何东西,你可以随意改变该世界的进程,因为这和我们原本的五维世界没有关联。

时间: 2024-10-07 05:06:16

宇宙维度的描述的相关文章

宇宙和地球的终极实相

一个平凡的人Z 2014-02-22 11:46 前言:在写这篇文章之前,我的最高指导灵不断的给予我新的灵感,然后我震惊的发现--这些灵感完全来自于我以前写的一些文章!最后我通过把它们系统整理之后,就完成了这样的一篇文章! 好了,不讲废话了!在此之前,我先向大家提几个问题--什么是宇宙?宇宙诞生之前又是什么样子?宇宙究竟有多大? 看了盗梦空间,你是否会觉得自己现在好像是生活在一个大梦镜之中?看了黑客帝国,你是否会疑问,这个世界是真实的吗?我们是否也是生活在这样的一个系统模式之中?当你看到电视里面

数据结构(Java描述)之线性表

基础概念 数据结构:是相互之间存在一种或多种关系的数据元素的集合. 逻辑结构和物理结构 关于数据结构,我们可以从逻辑结构和物理结构这两个维度去描述 逻辑结构是数据对象中数据元素之间的关系,是从逻辑意义上去描述的数据之间的组织形式. 逻辑结构有4种: 集合结构(数据元素之间仅以集合的方式体现,元素之间没有别的关系) 线性结构(数据元素之间存在一对一的关系) 树(数据元素之间为一对多或多对一的关系) 图(数据元素之间为多对多的关系) 物理结构则是逻辑结构在计算机中内存中的存储形式,分为两种: 顺序存

为什么要维度建模

凡是建设数据仓库,一定会提到维度建模方法.这一方法是Kimball最先提出的,其最简单的描述就是,按照事实表.维度表来构建数据仓库.数据集市.在维度建模方法体系中,维度是描述事实的角度,如日期.商品.地址等,事实是要度量的指标,如用户数.销售额等.按照一般书籍的介绍,维度建模还会分为星型模型.雪花模型等,各有优缺点,但很少直接回答一个问题,也就是数据仓库为什么要采用维度建模? 这个问题的基本判断在于,数据是否要开放给业务人员使用?采用维度建模构建出来的数据库结构表更加符合普通人的直觉.易于被普通

事实表,维度,度量,指标之间的关系

事实表:每个数据仓库都包含一个或者多个事实数据表.事实数据表可能包含业务销售数据,如销售商品所产生的数据,与软件中实际表概念一样 维度:说明数据,维度是指可指定不同值的对象的描述性属性或特征.例如,地理位置的维度可以包括"纬度"."经度"或"城市名称"."城市名称"维度的值可以为"旧金山"."柏林"或"新加坡". 指标:衡量数据,指标是指可以按总数或比值衡量的具体维度

数据仓库系列-为什么要维度建模

凡是建设数据仓库,一定会提到维度建模方法.这一方法是Kimball最先提出的,其最简单的描述就是,按照事实表.维度表来构建数据仓库.数据集市.在维度建模方法体系中,维度是描述事实的角度,如日期.商品.地址等,事实是要度量的指标,如用户数.销售额等.按照一般书籍的介绍,维度建模还会分为星型模型.雪花模型等,各有优缺点,但很少直接回答一个问题,也就是数据仓库为什么要采用维度建模? 这个问题的基本判断在于,数据是否要开放给业务人员使用?采用维度建模构建出来的数据库结构表更加符合普通人的直觉.易于被普通

数据仓库系列之维度建模

上一篇文章我已经简单介绍了数据分析中为啥要建立数据仓库,从本周开始我们开始一起学习数据仓库.学习数据仓库,你一定会了解到两个人:数据仓库之父比尔·恩门(Bill Inmon)和数据仓库权威专家Ralph Kimball.Inmon和Kimball两种DW架构支撑了数据仓库以及商业智能近二十年的发展,其中Inmon主张自上而下的架构,不同的OLTP数据集中到面向主题.集成的.不易失的和时间变化的结构中,用于以后的分析;且数据可以通过下钻到最细层,或者上卷到汇总层;数据集市应该是数据仓库的子集;每个

程序员到项目经理:从内而外的提升

转自:http://www.cnblogs.com/watsonyin/archive/2012/09/10/2679528.html 目录 从程序员到项目经理(一):为什么要当项目经理 从程序员到项目经理(二):升职之辨 从程序员到项目经理(三):认识项目经理 从程序员到项目经理(四):外行可以领导内行吗 从程序员到项目经理(五):程序员加油站,不是人人都懂的学习要点 从程序员到项目经理(六):程序员加油站 — 懂电脑更要懂人脑 从程序员到项目经理(七):程序员加油站 — 完美主义也是一种错

一篇文章为你解读大数据的现在和未来

大数据的发展前提 关于大数据的概念其实在1998年已经就有人提出了,但是到了现在才开始有所发展,这些其实都是和当下移动互联网的快速发展分不开的,移动互联网的高速发展,为大数据的产生提供了更多的产生大数据的硬件前提,比如说智能手机,智能硬件,车联网,pda等数据的产生终端.这些智能通过移动通信技术和人们的生活紧密的结合在一起,在人流.车流的背后产生了信息流,也就产生了大量的数据. 其次就是移动通信技术的快速发展,在2G时代,无线网速慢,数据产生也非常慢,数据体量也不够,所以还是无法形成大数据,而到

OLAP了解与OLAP引擎——Mondrian入门(一)

一.  OLAP的基本概念 OLAP(On-Line Analysis Processing)在线分析处理是一种共享多维信息的快速分析技术:OLAP利用多维数据库技术使用户从不同角度观察数据:OLAP用于支持复杂的分析操作,侧重于对管理人员的决策支持,可以满足分析人员快速.灵活地进行大数据复量的复杂查询的要求,并且以一种直观.易懂的形式呈现查询结果,辅助决策. 二.  OLAP的基本内容 (1)变量(度量) 变量是数据度量的指标,是数据的实际意义,即描述数据"是什么".像示例中的人数.