现代社会分工协作越来越细化，软件微服务化也是其中趋势之一，现在做的系统涉及到模块越来越多，调用链路越来越长，排查问题越来越困难，但这与飞机、汽车、手机等比起来还是简单很多，即便是我们用的最多的手机都是有上百零件组装的，他们里面各组件相关人的协作管理的思想可以被我们现在微服务间软件协作管理参考借鉴。
针对微服务化应用链路追踪的问题，Google在2010年发表了论文《Dapper, a Large-Scale Distributed Systems Tracing Infrastructure》，这篇文章是业内实现链路追踪的标杆和理论基础，具有非常大的参考价值。目前链路追踪组件主要有Google的Dapper，Twitter 的Zipkin，以及阿里的Eagleeye （鹰眼）等，它们都是非常优秀的链路追踪开源组件。
实际项目中若已引入Spring Could sleuth包，则默认会在打印日志时输出traceId、spanId等内容，若它调用一个也是用Spring Could sleuth的服务，则会自动传递traceId
类似这种traceId的传递操作，在服务内多采用ThreadLocal或MDC的方式，在分布式微服务时一般在request header或url参数中传递。
一个分布式服务跟踪系统主要由三部分构成：
数据收集
数据存储
数据展示
根据系统大小不同，每一部分的结构又有一定变化。譬如，对于大规模分布式系统，数据存储可分为实时数据和全量数据两部分，实时数据用于故障排查（Trouble Shooting），全量数据用于系统优化；数据收集除了支持平台无关和开发语言无关系统的数据收集，还包括异步数据收集（需要跟踪队列中的消息，保证调用的连贯性），以及确保更小的侵入性；数据展示又涉及到数据挖掘和分析。虽然每一部分都可能变得很复杂，但基本原理都类似。
排列与组合使我们了解我们周围世界的实际概率，事物是如何排序的，以及我们应该如何思考这些事。
1913年，在蒙特卡罗赌场。当轮盘赌连续26次落在黑色区域的时候，一群赌徒因此损失了数百万美元。当时在场的人一致认为，下次会落在红区。每次落在黑色区的时候，他们就认为落在红色的区的可能性更高。我们将这种错误称为蒙特卡罗谬误（或者赌徒谬误）——假设先前的结果会影响未来的结果。
而实际上，未来的结果也是独立的。换句话说：人们是在假设一个随机的过程变得不那么随机，而且随着不断被重复而更容易被预测。
阿莫斯·特沃斯基和丹尼尔·卡尼曼认为这种思维方式是“典型性试探法”的组成部分，他们指出我们越是相信我们可以控制随机事件，我就越可能被赌徒谬误所击垮。
复利是一个非常重要，非常底层的模型，马太效应、临界点效应、边际成本递减等等思维模型都可以从这个模型推导。
金钱并非复利效应会发生作用的唯一领域，思想想法和情感关系也是一样。在有形领域，复利增长会受到物理条件的限制，从而导致回报递减；而在无形领域，复利增长更为自由。复利还导致了货币的时间价值，这也是现代金融的基础。
复利原理要表达的意思是：
1、复利周期内看似不起眼的小进步或者小退步，假以时日，则会让本体产生超乎想象的巨大进步或者退步。
2、做事耐心点，把时间当做朋友。
3、不要高估你一年能做成的事，也不要低估你五年能做成的事。
让人沉浸在心流中的条件需要：
1、明确的目标，合适难度的任务——既不会焦虑也不会无趣。
2、及时的反馈——对进步的满足感。为何游戏如此受欢迎，就是游戏的设计满足心流理论，如果游戏的定义扩大，把学习、工作、运动、教育包含进来，去评估自己在做的事是否满足心流三点，这样一生都会过的幸福快乐。
3、发挥自己的某种能力
4、精神完全集中，对手上的事情有控制力
心流状态是我们能够在工作中达到的最美好、最平和的状态，由一种心流状态又会产生新的心流状态，那些充实的人们能够成功地将它们的一生变成一种单纯的心流状态。它们生命中各个部分紧紧地连接到了一起，所有活动都有了意义。
我们做人做事都要顺应大势，从波谷到波峰，到达波峰转势也得及时调整方向，一个人的能量在大势的巨大能量面前微不足道。而首先要顺应的是最大能量的波所指示的方向。
研究也表明，每次交流，绝大多数人通常只会记住对方的语调、言行举止和给人的感觉，你的身体语言，将会占到总体印象的93%。重视这些，是提升有效社交的关键一环。
那我们怎么训练自己的身体语言呢？对着镜子练习吗？作者给出了更好的训练方法：录制视频。每次录制两、三分钟，然后像看电影一样观察，对视频中的声音、神态、肢体动作仔细体会，留心其中最吸引自己的地方，以及哪些姿势看起来不自然，需要改进。视频可以反复回放、暂停，还可以拿给别人指点。