師兄上次看到我跑的結果，說少部分物件佔用大多數的訪問次數，很符合冪律定律（本質上是二八定律）

    copy了一段背景，瞭解下：

  自然界與社會生活中存在各種各樣性質迥異的冪律分佈現象。1932年,哈佛大學的語言學專家Zipf在研究英文單詞出現的頻率時,發現如果把單詞出現的頻率按由大到小的順序排列,則每個單詞出現的頻率與它的名次的常數次冪存在簡單的反比關係，這種分佈就稱為Zipf定律,它表明在英語單詞中,只有極少數的詞被經常使用,而絕大多數詞很少被使用。實際上,包括漢語在內的許多國家的語言都有這種特點。

    它的數學模型是：y

    冪律分佈表現為一條斜率為冪指數的負數的直線,這一線性關係是判斷給定的例項中隨機變數是否滿足冪律的依據

   1.論文中肯定要提到並介紹冪律定律，還要畫圖，所以我可能需要擬合一下

   關於擬合的部落格：https://blog.csdn.net/kevinelstri/article/details/52685934， 這個是用Python做的

   不過這個圖可以借鑑

        到時候用MATLAB擬合吧，https://zhidao.baidu.com/question/1704079865194178300.html

        這個介紹了方法，但是圖比較醜

        https://blog.csdn.net/sun_wangdong/article/details/46468097

   2.怎麼根據冪律定律來劃分資料冷熱呢？哪裡才是該一刀切的地方呢？

   目前想到的思路：

    1.根據第N+1個數和第N個數的差距（即斜率）來看，斜率最大的地方應該是一刀切的地方

                比如{400,200,20，19,19,19}

                他的差的絕對值序列應該為{200,180，1,0,0,}

                按照這種思路就應該是400/200,20....這樣並不合理

            2.在1基礎上改進，第N+1個數和第N個數的差距/第N個數，意味著在我的基礎上變了多少

            就比方說上面，雖然400-200差是200，但是隻變了400的50%

            200-20差是180，雖然低於200，但是變了90%

            3.第N+1個數/第N個數的比值，挑選比值最大的地方切開，其實這個思路好像就是第二種

     假設第N+1個數為a,第N個數為b,第二種就是b-a/b 或 a-b/b，即1-a/b或a/b-1,第三種就是直接a/b

     那就直接用第三種吧，思路比較簡單