矩阵乘法分为四种情况，本质是一样的，都是向量之间的运算。

1. 向量乘向量（点积）
2. 矩阵乘向量（右乘）
3. 向量乘矩阵（左乘）
4. 矩阵乘矩阵

方差（Variance）衡量随机变量的离散程度，它是各个数据点与期望之差的平方和的期望。

具有有限均值和方差的任何分布，样本均值的分布都会接近正态分布。即中心极限定理（Central Limit Theorem）。

因此，宇宙中，由许多微小独立随机因素影响的量，可以被认为具有正态分布。

当使用通道来串行化任务时，我们因此创建了一个异步流。在异步编程中很容易搞砸，尤其是有额外的要求时，比如超时和取消。 真实世界的例子，是从文件读取器逐行读取数据，然后传递给另一个异步工作的文本解析器。

我找到了一个通用模式，可以用易于理解的代码覆盖大多数这样的场景。

异步生产者后跟同步消费者。

大部分模式都有一个共同点，那就是通过接口连接生产者和消费者。接口的抽象是关键，它反映了对底层类型的深刻理解。知道这一点可以简化事情，无论我们处理的是什么场景，或者使用的是什么语言。

至于为什么现在有这些模式，还有多少尚未被发现，以及背后的数学本质是什么，我也还无法回答。