Распределение запросов

Кластер как один из методов критического мышления

Современная система образования ориентирована на формирование у учеников самостоятельного мышления. Критическое мышление является педагогической технологией, стимулирующей интеллектуальное развитие учащихся. Кластер — один из его методов (приемов).

К особенностям критического мышления относят наличие трех стадий:

• вызов,
• осмысление,
• рефлексия.

На первом этапе происходит активизация, вовлечение всех участников коллектива в процесс. Целью является воспроизведение уже имеющихся знаний по данной теме, формирование ассоциативного ряда и постановка вопросов, на которые хочется найти ответы. На фазе осмысления организуется работа с информацией: чтение текста, обдумывание и анализ полученных фактов. На стадии рефлексии полученные знания перерабатываются в результате творческой деятельности и делаются выводы.

Прием кластера может применяться на любой из стадий.

• На этапе вызова дети высказывают и фиксируют все имеющиеся знания по теме, свои предположения и ассоциации. Он служит для стимулирования познавательной деятельности школьников, мотивации к размышлению до начала изучения темы.
• На стадии осмысления использование кластера позволяет структурировать учебный материал.
• На стадии рефлексии метод кластера выполняет функцию систематизирования полученных знаний.

Возможно применение кластера на протяжении всего урока, в виде общей стратегии занятия, на всех его стадиях. Так, в самом начале дети фиксируют всю информацию, которой они владеют. Постепенно, в ходе урока, в схему добавляются новые данные. Желательно выделять их другим цветом. Данный прием развивает умение предполагать и прогнозировать, дополнять и анализировать, выделяя основное.

Частые ошибки в работе с кластеризаторами по ТОПу

Неверно подобрана «сила». Подгоняйте ее, пробуйте разные пороги. Мы кэшируем выдачу, которую получили, и вы можете переформировать выдачу по той же самой тематике достаточно быстро, буквально в течение нескольких минут.

Сделано один раз и «на века». Очень частая история, когда сделали семантику, сделали кластеризацию и дальше все время так будем делать

Важно пересматривать семантику, удалять запросы, которые либо не идут в топ, либо потеряли какую-либо популярность, и добавлять новые запросы, которые появляются в каждой тематике.

Слепое доверие инструментам. Инструмент не может знать лучше специалиста

Специалист должен менять релевантную, если ему кажется, что что-то не так.

Как появились кластеры: краткая история

Причиной появления кластеров служат разработки в области компьютерных сетей. Так, в начале 1970-х годов группой разработчиков протокола TCP/IP и лабораторией Xerox PARC были закреплены стандарты сетевого взаимодействия, и уже в 1971 году в США (штат Пенсильвания) появился первый кластер C.mpp. Однако, механизмы для распределения задач были созданы только в 1983 году. Этим занималась компания Sun Microsystems. Первым коммерческим проектом является кластер ARCnet, созданный компанией Datapoint в 1977 году. Он стал настолько прибыльным, что это затормозило развитие кластеров до 1984 года, когда компания DEC создала VAXcluster на основе операционной системы VAX. В 1989 году вышел в свет готовый проект под названием Parallel Virtual Machine (PVM). Благодаря PVM появилась возможность мгновенного создания кластеров. В 1995 году было создано семейство кластеров Beowulf, позволяющее объединить компьютеры единой сетью передачи данных.

Таким образом, основными достоинствами кластеров считают возможность распределенных вычислений, высокую производительность и отказоустойчивость, благодаря которым возрастает скорость работы с данными и уменьшается риск их потери в случае выхода из строя одного из компьютеров. Поэтому кластеры являются неотъемлемой частью технологий работы с большими данными (Big Data), включая различные направления Data Science, такие как аналитические системы на базе алгоритмов машинного обучения (Machine Learning) и других методов искусственного интеллекта. Например, здесь мы рассказываем о структуре и принципах работы кластеров Apache Kafka.

• Администрирование кластера Kafka
• Kafka Streams для разработчиков
• Интеграция Apache Kafka для разработчиков
• Администрирование кластера Arenadata Streaming Kafka

Источники

1. https://www.stekspb.ru/autsorsing-it-infrastruktury/it-glossary/server-cluster/
2. https://ktonanovenkogo.ru/voprosy-i-otvety/klaster-chto-ehto-takoe.html

Альтернативы кубернетис

Итак, большой и сложный K8s не нужен при следующих условиях:

• число управляемых контейнеров невелико (до 100);
• нет желания или возможности разбираться с особенностями внутренней работы Kubernetes;
• требуется быстрый и недорогой DevOps-инструмент для обеспечения CI/CD pipeline.

Существует множество альтернатив Kubernetes: Docker Swarm, Apache Mesos, Nomad, Fleet, Aurora, Rancher, Amazon EC2 Container Service, Microsoft Azure Container Service . Данные системы оркестрации контейнеров не столь масштабны, как K8s, однако они выполняют наиболее востребованные функции быстрого развертывания приложений и запуска микросервисов на виртуальных кластерах, что существенно облегчает жизнь администраторам Big Data систем и DevOps-инженерам . А для чего вообще нужна оркестрация контейнеров в Big Data, а также каковы преимущества и недостатки виртуальной контейнеризации, читайте в нашей следующей статье.

Самые популярные системы оркестрации контейнеров

Источники

1. https://ru.wikipedia.org/wiki/Kubernetes
2. https://blog.strangeman.info/devops/docker/2016/08/21/docker-orchestration-summary.html
3. https://www.xelent.ru/blog/chto-takoe-orkestratsiya-konteynerov/
4. https://dvps.blog/minimalnoie-sravnieniie-swarm-kubernetes-mesos-nomad-rancher/

Что хорошего в том, чего у меня нет?

Очень часто мы концентрируем свое внимание на том, что неправильного или плохого в ситуации. Затем мы начинаем осуждать себя и/или других, в том что они поступили неправильно, допустив такой вариант событий

Затем мы начинаем осуждать себя и/или других, в том что они поступили неправильно, допустив такой вариант событий.

Соответственно то, на чем вы фокусируете свои мысли, притягивает все больше энергии. Поэтому спрашивая, «Что хорошего в том, что у меня не получилось это?»притягивает вашу энергию к тому, что хорошо и элиминирует процесс осуждения.

Подумайте сколько раз в вашей жизни происходили события, в которых вы себя осуждали за несостоятельность.

Например, пережив такую неприятность, как потеря работы.

Когда же вы оглянетесь назад на эту проблему (возможно после того, как получите работу получше) вы поймете, что сам факт потери работы, на самом деле был для вас положительным событием. Задавая себе этот вопрос, вы меняете восприятие, и соответственно это влияет на ваш дальнейший опыт.

4 | Вы не чувствуете удовлетворения после решения проблемы.

Если вы не испытываете радости и чувства выполненного долга после решения проблемы, вы никогда не станете успешным программистом.

Отсутствие “позитива” после успешного решения проблемы относится к предыдущему признаку — быстрому отказу от поиска решения. Когда устранения багов и недочетов становится бесконечной рутиной, вы забываете об удовольствии, которые приходит при решении проблемы.

Когда вы находите решение, вы получаете необходимую дозу дофамина. Это похоже на эмоции, которые вы испытываете, проходя уровень в видеоигре, или решая судоку или кроссворд. Мы все знаем, что если после долгого и сложного решения задачи, вы все-таки одерживаете верх, то испытываете положительные эмоции. Но если вы больше их не испытываете, или вообще никогда не придавали этому значения, вы не испытаете удовольствия от программирования. Если программирование для вас — скучная работа, где вам просто нужно достичь результата легчайшим способом, вы никогда не станете действительно успешным программистом.

Радуйтесь своим успехам: Когда вы решаете проблему, над которой долго бились, независимо от её сложности, гордитесь выполненной работой, отдыхайте и поздравляйте себя. Дайте чувству удовлетворения проникнуть в вас и наполнить энергией для решения следующей проблемы.

Множество небольших, специализированных кластеров

При данном подходе вы используете отдельный кластер для каждого развертываемого элемента:

Множество мелких кластеров

Для целей этой статьи под развертываемым элементом понимается экземпляр приложения — например, dev-версия отдельного приложения.

В данной стратегии Kubernetes используется как специализированная среда выполнения для отдельных экземпляров приложения.

Давайте рассмотрим плюсы и минусы этого подхода.

+ Ограниченный «радиус взрыва»

При «поломке» кластера негативные последствия ограничиваются лишь теми рабочими нагрузками, которые были развернуты в этом кластере. Все другие workload’ы остаются нетронутыми.

+ Изоляция

Рабочие нагрузки, размещенные в индивидуальных кластерах, не имеют общих ресурсов, таких как процессор, память, операционная система, сеть или другие сервисы.

В результате мы получаем жесткую изоляцию между несвязанными приложениями, что может благоприятно сказаться на их безопасности.

+ Малое число пользователей

Учитывая, что в каждом кластере содержится лишь ограниченный набор рабочих нагрузок, сокращается число пользователей с доступом к нему.

Чем меньше людей имеют доступ к кластеру, тем ниже риск того, что что-то «сломается».

Давайте посмотрим на минусы.

− Неэффективное использование ресурсов

Как упоминалось ранее, каждому кластеру Kubernetes требуется определенный набор управляющих ресурсов: мастер-узлы, компоненты контрольного слоя, решения для мониторинга и ведения логов.

В случае большого числа малых кластеров приходится выделять бóльшую долю ресурсов на управление.

− Дороговизна

Неэффективное использование ресурсов автоматически влечет за собой высокие затраты.

Например, содержание 30 мастер-узлов вместо трех при той же вычислительной мощности обязательно отразится на расходах.

− Сложности администрирования

Администрировать множество кластеров Kubernetes гораздо сложнее, чем работать с одним.

Например, придется настраивать аутентификацию и авторизацию для каждого кластера. Обновление версии Kubernetes также придется проводить по несколько раз.

Скорее всего, придется применить автоматизацию, чтобы повысить эффективность всех этих задач.

Теперь рассмотрим менее экстремальные сценарии.

Каким образом это может улучшиться?

Говорите себе это каждый раз когда, случается что-нибудь хорошее.

Если вы нашли деньги, скажите: «Как эта ситуация может стать еще лучше?»

Приведу историю одной женщины, которая нашла пенни на земле, и спросила себя:«каким образом эта ситуация может улучшиться?»

Вскоре после этого, она нашла 10 долларовую купюру, на заднем сиденье такси, она задала вопрос еще раз: «как это может стать еще лучше?»

Через какое-то время она заметила блестящий предмет в дренажном канале, им оказался бриллиантовый браслет.

К сожалению, подняв его, она сказала себе: «Не может быть ничего лучше, чем это!» и лучше больше не стало.

Также говорите: «Каким образом это может улучшиться?», когда с вами случаются неприятности.

Если у вашей машины спустило шину, спросите: «Как это может стать лучше?»

Если у вашего ребенка неприятности в школе…«Каким образом это может улучшиться?»

Это приглашение Вселенной к тому, чтобы показать вам как на самом деле ситуация может стать лучше.

Если же вы не можете придумать какой вопрос себе задать (на какую тему), попробуйте:

Чтобы я спросил, если б знал, что просить?

Может показаться странным, но есть вероятность, что этот вопрос окажется самым лучшим и самым эффективным!

Регулярное применение этих вопросов постепенно изменит вашу реальность.

Главный секрет же кроется в том, что вы сами создаете эту реальность и свою жизнь на Земле!

Вы творите ее ежедневно.

Почему бы не делать это по личному желанию?

Почему бы не развлечься и получить удовольствие от этого творческого процесса? Что будет, если вы сможете создать реальность по своему желанию? 

Автор — Сара БиерманФото — wallpapers13.com

1 | Вам не хватает любопытства

Если вам не очень интересны компьютеры и технологии, вам никогда не стать успешным программистом.

Обязательным условием обучения является живой интерес к предмету, который вы изучаете. Если у вас нет интереса к технологиям, вам не хватит энергии, которая необходима для получения глубоких знаний, необходимых успешному программисту.

Мир технологий словно огромный океан интересных тем, взаимосвязанных идей и возможностей, которые могут разбудить ваше воображение. Нужна врождённая внутренняя мотивация, чтобы осмелиться погрузиться в него и исследовать всё, что можно.

Найдите свои интересы: Спросите себя, действительно ли вас интересует программирование? Если ваш честный ответ “нет”, найдите что-нибудь другое, что будет вам более интересно. Поберегите время и силы. Но если ответ “да”, заставляйте себя постоянно находить что-то новое, чего вы раньше не замечали. Познайте этот огромный океан и погрузитесь ещё глубже.

7 | Вы не можете думать самостоятельно

Если вы ждете, что кто-то подумает за вас, и вы не хотите сами обращать внимание на детали, вы никогда не станете успешным программистом. Когда вы изучаете что-то новое, очень часто может казаться, что вам не хватает знаний и опыта, чтобы иметь свое мнение

Проявление инициативы или какие-либо ошибки кажутся вам рискованными

Когда вы изучаете что-то новое, очень часто может казаться, что вам не хватает знаний и опыта, чтобы иметь свое мнение. Проявление инициативы или какие-либо ошибки кажутся вам рискованными

У каждого из нас есть внутренний страх допустить ошибку. Если этот страх перед ошибкой уничтожает ваши интерес и любопытство, вы подавляете свою способность получать реальные знания, которые получаются путем проб и ошибок. Если вам нужен совет “гуру”, популярного блогера, готовое решение или ответ из учебника, вы не получаете настоящих знаний о программировании.

Вам нужно самому понимать, что будет работать, а что нет. Вы должны понимать, почему ваше решение сработает, и каковы его достоинства. Вы должны иметь конкретную точку зрения, которая не ограничивается очевидными понятиями. Вы должны уметь отстоять свое мнение. И даже если вас убедят его изменить, вы сможете понять и отстоять новую точку зрения.

Думайте сами: Формируйте собственное мнение, основанное на вашем опыте и критическом мышлении. Делайте обоснованные предположения, отстаивайте свою позицию, но будьте готовы изменить мнение, если появляется новая информация.

Один кластер на каждое окружение

Данный сценарий предусматривает выделение отдельного кластера на каждое окружение:

Один кластер на окружение

К примеру, у вас могут быть кластеры dev, test и prod, в которых вы будете запускать все экземпляры приложения, предназначенные для определенной среды.

Вот плюсы и минусы такого подхода.

+ Изоляция prod-среды

В рамках этого подхода все окружения оказываются изолированными друг от друга

Однако на практике это особенно важно для prod-среды

Production-версии приложения теперь не зависят от происходящего в других кластерах и средах.

Таким образом, если в dev-кластере внезапно возникнет проблема, prod-версии приложений продолжат работать как будто ничего не случилось.

+ Кластер можно подстроить под среду

Каждый кластер можно подстроить под его окружение. Например, можно:

• установить в dev-кластере инструменты для разработки и отладки;
• установить тестовые фреймворки и инструменты в кластере test;
• использовать более мощное оборудование и сетевые каналы в кластере prod.

Это позволяет повысить эффективность как разработки, так и эксплуатации приложений.

+ Ограничение доступа к production-кластеру

Необходимость работать с prod-кластером напрямую возникает нечасто, так что можно значительно ограничить круг лиц, имеющих к нему доступ.

Можно пойти еще дальше и вообще лишить людей доступа к этому кластеру, а все развертывания выполнять с помощью автоматизированного инструмента CI/CD. Подобный подход позволит максимально снизить риск человеческих ошибок именно там, где это наиболее актуально.

А теперь несколько слов о минусах.

− Отсутствие изоляции между приложениями

Основной недостаток подхода — отсутствие аппаратной и ресурсной изоляции между приложениями.

Несвязанные приложения совместно используют ресурсы кластера: системное ядро, процессор, память и некоторые другие службы.

Как уже упоминалось, это может быть потенциально опасным.

− Невозможность локализовать зависимости приложений

Если у приложения имеются особые требования, то их приходится удовлетворять во всех кластерах.

Например, если приложению необходим GPU, то каждый кластер должен содержать по крайней мере один worker с GPU (даже если он используется только этим приложением).

В результате мы рискуем получить более высокие издержки и неэффективное использование ресурсов.

Дельта в кластерном анализе

Помимо объема, кластера могу показывать нам и дельту. Это разница между проторгованными объемами продавцов и покупателей.

Дельта = ASK — BID

Если дельта положительная, это значит что покупателей больше, чем продавцов, если дельта отрицательная, то на оборот — продавцов больше, чем покупателей на данном ценовом уровне.

Трейдеры разделяют несколько видов дельты:

• Умеренная (возникает, как правило, во флете, примерно одинаковое количество покупателей и продавцов, так называем баланс).
• Нормальная (это обычно трендовая фаза, где видно сильно преобладание какой либо стороны).
• Критическая (разворот и зарождение нового тренда).

Какие бывают кластеры: основные виды

Кластер — это разновидность параллельной системы (обработка данных идет на всех узлах параллельно), которая состоит из нескольких связанных между собой компьютеров, а также используется как единый вычислительный ресурс. Кластеры подразделяются на следующие категории:

1. Кластеры высокой доступности (High Availability, HA), которые имеют избыточное количество узлов, тем самым гарантируя непрерывную работу кластера в случае отказа одного или нескольких узлов. Таким образом, кластеры высокой доступности являются самыми отказоустойчивыми. Кластеры HA делятся на 3 типа:

• с холодным резервом: активный узел выполняет поступающие запросы, а пассивный ждет его отказа. Пассивный узел включается в работу только при выходе из строя активного;
• с горячим резервом: все узлы выполняют запросы до тех пор, пока не произойдет сбой. В случае сбоя нагрузка перераспределяется между оставшимися рабочими узлами;
• с модульной избыточностью — это кластеры, которые не допускают простоя системы. Все узлы одновременно выполняют один и тот же запрос. Таким образом, необходима гарантия того, что результаты работы различных узлов всегда будут одинаковы.

1. Кластеры распределения нагрузки (Network Load Balancing, NLB): принцип работы основан на распределении запросов через один или несколько входных узлов, которые перенаправляют их на обработку в остальные рабочие узлы. Основная цель NLB — достижение наибольшей производительности.
2. Вычислительные кластеры — это кластеры, использующиеся для больших вычислений, в частности для каких-либо научных исследований. Для вычислительных кластеров характерно наличие очень мощного процессора, так как требуется высокая производительность в операциях над большими числами, в частности над числами с плавающей точкой (float). Такие кластеры позволяют уменьшить время расчетов, разбивая задание на параллельные ветки вычислительных узлов, которые обмениваются данными по сети.
3. Кластер серверов — это группа серверов, которые логически объединены между собой и используются как единый ресурс. Чаще всего серверы в таком кластере группируются посредством локальной сети. Кластер серверов активно используется при разработке и тестировании кластерных или серверных приложений.

Применение метода кластер

Метод кластера может применяться практически на всех уроках, при изучении самых разных тем.

Форма работы при использовании данного метода может быть абсолютно любой: индивидуальной, групповой и коллективной. Она определяется в зависимости от поставленных целей и задач, возможностей учителя и коллектива. Допустимо перетекание одной формы в другую. Например, на стадии вызова, это будет индивидуальная работа, где каждый учащийся создает в тетради собственный кластер. По мере поступления новых знаний, в качестве совместного обсуждения пройденного материала, на базе персональных рисунков и с учетом полученных на уроке знаний, составляется общая графическая схема. Кластер может быть использован как способ организации работы на уроке, и в качестве домашнего задания

В последнем случае важно наличие у учащихся определенного опыта в его составлении

Поле, полное грабель

Рассказывает Андрей Сысоев, руководитель направления и технический эксперт HPC/AI компании Lenovo в странах Центральной и Восточной Европы.

Многим производственным и инжиниринговым компаниям суперкомпьютеры жизненно необходимы, иначе они попросту потеряют конкурентоспособность на своем рынке. Но есть два важных момента — во-первых, суперкомпьютеры требуют ощутимых финансовых вложений (уникальные решения всегда стоят дорого), а во-вторых, им нужна профессиональная техническая экспертиза и поддержка.

Самый простой путь — приобрести готовый суперкомпьютер. Такие решения для разных задач предлагают некоторые мировые вендоры. Но, подобные системы стоят немалых денег и не всегда подходят для решения каких-то уникальных задач. Второй вариант — в целях экономии сделать суперкомпьютер своими силами, подбирая компоненты из числа доступных на рынке и нанимая внешних специалистов по различным подсистемам (в этой сфере почти нет универсальных экспертов — над созданием машины всегда работает команда). Кому-то методом проб и ошибок удается построить HPC-кластер с нужными характеристиками, но зачастую результат «самодеятельности» далек от ожидаемого, а время реализации проекта увеличивается многократно. Уникальность накладывает свои ограничения. В мире не так уж много специалистов, способных построить настоящий HPC-кластер и обеспечивать его нормальное функционирование.

Типичные ошибки, как правило, начинаются на этапе проектирования. Каждая отрасль, будь то инженерия мостов, фармацевтика или авиапромышленность, имеет свои особенные задачи. Нельзя построить эффективный суперкомпьютер «вообще» — в каждом случае требуется учитывать нюансы конкретного спектра задач (даже в пределах одной отрасли). Проектировщик подобных систем должен разбираться во всех тонкостях создания кластеров и тех задач, которые будет решать машина. Любая ошибка, даже единственный неверно подобранный компонент, может дорого обойтись. Скажем, в одном из проектов от HPC-кластера не удавалось добиться нужных характеристик, оказалось, что причина в соединительных кабелях, на которых решили сэкономить (не уведомив при этом интегратора). Поиск и устранение дефекта заняли полгода, а это прямые потери для бизнеса. Избежать подобной ситуации поможет использование готовых протестированных и сертифицированных референтных (эталонных) архитектур известных мировых производителей. Либо, в случае совсем уж уникальных задач — привлечение специализированных команд глобальных вендоров.

Если проектирование прошло успешно, споткнуться можно на этапе реализации проекта: компоновка и подключение компонентов в суперкомпьютер — это не то же самое, что собрать обычный коммерческий компьютерный комплекс. Здесь нужны специальные навыки, обучение, и огромный практический опыт, не говоря уже о фундаментальных знаниях. Второй момент — программное обеспечение. Для суперкомпьютеров ПО тоже требуется специальное, и в ряде случаев заказчики могут попытаться использовать вместо проверенных и протестированных коммерческих пакетов, продукты c открытым исходным кодом (open source). Это допустимый и даже распространенный вариант. Но он приемлем лишь в том случае, если у компании имеется понимание того, кто будет обеспечивать работоспособность и поддержку платформы на протяжении всего времени эксплуатации HPC-кластера (а это, может быть, десять и более лет). В данном случае наименее рискованным вариантом представляется использование качественного коммерческого ПО с привлечением сертифицированных специалистов для его установки и настройки.

Сложности могут начаться и на этапе эксплуатации кластера и здесь не обойтись без профессиональной технической поддержки. В противном случае заказчик рискует остаться один на один со своими проблемами. Для эффективной эксплуатации необходимы профильные специалисты, которые могут эмулировать нагрузку и умеют работать с прикладным кодом. Суперкомпьютер эффективная, но очень сложная система, на любом этапе проектирования, создания и поддержки которой могут возникнуть технические трудности. Для их преодоления нужны знания и опыт. В то же время, готовых специалистов по HPC на открытом рынке совсем немного (и никто из них не сидит без работы). Так где же их находят?

Программирование улучшает память и когнитивные навыки

С возрастом ухудшается наша способность запоминать новое и память в целом, но в одном из исследований учёные обнаружили, что «интеллектуальные занятия служат буфером, который сглаживает когнитивный спад».

Проще говоря, занятия, которые требуют значительных умственных усилий, такие как программирование, помогают бороться с потерей памяти и укреплять здоровье мозга.

Комментирует переводчик

К слову, деменция может настигнуть не только в старости: ранняя деменция диагностируется у людей в возрасте от 30 лет. Учёные считают, что риск её снижается, если питаться сбалансированно, поддерживать физическую активность и активность мозга.

Программирование — отличная зарядка для ума. И вряд ли хуже решения кроссвордов, изучения иностранных языков или разгадывания головоломок. Ведь, согласно этому исследованию, программирование соответствует всем критериям мыслительной деятельности, которая действительно улучшает мозг:

• Во-первых, это интенсивная когнитивная деятельность.
• Во-вторых, она интеллектуально трудна.
• И в третьих, она подразумевает изучение чего-то нового.

Кадр: фильм «Сноуден»

В человеческом мозге два полушария: левое и правое. Правое отвечает за интуицию и воображение, левое — за аналитическое и логическое мышление.

При программировании задействованы функции обоих полушарий, поэтому оно развивает мозг комплексно. Оно усиливает когнитивные способности, которые отвечают за обучаемость, преодоление интеллектуальных трудностей, запоминание информации.

Комментирует переводчик

Кажется, здесь автор повторяет популярный миф о том, что левое и правое полушария работают по-разному. Эта теория появилась во второй половине XX века с лёгкой руки лауреата Нобелевской премии Роджера Сперри.

Позднее учёные выяснили, что, каким бы делом ни был занят человек, в нём участвуют оба полушария, причём разные зоны — в зависимости от вида деятельности, но вот доминирующих сторон не наблюдается. Например, в этом исследовании нейробиологи сделали магнитно-резонансную томографию тысяче человек, чтобы опровергнуть подобные заблуждения.