写给即将上岗的码农们

江水滔滔

前两天公司学院的同学给我看了一下即将入职的应届生的数量，真是不少。感慨一下，一批新人即将到来，而自己又老去了一岁。码农是一个必将终身学习的职业。而相关的知识越来越多了。接下来该学什么？接下来该干什么？这个需要你对自己，对这个行业，对供需关系有自己的判断。

码农需要学习的对于这么多的知识，我把它们分成这些类别

大致上每一类知识对应了一个分工的角色。

这三个模块构成了所谓的基础架构。他们解决的都是机器，以及机器引起的问题。主要的问题就两个：
可用性问题：机器都是会出故障的，软件也会有bug。利用软件冗余提高系统的可用性。利用良好的运维自动化系统，用人类来解决重大的系统性故障。成本问题：合理配置资源。运维自动化。理解硬件，最大化硬件利用效率。利用算法和数据结构，构造高效的系统。如何在性能满足的情况下，保证一致性。
这四个模块解决的都是人的问题。现在还需要人来写大量的复杂的代码。因为代码量很大，就需要很多的人来共同协作。复杂的人性，加上复杂的代码逻辑和分工。共同构成了这么一个接近艺术的领域：
解决分工的问题：这些复杂度需要被管理起来，使得代码可以被理解。管理的手段一般被称之为架构。从编程语言，到大量的框架和库，到业务的模块划分。大量的代码不是解决机器的问题，也不是在解决业务的问题。这些代码是在解决人的问题。解决个体开发效率和质量的问题：编码指的是类似测试驱动开发等教你如何做好写代码工作的知识。解决群体开发效率和质量的问题：测试指的是黑盒测试，白盒测试这些。解决无法按时交付的问题：项目管理的目标是把各种参与方整合起来，按进度完成目标。
这四个模块一般都是割裂成不同的角色来分工的。但是实际上是互相关联的。比如不好管理的项目，往往是复杂度管理方面出了问题。

所有其他的一切都是围绕业务来做的。最终的目标是用计算机来做一些有价值的事情。计算机程序有两种编码方式：
用人来写：需要理解业务，编写业务逻辑。需要组织一帮人来写，需要分工。分工不能瞎来，得基于对业务的理解来。所以部分的复杂度管理是和业务领域高度相关的。用机器来写：同样也是需要理解业务，选取特征。在业务理解的基础上，用合适的数学工具，降低计算复杂度。但是编写程序的过程是由机器来完成的。而且学习出来的模型不需要人来理解和修改，所以不存在复杂度管理的问题。
机器学习得到的程序是一种基于模式匹配的机器，目前这种机器仍然无法直接对规则类代码进行编写。看似和人工编码的规则是相辅相成的关系。但是某种程度上是在替代人工编码的规则的。规则类代码实现规则只是手段不是目的。从优化的角度来说，规则只是一种优化的手段。法律也只是优化社会稳定性这个指标的一种手段。

然后可以列一个目录，我们可以看到和码农相关的知识类别还是很多的。很多年轻的朋友，一说起要学习。就是要学习golang，要学习网络知识。掌握底层技术栈的码农虽然仍然稀缺，但是这个问题领域的需求并不如过去那么旺盛了。不要把鸡蛋放到一个篮子里，综合性地建立自己地知识体系会对长远发展更有帮助。
解决机器的问题如何减少时间和空间复杂度：算法和数据结构如何用排序提高效率如何用哈希提高效率如何用算法保证分布式一致性如何利用好硬件：理解硬件CPU/GPU是如何应对内存延迟高随机读带宽小的问题的OoO: out of orderSIMDSIMTSMT如何让人类更好地在半自动化系统下工作：自动化如何让人类更好地影响自动化了的部分：发布变更如何让人类更好地收到反馈，分析处理灾难：监控告警解决人的问题解决分工问题：复杂度管理按结构分工按时序分工按层次分工按同时同地发生的不同特性来分工按计算的依赖层次分工：具体场景的，模板业务逻辑的，流程平台的，基础架构的解决个体开发的效率和质量问题：编码如何最大化对个体的反馈测试驱动开发日志可视化解决群体开发的效率和质量问题：测试如何让一群人获得整体的反馈解决按期交付问题：项目管理解决业务问题人工编码让一群人干好活：复杂度管理在这个业务场景下，如何分工才能最小化沟通如何才能理解业务之间的联系：沟通来自业务内在的耦合微服务领域驱动开发面向对象：单变量派发，多变量派发干好我的活：业务逻辑熟练的使用框架和库：踩在巨人的肩膀上，快速落地。要能快速学习新的语言和框架证明业务收益：效果评估，置信度找到业务价值：数据分析理解业务如何运作：业务流程的理解和建模软件可用性：如何让用户喜欢，高效。基本的交互设计能力视觉设计：至少得会画界面原型产品设计：竞品分析，市场研究机器学习提高业务得到的收益降低计算成本
复杂度管理部分，展开一下

相同空间，相同时间：在一个点上多股“不相关”的逻辑汇聚到了一起

1、功能性需求和非功能性需求的同时处理，比如计费和内存分配，同时管理。很多类型申明的活是为了硬件优化，比如const和immutable。处理特定编解码的逻辑，和

2、正常流程和多种异常流程的同时处理，高可用需要额外加很多代码。但是和主线业务的理解是无关的。

3、同时操作多个CPU核：用一条指令操作说明多个并行的计算流程，比如SIMD本质上是把并行的计算用一个指令流来操作

4、多线程共享的代码：要考虑同一段代码被多个线程并行执行的各种交错的时序

5、不同侧面的业务需求同时处理：发单和促销和运力撮合

备注1：相关和不相关和阅读者有关。特别是非正交的业务需求。

备注2：分开了之后也未必就不复杂了。有些时候存粹就是解决方法太笨拙。有些事情是问题本身就是一个逻辑上很复杂的求解过程。

相同空间，不同时间：

1、不幂等的代码。有副作用的代码。全局变量多的代码。两次执行会有不同的结果，需要考虑之前的状态。

不同空间，相同时间：

1、在多份代码上保持概念上的完整性。极端例子是拷贝的代码。让多个模块都认一个概念（比如n元组），也算是维护概念完整性。

2、在多个存储上保持数据上的一致性

3、完整的一段逻辑被拆成特别细碎的小函数，造成每个函数都没法说明自己到底干了啥。这里函数也可以换成微服务。

不同空间，不同时间：

1、同一个流程的多个步骤逻辑被打撒到了步骤的代码里，和该步骤的其他业务混到了一起。没有一个视觉上可见的实体来代表一块前后有密切联系的“功能特性”。

2、跨越多个代码库，多个时间点的职责上的循环依赖

简单来说可以归纳成两种：

1、需要关注到一个物体的时候，没法聚焦。分散到很多地方了，或者被其他逻辑淹没了。

2、同时跟踪多个物体