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 order
● SIMD
● SIMT
● SMT
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
涉及：游戏开发、课程设计、常用软件开发、黑客等等...
