有些事儿,工程师可能今生仅此一次

郑昀 创建于2016/9/15 最后更新于2016/9/18

关键词:深度思考,碎片化阅读,做论文,深入研究,


早先在《技术高手如何炼成》一文中提到,我会问面试者,你日常如何构建自己的知识体系。有人会觉得你怎么就问出这么宏大的问题?知识体系,这是什么鬼?


面试时的交谈

工作之后你做过这样的事情吗?

面试是一个谁主张谁举证的过程,有时候需要面试者举出实例,自我证明。

而我认为问一些我们工作中遇到的难题和业务场景是在“欺负”面试者,所以我喜欢问开放型问题:

在你工作之后,你有没有像做毕业论文一样对某一个 Topic 做过深入研究?如果有,请举例,说得越详细越好。


为什么要问这个问题?


因为我和面试者之间经常会发生这样的对话:


我:平常看什么技术网站?

Ta:某某技术新闻站,某某博客网,某某微信公众号……

我:最近有什么觉得不错的文章,印象比较深,能给我讲讲吗?

Ta:……

我:#¥^&#讲个标题也行。

Ta:想不起来。

我(汗):那你平常怎么学习的?你毕业之后通过哪些方式构建自己的知识体系,讲给我听听。

Ta:看书(经过追问发现最近几年其实没读完过几本书,甚至连书名都记不住几个)。看视频(网络教学视频)。看技术网站(多半停留在首页上……)。跟朋友聊天(QQ群,微信群,……,斗表情包,无比巨大的噪音)。

我:这样吧,你工作之后有没有针对工作中遇到的某一类问题,抽象出一个 Topic,有针对性地调研和做试验?

Ta:……有吧……

我:你说的这个事儿,其他公司是怎么解决的?

Ta:……


新员工的试炼

我会告诉面试者,你来了之后,除了做业务之外,还必须做一个技术预研课题,课题范围可大可小,你不仅仅要做试验,还要公开分享你的所思所得。


WHY?


因为微信里收藏10000+篇技术文章,

因为知乎里收藏10000+个答案,

因为云笔记里离线复制了10000+篇文章,

……

很快乐,但并没有什么卵用。


碎片化阅读是很舒服,但意义不大,看似每天收获满满,其实都成为过眼烟云。重复一下著名的学习金字塔留存率观点:我们读过的,知识留存率是10%。


我和面试者之间还经常会发生这样的对话:


我:这个思路/技术选型是谁提出来的?

Ta:技术经理/领导/项目经理……

我:有没有比较过其他实现思路?请讲一下各自的优缺点。

Ta:领导让这么干的,所以没比较过……


针对某一个课题,深入思考,多方调研,做试验证明,很多工程师可能今生仅此一次:他大学毕业时做毕业论文的那次…………


如果长期满足于东点点,西点点,今天可能是 Webpack、npm、Gulp,明天可能是 Spark、机器学习、流式计算,假设你过目不忘,知识的广度倒是有了,但缺乏深度,长此以往,可能彻底毁掉了深度思考的能力。


所以,我们要“训练”,强制性要求你从定义问题开始,训练自己主动搜索、主动链接、主动构建知识、主动试验、有始有终的能力。


定义问题

首先我们提出的问题,它必须是有重要意义、急需结果、目标是商用,但可能没有现成的、确定的解决方案,同时这个问题必须能够给整个团队创造学习机会,提供发展个人和组织技能的机会。

那么通过讲述我们看到了什么,想解决什么,通过你我不断的思考和讨论,直到你能清晰地抽象出一个明确具体的问题——这个时候,问题其实已经解决了一半。


举例。

我们的平台由数以百计的形形色色分布式服务构成,每一个请求一路走来,会经过多个业务系统并留下足迹,并产生对各种 Cache 或 DB 的访问。作为访问入口的 App 开发部门首当其冲会接到用户投诉,然而请求会被随机分配到集群的各个节点,所以找到对应的日志片段,理清调用关系,找到在哪里断的,成为一个令人生畏的工作。

如何解决?前提是先定义出一个好问题。

拿“分布式系统”、“集群”、“日志”、“排查”等等关键字,去搜索,去看各种顶级团队的博客,去看各种架构师演讲资料,终于把问题聚焦于“分布式跟踪(Distributed Tracing)”这个命题。

于是,问题被抽象为一个 Topic:

如何实现分布式跟踪:追踪每个请求的完整调用链路,收集调用链路上每个服务的调用参数和异常堆栈,统计每个服务的性能数据;可视化调用链,可视化服务质量。


主动构建知识

曾经看到过这么一句话:

只能不断地学习基础知识以及和这个技术(问题)关联的知识,就像 Wikipeida 一样,当你进入一个词条的时候,就会伴随一堆新词条,于是,当多年后,我看到 “知识广度是深度的副产品”这句话时,简直就是说到我的心里去了


仍以上面的例子举例。

确定了分布式跟踪的大方向之后,我们可以收集整理出各个公司在这个 Topic 上的实践,Google的Dapper,淘宝的鹰眼,Twitter的ZipKin,京东商城的Hydra,eBay的Centralized Activity Logging (CAL),大众点评网的CAT。

接下来我们还可以整理出它们的架构思路和优缺点,我们可以发现有的解决方案对工程侵入太重,给开发者造成了额外的负担,有的解决方案依赖于该公司特有的、闭源的技术体系。


主动做试验

怎么设计试验,通过什么数据,打算证明什么,这也是一种能力。

举例。

在实现实时数据大屏的时候,我们的一位工程师在 MySQL+Canal 后接入分布式消息队列时,试验了 Kafka 和 RocketMQ,目的是,第一求证能否确保严格的消息顺序,这是数据库变更订阅希望看到的,第二做一下压力测试,比较一下二者的性能。


有始有终

我这里说的有始有终,包含几个意思:

毕竟这是一个商业应用,是要上线的,前前后后都要考虑清楚。我们考虑哪些点?首要的就是监控报警。其次是线上数据如何迁移,线上应用如何接入。再次是性能。

公开分享你的所思所得,不仅做,还要写下来,还要说出来。你一定要输出你在这个问题上构建的知识结构,帮助自己,帮助大家,共同进步。



如是重复再重复,训练再训练,不妨试试看遵循 70-20-10 的学习法则:70%的学习时间放在针对现实生活和工作中遇到的任务、问题解决,20%的学习时间放在人与人之间正式的、非正式的反馈、辅导,10%的时间学习知识和信息(可能是碎片化的学习,也可能是读书)。

这样可能像把你装进一个沙袋里吊起来,从四面八方用狼牙棒打你,酣畅淋漓。


-EOF-

赠图一枚:
这棵树长得很程序员

 

 RT 王大神仙:你是开发,她是产品,你跟他PK了一天需求,她需求有了,你的代码呢?

 

posted @ 2016-09-18 23:01 旁观者 阅读(...) 评论(...) 编辑 收藏