软件技术职业选择之道.pdf

前言过去 20 年，中国互联网蓬勃发展，计算机专业也随之成为香饽饽，就业缺口巨大，吸引了大量的年轻学子投身其中，而他们也成为建设中国互联网的中坚力量。然而，随着每年计算机专业毕业的人数越来越多，以及其它专业半路转到计算机行业就业的人数变多，计算机专业就业的前景不再那么确定了。一个具体的表现就是，企业对应届生的要求越来越高。再加上幼儿编程的兴起，以及计算机技术门槛的降低，未来编程也许会成为人们的通用技能。那么，计算机技术的未来发展趋势是怎样？计算机专业的就业前景如何？这是很多求学的同学们所关心的话题。对于这个话题，也是我们所关心的，蚂蚁每年都会举行校招活动，吸引广大应届生加入。因此我们邀请了在蚂蚁一线的技术专家和管理者，介绍他们本方向的技术发展趋势，谈谈他们对职业选择的建议，希望能对你有所帮助。操作系统：摘取软件行业皇冠上的明珠5数据库：正处机遇期，人才需求旺盛9软件工程：为数十亿用户设计架构14网络安全：步入与 AI 结合新时代20人工智能：计算机的再发展25技术风险：疯起来连自己都打35前端开发：未来已在路上414000 字面试心经，教你如何打动支付宝面试官47目录操作系统：摘取软件行业皇冠上的明珠操作系统：摘取软件行业皇冠上的明珠操作系统。原来，这原本是秦承刚团队的一个技术预研项目，在 18 年的时候，云原生已经很火热，但 Serverless 出现没多久，不被人们广泛接受，承刚预判到这项技术未来会有很大的潜力，因此选择这个方向进行技术攻关。由于涉及到一些前瞻性的技术，团队需要科研力量的加入，也就是与高校展开学术合作。余天依本身出自上海交大，通过她在当中作为技术沟通桥梁，团队顺利和上海交大并行与分布式系统研究所搭上线，双方展开合作。论文中用到的操作系统是 Google 于 2018 年开源的 gVisor，论文在操作系统层面优化了 Serverless 场景下的实例启动时延，能够在几毫秒内完成操作系统与应用的启动。承刚团队所研发的轻量级操作系统也是基于 gVisor，不过给它做了诸多改进与功能增强，在虚拟化技术网络协议栈上做了很多创新。其中很多改进会逐步回馈给开源社区，上述论文就是其中一个例子。应届生如何参与系统研发上面的论文只是承刚团队工作的冰山一角，他们所研发的系统软件是蚂蚁可信原生技术拼图的重要一块。所谓可信原生技术，是在社区的云原生技术基础上，实现软硬件全链路的安全性，让整个系统无论从内部还是外部都无法被攻破，从而实现可信任。过去人们讨论云原生时，安全问题并没有受到太多关注。而云原生里的容器，相比虚拟机，更容易引发安全问题。在云原生中，传统容器共享同一个 CPU 等资源，缺乏隔离性，一旦一个容器发生安全问题，很可能影响到其它容器，甚至入侵整个系统。承刚团队所研发的系统软件，在底层操作系统和容器应用之间添加了一层隔离，从而提升了安全性。操作系统：摘取软件行业皇冠上的明珠操作系统：摘取软件行业皇冠上的明珠程师需要与底层软硬件打交道，需要深入理解操作系统与处理器的运作原理，这个过程是很枯燥的，如果没有热情很难坚持下来。另外，系统软件和行业软件不一样，行业软件在入职一到两周后就可能会有产出，但系统软件可能需要更长的周期，这也需要坚持下来的定力。其次，对应届生来说，想从事系统软件研发，需要学好计算机专业基础课程，把基本功打扎实，对于计算机硬件、处理器、操作系统、虚拟化等要熟悉它们的功能和原理。另外，需要持续学习，比如可以自学一些系统软件相关的论文和书籍，关注最新的学术进展，在这里，承刚也推荐了几本书籍，让同学们可以提前了解：1.ComputerArchitecture:AQuantitativeApproach2.SystemsPerformance:EnterpriseandtheCloud3.UnderstandingtheLinuxKernel4.奔跑吧Linux 内核5.系统虚拟化原理与实现另外，如果从事这个领域，还需要关注的学术会议包括：OSDI、SOSP、ASPLOS、EuroSys 等。不过，系统软件研发并不是高不可攀，高校学生在校期间就可以参与，首先从熟悉 Linux 系统开始，了解系统原理后，开发一些小功能，甚至小工具和脚本，也可以提升自己对系统软件的理解。这一项的进阶版本就是参与系统软件的开源社区，比如 Linux 内核、gVisor 等等，从最基本的翻译编写文档，到参与某项功能模块的开发，通过这些行动，同学们可以快速的成长。最后，如果对系统软件研发感兴趣，想了解如何面试，也可以看看前辈的面试经验，祝大家都能早日找到自己满意的工作 数据库：正处机遇期，人才需求旺盛数据库：正处机遇期，人才需求旺盛据库领域变革的潮流，各种用途、类型的数据库如雨后春笋般出现，如时序数据库、图数据库等，不再有一个数据库包打天下，不同的数据库服务于不同场景，这就是多样化的含义。其次是云化，云化的内涵是要让数据库变得和电和水一样，随取随用，这对数据库的灵活性和可扩展性提出了极高要求。分布式数据库天然支持水平扩展，传统关系型数据库则难以和云一样进行扩展。但是，企业在管理重要数据时，为了数据一致性，仍然需要关系数据库。从上图可以看到，虽然非关系型数据库火过一段时间，但关系数据库还是今天整个企业数据管理平台的主流。所以，未来的数据库也必然是关系数据库，同时具备分布式的特征。将关系数据库和分布式结合成为大势所趋，这种新型数据库也被称为云数据库或者 NewSQL。同时具备分布式和关系数据库特点的代表之一就是 OceanBase，从 2017 年起，OceanBase 承担了支付宝所有核心业务的数据，并支撑多年双 11 超高峰值。2019 年 10 月，OceanBase 登顶 TPC-C 排行榜，打破了该测试保持近 10 年的记录，也证明了分布式关系数据库这条技术路线的正确性。数据库：正处机遇期，人才需求旺盛数据库：正处机遇期，人才需求旺盛说，一般需要在不同岗位多锻炼几年，才能独当一面。而无论是产品型还是研究型，都属于研发人员，对于刚出校门的应届生，需要具备一些基本素质。首先，技术基础很重要，对于大学里学习的课程，如数据结构、算法、操作系统等，需要好好掌握，这些技术基础也将在之后的职业生涯里提供非常大的帮助。其次，数据库是一个偏工程实践的行业，因此会重视候选人的动手实践能力，无论是在导师手下做项目，还是在公司的实习经历，都会给面试加分，也会让你提前了解到数据库研发是一个什么样的职业。最后，对于搞研发的人员来说，还有一些素质决定他们未来成长的潜力或者高度，包括好奇心、学习的主动性等。只有对技术充满热情和好奇心，并且能够克服懒惰和枯燥学习未知的技术，才能在研发这条路上走下去。OceanBase 团队是如何培养应届生的OceanBase 数据库在对外开放以来，吸引了众多外部客户，已经服务的包括建设银行、南京银行、中国人保健康、西安银行等。研发需求量大增，对于人才的缺口很大，在今年的校招中，也希望能招募到优秀的应届生人才。杨老师介绍，成功入职 OceanBase 团队的应届生，会根据个人的特点，分配到不同的开发小组，负责从产品模块到数据库内核的研发。对于应届生的成长，团队也提供了全面的培养。首先是蚂蚁的“师兄文化”，会为每一位新人配上师兄，通过师兄的传帮带，帮助新人找到自己的位置和价值，跨越专业技能和方法方面的障碍，更好的融入整个公司的文化氛围，提升技术实力。其次是技术分享和培训。OceanBase 团队的技术分享和别人不同的地方在于，别的团队是老人分享新人听，而 OceanBase 团队是新人分享大家听，无论是阅读论数据库：正处机遇期，人才需求旺盛软件工程：为数十亿用户设计架构软件工程：为数十亿用户设计架构从 2005 年成立以来，支付宝逐渐成长为拥有 12 亿用户的数字生活开放平台，在它背后，是不断演进的技术架构在做支撑。在过去，我们已经分享过了支付宝伴随着双十一大促一路走来的技术演进，今天，我们邀请到了支付宝全局架构师曹刚，请他给大家分享一下，给 12 亿用户设计架构是什么体验。所谓全局架构师，就是为整个公司的架构治理和架构演进提供服务的人。不过曹刚也并不是一开始就成为全局架构师，而是从一线研发开始做起，和支付宝共同成长。支付宝全局架构师曹刚软件工程：为数十亿用户设计架构软件工程：为数十亿用户设计架构在这段时间里，曹刚也参与了公司四代架构的改造。在阿里 ALLIN 无线之后，支付的业务量激增，表现在双十一大促上，则是支付峰值每年都会翻上好几倍。因此对金融网络的高可用和高并发的设计也成为曹刚关注的重点。在应对高峰流量的挑战时，除了支付宝所做的分布式架构和单元化之外，每年双十一曹刚还会和银行方一起做扩容和压测，形成了一整套应对大促的容量规划和全链路压测的体系。“双十一大促，从一定程度上改变了整个国内的银行业 IT 基础能力。”对于这句话，作为这些年在一线和银行并肩作战的人，他的感受是最深刻的。2016 年，应公司的的需要，曹刚加入了成立不久的财富事业群，成为财富领域的架构师。虽然同是架构师，但和之前相比，金融网络偏业务底层，是金融基础设施的一部分，并不直接面对最终用户；财富则类似于支付业务的收银台，更贴近一线业务，属于业务的最上游，他的职业转变相当于从业务最下游转到最上游，改变还是很大的。在这段时间里，曹刚最大的收获是对业务的理解更加深入，视野更加开阔，对架构的整体结构理解更加清晰。做金融网络架构的时候是从底层往上看，看的不是特别全面，在财富领域看业务可以更加完整，可以深刻的理解支付宝的这套架构体系。包括理解每一个领域的内容在整个业务过程中充当什么角色和位置，以理财产品为例，今天我们为什么要上这个理财产品，这个理财产品需要从哪个金融机构引进来，引进的过程中涉及哪些领域的合作才能让产品成功上架面对用户等等问题，都是他在做财富领域架构师之后学习到的。担任财富领域架构师期间，曹刚推动金融资产交易这一层的架构从烟囱型变成平台型，打造了一个金融资产中台。在过去，理财产品分为很多业务线，包括余额宝、基金、定期、黄金等，都是烟囱化建设，曹刚将其中各类资产公共的、通用的部分抽象出来，沉淀为平台统一为各类业务提供服务，包括理财资产统一登记、计量，资金清算流程统一等，同时又保持每个业务各自的灵活性，这非常考验架构师对架构分与合的判断能力和权衡能力。软件工程：为数十亿用户设计架构软件工程：为数十亿用户设计架构的数字生活开放平台、数字普惠金融平台，我们要建设新一代的技术架构体系去更好的支撑业务战略提升，业务在高速发展，要在整个公司层面进行这样的架构升级，相当于给飞行中的飞机换引擎，需要全局统筹，善于取舍和决断，对全局架构师提出了非常大的挑战。从上面可以知道，全局架构师的工作极端重要，同时对能力和经验都有很高要求，为了更广泛的吸纳人才，支付宝决定向全社会招募全局架构师。至于全局架构师需要什么的人才，曹刚本身就是一个很好的模板：在垂直领域取得成绩，具备一定的技术影响力，可以认为是这个领域的权威；能力已经被证实过，有带领中型以上团队的经验，同时又追求更大领域的发展和格局，希望到更大的平台来发展。这就是支付宝对全局架构师候选人的画像。另外，支付宝内部还有一个架构文化，从最开始的鲁肃老苗，通过传帮带而传承下来，其中也包括全局架构师需要具备的四种能力或特质：首先，需要有业务洞察能力，全局架构师更多的偏业务架构和应用架构，因此对于自己所负责的领域要有独到的理解。就拿支付宝来说，你要理解它做的支付本质是什么？解决什么问题？底层是什么？包括支付、账务、清算、结算、交易平台等等，都需要有自己的理解。其次要保持心态开放，有些问题一线的同学可能感受没那么强烈，比如两个团队之间的一些合作效率上的问题，但架构师要来解决的话可能伤害到同学们，那么到底要不要解决呢？这里就涉及到具体的权衡，而在这个过程中，要保持开放的心态，要能够容忍各种矛盾。第三个是架构师需要具有全局视野，做架构本质是权衡和取舍，如果决策的时候只能看到一部分，那么结果就是盲人摸象，决策肯定会出问题。要解决局部领域的问题，需要从全局视野出发，否则最后的方向可能与整个公司的方向背道而驰。而这条对于全局架构师更加是必备的素质。软件工程：为数十亿用户设计架构网络安全：步入与 AI 结合新时代网络安全：步入与 AI 结合新时代在 2020 支付宝合作伙伴大会上，已有 12 亿用户的支付宝宣布转型数字生活开放平台。海量用户，还要对外开放，在这背后，需要极强的安全风控能力。但一般人不知道的是，如此重大艰巨的任务背后，也有着历届应届生的功劳。应届生如何参与支付宝安全风控的核心研发？我们找到了支付宝安全部门的资深技术专家王维强，请他给我们做一下介绍。支付宝安全团队的数据大牛们随着时代发展，业务安全风控逐渐走入人工智能时代，支付宝安全团队就招募了几位 KaggleGrandmaster。Kaggle 是安东尼高德布卢姆（AnthonyGoldbloom）2010 年在墨尔本创立的，主要为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台。该平台已经吸引了超过 100 万名数据科学家的关注，可以说是数据科学行业最大的交流平台。KaggleGrandmaster 是在 KaggleCompetitions 平台上举办的比赛中，连续取得非常优异的成绩才会获得的头衔，可以说是数据科学方面万里挑一的顶级高手。目前，Kaggle 只有 180 位 Grandmaster。支付宝安全团队近几年陆续招募了三位 KaggleGrandmaster，他们的强项各不一样，有的擅长对结构化数据进行特征挖掘，有的对图像检测识别非常精通，还有的对 NLP、深度文本挖掘方面很有研究。崔世文就是其中的一位，在 2019 年，他和蚂蚁的其它几个小伙伴们组队，利用业余时间在 KDDCup2019RegularMLTrack 全球竞赛中获得冠军，这项比赛被网络安全：步入与 AI 结合新时代网络安全：步入与 AI 结合新时代支付宝安全团队的业务非常有挑战性，团队拥有数据科学领域各个方面的人才，横向学习的氛围很浓。也正是这些原因，让这些大牛心甘情愿的加入团队。其中还有一位同学拒掉了外部的高薪 offer 来到蚂蚁，因为短期利益不如长期价值。另外，他们也认可支付宝安全团队所做的事情，认可支付宝对于用户和社会的价值，认同支付宝做事情简单的价值观，跟一群有情有义的人去做一些有意义的事情。做安全为何要这么多数据人才支付宝安全团队需要保护 12 亿用户的账户和资金安全，责任重大，那么他们具体需要做哪些事情呢？业务上来讲，安全团队需要负责建设和维护支付宝账号体系、资金交易、商家服务的一整套业务安全防控机制。比如用户的账号是不是被盗了，某笔交易是不是被诈骗了，交易是否用于违规违禁用途如赌博等，还有如商家行为违反监管规定等，这些都会对支付宝的用户和资金造成风险，这些风险的管控就是大安全所做的事情。在与黑产和羊毛党对抗的过程中，双方的技术都在不断升级，业务安全风控也必须应用最新的技术。随着机器学习开始在数据科学领域大放异彩，做安全的同学也开始利用人工智能来保护业务安全。具体的手段包括，通过机器学习的算法和模型、与安全策略一起，通过数据挖掘来做风险识别和风险管控，另外也会会涉及到决策优化。这里面的技术包括数据挖掘、机器学习、决策优化等等。机器学习很广泛，像里边的集成树模型，深度学习中的深度文本挖掘，图像识别，运筹优化，强化学习，对抗机器学习等，在支付宝的安全风控中都会使用到。至于未来安全风控领域未来的技术趋势，王维强目前比较关注这些方向：模型可解释性，知识推理、图计算、决策优化等。首先模型可解释性，机器学习算法在业务安全落地对可解释性要求是非常高的，完全黑盒的模型可能造成不可预料的后果，这网络安全：步入与 AI 结合新时代网络安全：步入与 AI 结合新时代的方案，然后把这些新的技术落地到业务里，才能拿到结果。因此，在校生如果今后想从事业务安全风控行业的话，建议深钻技术，在掌握学校里的技术基础课程的同时，也可以去了解当前大数据和机器学习的主流和前沿技术。在实习或者做项目时，要多问几个为什么，一方面通过了解项目背景从而更好的理解业务，另一方面了解所使用的技术背后的原理，而不是知其然而不知所以然。人工智能：计算机的再发展人工智能：计算机的再发展定义一个时代并不简单，当一项新技术出现，能够对经济产生巨大影响，并拉动整个社会的全面改造时，才能称之为一个时代。从两百多年前的工业革命开始到现在为止，是一次巨大的社会变革，而这次社会变革对人类思想的改变也是非常巨大的。可以设想，三四百年前生活在明朝的人，可能一生的生活、工作都不会变化，所从事的工作可能和一千多年前的汉唐时期没有太大改变。而我们这一代人却不同，我们直接从工业社会进入到了消费社会，再到现在的互联网时代。因此，即便是幼年的光景现在看来也非常遥远。如果在今天想要预测几十年后会发生什么也非常困难，这就是技术对社会带来的巨大改变。从工业革命开始的两百多年里，人类科技不断爆发。回到工业革命的本质，其实资本的本质实际就是技术，是技术创造了新的财富。回顾两百多年来发生的所有技术变革，从蒸汽机、铁路、火车，到蒸汽轮船、电报、电话、电器照明以及汽车、石油、飞机，然后再到计算机、互联网、人工智能，这些变化互相影响，相互刺激，承前启后，共同改造了这个多元化的社会，也促成了现代城市的诞生。相比于古代城市，现代城市已经发生了根本性的变化，而这些变化正是由工业革命带来的。工业革命的另一项资源煤炭，在中国古代很早就有了，但中国古代的富人只是拿煤炭来取暖，并没有把煤炭作为重要的生产资源来使用。正是因为这些客观因素导致工业革命首先发生在英国。工业革命的最直接原因是消费需求的刺激，当时的英国消费者对从印度进口的色彩鲜艳、价格便宜的印花棉布产生了非常高的兴趣，因此，英国会花大量金钱去买印度进口的棉布品。当时英国最早采用的是贸易保护措施，就像现在产业对新技术的遏制一样。但即便英国制定了法律来禁止印花棉布的进口，也遏制不住人民的旺盛需求，这就使得英国生产者不断思考如何实现技术创新。之所以选择技术创新，是因为英国的人力成本非常高，导致纺织业资本需要寻求技术的帮助来拉动产业升级，用机器取代人力可能是当时英国的唯一出路。因此，棉纺织工业出现了大量的技术进步，比如1733年，约翰凯伊发明了“飞梭”，提高了织布速度；1779年，克朗普罗顿发明了“罗机”，后来为了适应蒸汽机变成了一个普遍的纺纱机器，使得产能巨幅提升；后来还有一个传教士发明了水利制机，开创了机械织人工智能：计算机的再发展人工智能：计算机的再发展今天，计算机是各个产业中重要的生产力。计算机解决的是计算的产能问题，也就是生产效率问题。而计算之所以如此重要，是因为其能够模拟万事万物。因此，今天的很多产业都离不开计算，比如设计桥梁需要非常精密的计算，也因为计算使得现代桥梁设计的效率比古代高出了千万倍，这些改变都是由计算机带来的，所以说计算创造了一个新的世界。技术是有完整生命周期的。正如工业革命时期，棉纺织业对于蒸汽机技术的拉动一样，任何技术的发展，在一开始都要找到对应的需求市场。先找到对应需求，再考虑新技术到底解决什么问题。我认为新技术的根本是要去提升领域内的生产效率，解决产能问题。解决了根本问题之后，接下来要解决通用化问题。就像蒸汽机发明时用的是直线传动，最早用于在水井里抽水的，而瓦特对蒸汽机的重要改良就是使用曲柄传动，进而将其适用到各个行业，成为了通用的蒸汽机。瓦特对蒸汽机作出的两项重要改变，分别是通用化和降低成本。首先，技术的通用化非常重要，冯诺依曼最大的贡献是通过改造计算机的架构实现了通用化，后来又根据这一架构，造出了真正好用的计算机。通过产业的需求孵化新的技术，再通过技术的通用化，去服务于各行各业。其次，技术成本的降低也非常重要。蒸汽机改良之前的能耗集中在散热上，瓦特在对蒸汽机进行改良时，设计了冷凝器和气缸分离的架构，基本上解决了一半的能耗问题，大大降低了成本。回顾技术的历史，成本也是创新的根本动力，它决定了技术能否走向市场，完成规模化。在计算机的发展历史中，冯诺依曼提出了两项技术的关键性改进，第一，由二进制代替了十进制；第二，将程序和数据放到了存储器。当时世界上第一台计算机是由电子管制成的，需要通过大量的外部电路进行控制。冯诺依曼是第一个提出电路设计和逻辑设计是应该分离的，这是思想上的巨大进步。回顾技术的发展历史，能够发现一项技术的背后可能有很多人共同做出了贡献，但瓦特、爱迪生、冯诺依曼等这些做出关键性改变的人被称为技术革命的英雄。他们人工智能：计算机的再发展人工智能：计算机的再发展部解决之后，才能真正地说这个技术成熟了。与此同时，新技术出现之后，也会不断迭代，进而催生新的需求，比如在工业革命中，蒸汽机只是一个标志，由蒸汽机拉动了铁路的需求，然后出现了火车、轮船，形成了铁路网和船运网，进而带动了时代的变化。在那个时期还出现了电报，这样就形成了运输物质的铁路网、轮船网和运输信息的通信网。而如今的电话、互联网也是通信网。这两张网使得全球经济得到了巨大的推动，也使得全球的联系也变得更加紧密。在1850年到1910年之间，全球贸易量增长了10倍，这能够体现出工业革命对世界贸易的推动作用。网络的重要性在于一次建设，重复使用，而且网中的结点越多，结点间的互动性越高，成本就越低，而带来的经济效应就越大。此外，一张网络将所有可以触达的客户拉入了统一的市场中，从而有效地扩大了产业规模。互联网相对于铁路网而言，没有本质上的变化，只有规模上的变化。但也可以说量变引起质变，互联网打破了物理空间的限制，使得今天在互联网上触达客户的效率非常高。因此，在看技术之间的关系时，铁路网和蒸汽机的关系，就非常像互联网和计算机之间的关系。互联网的出现对于经济起到了非常大的放大作用，其主要具备四个经济效应，即规模经济效应、协同经济效应、双边市场效应和梅特卡夫效应。正是因为同时具备这四个效应，使得互联网成为了一个超级强大的经济放大器。三、算力和数据如何实现规模化突破回到今天看互联网、计算机与智能技术的发展，我认为第一个真正被验证过的就是搜索，互联网的发展拉动了搜索技术的发展。搜索是第一个实现算力、数据规模化的软件，它依然满足冯诺依曼架构的设想。其实，搜索最开始被提出来的时候就是为了解决海量数据的计算效率问题，最早由雅虎发明，后来Google通过PageRank算法做了改良，以更好的体验创造了巨大的市场。正是因为在互联网广告领域发现了巨大的市场需求，才使得源源不断技术投入到搜索领域。正是因为对于搜索技术的沉淀，使得算力和数据的规模化问题得以更好地解决，也就形成了云计算和大数据。传统思路无法思考新技术的估值问题，对于创新的技术，很难对它形成正确的估人工智能：计算机的再发展人工智能：计算机的再发展对于计算机、AI的发展而言，算力和数据都是重要的生产资料。算力涉及到晶体管、存储网络等，而数据则需要当做一个新的自然资源重新思考。在信息时代，计算机的发展就是出现了各种各样的数据库，通过计算机取代了许多需要人工的填表工作。而在智能时代，一些低门槛、低复杂度的事情都可以被计算机自动完成。回过头来看，计算机在信息时代对算力和数据利用的规模都比较小，PC时代所使用的算力和数据可能仅仅来源于自身，但在智能时代的软件操作，利用的可能是云计算海量的数据和算力。因此，今天新的软件才能解决不一样的问题，它对效率的提升会是信息时代的无数倍。云计算有效地完成了算力的规模化，数据的规模化曾经期望通过大数据来完成，但目前大数据并没有得到充分应用，各行各业依然在处理小数据。今天我们谈论机器智能到底应该设计成什么样的软件，其实应该看这个智能软件到底消耗多少算力和数据，从规模上来判断。如果一个智能软件没有消耗非常多的算力与数据，很难想象它能够提升非常高的产能。要实现数据的规模化，其实最重要的就是IoT。今天，通过大量的IoT设备，会源源不断地采集海量的数据，数据规模远远大于人工填表时代所产生的数据规模。人工填表采集的数据依然认为是信息时代采集的数据，而IoT设备采集的数据则是满足智能时代所需数据规模的基础。数据要想成为自然资源，规模很重要。对于数据的成本而言，AI的成本高是因为数据成本非常高。算力成本通过晶体管、集成电路、云计算已经有效地实现了规模经济，可以在实现路径中逐渐收敛，并且符合摩尔定律。而数据成本依旧非常高，这主要有几点原因：第一，对很多AI算法而言，数据打标的成本非常高，往往需要人工参与，因此整个学界和产业界都在思考如何让机器自动打标签，进而有效降低数据成本。第二，IoT设备以及全链路数据采集的成本过高。IoT设备不生产数据，而是采集数据，通过3G/4G/5G的发展降低了设备数据采集链路的成本。数据采集之后，还需要考虑如何存储和加工，需要综合考量成本，也需要和上层的应用软件形成互动，所以人工数据治理也浪费了大量时间。只要需要人工参与，效率一定不高，成本也会上升。因此，学术界和产业界也在思考如何让机器自动进行数据治理，解决数据的质量问题。当这些全部完成之后，才人工智能：计算机的再发展人工智能：计算机的再发展又让人重新回归到了人，而不是机器，这其实也是人工智能要解决的问题。因为让人聚集打卡上班的制度是工业革命之后，在工厂里基于流水线发明的一套管理制度。而在今天，如果说技术就是资本本身，技术创造新财富，创新是驱动财富发展的最重要的动力，那么就应该为技术创新提供一个更加宽松的环境。随着机器智能的进步，社会分工会进一步细化，城市会聚集更多的人口。预计到2050年，全球70%的人口会生活在城市。而城市的发展需要解决住房、就业、环境、卫生等问题，因此当智能技术出现之后，我们希望可以重新思考和解决工业革命带来的弊病，让整个社会和人类实现可持续发展。无论是算力还是数据，通过精细化计算，都可以有效地降低损耗，实现对资源的合理分配与利用。机器智能会对未来的经济和社会产生巨大影响，让更多人回归到更具有创造力的工作上，让人更像人，让工作更加开放和自由，进而改变生活的面貌。而技术的发展依然符合前面提到的规律，需要强烈的需求刺激新技术的诞生，需要解决技术的通用性、成本和安全问题，最后技术再创造新的需求，建立技术与需求之间的正反馈，进而形成新的社会分工，以此来改变社会、城市与生活的面貌，催生新的文化与价值观。如今，无论是AI、IoT还是5G技术，依然应从需求、成本和经济影响的角度来思考，并作出有效的战略决策，也应从自然资源的角度去思考，为企业找到新的竞争优势。技术风险：疯起来连自己都打技术风险：疯起来连自己都打在线、实时、随地、无差别、突袭蓝军的攻击总让人防不胜防。2018 年年中，蓝军在周末发起突袭，刚好红军的一位同学正在举办婚礼，为了不影响新郎迎娶新娘，由红军组成的程序员伴郎团纷纷从包里掏出电脑，蹲坐在角落里，噼里啪啦敲着键盘进行修复。作为报复，红军也祭出了“尖端武器”自适应容灾、防抖（保证任何网络或基础设施抖动，用户都无感知）等系统，这让蓝军吃尽苦头，几乎每一记攻击都像打在棉花上，毫无作用。除了设计缜密的防御措施防止蓝军的袭击，拜关公求庇佑也是红军的“习俗”。为了确保挫败蓝军的突袭，红军除了在防御系统上下足功夫，还会在每年期中和期末的攻防演练前举办仪式拜关公，除了叩拜，还得摆上旺仔牛奶、格子衬衫、键盘、香烟等贡品。在支付宝，蓝军从属于蚂蚁技术风险部（SRE），而红军则包括 SRE 及各业务部门的技术团队。除了红蓝攻防，技术风险团队还做些什么呢？技术风险都做些什么支付宝的线上系统极其复杂，每一笔交易背后是数亿行代码、成百上千个系统，经过无数的链路，再加上海量线上实时交易，谁也无法预测下一秒是否会出现什么样的问题。如何消除人们的焦虑呢？这时就轮到技术风险团队登场了。技术风险工作就是使用技术手段，把各种软件、硬件、人为引入的可能出现业务受损的的风险降到最低。在支付宝，它服务于从基础设施到上层应用的所有系统，从写第一行代码到最终上线的整个研发流程。目前，技术风险工作主要由 SRE 来承接，日常的工作包括变更风险防御、快速应急、红蓝攻防、资金安全等，同时像双 11 大促，春节红包等高并发高性能的场景是技术风险工作的大考。技术风险：疯起来连自己都打技术风险：疯起来连自己都打技术风险的未来：喝着红酒过大促2018 年杭州云栖大会 ATEC 峰会，时任蚂蚁副 CTO 胡喜在现场 2000 多人的注视下做了一场技术演示，杭州两个数据中心的服务器网线被人为剪断，在 40%服务器突然无法工作的情况下，系统只用了 26 秒便恢复正常，这次演示展现了蚂蚁“三地五中心”架构的容灾能力，也是蚂蚁金融科技开放的技术解决方案之一。这已经很了不起，不过，和技术风险团队对未来的畅想相比，还有不少距离。当前，支付宝正在向云原生架构转型，作为守门员的技术风险团队面临着巨大的挑战。这些挑战包括：产品需求变更频繁、软件开发速度也越来越快，这个过程中带来风险的可能性和频率也越来越高；基础架构的迁移要求系统进行全面的测试，带来了巨大的测试工作量；原有的技术风险基础设施和中台部分系统不适应云原生架构，需要重新研发。不过，李铮表示，挑战同时也意味着机遇，云原生化将给技术风险带来巨大的技术红利。技术风险：疯起来连自己都打技术风险：疯起来连自己都打首先，要想在技术风险领域有所作为，需要对技术本身非常感兴趣，要灵活运用各种新技术手段去应对各种风险，而风险很多时候都涉及到技术深层次的原因，只有耐下心来掌握其中的原理才能快速解决。其次是需要有解决问题的能力。因为线上发生的问题可能千奇百怪，你需要去定义问题，然后用创新思维去解决问题，需要思考如何定义风险架构，体系化系统化的把问题根治。还有一点是主动性，很多人看到风险会有点抗拒，有点往后退，不太愿意面对风险，但技术风险团队的工作就是要直面风险，与风险同行。遇到问题要么自己解决，要么找到其他人配合一起解决，需要这种主动担当的能力，遇到风险能挺身而出，解决危机。最后是快速学习、快速掌握技能的能力。像上面提到的云原生、数据智能等，如今技术风险领域新的技术层出不穷，像以前一样靠一项技术吃老本是不行的，必须拥抱变化，时刻准备着学习新的技能。最后，祝愿大家都能找到自己理想的工作 前端开发：未来已在路上前端开发：未来已在路上起斗志。为了突出前端团队的核心竞争力“用技术解决产品体验问题”，蚂蚁的“前端开发部”正式改名为“体验技术部”，团队成员也急速扩张，随着顶尖设计师们的陆续加入，这支队伍手中的武器开始丰富起来。再后来，“DesignSystem”这样本来只有Apple和Google才有实力建设的概念，蚂蚁将它们带到了企业级中后台领域，并在国内第一次被实践，也就是后来著名的“AntDesign”。在蚂蚁的开源前端领域里，盛传着玉伯（支付宝研究员、“AntDesign”等顶级开源项目的开拓者）的三个梦：技术梦、产品梦、自由梦。前端爱好者对这三个梦讨论不止，还带着些吃瓜的意味。而“AntDesign”的成功无疑让玉伯第一个梦的进度条拉进了一大截。慢慢地，“AntV”、”Eggjs”、“Umi”等顶级开源项目也一步步被成功开发，一次次进行迭代，在此基础上诞生的“语雀”、“海兔”、“Basement”也在悄然布局着这张企业级中后台产品的网。前端开发：未来已在路上前端开发：未来已在路上现在，云凤蝶已经成为蚂蚁中后台应用研发的主流方案，得到了包括 CTO 在内的多方人员关注。云凤蝶不仅仅是希望通过可视化的手段来达成降低研发门槛的目标，同时还希望把PD、设计师、工程师这些角色串接起来，大幅降低这些角色之间的协作成本，并且希望设计研发工作越来越多由机器完成，将大家从繁重的重复劳动中解放出来去做更有趣更有挑战的事情。在云凤蝶，你有机会去参与一个重型可视化IDE的核心功能建设、死磕怎么做出让设计师和工程师都喜欢的画布、尝试机器布局、研究怎么从接口和业务规则推断自动生成页面功能、推动建设蚂蚁新一代的组件设计研发规范、推动Serverless建设落地等。这是一支很耐抗的队伍，他们正在走玉伯当年走过的那条路，必将等来柳暗花明的一天。关于云凤蝶的更多信息，可以参考知乎上的这个链接：云凤蝶可视化搭建的推导与实现我们想招意气相投的同事：未来已经到来说起自己的团队成员，于海泽最大的感受是“友爱”。他说不管是已经在前端领域纵横多年的资深技术 Leader 还是刚入团队的小萌新，大家都非常乐于帮助他人解决问题，包括蚂蚁 CTO，也是相当平易近人，并且非常欢迎新人去探讨问题。入蚂蚁的第二天，于海泽的团队里就有一个产品正好面临上线。那天晚上，大家租了一栋专门轰趴的别墅来庆祝这一刻，于海泽远程参与了这个时刻，电脑屏幕里一位同学颇有仪式感地按下了回车键，跟电影里的剪彩仪式有点相似。团队内成员 90后居多，大家个性有趣，像这样的“上线仪式”平时也不少，一般是在项目中公认为贡献最多的那个人按下最后的上线按钮。前端开发：未来已在路上前端开发：未来已在路上现在前端岗位负责的内容越来越多，除了做普通 web 页面外，有做框架的，有做服务的，有做可视化的，有做小程序的，也有做中台的。有些人追求极致体验的实现，也有些人致力于通过技术提升大家的效率，云凤蝶则是后者。蚂蚁的前端技术探索一直走得比较靠前。今天的体验技术部，也不再是当年的刀耕火种。首先,”AntDesign”、”AntV”、”Umi”、”Dva”、”Egg”等业界最受欢迎的一批技术方案都来源于先前的业务实践；不仅如此，体验技术部出品的语雀等产品也广受欢迎。在此基础上，蚂蚁前端体验技术部正在孕育的云凤蝶等产品，势在掀起另外一场产品革命。“聚沙成塔，涓滴成河，一切都还在路上。”这是知乎上蚂蚁体验科技专栏留下的一句话，蚂蚁前端体验技术部的下一个十年，已经开启，前路期待与你同行。4000 字面试心经，教你如何打动支付宝面试官4000 字面试心经，教你如何打动支付宝面试官你在学校要求之外开发了一定规模的项目，或是项目存在一定影响力，那是最吼滴。同时，在编写简历时请务必做到实事求是。阿里是一家十分注重价值观的公司，而诚信一直是涵盖在价值观中的重要内容。简历上最明显的体现便是对自己技能精通程度用词的描述上，请谨慎使用过于强烈的用词（如精通）。简单来说，简历是递给面试官的个人门面，是面试官对你们所提问题的指引，也是你们进行面试准备时的导航。准备通常春招的时候，大多数同学已经提前搜集一些或是前人留下，或是勤奋的同学整理的面经资料和面试题集锦。那么面试经验尚不多的同学可能会问，背这些有用吗？就我个人感觉来说，是有用的。五六年的大学课程，难免会有遗漏，面经作为对学习内容的提炼是很好的助记手段。但也不可过于依赖，这里以 Java 后端开发为例分几种情况介绍。1.基础的知识如 JVM、数据结构、数据库等这是你们手上每份资料中大部分都会涵盖的内容，也是你们在校招过程中会被提问无数次的知识，仅靠背诵面经是不足以对付面试的。在准备过程中你们需要时刻问自己是否真的熟悉，做到知其然，知其所以然。有不确定的地方提出来，看看以前上课的 ppt，或是查资料进行系统复习。如果准备时间较为充分，推荐将相关权威书籍再好好阅读一遍。值得一提的是，蚂蚁的 SOFA/SOFABoot 是基于 Spring 框架自研的金融级分布式中间件。因此，若项目经历中有涉及 Spring 使用的，也务必要作为重点进行准备，除了是面试的常问问题，他也有助于你们顺利通过面试后，能够尽早投入实际工作中。4000 字面试心经，教你如何打动支付宝面试官4000 字面试心经，教你如何打动支付宝面试官时是如何考虑的，碰到难题时是怎么解决的。算法题就是多刷多做多归纳。面试蚂蚁的面试通常是有 3-4 轮技术面，还有一轮 HR 面，各轮面试的问题视面试官风格而定，但有以下几种能力或者说是特质，是面试官希望能够在你们身上看到的。一个是基础能力。面试官对于在校生通常不会有太高的技术水平要求，但会很希望看到你们有扎实的功底。万丈高楼平地起，只要发现你们是有潜力的原石，蚂蚁就有信心把你们雕塑出龙章凤姿。一个是自我学习能力。面试官会乐于看到你们勇于发现问题，全力解决问题，用新方法、新思路来创造变化，带来突破性的结果。最为重要的，是需要再一次强调的诚信。