技術人攻略訪談四十|劉睿民：數據庫戰國時代，我不跟大家玩政治！

文：Gracia (本文爲原創內容，部分或全文轉載均需通過做者受權，並保留完整的做者信息和技術人攻略介紹。)

導語：本期訪談對象劉睿民（Dowson Liu），柏睿數據科技CEO。和Dowson的會面約在早上10點，在望京SOHO 塔2，15層走廊的盡頭，我找到掛着柏睿銘牌的白色小門。門上着鎖，沒有朝向走廊的窗戶，看不見內部陳設。爲此次早到等候了足足二十分鐘後， Dowson準時出現。這是我第一次見到他，平頭、眼鏡、濃眉，說話略帶東北口音，語速不徐不緩。門後是一間帶落地窗的大辦公室，視野開闊。他解釋說，這間辦公室的主要用途是會客，負責業務的工程師約有20人，駐守在側邊的塔樓。核心研發團隊則分佈在海外，或在乾燥炎熱的內華達沙漠，或在細雨紛飛的西雅圖，或在沿海季風吹拂下的悉尼。

1995年入行，Dowson正好遇上行業信息化的黃金時期。在美國高度發達、自由競爭的IT市場歷練10年，曾師從圖靈獎得到者Jim Grey，還在惠普實驗室從事過海量並行內存數據庫開發，根正苗紅，習得一身硬本事；回國後的10年，歷任華勝天成CTO、惠普大中華區數據挖掘總監、SUN/ORACLE大中華區服務總裁，創造過一年翻22倍，近10億人民幣的銷售奇蹟，bonus拿到手軟。

這位典型的海歸精英，手下已擁有3家公司，開一輛銀白色的路虎越野車。一切順風順水，卻掩不住那顆愛冒險的心。剛到美國不久，Dowson就和印度人開起了諮詢公司，一年時間，簽下千萬大單，從南到北把業務跑了個遍；iPad上市以前，他本身手畫電路板，投錢作出20塊平板，一年時間燒掉500萬。從上次創業摔的跟頭中，他意識到：憑我的能力能夠作出優質產品，卻難以帶動產業上下游的配合與發展，任何產業級的影響力都離不開長期的深厚積累。

在數據庫領域摸爬滾打20年，Dowson深知這一波大數據革命的顛覆性，點滴信息正聚集成財富創造的新系統，大煙囪社會的權力結構，將進一步向超級信息符號組成的社會轉移。站在這場權力爭奪戰的邊緣，Dowson敏銳察覺到，過去鐵板一塊、巨頭扎堆的企業級市場已開始鬆動。傳統的關係型數據庫，無力承載海量數據的處理和分析。隨着新一輪窗口期開啓，數據庫領域進入戰國時代，各種列式架構、內存架構、NoSQL、NewSQL等新型數據庫層出不窮、各領風騷，動搖着舊有權利系統的支柱。

2013年9月，Dowson創立柏睿數據，研發基於MPP架構的海量內存數據庫引擎。過往的人脈讓他得以組建陣容豪華、實力強大的海外團隊，並在過去半年裏進展神速。他的目標是取代Oracle，作企業級市場數據處理的顛覆者。

在長達5個半小時的採訪過程當中，Dowson對國內基礎領域的淪陷痛心不已。從他父輩那代起，國家的產業導向就偏重於對模式的迷戀，而非技術和品質上的精益求精。他母親曾親手拉出中國第一根單模光纖，但「高科技」光纖的質量，最終卻受制於「低科技」的橡膠產業。這樣的荒誕故事仍在不斷上演，投射出當下社會的事態與人心。在公衆知識分子許知遠眼裏：整個中國都陷入了一種同質化、低水平的競爭，人們有高度的競爭感，卻缺乏真正的創造力。IT、互聯網也概莫能外，在漫天「互聯網思惟」的紛擾下，Dowson堅持作着高技術含量的基礎研發，這羣理想豐沛，不被骨感現實所惑的人，會是將來中國創新的脊樑。

注：照片拍攝於2003年，科羅拉多海拔5000米的山頂。

技術人攻略：你從何時開始觀察到海量數據處理在企業級領域的趨勢？

2012年我離開Sun Microsystem/Oracle時，看到兩個趨勢，當時OpenStack已經誕生，企業級市場的雲是必然趨勢。雲產生以後，會引起第二個趨勢，企業的業務不斷向定製化APP轉移，大量數據從移動端收集上來，須要進行實時、動態的處理。

舉個例子，某家生產型企業客戶，擁有超過兩萬個小終端，分別提供給理貨員、快遞員、倉庫管理員和促銷員使用，這些不一樣角色經過APP掃碼、跟蹤，產生實時銷售數據，快速反饋到下一個環節。和2C的業務環境相比，企業用戶對動態數據實時處理的迫切性更高，倒逼企業信息處理能力往上走。

傳統零售和物流企業，受電商衝擊最大。淘寶已經能利用數據作好生意了，零售企業要麼被逼死，要麼去適應這個環境。一樣有危機感的，還有電信行業，電信已成爲管道，但全部的數據都要從管道里走，因此他們很是積極，想對本身平臺上產生的數據作分析，以期得到更普遍的利用。是否能抓住大數據的機會，對企業生死存亡相當重要。

硅谷這一波數據革命，對產業已經形成了很大影響。全球各大租車公司，被Uber弄得快要翻船，這但是影響全球幾十萬人的事業。因爲計程車司機連續不斷遊行抗議，法國政府已頒佈法令禁用Uber。Uber成功的表象是互聯網的勝利，但真正緣由是對數據的控制和優化。這實際上是一次權利的從新洗牌，掌握了數據就掌握了這一波產業革命的先機。

因而我開始作一些嘗試，對全國3萬家超市的零售詳細數據進行挖掘分析，客戶主要是P&G、可口可樂、聯合利華這樣的公司。過程當中對比後發現，因爲淘寶產生的數據量遠大於零售ERP的結構化數據。若是將ERP數據和網絡上的數據作結合，會大大擴展消費數據的外延。除消費習慣之外，用戶的情感分析，時空軌跡分析，均可以算出來。

技術人攻略：爲何會從數據挖掘，轉向數據庫引擎研發？

後來發現，所謂的數據挖掘在中國，很容易走偏。機器剝奪了人的決策功能，這偏偏是許多玩政治的人不肯意看到的。我這人不肯意介入政治，過去管惠普大中華區數據倉庫業務那段時間，公司內部幾個集團，由於純政治緣由打架。業務作得再好，都仍被犧牲掉，很不喜歡這種失控的環境。我對本身的定位，就是一個技術人，在能夠憑技術吃飯的狀況下，幹嗎要去玩政治？

我真正意識到應該把將來事業方向，放在本身擅長的領域，還緣於曾經摔過的一次大跤。2005年我花了599美金，從美國買了一個Toshiba e740掌上電腦，當時特別喜歡，想着若是能把它作得薄、更大就行了。那會兒蘋果纔出到iPhone2，我把它拆解以後，發現電路板並不複雜，部件也都能採購到。因而本身畫了個4層電路板，基於Ubuntu 8.5切割出一個系統。2010年初，花了40萬，去深圳加工出了20臺產品，厚度和後來的iPad差很少。出於成本考慮，產品採用了電阻屏，但我寫了一套算法，作出了和電容屏很接近的觸感。

當年5月，蘋果iPad上市。我在這個領域玩了一年多，把本身的500萬花光後，發現不能這樣下去。技術我能夠作得很好，但我想達到的目標，不是500萬能幹完的，可能須要5個億，甚至50個億才能打通。有的事情並非錢能玩出來的，而是須要產業經驗和人脈的積累，須要產業鏈上下游的人和你配合，不然很難把整個事情玩透。

這塊業務我後來轉讓了中信21CN，他們把這套東西用在了藥店的工業掃碼終端上，如今這塊業務已經到了阿里健康那兒。投進去的500萬就算是交了個學費，很貴，但也從新認識了一次自我。沒有人是萬能的，你只能幹本身最擅長的事，我最擅長的事不是作平板，不是作數據挖掘這種應用型的事情，而是作數據庫研發。

技術人攻略：數據庫引擎研發是基礎性技術，你在這一領域有哪些積累？

我在數據庫領域作了差很少20年，從實施，到研發，再到銷售等不一樣類型的工做都作過。2013年9月起，創辦柏睿數據庫，研發面向企業級IT市場的，海量並行內存處理架構的數據倉庫引擎。之因此能從事基礎研發，和我原來在惠普的工做經歷有密切關係。

我在惠普是三進三出。大學畢業後，我加入新加坡電信，作BSS/OSS大機開發。1997年末去了美國，作電信系統相關的IT改造。隨後加入Tandem，作Nonstop SQL商業數據庫的開發，認識了個人導師Jim Gray,他憑藉在數據庫方面的開創性貢獻得到過圖靈獎。後來Tandem被康柏收購，康柏又被惠普收購，就這麼第一次進了惠普。

第二次進惠普是在1999年，惠普實驗室接了一個沃爾瑪的項目，節點數高達512個節點。在那裏遇到我如今的導師Dave Cracknell，那真是是一個很是好的年代，天天睡到11點去辦公室，中午吃飯的時候，和導師交流遇到的問題，而後一直寫代碼到夜裏二、3點。

惠普這家公司是錢多、任性，由於公司主業是硬件，對數據庫並非很理解。Tandem的Nonstop SQL，幾乎能夠等同於Teradata，但惠普沒有意識到它的重要性。直到2006年，Mark Hurd（Oracle現任CEO）執掌惠普期間，從新拾起Nonstop SQL，把它變成Neoview這個新產品。導師讓我回去，一塊兒重作這個東西，因而我第三次進了惠普。 回去後我負責HP Neoview數據倉庫在國內的業務拓展，常常硅谷、北京兩邊跑，把國內市場的需求反饋給導師。惋惜一年多之後，Mark Hurd離開惠普，這個產品又被砍掉。原來作這件事的小夥伴們，都不想輕易放棄。在柏睿，我能繼續和這羣小夥伴一塊兒，把未完成的夢想堅持下去。

整個研發團隊共有12人，徹底用remote的方式協做，分佈在美國、澳洲、英國和印度，很多都是我在惠普實驗室的同事。個人導師Dave Cracknell，在硅谷負責整個項目的管理。

海外12我的的研發團隊投入很大，但效率也很高。2013年初，咱們的產品還相似於VoltDB，只能作兩張表的JOIN查詢。半年以內迭代了9個版本，取得了突破性進展，已經能支持至少32張表的複雜JOIN查詢。去年4月，SQL引擎的性能和SAP HANA還差得很遠，如今基本上和HANA站在同一個起跑線上。並且從總體的發展路徑上來看，會超越HANA。

技術人攻略：企業級市場對數據處理的需求，和互聯網公司有什麼區別？大家的產品解決了大數據處理的哪些問題？

早在80年代，IBM已經在大機上實現了非結構化數據的處理，但需求量並不大。互聯網積累到必定量，非結構數據大量產生，這種狀況會帶來新需求。首先是解決海量數據的存儲，接下來是分析這些數據，最後是解決數據分析實時性問題。

Hadoop只解決了數據的存儲，因而出來了MapReduce方法，可對數據作必定程度的分析。從數學上看，MapReduce屬於暴力拆解，用不少PC服務器，不斷循環迭代，很是野蠻。比如用炸藥把山炸掉，產生一堆數據的大碎石頭，最後還得整理這些石頭。這種方式致使MapReduce只能作ETL數據清洗，沒法實現交互式的SQL查詢，由於整個處理過程當中，數據和邏輯並無創建任何關聯。

從嚴格意義上來講，關係型數據庫依然是最強大的數據挖掘工具。只有把結構化和半結構化的數據，先作數據清洗，變成有邏輯含義的結構及非結構化數據，放到數據庫裏，才能作出符合數學範式的精確查詢。2014年8月，Google公開了基於海量並行處理架構架構（MPP），近實時數據挖掘倉庫Mesa的論文，也證實它最終要走回結構化這條路。

企業級市場對數據處理的需求，和互聯網公司的處理方式並不徹底同樣。互聯網提供快速的解決方法，不是成熟的產品。對於企業級用戶來講，沒有哪家能有阿里這樣的實力，僱兩萬programmer寫代碼。別說兩萬，200我的都不可能。

企業用戶要的並非阿里所擁有的東西，而是想要一套完整的解決方案，裝上就能解決問題。好比處理4個T的數據，兩分鐘之後見東西。只有一個Admin來管理這一套工具，頂多配10我的，絕對不可能搞一個大型的IT部門。由於企業用戶的主業仍是造機器、作紡織、作電器。咱們爲企業級市場提供一整套的解決方案，從文件系統開始，到預處理，再到最終的數據分析，並且能夠幫他們快速在雲上部署。

爲實現數據處理的實時性，咱們分了三步進行。首先是提高Hadoop文件系統的效率，MapReduce爲了增長寫的效率，把數據都切碎了，這種邏輯和存儲分開的方式，致使讀的時候不知道數據存在哪兒。電信用戶一天的增量數據是10個T，在沒有索引的狀況下，想找到客戶真正要的那片數據，很是難。咱們在HDFS上作了大量優化，能把讀取文件的速度，從網絡訪問提高到至關於讀取本地盤的速度。

接下來作了內存數據網格這個產品，MapReduce太慢，跑下來四、5個小時，不能等那麼長時間才作分析，那就必須在內存中重寫。咱們的實現方式很像挖煤礦，先作勘察，分辨出哪些是煤，哪些是石頭，每一層用不一樣的方式挖進去。具體的實現過程，是用HASH把數據分層，在幾秒鐘以內起成千上萬個模板，每一個模板對應數據處理的不一樣粒度，至關於尺寸不一樣的篩子，對數據作預處理。

第三步，通過清洗以後，數據變成告終構化和半結構化形式，能夠實現精確查詢。例如對100張表作聯合查詢，得出精確的查詢記錄。原來在性能上作不到的，咱們採用MPP的海量並行內存處理架構，能夠在很短期內，實現數據庫節點的橫向擴展。

技術人攻略：海量並行處理架構有哪些優點？

商用數據庫的主流系統架構有兩個流派，一種是對稱多處理器架構（SMP），另外一種是海量並行處理架構（MPP）。SMP架構的特色，在於共享系統的CPU、內存和I/O資源，Oracle數據庫就是這一架構的主要表明。該技術誕生於內存昂貴時期，在數據量小於10T的狀況下，能夠應對自如。這種架構的侷限性在於可擴展性差，多個CPU都經過內存總線訪問同一內存資源，隨着數據量增長，內存訪問衝突將加重，最終形成CPU性能的浪費。咱們作過實驗，Exadata在50個存儲節點時性能還能夠，一旦再上一個量級，就會遇到明顯的性能瓶頸。

海量並行處理架構（MPP）可經過節點協同工做，而且每一個節點都擁有獨立的內存，是一種徹底無共享的架構方式，於是有很強的擴展能力。MPP的理論基礎在70年代已經成熟，只不過當時廣泛不須要那麼大數據量，因此僅在小範圍內應用。1999年我參與美國空軍的項目，就部署了1024個節點，雖然並非基於雲，但這條路已經打通了。

採用MPP架構最大的問題，在於節點之間的數據拷貝，可能會造成網絡風暴。假設對300張表作JOIN聯合查詢，其中有30張表都大於1TB，其中1/10的數據要拷貝，那就是五、600個G的數據在網絡上跑。如今很多企業動輒上千個節點，每一個節點裏有幾十個T的數據，網絡訪問的優化很是關鍵。

咱們採用了InfiniBand這種新型總線結構，以擺脫基於傳統PCI架構的I/O性能瓶頸。這種服務器端的高性能互聯技術，可大幅提高數據的移動速度，下降服務器和存儲系統之間的網絡開銷。InfiniBand有一種遠程直接內存訪問技術（RDMA），容許直接對應用程序內存作讀取和寫入。過去內存裏的數據轉換，要通過幾回System Call，在邏輯和電信號之間作屢次轉換，才能切換用戶狀態和系統狀態。RDMA則無論數據存在哪一臺服務器，直接都是系統態，只須要把電信號變一下就能夠。

如今的架構可在一分鐘內開數十個節點。用Hadoop做性能測試，在一樣基於磁盤的狀況下，運行速度可提高10倍。若是把數據load到內存裏重寫的MapReduce，速度能提高100倍。

技術人攻略：做爲一家企業級領域的創業公司，如何與巨頭競爭？如何贏得市場？

數據庫領域正在窗口期，很多新機會正在涌現。IBM和HP守着本身的小機不放，但用戶已經不要小機了，並且巨頭們也解決不了大數據的問題。結構化數據原來佔了99%，而如今卻只佔1%，從趨勢上看，巨頭擅長的地盤一會兒變成了一個小市場。咱們的產品不只能處理非結構化和半結構化的數據，並且在結構化數據這塊，還能替代巨頭。

產業發展自有其週期，數據庫領域的老大Oracle已經走到頭了。Oracle的核心技術誕生於30年前，並在90年代成熟。從90年代末到如今，Oracle並無修改過核心架構，只作了些外圍修繕，這種單節點共享內存架構，沒法支撐大數據時代快速擴展的需求。創始人拉里森本質上是一個商人，把Oracle作成了一家應用型公司，即便業務很賺錢，也沒有設立過Lab，作基礎性的研究。原來的生意一年賺9000億美金，新生意才只有900萬的狀況下，要幹掉老生意新起一攤，並且把基因也改過來，難度很是大。雖然Exadata裏添加了全內存選項，但只是增大了共享內存的容量，架構上並無作修改。估計5年以內，Oracle的架構也不會改。拉里森已經年過70，再過幾年就更沒有功夫管了。因此如今是替代Oracle的絕好機會節點。

國內的企業級市場，如今光拼關係也不行了，數據量忽然提高了1000倍，過去的IT架構，已無力支撐這種大容量的數據處理，因此技術成了硬門檻。這一波基於雲和大數據的革命，會造成一個徹底不一樣於以往的，很是開放的生態。原來企業級領域研發出一項技術，必須依靠銷售去推。因爲市場過於分散，照IBM這類老牌IT廠商，賣東西給客戶的成本過高。因此只有每一個行業裏Top3的客戶，最多到Top10，能購買得起昂貴的IT服務。

雲服務普及後，技術能夠在雲上部署。從市場角度來看，因爲長尾效應，原來買不起這些服務的中型客戶，能夠按時、按需付費。這些中型企業也但願把原來行業的老大替代掉，因此他們有極大的意願，去購買互聯網上的服務。

另外一方面，客戶能夠本身選擇雲上的工具，咱們這樣的小型服務提供商，和IBM等大公司能分庭抗禮。並且咱們的東西天生是爲雲而作的，比他們還要先行一步，想把Oracle部署到雲上，還作不到。總的來講，數據庫領域不只沒有萎縮，而是產生了一個新市場，這個新市場可能比原來舊的市場還大。

技術人攻略：你觀察到咱們國家在基礎領域有哪些問題？

咱們國家一直以來對本身的定位，就是作應用型產業。你們的手很巧，能把東西修得很是像，但材料卻不過關，因此皮是好的，瓤是碎的。這就是爲何，老外作的航空發動機，能跑3000個小時，而咱們的卻只能跑300個小時。

我母親是從事半導體激光器研發的科技工做者，早在1972年，她親手拉出了中國第一根單模光纖，得到了國家科技進步一等獎。光纖的製做過程，須要在徹底密閉的環境下，讓硅片氣象層積，直到慢慢變成硅柱。光纖的質量，取決於這個密閉環境中的灰塵含量，究竟會進多少灰塵，取決於密封圈的質量，密封圈是否牢靠，又取決於橡膠的質量。但作橡膠這種基礎工業的人，不想精益求精，只知足於作輪胎。到最後誰會想到，高科技光纖的壽命，會受限於橡膠的雜質太多，而達不到應有的質量標準。

回國以後過了兩、三年，我才深入認識到這個道理。2006年，我負責惠普大中華區的數據倉庫業務，當時但願把惠普實驗室Database的研發搬到中國，努力了一陣，發現根本是妄想。外企雖然紛紛在中國創建研發中心，但核心技術仍然在國外，只不過利用國內便宜的人力成本，拿些邊邊角角技術活過來，作廠內外包。

國家產業政策的制定者，天真地覺得能夠用市場換來技術，到最後才發現，這種交換根本不成立。技術是別人吃飯的東西，爲何會給你？某種意義上來講，這也關係到人家的飯碗。除非你本身造了一個飯碗，不然人家爲何會把飯碗交給你呢？

IT和汽車產業同樣，在過去十幾年遭遇了一樣的淪陷。什麼叫自主可控的技術？要本身作的纔可控，不是本身作就不可控，就這麼簡單，永遠別想拿市場換技術。可仍然有許多人以爲本身是戰略家，歷來沒上過一線，說得多、作得少。因此從頂層往下的產業設計，根本是個僞命題，必須從草根往上顛覆。

技術人攻略：國內數據庫研發領域最大的問題是什麼？

國內在數據庫研發領域最大的問題，是在理論研究和人才培養上都缺少積累。人大金倉作了十幾年，都沒有掌握這個產業鏈上最核心的技術。也沒有研究所或機構在這個領域持續追蹤，等大數據真正來了以後，才發現理論上沒有準備好，只能談一些相似Hadoop怎麼用，基於實踐和操做層面的東西。

國外這一行的發展相對成熟，各種的數據庫架構設計，從70年代就已經開始積累。加州理工、加州大學聖巴巴拉分校、威斯康辛大學等高校，有專門的科系研究數據庫，在知識上有傳承。

即便有這些積累，全球數據庫領域核心人才，在美國也不超過200人。對核心人才的定義，得是作過SQL解析器、執行器、優化器，以及文件系統這幾塊最有技術含量的東西。即便在Oracle、SAP、Sybase這樣的公司裏，真正接觸到數據庫核心引擎設計的，也最多就是十來我的，更多人是圍繞核心去寫一些周邊的功能。

國產數據庫不少是把開源扒拉過來，在這基礎上改一改，但並不表示你理解了它的設計思想。歸根結底，數據庫核心人才的培養須要過程。從上層工具開發，慢慢往底層深刻，先作解析器，再作執行器，最後作優化器，是一個按部就班的過程。表和表之間的JOIN，應該走什麼樣的執行計劃，這中間的解析路徑、優化路徑如何設計，低下文件系統的讀和寫應該怎樣配合，須要10年，甚至20年的工程積累。

缺乏了這些積累，也就只能作一些數據處理工做，底層開發根本輪不到你。相似於其它基礎領域，中國在數據庫技術上，仍然是一個使用者的角色。一些企業裏的人，甚至連理論都沒搞清楚，就開始忽悠，好比把數據庫和數據處理混淆成同一個東西，整個市場被搞得很亂。

在這種混亂中，學生沒有可參考的東西，人才培養從根子上就出了問題。我在大學時，學數據庫理論的那本書，到如今仍在做爲教材使用。幾周前我掏出來看了一下，寫得真太淺了。你們被忽悠得很想學Hadoop、Spark等應用型的知識，可這些不過是風潮，不是根本，很快就會過去。

技術人攻略：作這件事情對你我的的意義在哪裏？

我入行比較早，94年讀大學時，就參與了全國第一張跨通存通兌綠卡的項目。作完之後，就去了新加坡，很遺憾沒碰上電信97田溯寧那波創業潮，也沒碰上第一次互聯網泡沫。不過反倒由於沒有碰那些潮流，個人精力一直集中在數據庫領域，從最先的大機、中型機、小機上的數據庫，作到基於PC，以及雲的數據服務。

以前工做掙的錢，足以讓我安穩退休，過上每天釣魚、曬太陽的生活。之因此作數據庫基礎層面的研發，並非爲了錢。我天性愛玩，必定要有個東西讓我以爲好玩，要能越過障礙，夠到遠方的目標，纔會玩得有刺激。

這一波大數據革命，是從量變積累到質變的飛躍，我這輩子或許只能碰見一次。我但願能把之前所學到、所經歷的這些東西，把MPP的架構，用到海量的數據分析裏邊去。數據庫的產業鏈很長，有不少事情值得深刻地去作，若是我能參與此次變革，順着此次浪潮玩上10年、15年，會很是有趣。

在行業裏待了這麼多年，我也看到有的事情不是錢能玩出來，須要經驗上、人脈上各方面的積累，才能把這個東西玩透，不然就變成東打一榔頭，西打一耙子。只有拼性能的地方，摩爾定律纔會生效，這是IT行業的實質。不拼性能，就只能拼關係、拼政治，我不想玩那個。這個產業里門檻最高的是數據庫，不是應用，我就想挑戰純粹的基礎技術領域，用性能超過對手，不須要拼政治。

我想和志同道合的人一塊兒工做，雖然說國內的氛圍仍是有點浮躁，但我對新一代程序員還很期待。他們成長的環境衣食無憂，不像咱們70後，小時候還得本身拿着瓶子去打醬油。當基本生活富足以後，你們就會有不一樣的精神取向。總有人想作一些基礎的、技術紮實的產品，你讓他苦哈哈在華爲工做，桌子底下放一個賬篷，他不必定願意幹。

技術人攻略：你的興趣愛好是什麼？

我天生熱愛冒險，喜歡去別人沒去過的地方，看世界上都在發生些什麼事。在美國作技術諮詢那幾年，全國四處奔波，從最南邊的弗羅裏達，到冬季氣溫到零下50度的北達科他州，還有路易斯安娜、阿肯色、明尼蘇達、印第安納，基本上你能想到的地方，我都去過。

一直到2001年，我到了科羅拉多州丹佛市旁邊的大學城Boulder。這座城市依山而建，有雪山，也有綠草，很是適合露營。喜歡滑雪的人，能夠從頭年9月，一直滑到第二年6月。我很是喜歡這樣的環境，就把家安在了Boulder。

我喜歡穿山越嶺，經常一我的帶着賬篷，去科羅拉多大峽谷裏待上個六、7天。在野外，狼、美洲豹時有出沒，什麼狀況都有可能會碰到，因此得學會如何野外生存。這個過程不只帶來樂趣，還讓我領悟到不少道理，好比想避開這些猛獸，你首先得學會觀察風向。

我還特別享受在山路上開車的感受，峯迴路轉，總能看到新的風景。許多人不敢在山裏開車，朋友一塊兒去山裏玩的時候，都是我開車。我並不懼怕懸崖，只要關心前方的路就行了。

我喜歡閱讀，一直到如今都還訂《讀書》這本雜誌。最近經濟類的書看得比較多，尤爲是計量經濟學。宏觀經濟領域的問題很難預測，由於相關因素太多，但微觀經濟是靠數聽說話，因此相對很準確。我喜歡研究計量經濟學裏的各類模型，數字和數字之間，我感受終究是有關聯的。只是由於工具所限，本身數學的基本功積累得不夠，暫時還沒作特別深刻的研究。

---

做者介紹：

技術人攻略訪談是關於技術人生活和成長的系列訪問，由獨立媒體人Gracia創立和維護。報道內容以「人」爲核心，經過技術人的故事傳遞技術夢想；同時以小見大，見證技術的發展和行業的變遷。在這個史無前例的變革時代下，咱們的眼光將投向有關：創造力、好奇心、冒險精神，這樣一些長期被忽略的美好品質上。相信經過這樣一羣心懷夢想，而且正腳踏實地在改變世界的技術人，這些美好的東西將從新得到珍視。

聯繫方式 gracia@devlevelup.com
微博: @技術人攻略
訂閱：微信搜「技術人攻略」或「dev-levelup」

感謝SegmentFault提供博客專欄及推廣支持
感謝迅達雲成提供雲主機及技術支持
感謝七牛雲存儲對「技術人攻略影像拍攝計劃」提供支持