回顧和隨想

　　立刻2020春節了，回顧這幾年的職場，作過測試和開發，運維和架構，基本上是把技術路線都走了一把。在這幾年中，也出現了幾回新技術的小革命，像容器技術，區塊鏈和人工智能。正如"are you OK"說的，風口上的豬都能飛，在這幾個技術風靡的時候，也曾一度想去作區塊鏈和人工智能方面的工做。但最後都放棄了，如今的技術路線算是一脈相承下來的：TCP/IP協議棧-->Linux-->容器-->kubernetes(openshift)。

　　一個新技術的出現可能會讓不少人趨之若鶩，但這也逃不開人們對這些技術的過分包裝。是否須要從業於這些技術取決於各方面緣由。固然比較實在的辦法是直接經過面試看看這種技術的盈利模式是否合理，大部分狀況下經過面試中的合理問答就能夠直接判斷一個公司或一種技術的盈利模式是否合理，後面是否可以在市面上站的住腳。前幾年區塊鏈火爆的時候，曾面試過一兩家區塊鏈公司，其中有一家公司的盈利模式是經過將挖礦機賣給我的，再將挖礦機產生的算力賣給須要進行數據訓練的人工智能企業，這種盈利模式看起來仍是挺新穎的，但也能看出存在很大的技術難度，像分佈式穩定性，數據一致性，數據加密性，這個在技術上都很是難實現，特別是當這些挖礦機分佈在個體手中，任何問題均可能出現。最最關鍵的是，作數據訓練的公司的數據是比較機密的，一般會選擇自購設備，或更傾向於使用阿里雲或aws之類的大型公司的平臺。
　　至於人工智能，目前大部分企業是基於機率論的算法推薦，我放棄的緣由就是由於若是選擇了這個職業，就至關於從0開始，幾年的技術積累直接歸0，並且在着手學了一段時間後發現本身的確對這類算法不怎麼感興趣。

　　可能不少人(包括我本身)在遇到一些新技術的衝擊時都很難坐得住，心裏的危機感會讓人躍躍欲試，但須要注意的是這些技術是否是一場泡影，是否是真正適合本身。
　　技術的積累須要靜下心花費很大功夫才行，並且不少技術都一般須要多年的經驗累計才能最終體會到其真正內核。精通技術的方法歷來不是看看某本從入門到精通或大師視頻就能夠了，最根本的方法仍是得親自動手，親自搭建測試環境，親自搜索文檔/源碼。積累技術/經驗的最大好處是，懂得越多，實踐中得到的自由度就越大。
　　從我我的角度看，後續IT的發展還須要新技術的驅動。隨着IT入場人員的增多，新技術創新的乏力，傳統IT行業的競爭壓力只能愈來愈大。目前看起來比較新的容器和容器管理平臺kubernetes，其專有名詞不少，學習成本很高，但究其根本不過是基於Linux內核的命名空間隔離技術。前端的技術棧一般來講變化比較大，但從2019年技術報告來看，也逐漸趨於穩定。整體上看，IT技術仍然是在老技術上擠牙膏，就跟Intel同樣(最近intel可能牙膏擠不出來，開始裁人了。。。)。
　　因爲比較熟悉底層技術，我的認爲後續這方面的發展傾向於簡化平臺的運維，說白了就是監控，最好的狀態就是經過監控可以快速找出問題點，甚至能直接給出問題的根本緣由。目前市面上的監控不少，一般來說主要是基於Prometheus的metric指標，基於郵件或webhook的告警，基於前端的全路徑追蹤(opentrace)，以及應用的日誌。這幾類技術都比較成熟，但在實踐中的轉化率都比較低，若是應用不出問題，一般沒有人會關心這些數據，甚至會忽略告警郵件。後續的發展須要提升這些數據的使用轉化率，好比將iaas，paas，saas層的數據進行統一化，打通各個層面，破除以前割裂的場面，使得即便對底層不熟悉的人也可以快速上手。目前也有一些基於大數據的工具，但我的認爲這類工具的使用場合也比較有限，畢竟平臺的運行最終目標是要保證萬無一失。

　　我的後續比較看好的技術發展方向是圖像識別和語音識別。圖像識別目前大都用於安保，但後續應用廣闊，若是技術發展成熟，圖像識別下的自動駕駛能夠徹底取代人工駕駛，到時候駕校估計就沒了。固然，成熟的圖像識別能夠應用到各類場景，結合成熟的語音識別技術，能夠經過智能機器衍生出各類應用場景。隨着5G技術的發展和普及，這種技術應該會是近期可行的發展方向。還有就是支持圖像識別和語音識別的平臺技術，穩定的，可以快速糾錯的平臺將是全部應用的基石。

　　最好的技術發展就是技術革新，像歷史上電力的出現，信息技術的出現。技術的革新可能會革掉不少人的飯碗，但這纔是社會發展真正的驅動力。若是真的有這一天，多是殘酷的，但也是幸運的，若是這一天真的到來，你能夠選擇在掀起這場革命的公司門口買幾套房子(商住房也能夠哦)^^