技术

对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Kubernetes监控 Kubernetes 控制器模型 Prometheus 学习 容器日志采集 容器狂占cpu怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Macvlan Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty(六)netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 异构数据库表在线同步 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

标签


猿性的弱点

2018年11月02日

简介

二元思维

一日,正一个工作干的兴起,一个其它部门的同事找我帮忙解决一个问题,他问题也说的不是特别清楚,但看着很复杂的样子,于是我就说这事儿弄不了(留给他最原始麻烦的办法去做)。第二天早上去公司(我有提前一两个小时上班的习惯), 闲下来尝试做了一下,发现不是很麻烦。

我发现一个工作上的误区:很多事其实不是不能干,而是当下事情太多,正兴起的时候中止掉去干一个不知道花多长时间的事情,人的内心是容易拒绝的。

在分布式时代,消息调用结果有三种:成功、失败、超时。而我们还停留在单机的成功、失败二元时代:做与不做、做不了,会与不会,想与不想,同意与不同意。其实呢:

  1. 做与不做之间,还有明天做、等闲下来做等
  2. 会与不会之间,还有花一段时间学会
  3. 想与不想,还有缓一缓,让自己静下心来思考,或多方咨询再做决定
  4. 同意不同意,还有保留意见,让对方试错回头的方式

甚至更宽泛一点,生活中的很多问题都不单纯是一个二元问题:

  1. 学习知识以广度为主还是深度为主?知识的广度和深度
  2. 大公司还是小公司
  3. 要不要紧跟潮流学习人工智能、区块链等

有质量的的提问

  1. 项目报错了,帮忙看一下。一般附上一个哭脸或色色的表情
  2. xx项目报了xx错误,帮忙看一下,项目地址在xx,在xxx可以看到报错信息
  3. xx项目报了xx错误,帮忙看一下,项目地址在xx,在xxx可以看到报错信息。我一开始认为是因为xx,经过验证不是这个原因,一时没有思路。
  4. xx项目报了xx错误,帮忙看一下,项目地址在xx,在xxx可以看到报错信息。我一开始认为是因为xx,经过验证不是这个原因,一时没有思路。这个项目昨天还是好的,今天我改了xx就不行了。

很多时候,等你把错误、前因后果都说清楚了,估计自己就找到答案了。

靠搜索而不是靠分析

很多程序员,碰到一个bug、error信息(笔者有时候也是),最直接的反应不是分析原因,而是将error 信息粘贴到google、百度搜索框中,然后不停地搜索。

但笔者比较建议的方案是:

  1. 直接搜索,两三次发现找不到,则放弃搜索
  2. 分析上一次成功 到这一次失败,自己所做的代码改动
  3. 分析error 信息,判断哪几种原因会导致该错误(等于换了个问题,这个问题可以google一下)
  4. 逐步分析排错可能的几种原因

这种思维方式,虽然不见得能够最终解决问题,但总会有所收获

我们不停地去搜索 而不是去分析的底层原因是什么?

  1. 不自信,不认为自己可以解决这个问题
  2. 依赖第三方框架,自己不熟悉,也不想了解这个框架
  3. 时间很紧张,起初以为自己搜一下就可以很快解决,或者总觉得下一次搜索可以解决问题。

今日资本的徐新在一次视频演讲时提到,现在人的一个重要特征是:懒,不仅是身体的懒,更是思维的懒。后者更可怕,因为很多时候都发觉不到。

没有分层思维

程序猿作为“主体”,去认知和实践“客体”。这些“客体”有哪些呢?

  1. code,代码实现
  2. design,项目设计
  3. 技术或知识,学习新知识/技术
  4. 学习/认知本身,认知本身有什么规律

但在认知和实践过程中,都有哪些问题呢?

  1. code,代码写在一个类、函数里,一点不考虑“逻辑是分层的” 这一事实。以一个app http 请求为例,如果不是controller-service-dao 的惯例 + 数据访问框架,我一点不怀疑一些开发 会将接收请求和jdbc 混在一起 放到一个函数中。
  2. design 项目设计,还以一个普通的web 业务为例,如果数据库表定好了,页面很多时候也会被设计成一个表的crud,说白了就是给一个表做了一个web view 而已。简单点的项目(用controller-service-dao)问题不大,复杂点的业务本身通常有很多业务概念,这个时候可以尝试下ddd设计。
  3. 学习新技术,根据认知的几点规律:知识是分层的。大部分程序猿在学习新技术时,只看到一些细节,且不会与已有的知识体系相结合。

很多程序猿 一直秉承着 “我在为某个项目学习一个技术”或者 “我在给某个产品经理实现一个业务”,从未考虑将正在做的事情内化为自己的理解,技术和业务都是别人的,需求结束了,自己和这些技术的关系也就结束了。说白了还是懒,“实现效果不就好了嘛”。

分层需要你花更多的心思琢磨这个事情,在已知和未知之间保持 优雅的联系。某篇文章中提到:读书在当今的时代真的是一项能力,一本书看完,作者想表达的观点到底是什么,如何与你的生活与实际进行结合,书中的知识怎么和你的存量知识进行连接,这是一个需要长期锻炼的能力。

说了就干,干了再想

笔者最近和小伙伴碰到一类问题:事情都快做完了,突然想到更好地方法,这个时候就会有些懊恼,“为什么刚开始没想到”? 这就要求我们:

  1. 书写是更好的表达,
  2. 给予设计足够的重视,尤其是以文档的形式 将设计 准确、优雅、简单的表达出来,写文档的过程就是对自己的设计进行完备性测试。实际过程中,经常一听需求直接就开干了,复杂点的或许画个草图。
  3. 一个人的想法总是有局限的,可以将第一步得出的文档转给多个人看,尤其是大牛看,接受他们的challenge
  4. 足够的快,设计项目的时候你对项目的认知最少,完成项目的时候对项目的认知最多,这是不可避免的。只有足够的快,不求完备,小步快跑,快速验证,才能减少设计失误带来的负面影响。

思维的懒

有很多很简单的道理,我们知道做不到,对大多数人来说是知易行难。行动分为两种

  1. 看见的行动,比如早起早睡
  2. 思维的“行动”

行动比知道难,思维比行动难。

德扑

笔者回顾玩德扑时几次“血亏”的过程,发现越是重要的决策,反而想的最少,甚至都没有认真分析过对方的牌,分析对方第一次下了多少筹码、第二次、第三次…,进而得出一个初步结论。

出牌的时候想想对方的下注过程很难么?是一个想不到的方法么?都不是,但就是不去想。说白了就是懒,思维上的懒。

时间管理

在时间管理领域,我们都知道事情根据时间和重要性两个维度划分为

  1. 不紧急不重要
  2. 不紧急但重要
  3. 紧急但不重要
  4. 紧急且重要

但碰到事情,我们还是手忙脚乱,进退失据。我们只会采用最简单的方法,来一件事做一件事,只会被动应对没有主动把控。

神探狄仁杰与排查bug

笔者时不时的会看下《神探狄仁杰》,一开始听到“狄公真乃神人也”的时候觉得在尬吹。但多看几遍,味道就很不一样了。我们观众站在上帝视角,知道发生了哪些事情,但主角不知道,他要根据一系列现象去分析,最终得出一个有意义的结论。

我们排查bug 也是如此,根据一系列现象,得出一系列推论,缩小“问题域”。若是证据不足,可能要针对“嫌疑人”进行试探。这背后是一个思维闭环:

  1. 有哪些现象,通常什么原因会导致这些现象
  2. 有哪些推论
  3. 选择合适的方法排除不必要的选项
  4. 剩下的那个便是结论

而大部分开发在排查时,根本不知从何入手,“狄仁杰”脑子里是一条面,很多开发脑子里是一条线,这条线走不通,便摊手找老大帮忙。更有甚者,碰到bug只知道频繁的重启重试。

将显意识炼成自己的潜意识

“人饿了找吃的” 这件事不用动脑子,但对方加注时分析收益率却需要人主动地去思考,在情绪刺激下“理性”甚至会被抛在脑后。人要取得更长远的进步,就要打破自己的“舒适区”,将第二、三反应炼成自己的第一反应。因为这事太难,所以一旦掌握便威力巨大,比如更高的德扑胜率。