十年程序员学习

① 有哪些老程序员都知道对新手很有用的经验

一说到程序员，想必大家的第一印象就是头发少，很大程度上就是因为压力大导致的，有生活压力，也有工作压力。

今天说说工作方面的压力，想必看到这个问题的小伙伴都有一个认知，就是一个项目往往比预期的要长，说不定从哪天开始就加班了，一出现BUG真的要人命。此时，考研新老选手心态的时候和经验的时候了，老程序员或许能从容应对，新手可能完全不知错所。

七、个人信息一定要保管好

这些信息包括户口档案、社保、公积金等信息，程序员新手可能跳槽比较频繁，有人甚至还换个城市工作。除了户口可能其他的信息都乱了，可能当时觉得不那么重要，但是十年、二十年后，可能会非常重要。

八、几条名言

·工作日志可以提升脑容量；

·不要先写框架再写实现，要反过来；

·重构/优化/修复Bug，不要同时做；

·简化开发流程，加快迭代速度；

·纸笔是最好的工具，其次是markdown；

·画出结果，一目了然。

·首选明文文本，二进制、加密、压缩等到时候再加；

·要学会进行清晰的命名；

·问问题前先调查，要问到点上。

·不要小看程序员

② 未来十年程序员越来越多，工资会变成白菜价吗

说到程序员的薪水，每个人都会想到一个词：高！后来有人说，现在大家都转向它，将来程序员的供过于求，这肯定会成为白菜的价格。

互联网作为一个新兴的产业，从1995年发展至今。它经历了信息门户、电子商务、搜索、社交和共享经济等几个里程碑式的产品阶段。微软、苹果、谷歌、优步、腾讯等标杆企业不断将行业推向巅峰。如今，互联网和移动互联网正逐步向纵深和精准方向发展。基于大数据，人们开始从满足用户的一般需求扩展到个性化需求。此外，“互联网产业”已成为共识。以互联网和移动互联网为基础设施，推动“物联网”时代已经悄然到来。

③ 编程 10年

计算机语言的种类非常的多，总的来说可以分成机器语言，汇编语言，高级语言三大类。

电脑每做的一次动作，一个步骤，都是按照以经用计算机语言编好的程序来执行的，程序是计算机要执行的指令的集合，而程序全部都是用我们所掌握的语言来编写的。所以人们要控制计算机一定要通过计算机语言向计算机发出命令。

计算机所能识别的语言只有机器语言，即由0和1构成的代码。但通常人们编程时，不采用机器语言，因为它非常难于记忆和识别。

目前通用的编程语言有两种形式：汇编语言和高级语言。

汇编语言的实质和机器语言是相同的，都是直接对硬件操作，只不过指令采用了英文缩写的标识符，更容易识别和记忆。它同样需要编程者将每一步具体的操作用命令的形式写出来。汇编程序通常由三部分组成：指令、伪指令和宏指令。汇编程序的每一句指令只能对应实际操作过程中的一个很细微的动作，例如移动、自增，因此汇编源程序一般比较冗长、复杂、容易出错，而且使用汇编语言编程需要有更多的计算机专业知识，但汇编语言的优点也是显而易见的，用汇编语言所能完成的操作不是一般高级语言所能实现的，而且源程序经汇编生成的可执行文件不仅比较小，而且执行速度很快。

高级语言是目前绝大多数编程者的选择。和汇编语言相比，它不但将许多相关的机器指令合成为单条指令，并且去掉了与具体操作有关但与完成工作无关的细节，例如使用堆栈、寄存器等，这样就大大简化了程序中的指令。同时，由于省略了很多细节，编程者也就不需要有太多的专业知识。

高级语言主要是相对于汇编语言而言，它并不是特指某一种具体的语言，而是包括了很多编程语言，如目前流行的VB、VC、FoxPro、Delphi等，这些语言的语法、命令格式都各不相同。

高级语言所编制的程序不能直接被计算机识别，必须经过转换才能被执行，按转换方式可将它们分为两类:

解释类：执行方式类似于我们日常生活中的“同声翻译”，应用程序源代码一边由相应语言的解释器“翻译”成目标代码(机器语言)，一边执行，因此效率比较低，而且不能生成可独立执行的可执行文件，应用程序不能脱离其解释器，但这种方式比较灵活，可以动态地调整、修改应用程序。

编译类：编译是指在应用源程序执行之前，就将程序源代码“翻译”成目标代码(机器语言)，因此其目标程序可以脱离其语言环境独立执行，使用比较方便、效率较高。但应用程序一旦需要修改，必须先修改源代码，再重新编译生成新的目标文件(＊ .OBJ)才能执行，只有目标文件而没有源代码，修改很不方便。现在大多数的编程语言都是编译型的，例如Visual C＋＋、Visual Foxpro、Delphi等。

[NextPage]

学习编程，从何入手

如果您想学习编程，却又不知从何入手，那么您不妨看看下面的几种学习方案，可能会给您一些启示吧！
==============================================
方案一 Basic语言 & Visual Basic

优点
（1）Basic 简单易学，很容易上手。
（2）Visual Basic 提供了强大的可视化编程能力，可以让你轻松地做出漂亮的程序。
（3）众多的控件让编程变得象垒积木一样简单。
（4）Visual Basic 的全部汉化让我们这些见了English就头大的人喜不自禁。

缺点
（1）Visual Basic 不是真正的面向对象的开发文具。
（2）Visual Basic 的数据类型太少，而且不支持指针，这使得它的表达能力很有限。
（3）Visual Basic 不是真正的编译型语言，它产生的最终代码不是可执行的，是一种伪代码。它需要一个动态链接库去解释执行，这使得Visual Basic 的编译速度大大变慢。

综述：方案一适合初涉编程的朋友，它对学习者的要求不高，几乎每个人都可以在一个比较短的时间里学会vB编程，并用VB 做出自己的作品。对于那些把编程当做游戏的朋友来说，VB 是您最佳的选择。

Basic/Visual Basic简介
==============================================
方案二 Pascal语言 & Delphi

优点
（1）Pascal语言结构严谨，可以很好地培养一个人的编程思想。
（2）Delphi是一门真正的面向对象的开发工具，并且是完全的可视化。
（3）Delphi使用了真编译，可以让你的代码编译成为可执行的文件，而且编译速度非常快。
（4）Delphi具有强大的数据库开发能力，可以让你轻松地开发数据库。

缺点
Delphi几乎可以说是完美的，只是Pascal语言的过于严谨让人感觉有点烦。

综述: 方案二比较适合那些具有一定编程基础并且学过Pascal语言的朋友。

Pascal语言简介
Delphi简介
==============================================
方案三 C语言 & Visual C++

优点
（1）C语言灵活性好，效率高，可以接触到软件开发比较底层的东西。
（2）微软的MFC库博大精深，学会它可以让随心所欲地进行编程。
（3）VC是微软制作的产品，与操作系统的结合更加紧密。

缺点
对使用者的要求比较高，既要具备丰富的C语言编程经验，又要具有一定的WINDOWS编程基础，它的过于专业使得一般的编程爱好者学习起来会有不小的困难。

综述: VC是程序员用的东西。如果你是一个永不满足的人，而且可以在编程上投入很大的精力和时间，那么学习VC你一定不会后悔的。

C语言简介
==============================================
方案四 C++语言 & C++ Builder

优点
（1）C++语言的优点全部得以继承。
（2）完全的可是化。
（3）极强的兼容性，支持OWL、VCL和MFC三大类库。
（4）编译速度非常快。

缺点
由于推出的时间太短，关于它的各种资料还不太多。

综述：我认为C++ Builder 是最好的编程工具。它既保持了C++语言编程的优点，又做到了完全的可视化。

C语言简介
==============================================
方案五 SQL语言 & Power Builder

对于一些传统的数据开发人员来说，Foxpro系列也许让他们感到更加熟悉。但是对于初学者来说，PowerBuilder也许是最好的数据库开发工具。各种各样的控件，功能强大的PowerBuilder语言都会帮助你开发出自己的数据库应用程序。

[NextPage]
JSP简介

在Sun正式发布JSP(java Server Pages)之后，这种新的Web应用开发技术很快引起了人们的关注。JSP为创建高度动态的Web应用提供了一个独特的开发环境。按照 Sun 的说法，JSP能够适应市场上包括Apache WebServer 、IIS4.0在内的85%的服务器产品。

JSP与ASP的简单比较

JSP与Microsoft的ASP技术非常相似。两者都提供在HTML代码中混合某种程序代码、由语言引擎解释执行程序代码的能力。在ASP或JSP环境下，HTML代码主要负责描述信息的显示样式，而程序代码则用来描述处理逻辑。普通的HTML页面只依赖于Web服务器，而ASP和JSP页面需要附加的语言引擎分析和执行程序代码。程序代码的执行结果被重新嵌入到HTML代码中，然后一起发送给浏览器。ASP和JSP都是面向Web服务器的技术，客户端浏览器不需要任何附加的软件支持。

ASP的编程语言是VBScript之类的脚本语言，JSP使用的是Java，这是两者最明显的区别。

此外，ASP与JSP还有一个更为本质的区别：两种语言引擎用完全不同的方式处理页面中嵌入的程序代码。在ASP下，VBScript代码被ASP引擎解释执行；在JSP下，代码被编译成Servlet并由Java虚拟机执行，这种编译操作仅在对JSP页面的第一次请求时发生。

运行环境

执行 JSP 代码需要在服务器上安装 JSP 引擎。此处我们使用的是 Sun 的 JavaServer Web Development Kit （ JSWDK ）。为便于学习，这个软件包提供了大量可供修改的示例。安装 JSWDK 之后，只需执行 startserver 命令即可启动服务器。在默认配置下服务器在端口 8080 监听，使用 http://localhost:8080 即可打开缺省页面。

在运行 JSP 示例页面之前，请注意一下安装 JSWDK 的目录，特别是" work "子目录下的内容。执行示例页面时，可以在这里看到 JSP 页面如何被转换成 Java 源文件，然后又被编译成 class 文件（即 Servlet ）。 JSWDK 软件包中的示例页面分为两类，它们或者是 JSP 文件，或者是包含一个表单的 HTML 文件，这些表单均由 JSP 代码处理。与 ASP 一样， JSP 中的 Java 代码均在服务器端执行。因此，在浏览器中使用"查看源文件"菜单是无法看到 JSP 源代码的，只能看到结果 HTML 代码。所有示例的源代码均通过一个单独的" examples "页面提供。

Java Servlet是一种开发Web应用的理想构架。 JSP以Servlet技术为基础，又在许多方面作了改进。JSP页面看起来象普通HTML页面，但它允许嵌入执行代码，在这一点上，它和ASP技术非常相似。利用跨平台运行的JavaBean 组件，JSP为分离处理逻辑与显示样式提供了卓越的解决方案。JSP必将成为ASP技术的有力竞争者。

[NextPage]
SQL语言简介

SQL全称是“结构化查询语言(Structured Query Language)”，最早的是IBM的圣约瑟研究实验室为其关系数据库管理系统SYSTEM R开发的一种查询语言，它的前身是SQUARE语言。SQL语言结构简洁，功能强大，简单易学，所以自从IBM公司1981年推出以来，SQL语言，得到了广泛的应用。如今无论是像Oracle ,Sybase,Informix,SQL server这些大型的数据库管理系统，还是像Visual Foxporo,PowerBuilder这些微机上常用的数据库开发系统，都支持SQL语言作为查询语言。

Structured Query Language包含4个部分：

数据查询语言DQL-Data Query Language SELECT
数据操纵语言DQL-Data Manipulation Language INSERT, UPDATE, DELETE
数据定义语言DQL-Data Definition Language CREATE, ALTER, DROP
数据控制语言DQL-Data Control Language COMMIT WORK, ROLLBACK WORK

SQL的历史

在70年代初，E.E.Codd首先提出了关系模型。70年代中期，IBM公司在研制 SYSTEM R关系数据库管理系统中研制了SQL语言，最早的SQL语言(叫SEQUEL2)是在1976 年 11 月的IBM Journal of R&D上公布的。

1979年ORACLE公司首先提供商用的SQL，IBM公司在DB2 和SQL/DS数据库系统中也实现了SQL。

1986年10月，美国ANSI采用SQL作为关系数据库管理系统的标准语言(ANSI X3. 135-1986)，后为国际标准化组织(ISO)采纳为国际标准。

1989年，美国ANSI采纳在ANSI X3.135-1989报告中定义的关系数据库管理系统的SQL标准语言，称为ANSI SQL 89， 该标准替代ANSI X3.135-1986版本。该标准为下列组织所采纳：

● 国际标准化组织(ISO)，为ISO 9075-1989报告“Database Language SQL With Integrity Enhancement”
● 美国联邦政府，发布在The Federal Information Processing Standard Publication(FIPS PUB)127

目前，所有主要的关系数据库管理系统支持某些形式的SQL语言， 大部分数据库打算遵守ANSI SQL89标准。

SQL的优点

SQL广泛地被采用正说明了它的优点。它使全部用户，包括应用程序员、DBA管理员和终端用户受益非浅。

(1) 非过程化语言

SQL是一个非过程化的语言，因为它一次处理一个记录，对数据提供自动导航。SQL允许用户在高层的数据结构上工作，而不对单个记录进行操作，可操作记录集。所有SQL 语句接受集合作为输入，返回集合作为输出。SQL的集合特性允许一条SQL语句的结果作为另一条SQL语句的输入。 SQL不要求用户指定对数据的存放方法。 这种特性使用户更易集中精力于要得到的结果。所有SQL语句使用查询优化器，它是RDBMS的一部分，由它决定对指定数据存取的最快速度的手段。查询优化器知道存在什么索引，哪儿使用合适，而用户从不需要知道表是否有索引，表有什么类型的索引。

(2) 统一的语言

SQL可用于所有用户的DB活动模型，包括系统管理员、数据库管理员、 应用程序员、决策支持系统人员及许多其它类型的终端用户。基本的SQL 命令只需很少时间就能学会，最高级的命令在几天内便可掌握。 SQL为许多任务提供了命令，包括：

● 查询数据
● 在表中插入、修改和删除记录
● 建立、修改和删除数据对象
● 控制对数据和数据对象的存取
● 保证数据库一致性和完整性

以前的数据库管理系统为上述各类操作提供单独的语言，而SQL 将全部任务统一在一种语言中。

(3) 是所有关系数据库的公共语言

由于所有主要的关系数据库管理系统都支持SQL语言，用户可将使用SQL的技能从一个RDBMS转到另一个。所有用SQL编写的程序都是可以移植的。

[NextPage]
Java语言简介

一. Java的由来

当1995年SUN推出Java语言之后，全世界的目光都被这个神奇的语言所吸引。那么Java到底有何神奇之处呢？

Java语言其实最是诞生于1991年，起初被称为OAK语言，是SUN公司为一些消费性电子产品而设计的一个通用环境。他们最初的目的只是为了开发一种独立于平台的软件技术，而且在网络出现之前，OAK可以说是默默无闻，甚至差点夭折。但是，网络的出现改变了OAK的命运。

在Java出现以前。Internet上的信息内容都是一些乏味死板的HTML文档。这对于那些迷恋于WEB浏览的人们来说简直不可容忍。他们迫切希望能在WEN中看到一些交互式的内容，开发人员也极希望能够在WEB上创建一类无需考虑软硬件平台就可以执行的应用程序，当然这些程序还要有极大的安全保障。对于用户的这种要求，传统的编程语言显得无能为力，面SUN的工程师敏锐地察觉到了这一点，从1994年起，他们开始将OAK技术应用于WEB上，并且开发出了HotJava的第一个版本。当SUN公司1995年正式以Java这个名字推出的时候，几乎所有的WEB开发人员都想到：噢，这正是我想要的。于是Java成了一颗耀眼的明星，丑小鸭一下了变成了白天鹅。

二. Java的定义

Java是一种简单的，面象对象的，分布式的，解释的，键壮的安全的，结构的中立的，可移植的，性能很优异的多线程的，动态的语言。

Java的开发环境有不同的版本，如sun公司的Java Developers Kit， 简称 JDK。后来微软公司推出了支持Java规范的Microsoft Visual J++ Java开发环境，简称 VJ++。

三. Java的特点

1. 平台无关性

平台无关性是指Java能运行于不同的平台。Java引进虚拟机 原理，并运行于虚拟机，实现不同平台的Java接口之间。使 用Java编写的程序能在世界范围内共享。Java的数据类型与 机器无关，Java虚拟机（Java Virtual Machine）是建立在 硬件和操作系统之上，实现Java二进制代码的解释执行功能， 提供于不同平台的接口的。

2. 安全性

Java的编程类似C++,学习过C++的读者将很快掌握Java的精 髓。Java舍弃了C++的指针对存储器地址的直接操作，程序 运行时，内存由操作系统分配，这样可以避免病毒通过指 针侵入系统。Java对程序提供了安全管理器，防止程序的 非法访问。

3. 面向对象

Java 吸取了C++面向对象的概念,将数据封装于类中,利用类 的优点,实现了程序的简洁性和便于维护性。类的封装性、 继承性等有关对象的特性，使程序代码只需一次编译，然后 通过上述特性反复利用。程序员只需把主要精力用在类和接 口的设计和应用上。Java 提供了众多的一般对象的类，通 过继承即可使用父类的方法。在 Java 中，类的继承关系是单一的非多重的，一个子类 只有一个父类，子类的父类又有一个父类。Java 提供的 Object 类及其子类的继承关系如同一棵倒立的树形，根类 为 Object 类， Object 类功能强大，经常会使用到它及其 它派生的子类。

4. 分布式

Java建立在扩展TCP/IP网络平台上。库函数提供了用HTTP和FTP协议传送和接受信息的方法。这使得程序员使用网络上的文件和使用本机文件一样容易。

5. 键壮性

Java致力于检查程序在编译和运行时的错误。类型检查帮助检查出许多开发早期出现的错误。Java自已操纵内存减少了内存出错的可能性。Java还实现了真数组，避免了覆盖数据的可能。这些功能特征大大提高了开发Java应用程序的周期。Java提供： Null指针检测、 数组边界检测、 异常出口、 Byte code校验。

四. Java与C/C++语言

Java提供了一个功能强大语言的所有功能，但几乎没有一点含混特征。C++安全性不好，但C和C++被大家接受，所以Java设计成C++形式，让大家很容易学习。

Java去掉了C++语言的许多功能，让Java的语言功能很精炼，并增加了一些很有用的功能，如自动收集碎片。

Java去掉了以下几个C和C++功能：
指针运算
结构
typedefs
#define
需要释放内存

这将减少了平常出错的50%。而且，Java很小，整个解释器只需215K的RAM。

面象对象：Java实现了C++的基本面象对象技术并有一些增强，（为了语言简单，删除了一些功能）。Java处理数据方式和用对象接口处理对象数据方式一样。

五. Java与Internet

我们知道，早先的 www 仅可以传送文本和图片，Java的出现实现了互动的页面，是一次伟大的革命。

Java并不是为 Internet,WWW而设计的，它也可以用来编写独立的应用程序。Java 是一种面向对象语言。Java 语言类似于 C++ 语言，所以已熟练掌握 C++语言的编程人员，再学习 Java 语言就容易得多！Java 程序需要编译。实际上有两种 Java 程序：一种 Java 应用程序是一个完整的程序，如 Web 浏览器。一种 Java 小应用程序是运行于 Web 浏览器中的一个程序.

Java程序和它的浏览器HotJava，提供了可让你的浏览器运行程序的方法。你能从你的浏览器里直接播放声音。你还能播放页面里的动画。Java还能告诉你的浏览器怎样处理新的类型文件。当我们能在2400 baud线上传输视频图象时，HotJava将能显示这些视频。

当今Internet的一大发展趋势是电子商务，而Internet的安全问题是必须解决的问题，通常大的部门应设置防火墙，阻止非法侵入。

电子商务是当今的热门话题，然而传统的编程语言难以胜任电子商务系统，电子商务要求程序代码具有基本的要求：安全、可靠、同时要求能 与运行于不同平台的机器的全世界客户开展业务。Java以其强安全性、平台无关性、硬件结构无关性、语言简洁同时面向对象，在网络编程语言中占据无可比拟的优势，成为实现电子商务系统的首选语言。

Java程序被放置在Internet服务器上,当用户访问服务器时,Java程序被下载到本地的用户机上,由浏览器解释运行。

[NextPage]
PowerBuilder简介

PowerBuilder的产生

PowerBuilder是美国着名的数据库应用开发工具生产厂商PowerSoft推出的成功产品，其第一版于1991年6月正式投入市场。它是完全按照客户/服务器体系结构研制设计的，采用面向对象技术，图形化的应用开发环境，是数据库的前端开发工具。

PowerBuilder的特点

它支持应用系统同时访问多种数据库，其中既包括Oracel,Sybase之类的大型数据库，又包括FOXPRO之类支持ODBC接口的小型数据库，PowerBuilder是完全可视化的数据库开发工具，它提供了大量的控件，大大加快了项目的开发速度，也使开发者更容易掌握数据库的开发。

它使用的编程语言叫做工PowerScripr，它也是一种高级的，结构化的编程语言。PowerScript提供了一套完整的嵌入式SQL语句，开发人员可以像使用其它语句一样自由地使用SQL语言，这样就大大增强了程序操纵和访问数据库的能力。可以说PowerBuilder既适合初学者快速学习数据库的开发，又可以让有经验的开发人员开发出功能强大的数据库，是一种适用面非常广的开发工具。

PowerBuilder是一个用来进行客户/服务器开发的完全的可视化开发环境。使用PowerBuilder,你可以用一种可视的直观的方式来创建应用程序的用户界面和数据库接口。这是一个总的概念，实际上是开发人员使用PowerBuilder去开发应用程序，由于所开发的各种应用程序充分利用了图形用户接口(GUI)的优点，所以PowerBuilder被认为是一个图形工具。

在客户／服务器结构的应用中，PowerBuilder具有描述多个数据库连接与检索的能力。特别是PowerBuilder能从大多数流行的RDBMS中存取数据，且不管数据存放在什麽地方；另外，各种应用程序又可以独立于RDBMS,因为PowerBuilder可以使用数据库的标准操作语言SQL(结构化查询语言）进行。

使用PowerBuilder，可以很容易地开发出功能强大的图形界面的访问服务器数据库的应用程序，PowerBuilder提供了建立符合工业标准的应用程序（例如订单登记、会计及制造系统）所需的所有工具。

PowerBuilder应用程序由窗口组成，这些窗口包含用户与之交互的控件。开发人员可以使用所有标准空间（如按钮、复选框、下拉式列表框或编辑框）以及PowerBuilder提供的特殊的使应用程序更易于开发和使用的控件。

通常人们把PowerBuilder看成是一种开发工具，实际上它比其他工具强得多，是一种强有力的开发环境。开发人员不仅能用它来开发用户容易使用的各种应用程序还可以通过PowerBuilder修改数据库，利用400多个内部定义函数，可以开发能和其他应用程序进行的各种应用程序。

PowerBuilder正在成为客户／服务器应用开发的标准。相对于其他任何客户／服务器开发环境，PowerBuilder使开发人员的工作更快、成本更低、质量更高、功能更强。

PowerBuilder为应用开发提供了全面综合性的支持，可以分别概括为如下几点：

事件驱动的应用程序
功能强大的编程语言与函数
面向对象的编程
跨平台开发
开放的数据库连结系统

PowerBuilder开发环境

PowerBuilder开发环境由一系列集成的图形画板(Painter)组成，应用开发人员通过简单的鼠标操作即可设计、建立、交互检验和测试客户／服务器应用程序。
[NextPage]
Delphi简介

Delphi这个名字源于古希腊的城市名。它集中了第三代语言
参考资料：http://..com/question/8029.html

④ 程序员应该学哪些课程

最基本的编程能力要具备。
对于C、C＋＋、VB、.NET、JAVA要有初步了解
特别的，如果能熟练掌握JAVA是最好的。
在JAVA方面，推荐你去读读《croe java》系列（共三本，最好看影印版的，翻译过来的书中有些地方有问题）。读完之后，就可以考虑发展方向的问题了。现在JAVA主要有J2EE、J2ME、J2SE等等。
但是，作为辅助的工具，html语言一定要会，JSP技术也要精通，注意是精通。
现代企业级的应用大多是以模块来开发设计软件系统的。这就需要采用各种框架模型。目前比较流行的是MVC模型，在此模型下，又有SPRING框架和STRUTS框架。各有各的好处与不足。有时间你可以仔细研究一下。

⑤ 十年前的程序员，现在在做什么

如果说十年前就是程序员的话，我觉得现在而言可能有几种发展的可能性。

继续做程序员

即使都是程序员，有不同的职业规划，也会有不同的发展现状，毕竟，就算是老师也有人是主任，有人是校长呢。

⑥ 作为一个好的程序员，都需要具备哪些基本的素质和能力

我上班第一天我的老板让我做的第一件事
看两篇文章：
程序员随想
雷军
我不是天生的程序员，也并非天生就喜欢电脑，上高中时也没有想过将来会当程序员，接触电脑纯属偶然－－小时候的一个好朋友上大学时选择了电脑专业，为了和这个朋友有更多的“共同语言”我便选择了计算机系。在大学，我略窥电脑世界，开始为之“发烧”；毕业后，开始了一个程序员的职业生涯。
从开始写程序到现在快十年了，写过的程序不少。从这些年的风风雨雨中走过来，不能不有些体会。说到体会，最大的体会就是这条路太漫长。
一、一辈子有你 苦一点也愿意
我没有奢望大家把写程序和文学创作相提并论，但其中的苦楚却不是一个普通用户能够体味的。为了写好一个程序，我们度过太多不眠之夜。有个朋友如此评价道，“写程序简直是在自杀，巨费精力巨费脑子巨累”。但还是有许多人不畏其苦，前仆后继。
我刚接触到电脑就发现电脑的妙处：电脑远没有人那么复杂，如果你的程序写得好，你就可以和电脑有着非常融洽的关系，就可以指挥电脑干你想干的事，这个时候，你是十足的主宰。每每坐在电脑面前，你就如同在一个王国里巡行。
电脑里的世界很大，程序员是活在自己想象的王国里。你可以细微到电脑里的每一个字节、每一个比特的东西。
这样的日子简直就是天堂般的日子，很多人都爱上了这样的日子。
不少人认为程序员最多干到三十五岁就可以收山，脑子也差不多该歇歇了，并认为写程序是年轻人的事情，到了一定年龄，估计没什么人再当程序员。
我刚毕业时，意气风发，也想先吃点苦，到了三十岁就不干了。年长一点后就发现了自己的无知。一个人大学毕业就二十一二岁，技术成熟一点后可能二十五，接着就是票子、妻子和房子等等诸多忙不完的事情。一切搞掂的时候，也许就是三十五岁。如果三十五岁就放弃的话，我们就不用选择程序员的道路。
电脑进入我国时间不短，但真正大规模开始用，还是八五年PC登陆我国时候的事。因此国内真正写电脑程序的人最长也就写了十几年（不知道是否还有这样的人）。由于电脑应用在国内时间比较短，国内程序开发的主力以三十五岁以下的年轻人为主，但这并不表示程序员如同红粉佳人般的容易衰老。美国和台湾地区的开发者以三四十岁的人为主。开始写程序的时候，我们觉得没有什么不能做的（现在还能听到这样的豪言壮语），而且更要命的是，好象我们特别聪明，特别适合开发软件，比老外强得多。当我们真正接触那些杰出的国外开发人员的时候，发现他们太厉害了，都有十多年的开发经验，绝对多数的产品出自这些有丰富开发经验的程序员之手。
毕业后，编程不仅仅是爱好，而且成了一辈子的工作，可以肯定会干一辈子，虽然我没有打算一生只干这一件事。用一生来编程是一件既容易又困难的事。如果碌碌无为，为交差写点程序，这样写两辈子的人都有。但如果想全身心地写程序，写十年都不是一件容易的事。现在我的不少朋友都洗手了，有时我也有这种想法，但一旦面对电脑，立刻顿悟：电脑还是自己最擅长干的事，也是最顺手的事。
二、我的未来不是梦
有的人刻苦学习编程技术，努力提高编程水平，并把高级程序员作为追求的目标，甚至是终身的奋斗目标。后来参与了真正的商品化软件开发后，感到非常困惑和茫然。
当我上大学的时候，高级程序员也曾是我的目标。当时，我通过等级考试获得了高级程序员证书，并在自己的名片上印上“高级程序员”的字样。后来，我的水平提高了，似乎也成了大家认可的好程序员了。这个时候我却开始茫然。我希望我的技术能得到别人的承认，当得到别人的承认后，我又能如何呢？后来我发现，无论成为多么高级的程序员都没用，关键是是否能够出想法、出产品，你的劳动是否能被社会承认，是否能为社会创造财富。
我的未来是明确的，开发出高质量的适用社会的产品，为社会创造财富。
三、每一个程序都是艺术品
有人认为程序员没有什么了不起，不过是一种熟练工种而已；也有人把编程说成是艺术创作，捧上天。这两种意见争论比较激烈，甚至可以说针锋相对。
我们换个工种来看，石匠应该是熟练工种，跟艺术似乎沾不上边。；但正是这些石匠，给我们留下了数不胜数的文物古迹，如乐山大佛、莫高窟等等。应该说这此石匠给我们留下了无穷的文化财富。我认为编程的工作和石匠比较相似，是技术，也是艺术。
现代软件工业已具相当规模，很多软件的完成需要的是大兵团作战。一名精通程序员接受编写某一块的任务后，往往只是写代码，发挥的余地很小。在大项目中，很多程序员只能了解到和自己所编模块相关的很局部的细节，另外还受到开发环境的限制，真的很难体会到自己在从事“艺术”创造，更多的时候是感到自己在从事重体力劳动。有的时候还担心自己苦苦参与的这个项目究竟有没有意义，是不是在同类产品中有竞争力，会不会开发出来以后就因为硬件的发展、操作系统的换代而过时．．．．．．
编程是技术活，才有可能大规模进行，才会有软件工程的理论。也正是编程具备艺术创作的特点，我们的生活才会有如此多的好软件产品。写一个程序需要付出脑力和体力，当我—我们—某个群体完成一个程序之后，在我们的眼里，每一个程序就都是艺术品。

程序员应具备的素质
前言
程序员是一种技术工作，在IT的发展中有相当重要的地位，从底层硬件通讯协议的建立， 到数据传输层的处理，到操作系统的建设，到数据库平台的建设，一直到应用层上各种数 据营销平台的搭建，程序员在里面都扮演着举足轻重的角色并为IT事业的发展做出了巨大 的贡献。

中国有很多精于编码的人，但是中国软件行业，尤其是网络应用开发方面误区很大，很难形成有规模的软件开发力量和产品能力，不但比美国差距甚远，和印度相比也是颇有不 如。这些问题不是在于中国程序员的智商和工作努力状况，也不是在于国家和民间对开发 的投入程度，而是很大程度上，有一些对技术，对程序开发，对项目设计方面的思想误 区，这些误区，导致了软件行业的产品化能力不足，缺乏规模化和大型复用系统研发能 力，可以说，改变认识误区，是解决软件行业小作坊模式和个体英雄模式所带来的局限性 的重要工作。

中国有很多小朋友，他们18,9岁或21,2岁，通过自学也写了不少代码，他们有的代码写的很漂亮，一些技术细节相当出众，也很有钻研精神，但是他们被一些错误的认识和观点左右，缺乏对系统，对程序的整体理解能力，这些人，一个网上的朋友说得很好，他们实际 上只是一些Coding fans，压根没有资格称为程序员，但是据我所知，不少小网络公司的 CTO就是这样的coding fans,拿着吓人的工资，做着吓人的项目，项目的结局通常也很吓人。

一、程序员基本素质
作一个真正合格的程序员，或者说就是可以真正合格完成一些代码工作的程序员，应该具有的素质。
1：团队精神和协作能力
把它作为基本素质，并不是不重要，恰恰相反，这是程序员应该具备的最基本的，也是最 重要的安身立命之本。把高水平程序员说成独行侠的都是在呓语，任何个人的力量都是有 限的，即便如linus这样的天才，也需要通过组成强大的团队来创造奇迹，那些遍布全球 的为linux写核心的高手们，没有协作精神是不可想象的。独行侠可以作一些赚钱的小软 件发点小财，但是一旦进入一些大系统的研发团队，进入商业化和产品化的开发任务，缺 乏这种素质的人就完全不合格了。
2：文档习惯
说高水平程序员从来不写文档的肯定是乳臭未干的毛孩子，良好的文档是正规研发流程中 非常重要的环节，作为代码程序员，30％的工作时间写技术文档是很正常的，而作为高级 程序员和系统分析员，这个比例还要高很多。
缺乏文档，一个软件系统就缺乏生命力，在未来的查错，升级以及模块的复用时就都会遇 到极大的麻烦。

3：规范化，标准化的代码编写习惯
作为一些外国知名软件公司的规矩，代码的变量命名，代码内注释格式，甚至嵌套中行缩 进的长度和函数间的空行数字都有明确规定，良好的编写习惯，不但有助于代码的移植和 纠错，也有助于不同技术人员之间的协作。
有些coding fans叫嚣高水平程序员写的代码旁人从来看不懂，这种叫嚣只能证明他们自 己压根不配自称程序员。代码具有良好的可读性，是程序员基本的素质需求。
再看看整个linux的搭建，没有规范化和标准化的代码习惯，全球的研发协作是绝对不可 想象的。

4：需求理解能力
程序员需要理解一个模块的需求，很多小朋友写程序往往只关注一个功能需求，他们把性 能指标全部归结到硬件，操作系统和开发环境上，而忽视了本身代码的性能考虑，有人曾 经放言说写一个广告交换程序很简单，这种人从来不知道在百万甚至千万数量级的访问情 况下的性能指标是如何实现的，对于这样的程序员，你给他深蓝那套系统，他也做不出太 极链的并访能力。性能需求指标中，稳定性，并访支撑能力以及安全性都很重要，作为程 序员需要评估该模块在系统运营中所处的环境，将要受到的负荷压力以及各种潜在的危险 和恶意攻击的可能性。就这一点，一个成熟的程序员至少需要2到3年的项目研发和跟踪经 验才有可能有心得。
5：复用性，模块化思维能力
经常可以听到一些程序员有这样的抱怨，写了几年程序，变成了熟练工，每天都是重复写 一些没有任何新意的代码，这其实是中国软件人才最大浪费的地方，一些重复性工作变成 了熟练程序员的主要工作，而这些，其实是完全可以避免的。

复用性设计，模块化思维就是要程序员在完成任何一个功能模块或函数的时候，要多想一 些，不要局限在完成当前任务的简单思路上，想想看该模块是否可以脱离这个系统存在， 是否可以通过简单的修改参数的方式在其他系统和应用环境下直接引用，这样就能极大避 免重复性的开发工作，如果一个软件研发单位和工作组能够在每一次研发过程中都考虑到 这些问题，那么程序员就不会在重复性的工作中耽误太多时间，就会有更多时间和精力投 入到创新的代码工作中去。

一些好的程序模块代码，即便是70年代写成的，拿到现在放到一些系统里面作为功能模块 都能适合的很好，而现在我看到的是，很多小公司软件一升级或改进就动辄全部代码重 写，大部分重复性工作无谓的浪费了时间和精力。
6：测试习惯
作为一些商业化正规化的开发而言，专职的测试工程师是不可少的，但是并不是说有了专 职的测试工程师程序员就可以不进行自测；软件研发作为一项工程而言，一个很重要的特 点就是问题发现的越早，解决的代价就越低，程序员在每段代码，每个子模块完成后进行 认真的测试，就可以尽量将一些潜在的问题最早的发现和解决，这样对整体系统建设的效 率和可靠性就有了最大的保证。

测试工作实际上需要考虑两方面，一方面是正常调用的测试，也就是看程序是否能在正常 调用下完成基本功能，这是最基本的测试职责，可惜在很多公司这成了唯一的测试任务， 实际上还差的远那；第二方面就是异常调用的测试，比如高压力负荷下的稳定性测试，用 户潜在的异常输入情况下的测试，整体系统局部故障情况下该模块受影响状况的测试，频 发的异常请求阻塞资源时的模块稳定测试等等。当然并不是程序员要对自己的每段代码都 需要进行这种完整测试，但是程序员必须清醒认识自己的代码任务在整体项目中的地位和 各种性能需求，有针对性的进行相关测试并尽早发现和解决问题，当然这需要上面提到的 需求理解能力。
7：学习和总结的能力
程序员是人才很容易被淘汰，很容易落伍的职业，因为一种技术可能仅仅在三两年内具有 领先性，程序员如果想安身立命，就必须不断跟进新的技术，学习新的技能。
善于学习，对于任何职业而言，都是前进所必需的动力，对于程序员，这种要求就更加高 了。
但是学习也要找对目标，一些小coding fans们，他们也津津乐道于他们的学习能力，一 会学会了asp，一会儿学会了php，一会儿学会了jsp，他们把这个作为炫耀的资本，盲目 的追逐一些肤浅的，表面的东西和名词，做网络程序不懂通讯传输协议，做应用程序不懂 中断向量处理，这样的技术人员，不管掌握了多少所谓的新语言，永远不会有质的提 高。
善于总结，也是学习能力的一种体现，每次完成一个研发任务，完成一段代码，都应当有 目的的跟踪该程序的应用状况和用户反馈，随时总结，找到自己的不足，这样逐步提高， 一个程序员才可能成长起来。
一个不具备成长性的程序员，即便眼前看是个高手，建议也不要选用，因为他落伍的时候 马上就到了。
具备以上全部素质的人，应当说是够格的程序员了，请注意以上的各种素质都不是由IQ决 定的，也不是大学某些课本里可以学习到的，需要的仅仅是程序员对自己工作的认识，是一种意识上的问题。

二、高级程序员/项目设计者还需具备的素质
那么作为高级程序员，以至于系统分析员，也就是对于一个程序项目的设计者而言，除了应该具备上述全部素质之外，还需要具备以下素质：
第一，需求分析能力
对于程序员而言，理解需求就可以完成合格的代码，但是对于研发项目的组织和管理者， 他们不但要理解客户需求，更多时候还要自行制定一些需求，为什么这么说呢？
一般而言，进行研发任务，也许是客户提出需求，也许是市场和营销部门提出的需求，这 时候对于研发部门，他们看到的不是一个完整的需求，通常而言，该需求仅仅是一些功能 上的要求，或者更正规些，可能获得一个完整的用户视图；但是这都不够，因为客户由于 非技术因素多一些，他们可能很难提出完整和清晰，或者说专业性的性能需求，但是对于 项目组织者和规划者，他必须能够清醒认识到这些需求的存在并在完成需求分析报告的时 候适当的提出，同时要完整和清晰的体现在设计说明书里面，以便于程序员编码时不会失 去这些准则。
程序设计者必须正确理解用户需求所处的环境，并针对性做出需求的分析，举例而言，同 样一个软件通过ASP租用方式发布和通过License方式发布，性能需求可能就是有区别的， 前者强调的是更好的支撑能力和稳定性，而后者则可能更强调在各种平台下的普适性和安 装使用的简捷性。
第二，项目设计方法和流程处理能力
程序设计者必须能够掌握不少于两到三种的项目设计方法（比如自顶至下的设计方法，比如快速原型法等等），并能够根据项目需求和资源搭配来选择合适的设计方法进行项目的 整体设计。
设计方法上选择不当，就会耽误研发周期，浪费研发资源，甚至影响研发效果。
一个程序设计者还需要把很多功夫用在流程图的设计和处理上，他需要做数据流图以确立 数据词典；他需要加工逻辑流图以形成整体的系统处理流程。
一个流程有问题的系统，就算代码多漂亮，每个模块多精致，也不会成为一个好的系统。 当然，做好流程分析并选择好项目设计方法，都需要在需求分析能力上具有足够的把 握。
第三，复用设计和模块化分解能力
这个似乎又是老调重谈，前面基本素质上不是已经说明了这个问题吗？
作为一个从事模块任务的程序员，他需要对他所面对的特定功能模块的复用性进行考虑， 而作为一个系统分析人员，他要面对的问题复杂的多，需要对整体系统按照一种模块化的 分析能力分解为很多可复用的功能模块和函数，并针对每一模块形成一个独立的设计需 求。举个例子，好比是汽车生产，最早每辆汽车都是独立安装的，每个部件都是量身定做 的，但是后来不一样了，机器化大生产了，一个汽车厂开始通过流水线来生产汽车，独立 部件开始具有一定的复用性，在后来标准化成为大趋势，不同型号，品牌甚至不同厂商的 汽车部件也可以进行方便的换装和升级，这时候，汽车生产的效率达到最大化。软件工程 也是同样的道理，一个成熟的软件行业，在一些相关项目和系统中，不同的部件是可以随 意换装的，比如微软的许多桌面软件，在很多操作模块（如打开文件，保存文件等等）都 是复用的同一套功能模块，而这些接口又通过一些类库提供给了桌面应用程序开发者方便 挂接，这就是复用化的模块设计明显的一个佐证。

将一个大型的，错综复杂的应用系统分解成一些相对独立的，具有高度复用性的，并能仅 仅依靠几个参数完成数据联系的模块组合，是作为高级程序员和系统分析员一项最重要的 工作，合适的项目设计方法，清晰的流程图，是实现这一目标的重要保证。
第四，整体项目评估能力
作为系统设计人员，必须能够从全局出发，对项目又整体的清醒认识，比如公司的资源配 置是否合理和到位，比如工程进度安排是否能最大化体现效率又不至于无法按期完成。评 估项目整体和各个模块的工作量，评估项目所需的资源，评估项目可能遇到的困难，都需 要大量的经验积累，换言之，这是一种不断总结的累计才能达到的境界。在西方一些软件 系统设计的带头人都是很年长的，比如4，50岁，甚至更老，他们在编码方面已经远远不 如年轻人那样活络，但是就项目评估而言，他们几十年的经验积累就是最重要和宝贵的财 富。中国缺这么一代程序员，主要还不是缺那种年纪的程序员，而是那种年纪的程序员基 本上都是研究单位作出来的，都不是从专业的产品化软件研发作出来的，他们没有能积累 那种产品化研发的经验，这也是没有办法的事情。
第五，团队组织管理能力
完成一个项目工程，需要团队的齐心协力，作为项目设计者或研发的主管人，就应当有能 力最大化发挥团队的整体力量，技术管理由于其专业性质，不大同于一般的人事管理，因为这里面设计了一些技术性的指标和因素。
首先是工作的量化，没有量化就很难做到合适的绩效考核，而程序量化又不是简单的代码 行数可以计算的，因此要求技术管理人员需要能真正评估一个模块的复杂性和工作量。
其次是对团队协作模式的调整，一般而言，程序开发的协作通常分为小组进行，小组有主 程序员方式的，也有民主方式的，根据程序员之间的能力水平差距，以及根据项目研发的 需求，选择合适的组队方式，并能将责权和成员的工作任务紧密结合，这样才能最大发挥 组队的效率。
一个代码水平高的人，未必能成为一个合格的项目研发主管，这方面的能力欠缺往往是容 易被忽视的。

综上可以看到，作为一个主管研发的负责人，一个项目设计者，所需要具备的素质和能力 并不是程序代码编写的能力，当然一般情况下，一个程序员通过不断的总结提高达到了这种素质的时候，他所具有的代码编写能力也已经相当不简单了，但是请注意这里面的因果 关系，一个高水平的项目设计者通常已经是代码编写相当优秀的人了，但是并不是一个代 码相当优秀的程序员就可以胜任项目设计的工作，这里面存在的也不是智商和课本的问 题，还是在于一个程序员在积累经验，逐步提升的时候没有意识到应当思考哪方面的东 西，没有有意识的就项目的组织和复用设计进行揣摩，没有经常性的文档习惯和总结习 惯，不改变这些，我们的合格的项目设计者还是非常欠缺。

另外，为防止有无聊的人和我较真，补充一点，本文针对目标是作商业化的软件项目和工程，那些科研机构的编程高手，比如算法高手，比如图象处理高手，他们的工作是研究课题而非直接完成商业软件（当然最终间接成为商业产品，比如微软研究院在作的研究课 题），因此他们强调的素质可能是另外的东西，这些人（专家），并不能说是程序员，不能用程序员的标准去衡量。

三、软件项目研发的设计流程
最后补充一点东西，一个软件项目研发的设计流程是怎样的呢？以通常标准的设计方法为例，（不过笔者喜欢快速原型法）。
第一个步骤是市场调研
技术和市场要结合才能体现最大价值。

第二个步骤是需求分析
这个阶段需要出三样东西，用户视图，数据词典和用户操作手册。
用户视图是该软件用户（包括终端用户和管理用户）所能看到的页面样式，这里面包含了 很多操作方面的流程和条件。

数据词典是指明数据逻辑关系并加以整理的东东，完成了数据词典，数据库的设计就完成 了一半多。
用户操作手册是指明了操作流程的说明书。
请注意，用户操作流程和用户视图是由需求决定的，因此应该在软件设计之前完成，完成 这些，就为程序研发提供了约束和准绳，很遗憾太多公司都不是这样做的，因果颠倒，顺 序不分，开发工作和实际需求往往因此产生隔阂脱节的现象。
需求分析，除了以上工作，笔者以为作为项目设计者应当完整的做出项目的性能需求说明 书，因为往往性能需求只有懂技术的人才可能理解，这就需要技术专家和需求方（客户或 公司市场部门）能够有真正的沟通和了解。
第三个步骤是概要设计
将系统功能模块初步划分，并给出合理的研发流程和资源要求。 作为快速原型设计方法，完成概要设计就可以进入编码阶段了，通常采用这种方法是因为 涉及的研发任务属于新领域，技术主管人员一上来无法给出明确的详细设计说明书，但是 并不是说详细设计说明书不重要，事实上快速原型法在完成原型代码后，根据评测结果和 经验教训的总结，还要重新进行详细设计的步骤。

第四个步骤是详细设计
这是考验技术专家设计思维的重要关卡，详细设计说明书应当把 具体的模块以最’干净’的方式(黑箱结构）提供给编码者，使得系统整体模块化达到最 大；一份好的详细设计说明书，可以使编码的复杂性减低到最低，实际上，严格的讲详细 设计说明书应当把每个函数的每个参数的定义都精精细细的提供出来，从需求分析到概要 设计到完成详细设计说明书，一个软件项目就应当说完成了一半了。换言之，一个大型软 件系统在完成了一半的时候，其实还没有开始一行代码工作。
那些把作软件的程序员简单理解为写代码的，就从根子上犯了错误了。

第五个步骤是编码
在规范化的研发流程中，编码工作在整个项目流程里最多不会超过1/ 2，通常在1/3的时间，所谓磨刀不误砍柴功，设计过程完成的好，编码效率就会极大提 高，编码时不同模块之间的进度协调和协作是最需要小心的，也许一个小模块的问题就可 能影响了整体进度，让很多程序员因此被迫停下工作等待，这种问题在很多研发过程中都 出现过。编码时的相互沟通和应急的解决手段都是相当重要的，对于程序员而言，bug永 远存在，你必须永远面对这个问题，大名鼎鼎的微软，可曾有连续三个月不发补丁的时候 吗？从来没有！
第六个步骤是测试
测试有很多种：
按照测试执行方，可以分为内部测试和外部测试
按照测试范围，可以分为模块测试和整体联调
按照测试条件，可以分为正常操作情况测试和异常情况测试
按照测试的输入范围，可以分为全覆盖测试和抽样测试
以上都很好理解，不再解释。

总之，测试同样是项目研发中一个相当重要的步骤，对于一个大型软件，3个月到1年的外 部测试都是正常的，因为永远都会又不可预料的问题存在。

完成测试后，完成验收并完成最后的一些帮助文档，整体项目才算告一段落，当然日后少 不了升级，修补等等工作，只要不是想通过一锤子买卖骗钱，就要不停的跟踪软件的运营 状况并持续修补升级，知道这个软件被彻底淘汰为止。

写这些步骤算不上卖弄什么，因为实话讲我手边是一本《软件工程》，在大学里这是计算 机专业的必修课程，但是我知道很多程序员似乎从来都只是热衷于什么《30天精通VC》之 类的，他们有些和我一样游击队出身，没有正规学过这个专业，还有一些则早就在混够学 分后就把这些真正有用的东西还给了老师。
网上现在也很浮躁，一些coding fans乱嚷嚷，混淆视听，实际上真正的技术专家很少在 网上乱发帖子的，如笔者这样不知天高地厚的，其实实在是算不上什么高手，只不过看不 惯这种对技术，对程序员的误解和胡说，只好挺身而出，做拨乱反正之言，也希望那些还 沉迷于一些错误人士的coding fans们能认真想想，走到正途上，毕竟那些聪明的头脑还 远远没有发挥应有的价值。

⑦ 好程序员：十年老程序员告诫新人，别动不动就说自

好程序员是千锋旗下高端教育品牌，目前在国内属于领先水平的高端IT人才教育机构，坚持100%面授，保证学员高就业率和高收入薪资。

⑧ 电脑程序员怎么学

计算机编程的学习过程虽然具有一定的难度，但是只要有一个系统的学习规划，大部分人都能学得会。对于初学者来说，可以按照以下步骤完成编程入门：

第一：选择一门编程语言。虽然目前编程语言有600种左右，但是比较流行的编程语言只有几十种，所以尽量选择流行程度比较高的编程语言来入门编程。对于没有明确编程场景的初学者来说，尽量选择全场景编程语言，比如Java、python、C#等就是不错的选择，不仅应用范围广泛，而且也有大量的开发案例可以参考学习。

第二：建立基本的编程思想。编程语言本身的难度并不高，只要掌握了相应的编程规则就能逐渐建立起自己的编程思想。建立编程思想的第一步是了解编程语言的基本语法规则，以Java语言为例，要掌握各种抽象概念，比如类、对象、属性、方法等；第二步是了解基本的编程过程，比如类的定义、对象的创建、方法的调用；第三步是学习经典的编程模式。

第三：注重实验。学习编程语言一定要重视实验，实验不仅能够帮助理解各种抽象概念，也能在一定程度上积累编程经验。

最后，在学习编程语言的过程中，也需要同时学习计算机网络、数据库等相关知识，在当前的云计算和大数据时代背景下，还需要掌握如何通过云计算（PaaS）来辅助开发，以及如何利用大数据平台的各种资源。

⑨ 程序员为什么要学深度学习

费良宏：程序员为什么要学深度学习？

深度学习本身是一个非常庞大的知识体系。本文更多想从程序员的视角出发，让大家观察一下深度学习对程序员意味着什么，以及我们如何利用这样一个高速发展的学科，来帮助程序员提升软件开发的能力。
本文根据费良宏在2016QCon全球软件开发大会（上海）上的演讲整理而成。
前言
1973年，美国上映了一部热门的科幻电影《WestWorld》，三年之后又有一个续集叫做《FutureWorld》。这部电影在80年代初被引进到中国叫《未来世界》。那部电影对我来讲简直可以说得上是震撼。影片中出现了很多机器人，表情丰富的面部下面都是集成电路板。这让那时候的我觉得未来世界都是那么遥远、那么神秘。
时间到了2016年，很多朋友可能都在追看HBO斥巨资拍摄的同一题材的系列剧《WestWorld》。如果前两部电影还是局限在机器人、人工智能这样的话题，2016年的新剧则在剧情和人工智能的思考方面有了很大的突破。不再渲染机器人是否会威胁到人类，而是在探讨“Dreamsaremainlymemories”这一类更具哲理的问题。
“记忆究竟如何影响了智能”这个话题非常值得我们去思考，也给我们一个很好的启示——今天，人工智能领域究竟有了怎样的发展和进步。
今天我们探讨的话题不仅仅是简单的人工智能。如果大家对深度学习感兴趣，我相信各位一定会在搜索引擎上搜索过类似相关的关键字。我在Google上以deeplearning作为关键字得到了2,630万个搜索的结果。这个数字比一周之前足足多出了300多万的结果。这个数字足以看得出来深度学习相关的内容发展的速度，人们对深度学习的关注也越来越高。

从另外的一个角度，我想让大家看看深度学习在市场上究竟有多么热门。从2011年到现在一共有140多家专注人工智能、深度学习相关的创业公司被收购。仅仅在2016年这种并购就发生了40多起。
其中最疯狂的是就是Google，已经收购了 11 家人工智能创业公司，其中最有名的就是击败了李世石九段的 DeepMind。排名之后的就要数 Apple、Intel以及Twitter。以Intel 公司为例，仅在今年就已经收购了 3 家创业公司，Itseez、Nervana 和 Movidius。这一系列大手笔的并购为了布局人工智能以及深度学习的领域。
当我们去搜索深度学习话题的时候，经常会看到这样的一些晦涩难懂的术语：Gradient descent（梯度下降算法）、Backpropagation（反向传播算法）、Convolutional Neural Network（卷积神经网络）、受限玻耳兹曼机（Restricted Boltzmann Machine）等。
如打开任何一篇技术文章，你看到的通篇都是各种数学公式。大家看到如下左边的图，其实并不是一篇高水准的学术论文，而仅仅是维基网络关于玻耳兹曼机的介绍。维基网络是科普层面的内容，内容复杂程度就超过了大多数数学知识的能力。

在这样的背景之下，我今天的的话题可以归纳成三点：第一，我们为什么要学习深度学习；第二，深度学习最核心的关键概念就是神经网络，那么究竟什么是神经网络；第三，作为程序员，当我们想要成为深度学习开发者的时候，我们需要具备怎样的工具箱，以及从哪里着手进行开发。
为什么要学习深度学习
首先，我们谈谈为什么要学习深度学习。在这个市场当中，最不缺乏的就是各种概念以及各种时髦新技术的词汇。深度学习有什么不一样的地方？我非常喜欢AndrewNg（吴恩达）曾经用过的一个比喻。
他把深度学习比喻成一个火箭。这个火箭有一个最重要的部分，就是它的引擎，目前来看在这个领域里面，引擎的核心就是神经网络。大家都知道，火箭除了引擎之外还需要有燃料，那么大数据其实就构成了整个火箭另外的重要组成部分——燃料。以往我们谈到大数据的时候，更多是强调存储和管理数据的能力，但是这些方法和工具更多是对于以往历史数据的统计、汇总。
而对于今后未知的东西，这些传统的方法并不能够帮助我们可以从大数据中得出预测的结论。如果考虑到神经网络和大数据结合，我们才可能看清楚大数据真正的价值和意义。AndrewNg就曾经说过“我们相信（神经网络代表的深度学习）是让我们获得最接近于人工智能的捷径”。这就是我们要学习深度学习的一个最重要的原因。

其次，随着我们进行数据处理以及运算能力的不断提升，深度学习所代表的人工智能技术和传统意义上人工智能技术比较起来，在性能上有了突飞猛进的发展。这主要得益于在过去几十间计算机和相关产业不断发展带来的成果。在人工智能的领域，性能是我们选择深度学习另一个重要的原因。

这是一段Nvidia在今年公布的关于深度学习在无人驾驶领域应用的视频。我们可以看到，将深度学习应用在自动驾驶方面，仅仅经历了3千英里的训练，就可以达到什么样的程度。在今年年初进行的实验上，这个系统还不具备真正智能能力，经常会出现各种各样的让人提心吊胆的状况，甚至在某些情况下还需要人工干预。
但经过了3千英里的训练之后，我们看到在山路、公路、泥地等各种复杂的路况下面，无人驾驶已经有了一个非常惊人的表现。请大家注意，这个深度学习的模型只经过了短短几个月、3千英里的训练。
如果我们不断完善这种模型的话，这种处理能力将会变得何等的强大。这个场景里面最重要的技术无疑就是深度学习。我们可以得出一个结论：深度学习可以为我们提供强大的能力，如果程序员拥有了这个技术的话，无异于会让每个程序员如虎添翼。
神经网络快速入门
如果我们对于学习深度学习没有任何疑虑的话，接下来就一定会关心我需要掌握什么样的知识才能让我进入到这个领域。这里面最重要的关键技术就是“神经网络”。说起“神经网络”，容易混淆是这样两个完全不同的概念。
一个是生物学神经网络，第二个才是我们今天要谈起的人工智能神经网络。可能在座的各位有朋友在从事人工智能方面的工作。当你向他请教神经网络的时候，他会抛出许多陌生的概念和术语让你听起来云里雾里，而你只能望而却步了。
对于人工智能神经网络这个概念，大多数的程序员都会觉得距离自己有很大的距离。因为很难有人愿意花时间跟你分享神经网络的本质究竟是什么。而你从书本上读的到的理论和概念，也很让你找到一个清晰、简单的结论。
今天就我们来看一看，从程序员角度出发神经网络究竟是什么。我第一次知道神经网络这个概念是通过一部电影——1991年上映的《终结者2》。男主角施瓦辛格有一句台词：
“MyCPUisaneural-netprocessor;alearningcomputer.”（我的处理器是一个神经处理单元，它是一台可以学习的计算机)。从历史来看人类对自身智力的探索，远远早于对于神经网络的研究。
1852年，意大利学者因为一个偶然的失误，将人类的头颅掉到硝酸盐溶液中，从而获得第一次通过肉眼关注神经网络的机会。这个意外加速了对人类智力奥秘的探索，开启了人工智能、神经元这样概念的发展。
生物神经网络这个概念的发展，和今天我们谈的神经网络有什么关系吗？我们今天谈到的神经网络，除了在部分名词上借鉴了生物学神经网络之外，跟生物学神经网络已经没有任何关系，它已经完全是数学和计算机领域的概念，这也是人工智能发展成熟的标志。这点大家要区分开，不要把生物神经网络跟我们今天谈到的人工智能有任何的混淆。

90年代中期，由Vapnik等人提出了支持向量机算法（Support Vector Machines，支持向量机）。很快这个算法就在很多方面体现出了对比神经网络的巨大优势，例如：无需调参、高效率、全局最优解等。基于这些理由，SVM算法迅速打败了神经网络算法成为那个时期的主流。而神经网络的研究则再次陷入了冰河期。
在被人摒弃的十年里面，有几个学者仍然在坚持研究。其中很重要的一个人就是加拿大多伦多大学的Geoffery Hinton教授。2006年，他的在着名的《Science》杂志上发表了论文，首次提出了“深度信念网络”的概念。
与传统的训练方式不同，“深度信念网络”有一个“预训练”（pre-training）的过程，这可以方便的让神经网络中的权值找到一个接近最优解的值，之后再使用“微调”(fine-tuning)技术来对整个网络进行优化训练。这两个技术的运用大幅度减少了训练多层神经网络的时间。在他的论文里面，他给多层神经网络相关的学习方法赋予了一个新名词— “深度学习”。
很快，深度学习在语音识别领域崭露头角。接着在2012年，深度学习技术又在图像识别领域大展拳脚。Hinton与他的学生在ImageNet竞赛中，用多层的卷积神经网络成功地对包含一千个类别的一百万张图片进行了训练，取得了分类错误率15%的好成绩，这个成绩比第二名高了将近11个百分点。
这个结果充分证明了多层神经网络识别效果的优越性。从那时起，深度学习就开启了新的一段黄金时期。我们看到今天深度学习和神经网络的火热发展，就是从那个时候开始引爆的。

利用神经网络构建分类器，这个神经网络的结构是怎样的？

其实这个结构非常简单，我们看到这个图就是简单神经网络的示意图。神经网络本质上就是一种“有向图”。图上的每个节点借用了生物学的术语就有了一个新的名词 – “神经元”。连接神经元的具有指向性的连线（有向弧）则被看作是“神经”。这这个图上神经元并不是最重要的，最重要的是连接神经元的神经。每个神经部分有指向性，每一个神经元会指向下一层的节点。
节点是分层的，每个节点指向上一层节点。同层节点没有连接，并且不能越过上一层节点。每个弧上有一个值，我们通常称之为”权重“。通过权重就可以有一个公式计算出它们所指的节点的值。这个权重值是多少？我们是通过训练得出结果。它们的初始赋值往往通过随机数开始，然后训练得到的最逼近真实值的结果作为模型，并可以被反复使用。这个结果就是我们说的训练过的分类器。
节点分成输入节点和输出节点，中间称为隐层。简单来说，我们有数据输入项，中间不同的多个层次的神经网络层次，就是我们说的隐层。之所以在这样称呼，因为对我们来讲这些层次是不可见的。输出结果也被称作输出节点，输出节点是有限的数量，输入节点也是有限数量，隐层是我们可以设计的模型部分，这就是最简单的神经网络概念。
如果简单做一个简单的类比，我想用四层神经网络做一个解释。左边是输入节点，我们看到有若干输入项，这可能代表不同苹果的RGB值、味道或者其它输入进来的数据项。中间隐层就是我们设计出来的神经网络，这个网络现在有不同的层次，层次之间权重是我们不断训练获得一个结果。
最后输出的结果，保存在输出节点里面，每一次像一个流向一样，神经是有一个指向的，通过不同层进行不同的计算。在隐层当中，每一个节点输入的结果计算之后作为下一层的输入项，最终结果会保存在输出节点上，输出值最接近我们的分类，得到某一个值，就被分成某一类。这就是使用神经网络的简单概述。

除了从左到右的形式表达的结构图，还有一种常见的表达形式是从下到上来表示一个神经网络。这时候，输入层在图的最下方，输出层则在图的最上方。从左到右的表达形式以AndrewNg和LeCun的文献使用较多。而在Caffe框架里则使用的则是从下到上的表达。
简单来说，神经网络并不神秘，它就是有像图，利用图的处理能力帮助我们对特征的提取和学习的过程。2006年Hinton的那篇着名的论文中，将深度学习总结成三个最重要的要素：计算、数据、模型。有了这三点，就可以实现一个深度学习的系统。
程序员需要的工具箱
对于程序员来说，掌握理论知识是为了更好的编程实践。那就让我们看看，对于程序员来说，着手深度学习的实践需要准备什么样的工具。
硬件
从硬件来讲，我们可能需要的计算能力，首先想到的就是CPU。除了通常的CPU架构以外，还出现了附加有乘法器的CPU，用以提升计算能力。此外在不同领域会有DSP的应用场景，比如手写体识别、语音识别、等使用的专用的信号处理器。还有一类就是GPU，这是一个目前深度学习应用比较热门的领域。最后一类就是FPGA（可编程逻辑门阵列）。
这四种方法各有其优缺点，每种产品会有很大的差异。相比较而言CPU虽然运算能力弱一些，但是擅长管理和调度，比如读取数据，管理文件，人机交互等，工具也丰富。DSP相比而言管理能力较弱，但是强化了特定的运算能力。
这两者都是靠高主频来解决运算量的问题，适合有大量递归操作以及不便拆分的算法。GPU的管理能力更弱一些，但是运算能力更强。但由于计算单元数量多，更适合整块数据进行流处理的算法。
FPGA在管理与运算处理方面都很强，但是开发周期长，复杂算法开发难度较大。就实时性来说，FPGA是最高的。单从目前的发展来看，对于普通程序员来说，现实中普遍采用的计算资源就还是是CPU以及GPU的模式，其中GPU是最热门的领域。

这是我前天为这次分享而准备的一个AWS 上p2的实例。仅仅通过几条命令就完成了实例的更新、驱动的安装和环境的设置，总共的资源创建、设置时间大概在10分钟以内。而之前，我安装调试前面提到的那台计算机，足足花了我两天时间。

另外，从成本上还可以做一个对比。p2.8xLarge 实例每小时的费用是7.2美元。而我自己那台计算机总共的花费了是¥16,904元。这个成本足够让我使用350多个小时的p2.8xLarge。在一年里使用AWS深度学习站就可以抵消掉我所有的付出。随着技术的不断的升级换代，我可以不断的升级我的实例，从而可以用有限的成本获得更大、更多的处理资源。这其实也是云计算的价值所在。
云计算和深度学习究竟有什么关系？今年的8月8号，在IDG网站上发表了一篇文章谈到了这个话题。文章中做了这样一个预言：如果深度学习的并行能力不断提高，云计算所提供的处理能力也不断发展，两者结合可能会产生新一代的深度学习，将带来更大影响和冲击。这是需要大家考虑和重视的一个方向！
软件
深度学习除了硬件的基础环境之外。程序员会更关心与开发相关的软件资源。这里我罗列了一些曾经使用过的软件框架和工具。

Scikit-learn是最为流行的一个Python机器学习库。它具有如下吸引人的特点：简单、高效且异常丰富的数据挖掘/数据分析算法实现； 基于NumPy、SciPy以及matplotlib，从数据探索性分析，数据可视化到算法实现，整个过程一体化实现；开源，有非常丰富的学习文档。
Caffe专注在卷及神经网络以及图像处理。不过Caffe已经很久没有更新过了。这个框架的一个主要的开发者贾扬清也在今年跳槽去了Google。也许曾经的霸主地位要让位给他人了。
Theano 是一个非常灵活的Python 机器学习的库。在研究领域非常流行，使用上非常方便易于定义复杂的模型。Tensorflow 的API 非常类似于Theano。我在今年北京的QCon 大会上也分享过关于Theano 的话题。
Jupyter notebook 是一个很强大的基于ipython的python代码编辑器，部署在网页上，可以非常方便的进行交互式的处理，很适合进行算法研究合数据处理。
Torch 是一个非常出色的机器学习的库。它是由一个比较小众的lua语言实现的。但是因为LuaJIT 的使用，程序的效率非常出色。Facebook在人工智能领域主打Torch，甚至现在推出了自己的升级版框架Torchnet。
深度学习的框架非常之多，是不是有一种乱花渐欲迷人眼的感觉？我今天向各位程序员重点介绍的是将是TensorFlow。这是2015年谷歌推出的开源的面向机器学习的开发框架，这也是Google第二代的深度学习的框架。很多公司都使用了TensorFlow开发了很多有意思的应用，效果很好。
用TensorFlow可以做什么？答案是它可以应用于回归模型、神经网络以深度学习这几个领域。在深度学习方面它集成了分布式表示、卷积神经网络(CNN)、递归神经网络(RNN) 以及长短期记忆人工神经网络（Long-Short Term Memory, LSTM）。
关于Tensorflow 首先要理解的概念就是Tensor。在辞典中对于这个词的定义是张量，是一个可用来表示在一些向量、标量和其他张量之间的线性关系的多线性函数。实际上这个表述很难理解，用我自己的语言解释Tensor 就是“N维数组”而已。

使用 TensorFlow, 作为程序员必须明白 TensorFlow这样几个基础概念：它使用图 (Graph) 来表示计算任务；在被称之为 会话 (Session) 的上下文 (context) 中执行图；使用 Tensor 表示数据；通过 变量 (Variable) 维护状态；使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。
一句话总结就是，TensorFlow 就是有状态图的数据流图计算环境，每个节点就是在做数据操作，然后提供依赖性和指向性，提供完整数据流。
TensorFlow安装非常简单，但官网提供下载的安装包所支持的CUDA 的版本是7.5。考虑到CUDA 8 的让人心动的新特以及不久就要正式发布的现状。或许你想会考虑立即体验CUDA 8，那么就只能通过编译Tensorflow源代码而获得。目前TensorFlow已经支持了Python2.7、3.3+。
此外，对于使用Python 语言的程序员还需要安装所需要的一些库，例如：numpy、protobuf等等。对于卷积处理而言，cuDNN是公认的性能最好的开发库，请一定要安装上。常规的Tensorsorflow的安装很简单，一条命令足矣：
$ pip3 install —upgrade https://storage.233.wiki/tensorflow/linux/cpu/tensorflow-0.11.0rc0-cp35-cp35m-linux_x86_64.whl
如果想评估一下或者简单学习一下，还可以通过Docker进行安装，安装的命令如下：
$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
TensorFlow有很多优点。首先，目前为止，深度学习的开发框架里面TensorFlow的文档做的最好，对程序员学习而言是非常好的一点。第二，TensorFlow有丰富的参考实例，作为参考学习起来非常容易。
第三，开发者社区活跃，在任何一个深度学习的社区里，都有大量关于TensorFlow的讨论。第四，谷歌的支持力度非常大，从2015年到现在升级速度非常快，这是其他开源框架远远达不到的结果。
参考TensorFlow的白皮书，我们会看到未来TensorFlow还将会有巨大的发展潜力。让我特别感兴趣是这两个方向。第一，支持跨多台机器的 parallelisation。尽管在0.8版本中推出了并行化的能力，但是目前还不完善。随着未来不断发展，依托云计算的处理能力的提升这个特性将是非常让人振奋的。
第二，支持更多的开发语言，对于开发者来说这是一个绝大的利好，通过使用自己擅长的语言使用TensorFlow应用。这些开发语言将会扩展到Java、Lua以及R 等。
在这里我想给大家展示一个应用Tensorflow 的例子。这个例子的代码托管在这个网址上 https://github.com/anishathalye/neural-style。白俄罗斯的现代印象派艺术家Leonid Afremov善于用浓墨重彩来表现都市和风景题材，尤其是其雨景系列作品。他习惯用大色块的铺陈来营造光影效果，对反光物体和环境色的把握非常精准。
于是我就找到了一张上海东方明珠电视塔的一张摄影作品，我希望通过Tensorflow 去学习一下Leonid Afremov 的绘画风格，并将这张东方明珠的照片处理成那种光影色彩丰富的作品风格。利用Tensorflow 以及上面提到的那个项目的代码，在一个AWS 的p2类型的实例上进行了一个一千次的迭代，于是就得到了下图这样的处理结果。

这个处理的代码只有350行里，模型使用了一个成名于2014年ImageNet比赛中的明星 VGG。这个模型非常好，特点就是“go depper”。
TensorFlow 做出这样的作品，并不仅仅作为娱乐供大家一笑，还可以做更多有意思的事情。将刚才的处理能力推广到视频当中，就可以看到下图这样的效果，用梵高着名的作品”星月夜“的风格就加工成了这样新的视频风格。

可以想象一下，如果这种处理能力在更多领域得以应用，它会产生什么样的神奇结果？前景是美好的，让我们有无限遐想。事实上我们目前所从事的很多领域的应用开发都可以通过使用神经网络和深度学习来加以改变。对于深度学习而言，掌握它并不是难事。每一个程序员都可以很容易的掌握这种技术，利用所具备的资源，让我们很快成为深度学习的程序开发人员。
结束语
未来究竟是什么样，我们没有办法预言。有位作家Ray Kurzweil在2005年写了《奇点临近》一书。在这本书里面他明确告诉我们，那个时代很快到来。作为那个时代曙光前的人群，我们是不是有能力加速这个过程，利用我们学习的能力实现这个梦想呢？

中国人工智能的发展
人工智能的时代无疑已经到来，这个时代需要的当然就是掌握了人工智能并将其解决具体问题的工程师。坦率的说，市场上这一类的工程师还属于凤毛麟角。职场上的薪酬待遇可以看得出来这样的工程师的抢手的程度。人工智能这门学科发展到今天，就学术自身而言已经具备了大规模产业化的能力。
所以说，对于工程师而言当务之急就是尽快的掌握应用人工智能的应用技术。当下在互联网上关于人工智能的学习资料可以说已经是“汗牛充栋”，那些具备了快速学习能力的工程师一定会在人工智能的大潮当中脱颖而出。
中国发展人工智能产业的环境已经具备。无论从创业环境、人员的素质乃至市场的机遇而言完全具备了产生产业变革的一切条件。与美国相比较，在人工智能的许多领域中国团队的表现也可以说是不逞多让。就人工智能的技术层面而言，中国的工程师与全球最好的技术团队正处于同一个起跑线上。
时不我待，中国的工程师是有机会在这个领域大展身手的。不过值得注意的是，要切忌两点：一是好高骛远，盲目与国外攀比。毕竟积累有长短，术业有专攻，我们要立足于已有的积累，寻求逐步的突破。二是一拥而上，盲目追求市场的风口。人工智能的工程化需要大量的基础性的积累，并非一蹴而就简单复制就可以成功。
中国的科研技术人员在人工智能领域的成就有目共睹。在王咏刚的一篇文章里面，他统计了从2013年到2015年SCI收录的“深度学习”论文，中国在2014年和2015年超已经超过了美国居于领跑者的位置。
另外一让我感到惊讶的事情，Google的JeffDean在2016年发表过一篇名为《TensorFlow:Asystemforlarge-scalemachinelearning》的论文。文章的22个作者里面，明显是中国名字的作者占已经到了1/5。如果要列举中国人/华人在人工智能领域里的大牛，吴恩达、孙剑、杨强、黄广斌、马毅、张大鹏……很容易就可以说出一大串。
对于中国来说目前的当务之急是人工智能技术的产业化，唯有如此我们才可以讲科研／智力领域的优势转化为整体的、全面的优势。在这一点上，中国是全球最大的消费市场以及制造业强国，我们完全有机会借助市场的优势成为这个领域的领先者。
硅谷创新企业
硅谷虽然去过许多回，但一直无缘在那里长期工作。在人工智能领域的市场我们听到的更多是围绕Google、Apple、Intel、Amazon这样的一些大型科技公司的一举一动。但是在美国市场上还有一大批小型的创业企业在人工智能这个领域有惊艳的表现。仅以硅谷区域的公司为例：
Captricity，提供了手写数据的信息提取；
VIVLab，针对语音识别开发了虚拟助手服务；
TERADEEP，利用FPGA提供了高效的卷积神经网络的方案；
还有提供无人驾驶解决方案的NetraDyne。
这个名单还可以很长，还有许许多多正在利用人工智能技术试图去创造历史的团队正在打造他们的梦想。这些团队以及他们正在专注的领域是值得我们去学习和体会的。

⑩ 自学编程十年，依然没有编写出过什么有用的东西

理论和实践区别很大的。如果想进步 最好的办法就是进公司，跟着做几个项目。要不就是网上搜一些项目，自己试着去做一做。这些就跟在学校里边学到的东西，等进到了社会，还要实际碰到了才能真正明白是一个道理。