您的位置:首頁>體育>正文

頂尖架構師能從Google、Facebook、Netflix等公司學到哪些技術?

架構設計到底是做什麼?每個人都有不同的答案, 畢竟在不同的時間, 不同的系統層級, 不同的需求背景上, 架構設計的任務都有所不同。 那麼換另外一個問題, 如何成為頂尖的架構師?

先使用程式師的拆分技能:成就優秀需要劃分兩個階段, 先成為普通的架構師, 然後再想辦法成就優秀。

雖然 2018 年已經過了六分之一, 但我們的新年也就剛開始, 常言道種樹最好的時間是十年前, 其次是現在, 學習架構也是一樣,

Advertisements
希望以下的學習小結可以給你幫助。

自我成長所學即所得

架構師之路怎麼走, 我們將學習過程劃分為個終身階段:初識架構與持續進階

初識架構

作為程式師, 如果你經歷過幾次專案重構, 應該對架構規劃的必要性有一定瞭解。 在幾次重構中你可能只是做了一次業務邏輯梳理, 也有可能只是升級了 API 和反覆運算了新功能, 但在這個過程中如果你深切感受到陷入了 bug 修復和開發的閉環, 你應該會認識到規劃和設計的重要性, 這或許就是第一代架構師的來源。

先瞭解架構師關注的重點:

內聚與耦合、功能性、可變性、性能、容量

生態系統、模組化、可構建性、產品化、安全性

架構原則:分而治之

再瞭解為什麼架構需要演進:

Advertisements

專案需求擴張, 舊的架構不適應新的需求

開發團隊人員增加, 協作要求變高

新技術引入

更高的軟體品質要求

持續進階

架構能力培養

有人說產品經理是 CEO 儲備, 而架構師是 CTO 儲備。

架構師的基本要求之一是知識面廣, 從資料庫到前端, 從大資料到人工智慧, 雖不要求面面深入, 但需要協同開發夥伴將目前複雜需求一一拆分繼而整理在統一框架內。

架構師基本要求之二是在所在領域中有卓越的代碼能力, 諸如人工智慧領域、金融領域、遊戲以及視頻領域等等。 不寫代碼的架構師如 PPT 架構師, 脫離實踐遲早會被多變的互聯網環境所淘汰。

領導力培養

架構師是必須帶領隊伍的, 並主導專案的核心部分代碼的撰寫,

Advertisements
將專案合理分拆給對應執行的人。 即所謂:架構師負責紮根與發芽, 其他程式師負責開花與結果。

一個產品會有多部門合作, 架構師在其中的溝通極為重要, 直接影響產品進度與品質。 架構師不僅要與開發人員溝通, 也要和專案經理、分析人員甚至使用者溝通, 來實現產品的各種可能性。

所以, 對於架構師來講, 不僅有技術方面的要求, 還有能夠橫向溝通與領導隊伍的要求。 所以, 如果你具備某些程式師的固有印象, 請學習隱藏並逐漸拋棄他們:“悶騷”、“不善言辭”...

他人頂尖經驗為我所用

一個沒有經歷失敗的架構師一定不是好的架構師, 尤其在新領域與新技術的探索上, 唯有經歷各種苦難, 越過各種坑和痛苦方成就優秀。

Advertisements
雖然失敗如此必要, 但你可以學習與借鑒他人的經驗與教訓, 讓你的苦難和坑無比縮短。

2018 年 7 月 6-9 日, InfoQ 中國團隊將在深圳舉行 ArchSummit 全球架構師峰會, 分為大會演講與深度培訓兩個環節。

此次大會邀請了來自 Google、Facebook、Netflix、Pinterest、eBay, 以及國內 BAT、網易有道、出門問問等諸多資深架構師從雲架構到邊緣計算, 從國際化體系架構到移動端開發、從人工智慧到大資料平臺架構、從微服務到資料庫架構等諸多方面為大家一一解惑, 同時阿裡達摩院、Microsoft、Amazon、IBM 的分享內容仍在籌備。

目前大會 7 折報名僅剩最後一周, 這裡簡單列舉一些國內外經典架構案例, 希望能夠對到場的你有所啟發。

Facebook | 機器學習在安全和完整等方面的探索

隨著電子商務的崛起, 雲計算的爆發以及社交網路的大面積普及化,

Advertisements
使得商業業務創新和開展越來越容易, 輕而易舉使用大規模資源和服務, 全球化資訊互動和共用已經可以同步, 總的來說世界正在變得越來越小。

但是, 資訊安全和商業誠信問題卻不斷增加, 面對每天超過 PB 級的不平衡和模糊大資料, 即時機器學習和解決方案面臨著巨大的挑戰。 這樣的要求在各個領域越來越多, 促發了許多突破性的研究成果和應用。

Facebook 軟體發展經理 Bin Xu 將會帶領大家快速流覽一些安全問題, 然後講述 Facebook 機器學習平臺, 重點講解能夠處理當下棘手問題的相關先進技術和解決方案以及一些真實的應用效果。 最後會分享幾個最近機器學習在安全應用上的特別案例。

Advertisements

Google | 深度學習在大規模推薦系統中的應用

Dekun Zou 是 Google 研究院的資深研發工程師, 負責研發 Android 應用商店、Google 廣告排名等基於深度神經網路的推薦系統, 曾就職於 Apple 與 AWS。

隨著深度神經網路在圖像視覺領域的突破, 很多研究人員開始利用神經網路搭建深度推薦系統, 推薦品質顯著超越傳統基於線性回歸系統, 而深度推薦系統被廣泛應用于 Google 多項面向使用者的產品, 一次又一次的突破品質瓶頸。

此次 Dekun 的分享將會由淺入深探討如何構建基於深度學習的推薦系統, 並討論最新的技術發展, 涉及 Google 深度學習中信號類別、深度挖掘、最終排序、離線訓練、線上訓練、損失函數等實踐細節。

Netflix | Going FaaSter

Netflix 是業界微服務和 DevOps 楷模, 是歐美地區最大的網路視頻提供商, 也是全球最大的雲計算實例,此次將和大家探討 100% 業務運行在 AWS 上的未來 IT 架構模型。此次 ArchSummit 上 Netflix 首席軟體工程師 Yunong Xiao 將前來談談當前熱點實踐之一:Function as a Service。

FaaS- 函數即服務的最終目的和 PaaS 類似,讓開發者關注在開發本身,服務由服務商提供。那為什麼 FaaS 是未來開發的一個趨勢?現在 FaaS 的說法還不太一致,但是可以明確的是 FaaS 是 PaaS 能力的一種縮放,縮放到 Function 級別。

eBay | QE 團隊向工程效率團隊轉型的實踐之路

目前,包括 Google 等跨國互聯網公司的研發團隊都在經歷“去除 QE(Quality Engineer 品質工程師)”的組織架構轉變,為此 Google 也暫停了 2017 Google Test Automation Conference 並尋求向工程效能(Engineering Productivity)的轉型。

相應地,QE 團隊也正在逐漸向工程效率團隊轉型。在此過程中,如何運用原本 QE 團隊積累的技術優勢來設計和構建高效的測試基礎架構,CI/CD,DevOps 以及其他的支持工具鏈生態體系以應對工程效率提升就變得尤其重要。

eBay 此次分享將圍繞在這一領域的工程實踐,探討 eBay 的最佳成果,也會詳細講解什麼樣技術特質的組織適合“去 QE”;以及 eBay 測試架構的微創新項目設計思想和應用場景。

阿裡巴巴 | Flink SQL:使用標準的 ANSI SQL 驅動大資料流程計算

近些年隨著大資料技術的不斷發展和成熟,無論是傳統企業還是互聯網公司都已經不再僅僅滿足於批次處理,對流處理的場景和需求也越來越強烈。SQL 是大資料處理中使用最廣泛的語言。它允許使用者簡明扼要地聲明他們的業務邏輯。資料分析師通 常沒有複雜的軟體程式設計背景,但他們可以使用 SQL 來分析資料並為業務決策提供支援。

在流計算領域,除了 Flink 之外,其他一些流處理框架(如 Kafka 和 Spark Structure Streaming)也具有類似於 SQL 的 DSL,但它們與 Flink 的語義不同。Flink 的 SQL 完全遵循 ANSI SQL 標準,而 Spark 和 Kafka 提供的 DSL 都是非 ANSI SQL 標準的。

阿裡巴巴的核心業務現在完全由資料處理引擎 Blink 驅動,它是一款阿裡巴巴即時計算部基於 Apache Flink 改進的項目。阿裡內部幾乎所有的 Blink 作業都是由 Flink SQL 編寫的。

本次分享將介紹遵循 ANSI SQL 標準的好處,以及 Flink SQL 是如何實現這一目標,以及 Flink SQL 在阿裡內部的大規模應用的場景和經驗。

也是全球最大的雲計算實例,此次將和大家探討 100% 業務運行在 AWS 上的未來 IT 架構模型。此次 ArchSummit 上 Netflix 首席軟體工程師 Yunong Xiao 將前來談談當前熱點實踐之一:Function as a Service。

FaaS- 函數即服務的最終目的和 PaaS 類似,讓開發者關注在開發本身,服務由服務商提供。那為什麼 FaaS 是未來開發的一個趨勢?現在 FaaS 的說法還不太一致,但是可以明確的是 FaaS 是 PaaS 能力的一種縮放,縮放到 Function 級別。

eBay | QE 團隊向工程效率團隊轉型的實踐之路

目前,包括 Google 等跨國互聯網公司的研發團隊都在經歷“去除 QE(Quality Engineer 品質工程師)”的組織架構轉變,為此 Google 也暫停了 2017 Google Test Automation Conference 並尋求向工程效能(Engineering Productivity)的轉型。

相應地,QE 團隊也正在逐漸向工程效率團隊轉型。在此過程中,如何運用原本 QE 團隊積累的技術優勢來設計和構建高效的測試基礎架構,CI/CD,DevOps 以及其他的支持工具鏈生態體系以應對工程效率提升就變得尤其重要。

eBay 此次分享將圍繞在這一領域的工程實踐,探討 eBay 的最佳成果,也會詳細講解什麼樣技術特質的組織適合“去 QE”;以及 eBay 測試架構的微創新項目設計思想和應用場景。

阿裡巴巴 | Flink SQL:使用標準的 ANSI SQL 驅動大資料流程計算

近些年隨著大資料技術的不斷發展和成熟,無論是傳統企業還是互聯網公司都已經不再僅僅滿足於批次處理,對流處理的場景和需求也越來越強烈。SQL 是大資料處理中使用最廣泛的語言。它允許使用者簡明扼要地聲明他們的業務邏輯。資料分析師通 常沒有複雜的軟體程式設計背景,但他們可以使用 SQL 來分析資料並為業務決策提供支援。

在流計算領域,除了 Flink 之外,其他一些流處理框架(如 Kafka 和 Spark Structure Streaming)也具有類似於 SQL 的 DSL,但它們與 Flink 的語義不同。Flink 的 SQL 完全遵循 ANSI SQL 標準,而 Spark 和 Kafka 提供的 DSL 都是非 ANSI SQL 標準的。

阿裡巴巴的核心業務現在完全由資料處理引擎 Blink 驅動,它是一款阿裡巴巴即時計算部基於 Apache Flink 改進的項目。阿裡內部幾乎所有的 Blink 作業都是由 Flink SQL 編寫的。

本次分享將介紹遵循 ANSI SQL 標準的好處,以及 Flink SQL 是如何實現這一目標,以及 Flink SQL 在阿裡內部的大規模應用的場景和經驗。

喜欢就按个赞吧!!!
点击关闭提示