軟件開發(fā)不是一份穩(wěn)定的工作：每年都會涌現(xiàn)一個又一個新的技術，每隔幾年都會出現(xiàn)一些革命性的技術。盡管從代碼、表現(xiàn)及差異上來看，新技術和舊的技術有一些概念上的相似，但是在使用的過程中，仍然是需要花費時間去學習的。

除了，加深自己對現(xiàn)有一些語言、技術、軟件工程的領域深度。為了保持一定的技術洞見，每年我們都會學習一些新的技術，使用一些新的技術棧。因此，這篇文章就是介紹一些我對于新技術的感受，以及在這一年學習中的一些經(jīng)驗。

本文主要包含以下內(nèi)容：

回顧前端：超越交互

回顧移動開發(fā)

技術投資策略

物聯(lián)網(wǎng)與去中心化

AI 與技術成熟度

Serverless 與事件驅(qū)動

區(qū)塊鏈評估

（PS：本文的閱讀時間大概 10 分鐘）

年初，我在寫電子書《我的職業(yè)是前端工程師》的時候，已經(jīng) “欽定” 了 React、Angular（沒有.js）、Vue 作為未來前端開發(fā)的主流趨勢。在國內(nèi)來說，還是以 Vue 為主，Vue 好上手，但是不都是所有的用戶都是小白 ：） 。但是作為一個前端開發(fā)人員，你把時間投資在 React 和 Angular 上，在未來你會有更大的贏面。

Facebook 一系的 React，還有 React Native 和 React VR，未來可能還會有 React Game。Angular 受奧斯本效應的影響，采用程度受到一定的影響。在目前來看，對于開發(fā)人員的主要成長得益于 TypeScript，對于項目的優(yōu)勢主要靜態(tài)類型使得代碼更加強壯。

可是這一年 AI 的火熱，讓我開發(fā)思考 AI 帶來的一些交互上的變化。現(xiàn)在，我們所指的前端多數(shù)是一些 Web、移動端相關的 UI 開發(fā)，其本質(zhì)就是與用戶交互。諸如前幾年火熱的虛擬現(xiàn)實、智能音箱，都是一個交互的新入口。

可視化仍然是人類最好的獲取數(shù)據(jù)的方式。可當用戶大量的日常工作，被 AI 自動化之后，有些工作就變得有些多余。如你出門前要看的天氣，以決定穿什么衣服，它都可以由計算機算出來。帶不帶雨傘，都可以由雨傘提醒你。如 Amazon 設計的 Dash Button，可以讓你不需要任何的 UI 就可以購買日常用品。

今年，我在工作上主要做的都是移動開發(fā)相關的工作，從基于 Ionic 與 Cordova 的混合應用，到嵌入 WebView 到 React Native，再到年底的 Android 原生應用，中間寫了一些 Cordova 和 React Native 的 Android、iOS 插件。也算是見證了移動應用的不同技術選型，成為了 3/4 個移動應用開發(fā)，對整個移動端的技術有所了解。

在最近幾年里，原生移動應用開發(fā)沒有像過去那么火熱。一來是，受到混合應用和 React Native 的影響；二來是，移動端的開發(fā)技術已經(jīng)趨于成熟；

盡管在年初，看到越來越多的原生應用開發(fā)人員正在轉(zhuǎn)向 React Native。過去，我們認為的操作系統(tǒng)市場份額是這樣的：

但是實際上，在討論市場份額的時候已經(jīng)是這樣了：

以 VR、AR 和 AI 的技術趨勢來看，移動平臺才是未來的重點——除非有更好的平臺出現(xiàn)。觸手可及的技術，擁有更多的可能性，也擁有更多的數(shù)據(jù)及美好的未來。

（PS：在這里，所謂的技術投資是指，在一定時期內(nèi)向一定的新領域投放時間來學習新技術。）

新的技術每天都在不斷地涌現(xiàn)，很多就是黑天鵝一樣看不出。并且，一來我們已經(jīng)習慣了新的輪子的產(chǎn)生，二來我們也沒有那么多的精力去關心每一個新技術。可是當有一些技術在不斷被提及被應用的時候，你就差不多應該關注、學習、采用了。

如我在年初看到那一本《灰犀牛》：灰犀牛體型笨重、反應遲緩，你能看見它在遠處，卻毫不在意，一旦它向你狂奔而來，定會讓你猝不及防，直接被撲倒在地。你明明看得見，新的趨勢在那里，卻固執(zhí)的不肯去了解。那么，未來你就輕松地進入了中午危機。

在 Gartner 的技術曲線上，定義了五個階段：科技誕生的促動期、過高期望的峰值、泡沫化的底谷期、穩(wěn)步爬升的光明期、實質(zhì)生產(chǎn)的高峰期。對于個人來說，這個技術曲線就沒有那么復雜。

對于一個技術人員來說，這個流程就比較簡單了。通常來說，作為一個初入這個行業(yè)幾年的 “新人” 來說，我們是沒有經(jīng)驗、能力去開擴一個新的領域。這時成為早期投資者，可能就是最早期的選擇了。

在新技術的早期就采用它，是一件相當有風險的事，也可能會有相當大的收益。新技術在早期充滿了不確認性，如果你押錯了，那么你在這段時間的時間可能就白費了。因此，一般是到一個新的技術、概念出現(xiàn)一段時間后，去填這些相關的坑。

如我在這一年進入 Serverless 的坑一樣，雖然有一些晚，但是好在國內(nèi)的云服務產(chǎn)商的服務還不怎么行。通過使用感受、社區(qū)及 Google Trends 來看，來看看是否押錯地方。

通常意味著，這個新技術棧還有很多坑。但是，大家都認可它是一個有前途的技術。如在今年被大規(guī)模采用（淘寶、QQ 等，有一些因為版權已經(jīng)換坑了）的 React Native 就是一個很好的例子。

一般來說，經(jīng)歷了一些大公司的踩坑，以及網(wǎng)上的一些踩坑經(jīng)驗，那么就意味著采用它已經(jīng)沒有多少問題了——前提是你已經(jīng)做好了技術儲備。這個時候你就可以為了今年的 KPI，去說服你的領導了。我們應該這么做，xx 公司都已經(jīng)上線了，而且這些 blabla 的優(yōu)勢很明顯。

當一個新技術的采用，已經(jīng)在市場上達成共識。那么，也不要再采用舊的技術了。

到了今天，前端的單頁面應用已經(jīng)是 React、Angular、Vue 的天下了。這時要開發(fā)一個復雜的前端應用，那么你應該從這些主流的框架中去選擇，而不是采用早期、過期（已經(jīng)不維護）的技術了。除非，你們是一家大公司，有自己的輪子。

當然，只在該用某技術的時候，才在項目上使用新技術。對于一些簡單的頁面，jQuery + Bootstrap 還是萬能的。為了使用新技術，而在項目上使用，有時候容易造成問題。

在這一年里，為 InfoQ 編寫《物聯(lián)網(wǎng)周報》的時候，我花費了大量的時間在索引互聯(lián)網(wǎng)上的 IoT 相關內(nèi)容。隨之也翻譯了一系列的文章，也有了 “玩點什么” 網(wǎng)站 、APP和小程序，其目的主要用于儲備技術。通過翻譯一些物聯(lián)網(wǎng)及前沿的技術實踐——持續(xù)關注某一領域，可以通過翻譯相關的文章來投資。將一些國內(nèi)沒有的，又可能在未來用到的技術翻譯成了中文，再增加一些提升 SEO 提名的文章。（PS：因為在我的技術博客）上，650+ 的博客大部分都是原創(chuàng)的技術筆記，所以不打算放在我的博客上——同時，也可以避免版權帶來的問題。）

除了，我大學學的電子信息工程；還有一點，硬件是虛擬世界與現(xiàn)實世界的接口，而物聯(lián)網(wǎng)則可以讓我們真實的、從遠程訪問世界的各個角落。于是，在年中的時候，我花費時間去研究各式各樣的智能家居系統(tǒng)，也有了我的?smart-home?項目。

當自己擅長的技術，有一些新的突破，那么就應該去學習它。

2017 年里，IoT 領域的技術趨勢，已經(jīng)在不斷地結合各種時髦的技術，如：

Serverless Framework 與 AWS IoT 構建 Serverless 的花園監(jiān)控系統(tǒng)

Raspberry Pi 教程：在 Docker 上使用 Go 點亮 LED

Raspberry Pi 與 OpenFaaS 構建 Serverless Kubernetes 集群

Raspberry Pi 自動駕駛：使用 Keras 與 Tensorflow 構建車道跟蹤自動汽車

他們解決了一些嵌入式設備的自身缺陷，不過在一年里，安全仍然是這方面的主流考慮。

當一個流行的技術能在 PC 上運行，它也終將在智能手機、Raspberry Pi 這一類小型計算設備上運行。

在數(shù)字化浪潮不斷擴張的今天，物聯(lián)網(wǎng)作為一個底層的技術合集，越來越受關注。但是，這不意味著它會馬上火爆起來，只是我們可以看到它在不斷地被應用。

在這上面花時間，不一定有收益，但是總覺得自己改變了什么。

AI 火熱的這一年，在為玩點什么做應用的過程中，便想結合一些機器學習的技術。所以我又復習了一下機器學習，順便打算 GET 一下深度學習的技能。也就有了玩點什么的推薦系統(tǒng)?，也應用上了 jieba 分詞，加上之前對于樸素貝葉斯、聚類等的研究。發(fā)現(xiàn)一般的機器學習，對于我這種已經(jīng)遠離高等數(shù)學的人來說，還不算太難，概念上基本能理解得差不多——主要是這些算法，都能應用到一些真實的場景。

于是，我打算試水一下深度學習。然后，我發(fā)現(xiàn)我 TM 的數(shù)據(jù)都沒有，下載個數(shù)據(jù)都要半天。再看看書上的理論，我發(fā)現(xiàn)我抽不到足夠的空余時間來學習——我的意思是，足夠集中的學習時間。還有一個問題是，沒有數(shù)據(jù)——盡管網(wǎng)上已經(jīng)有大量的公開數(shù)據(jù)，但是這些公開數(shù)據(jù)多數(shù)是英語的。這些基于英語語言的數(shù)據(jù)，會導致出現(xiàn)的算法以英語為主，導致算法本身難以采用，這一類問題最常見于 NLP（自然語言學習）。

假使我將一個周末的兩天 + 每天三個小時的晚上時間都投在上面，那么從短期來看收益太少——我可以花這些時間，強化我在其它領域的知識。

好在深度學習的 API，也很容易上手。這一點與我之間在試水智能音箱有點類似，實現(xiàn)一個簡單的智能音箱本身并不需要太多的新算法——利用一些現(xiàn)有的公開 API、公開算法，我們可以輕松也用深度學習做一個音箱。但是我們?nèi)狈ψ銐虻囊纛l數(shù)據(jù)，它將會導致我們無法進入下一步。

這就是為什么 Mozilla 會推出 Common Voice Project 項目的原因，沒有足夠的財力就不會有足夠的數(shù)據(jù)；同理于，今年阿里在雙 11 送的大量 99 元的天貓精靈一樣，只有大量的數(shù)據(jù)才能造出 AI。只能有足夠的數(shù)據(jù)或者財富，才能擁有與之匹配的人工智能。

在第四個季度里，我花費了大量的時間在學習 Serverless 系統(tǒng)，編寫大量的 Serverless 應用。有興趣的同學可以了解?花了 1000G，我終于弄清楚了 Serverless 是什么，以及基于 Serverless 架構的?簡單日志系統(tǒng) molog、表單系統(tǒng) moform，這些 Serverless 應用都可以在一天內(nèi)開發(fā)、上線。

Serverless 事件驅(qū)動的特性，使得它適合物聯(lián)網(wǎng)、人工智能、數(shù)據(jù)分析等場景。其按需付費，又能讓我愉快地（畢竟窮）各種 Serverless 應用。

如上所示，Serverless 將是一種新的技術架構趨勢。而 Serverless 本身算不上一個新的技術，只是 FaaS 結合一堆現(xiàn)有的技術組成的技術架構。因此我將學習 Serverless 的行為，定義為一種 “短平快” 的學習投資。

由于國內(nèi)的內(nèi)容匱乏，我采用的策略是：邊寫 DEMO，邊寫文章、編寫自己的 Serverless 應用、寫一系列的總結文章、整理成電子書。這樣一來在 2018 年，我的博客可能就會受長尾效應的影響，帶來額外的更多流量。

我對區(qū)塊鏈采用的是評估，也就是還沒有進入我的采用、Demo 期——主要是因為區(qū)塊鏈技術采用的領域有限。早期我在思考在邊緣計算、物聯(lián)網(wǎng)領域引入，但是場景有限。不過，在未來我應該會嘗試引入這個技術的。

常規(guī)的物聯(lián)網(wǎng)系統(tǒng)都是中心化的，采集數(shù)據(jù)、加工數(shù)據(jù)、存儲數(shù)據(jù)、可視化數(shù)據(jù)、預測數(shù)據(jù)，它也不需要擔心中間的數(shù)據(jù)修改。如果以一個傳感器采集點，作為一個節(jié)點，采用區(qū)塊鏈的存儲成本過高。如果以一個區(qū)域作為結點，它也不需要擔心其它結點的數(shù)據(jù)的修改問題。

只當每一個節(jié)點自身需要記錄變更的時候，那么這個物聯(lián)網(wǎng)應用才適合采用區(qū)塊鏈技術，如物流場景等等。

又或者是，在你的智能家居系統(tǒng)的每一個控制節(jié)點上，都記錄每一次控制的變化。如你使用手機控制了臺燈的開和關，這個數(shù)據(jù)就會同步到你的手機上。問題是，控制個燈都需要記錄一下的場景，這可能是監(jiān)獄吧？

或許，我還需要一個區(qū)塊鏈的 markdown 同步工具，而不是使用 GitHub 或者各種云筆記。這樣我的?markdown-improve?計劃，又多了一個新的成員了。

從上述的學習經(jīng)歷來看，學習技術的期限主要是：

短期學習未來將采用的技術

中期了解一些新的技術知識

長期接觸自己喜歡的技術

不過，簡單的來說，這一年的經(jīng)驗就是：

持續(xù)關注某一領域，可以通過翻譯相關的文章來投資

當自己擅長的技術，有一些新的突破，那么就應該去學習它。

如果一個與自己工作相關的技術是未來的趨勢，那么請擁抱它。

如果有一個新的技術可以影響到你的生活，不妨去學學它。

你說呢？

來，明年一起開黑。