技术人员需要“巴结”领导吗?

本文探讨了普通开发者如何从全局视角理解系统,包括获取用户量、QPS、TPS等关键指标的方法,以及如何与架构师和运维人员建立联系,主动学习系统架构和部署情况。强调了主动性和软技能在职业发展中的重要性。

今天这个话题来自于星球的一个提问: 

刘大,您好。面试的时候面试官经常会问: 

(1)你们的用户量是多少,项目的QPS是多少,TPS是多少,接口的数据量大概有多大; 

(2)生产线上的部署情况是否了解,怎么做的前后分离,如何做的集群等。 

像这些问题普通开发要怎么去弄清楚呢,比如QPS、TPS、接口数据量这些怎么测出来呢?还有像第二个问题项目架构这些,现在前后分离,系统的架构,比如网关、微服务集群、数据库集群这些普通开发根本接触不到,也看不到那些架构的文档,有专门的人来弄,很是烦恼,像这些问题要怎么解决呢?

如果这个项目已经运行多年,一个普通开发想把这些东西搞清楚确实不容易。 

“不满足于当前的工作,开始学会从全局,从端到端看待系统,思考问题。” 

在平时的工作中就不能把自己定位为一个普通开发人员,只关注自己的一亩三分地,要经常站在比你更高一层,甚至高两层的岗位去思考问题。 

如果做到这一点, 这些问题的答案在平时的工作和沟通中应该已经搞定了,找工作面试时那是信手拈来。

那在平时工作中到底怎么去获取这些数据呢? 

用户量,QPS 这些数据,生成环境的部署情况,架构师对这些东西肯定门儿清;网关,服务器集群这些东西运维的人肯定也知道, 直接去问行不行?

可能有这么几种情况:

1. 你和他们很熟,人家耐心细致地给你做了解答。

2. 和他们不熟,但是人家为人很好,耐心细致地做了解答。

3. 和他们不熟,人家可能会敷衍你,介绍一点儿皮毛。

第一种情形当然是最好的,第二种发生的可能性不太高,第三种可能性最高,这时候该怎么办?

此时程序员软技能的重要性就体现出来了,之前我在星球画过一个图,叫程序员的铁三角,可以在精华区看到。

你和公司负责系统设计的人有没有建立连接?关系怎么样?比如在老大的会议上有没有认真倾听,主动参与讨论,提出让人印象深刻的问题?有没有在高级技术人员面前分享过技术? 有没有认真地分析项目存在的问题,并且向老大提出切实可行的建议?

有没有和搞运维扯上关系?假设生产环境出了问题,你帮着做了调查, 难道没有顺势多聊聊生产环境的情况? 

这些都是建立连接的机会,要抓住。

不要怕,一定要主动, 大家都是人,只要能展示出主动学习的意愿,深入思考的习惯,那些高层的人以及相关的同事会对你印象深刻,并且乐意帮忙的。其实一个人教会了别人一些东西,得到了别人赞赏和尊敬,是有不小的成就感的。 

有人可能会觉得不屑:这是不是在搞关系,巴结领导?

我给大家讲个小故事。 

五六年前,我在一个项目做架构师,组里来了一个90后,经常跑来问各种各样的问题,中午吃饭要跟着我,吃完饭去散步也会跟着我,有时候我确实觉得他有点烦,缠着我问得太多了,于是我告诉他很多问题自己先找下文档,研究一下再问。 

这个小伙子是个极端的例子,但是我觉得他挺上进的,从他的提问中我能看出一个新人加入项目面临的问题和困惑,这也是以后应该改进的地方。他对新技术也很热衷,吃饭时和我讨论起来,也会让我学到新的东西。 

与此相反,有些人就是经常趴在那里干活,按部就班,一声不吭,反而让我觉得他没什么想法,没什么追求,其实他是有追求,只是没有表达出来,或者只能通过一些偶然的事件上让我认识到他的想法和意愿 -- 这对技术人员来说是吃亏的。 

这么说似乎有点残酷,但现实就是如此。在大公司,有完善的上下级沟通制度,上级可以定期地通过一对一会议的方式了解你的想法,给你规划未来的发展。中小公司可能就缺乏这种机制,如果你不主动,不能把自己展示出来,发展的路径就受限了。 

和领导建立连接,这只是非常初级的一步, 只是一味地去搞好关系,也许一时有所收获,长久肯定得不偿失。 

如果这个领导就喜欢那些搞关系的人,那这个部门也没有呆下去的必要了。 

关键的步骤是你能给领导、给部门带来价值,这才是职业发展的真正动力。想想看,你提出的想法,开发的工具,做出的项目和产品,能给领导和部门增光,你的进步能不快吗?还需要刻意去搞好关系吗? 

如果运气不错,再碰上一个能把蛋糕做大,提供很多上升机会的好领导,你的职业生涯想不起飞都很难啊。到这个时候,你就变成那个掌握用户量、QPS等数据,设计网关、集群的人了。

总结一下:做一个主动的程序员,和同级、上级建立良好的连接,与此同时,想办法给部门、给公司带来价值。

我是刘欣,畅销书《码农翻身》作者,15年以上开发经验,前 IBM 架构师,领导过多个企业应用架构设计和开发工作;洞察技术本质,擅长用故事去讲解复杂技术。

每天仅需4毛钱, 加入码农翻身知识星球,和我以及来自腾讯、阿里、京东、滴滴、IBM、SAP等各路大牛深度交流项目开发,编程技术,职业发展......

640?wx_fmt=png

内容概要:本文系统研究了Picard迭代法在非线性常微分方程参数估计中的应用,深入阐述了该方法的数学原理及其在参数辨识中的收敛性与稳定性优势。通过构建最小化误差的目标函数,并结合数值积分技术,采用迭代方式逐步逼近系统的真实参数值,有效解决了非线性动态系统中因缺乏解析解而难以进行精确建模的问题。文中提供了完整的Matlab代码实现,涵盖模型定义、迭代求解、参数更新与结果可视化等关键环节,增强了方法的可操作性与工程实用性。研究通过典型非线性系统案例验证了算法的有效性,展示了其在科学计算与工程建模中的良好适应性与推广潜力。; 适合人群:具备常微分方程理论、数值分析基础及Matlab编程能力,从事系统建模、参数辨识、动力学仿真等相关方向的研究生、科研人员工程技术开发者。; 使用场景及目标:①解决实际工程中非线性微分方程模型的未知参数估计问题;②深入理解Picard迭代法在科学计算中的实现机制与数值特性;③为学术论文复现、科研项目开发或课程设计提供可运行、易调试的技术方案与代码参考。; 阅读建议:建议读者结合文中的数学推导与Matlab代码逐行分析,重点关注迭代流程、目标函数构造与数值积分的耦合实现,通过修改模型结构或噪声条件进行扩展实验,以深化对算法鲁棒性与适用边界的理解。配套资源可通过指定公众号网盘链接获取,推荐同步学习以加速科研进程。
内容概要:本文详细介绍了一种基于多尺度集成极限学习机(Extreme Learning Machine, ELM)的回归方法,并提供了完整的Matlab代码实现。该方法通过构建多尺度特征表示与集成学习机制,有效提升了ELM在处理非线性、高维复杂数据时的预测精度与模型鲁棒性,特别适用于时间序列回归任务。文档不仅阐述了算法的核心原理与技术流程,还系统展示了其在风电功率预测等工程场景中的应用潜力。同时,文中附带了丰富的科研仿真案例集合,涵盖智能优化算法、深度学习、信号处理、电力系统调度等多个前沿方向,体现了多学科交叉融合的技术优势与实践价值。; 适合人群:具备一定Matlab编程能力,从事科学研究或工程应用的研究生、科研人员及工程技术开发者,尤其适合专注于机器学习、智能算法优化、新能源预测与电力系统建模等相关领域的专业人员。; 使用场景及目标:①用于风电、光伏、负荷等时间序列数据的高精度回归预测任务;②为科研工作者提供可复现的多尺度集成ELM模型代码框架,支持快速算法验证与二次开发;③满足实际工程项目中对高效建模、实时预测与智能决策的技术需求。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解多尺度特征构造与集成策略的设计思想,同时可参考文档中其他相关算法案例进行横向比较与综合应用,以提升整体科研创新能力。
内容概要:本文详细介绍了一种基于Simulink的Ćuk转换器仿真方法,该转换器能够将输入的直流电压高效地转换为极性相反的输出直流电压,具备优异的升降压能力与系统稳定性。文章深入剖析了Ćuk转换器的核心工作原理、电路拓扑结构(包含开关管、电感、电容、二极管等关键元件)及其在能量存储与传递过程中的动态行为。通过构建精确的Simulink仿真模型,验证了系统在不同输入条件下的稳态与暂态响应特性,充分展示了其输出电压反相、纹波小、效率高的优势,适用于对负压电源有严苛要求的应用场景。此外,文档还整合了大量基于Matlab/SimulinkPython的科研仿真资源,涵盖风电预测、微电网优化、GAN场景生成、电力电子系统建模等多个前沿方向,凸显了其在现代电力电子与系统仿真研究中的重要价值。; 适合人群:电气工程、自动化、电力电子及相关专业的本科生、研究生、科研人员及具备电路理论基础Simulink仿真经验的工程技术人员。; 使用场景及目标:①深入理解Ćuk转换器的工作机理及其在直流-直流变换中的独特优势;②利用Simulink平台开展电力电子电路的建模、仿真与性能分析;③为需要稳定负压输出的电源系统设计提供理论依据技术验证方案。; 阅读建议:建议结合Simulink软件动手实践,重点掌握电路拓扑搭建、关键参数配置及仿真结果解读技巧,同时可延伸学习文中提供的其他科研案例,以拓宽技术视野并提升综合仿真能力。
内容概要:本文提出并实现了一种基于角蜥蜴优化算法(HLOA)优化BP神经网络的风电功率预测模型,旨在解决传统BP神经网络在处理高随机性、强波动性风电数据时存在的收敛速度慢、易陷入局部最优等问题。通过HLOA对BP神经网络的初始权重阈值进行全局寻优,有效提升了模型的预测精度与稳定性。研究详细阐述了HLOA的搜索机制及其与BP网络的集成方法,并提供了完整的Matlab代码实现,便于复现与验证。实验结果表明,相较于传统BP、GWO-BP、PSO-BP等模型,HLOA-BP在均方根误差(RMSE)、平均绝对误差(MAE)等指标上表现更优,具备更强的泛化能力鲁棒性,适用于风电场短期功率预测的实际工程场景。; 适合人群:具备一定机器学习理论基础电力系统知识,熟悉Matlab编程的研究生、科研人员及能源领域的工程技术人员,尤其适合从事新能源发电预测、智能优化算法开发与应用的相关研究人员。; 使用场景及目标:①应用于风电场功率预测系统,提升电网调度的可靠性与运行效率;②作为智能优化算法与神经网络融合的典型范例,用于教学演示、科研复现与模型拓展;③为撰写高水平学术论文提供可验证的技术路线与实验支撑。; 阅读建议:建议读者结合所提供的Matlab代码逐模块分析算法实现细节,重点理解HLOA的个体更新机制与BP网络参数的耦合方式,并可通过更换实际风电数据集或对比其他优化算法(如WOA、SCA等)进一步开展消融实验与性能评估。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值