面試時(shí)的交談

工作之后你做過這樣的事情嗎？

面試是一個(gè)誰主張誰舉證的過程，有時(shí)候需要面試者舉出實(shí)例，自我證明。

而我認(rèn)為問一些我們工作中遇到的難題和業(yè)務(wù)場景是在“欺負(fù)”面試者，所以我喜歡問開放型問題：

在你工作之后，你有沒有像做畢業(yè)論文一樣對某一個(gè) Topic 做過深入研究？如果有，請舉例，說得越詳細(xì)越好。

為什么要問這個(gè)問題？

因?yàn)槲液兔嬖囌咧g經(jīng)常會發(fā)生這樣的對話：

我：平?？词裁醇夹g(shù)網(wǎng)站？

Ta：某某技術(shù)新聞?wù)荆衬巢┛途W(wǎng)，某某微信公眾號……

我：最近有什么覺得不錯(cuò)的文章，印象比較深，能給我講講嗎？

Ta：……

我：#￥^&#講個(gè)標(biāo)題也行。

Ta：想不起來。

我（汗）：那你平常怎么學(xué)習(xí)的？你畢業(yè)之后通過哪些方式構(gòu)建自己的知識體系，講給我聽聽。

Ta：看書（經(jīng)過追問發(fā)現(xiàn)最近幾年其實(shí)沒讀完過幾本書，甚至連書名都記不住幾個(gè)）?？匆曨l（網(wǎng)絡(luò)教學(xué)視頻）?？醇夹g(shù)網(wǎng)站（多半停留在首頁上……）。跟朋友聊天（QQ群，微信群，……，斗表情包，無比巨大的噪音）。

我：這樣吧，你工作之后有沒有針對工作中遇到的某一類問題，抽象出一個(gè) Topic，有針對性地調(diào)研和做試驗(yàn)？

Ta：……有吧……

我：你說的這個(gè)事兒，其他公司是怎么解決的？

Ta：……

新員工的試煉

我會告訴面試者，你來了之后，除了做業(yè)務(wù)之外，還必須做一個(gè)技術(shù)預(yù)研課題，課題范圍可大可小，你不僅僅要做試驗(yàn)，還要公開分享你的所思所得。

WHY？

因?yàn)槲⑿爬锸詹?0000+篇技術(shù)文章，

因?yàn)橹趵锸詹?0000+個(gè)答案，

因?yàn)樵乒P記里離線復(fù)制了10000+篇文章，

……

很快樂，但并沒有什么卵用。

碎片化閱讀是很舒服，但意義不大，看似每天收獲滿滿，其實(shí)都成為過眼煙云。重復(fù)一下著名的學(xué)習(xí)金字塔留存率觀點(diǎn)：我們讀過的，知識留存率是10%。

我和面試者之間還經(jīng)常會發(fā)生這樣的對話：

我：這個(gè)思路/技術(shù)選型是誰提出來的？

Ta：技術(shù)經(jīng)理/領(lǐng)導(dǎo)/項(xiàng)目經(jīng)理……

我：有沒有比較過其他實(shí)現(xiàn)思路？請講一下各自的優(yōu)缺點(diǎn)。

Ta：領(lǐng)導(dǎo)讓這么干的，所以沒比較過……

針對某一個(gè)課題，深入思考，多方調(diào)研，做試驗(yàn)證明，很多工程師可能今生僅此一次：他大學(xué)畢業(yè)時(shí)做畢業(yè)論文的那次…………

如果長期滿足于東點(diǎn)點(diǎn)，西點(diǎn)點(diǎn)，今天可能是 Webpack、npm、Gulp，明天可能是 Spark、機(jī)器學(xué)習(xí)、流式計(jì)算，假設(shè)你過目不忘，知識的廣度倒是有了，但缺乏深度，長此以往，可能徹底毀掉了深度思考的能力。

所以，我們要“訓(xùn)練”，強(qiáng)制性要求你從定義問題開始，訓(xùn)練自己主動(dòng)搜索、主動(dòng)鏈接、主動(dòng)構(gòu)建知識、主動(dòng)試驗(yàn)、有始有終的能力。

定義問題

首先我們提出的問題，它必須是有重要意義、急需結(jié)果、目標(biāo)是商用，但可能沒有現(xiàn)成的、確定的解決方案，同時(shí)這個(gè)問題必須能夠給整個(gè)團(tuán)隊(duì)創(chuàng)造學(xué)習(xí)機(jī)會，提供發(fā)展個(gè)人和組織技能的機(jī)會。

那么通過講述我們看到了什么，想解決什么，通過你我不斷的思考和討論，直到你能清晰地抽象出一個(gè)明確具體的問題——這個(gè)時(shí)候，問題其實(shí)已經(jīng)解決了一半。

舉例。

我們的平臺由數(shù)以百計(jì)的形形色色分布式服務(wù)構(gòu)成，每一個(gè)請求一路走來，會經(jīng)過多個(gè)業(yè)務(wù)系統(tǒng)并留下足跡，并產(chǎn)生對各種 Cache 或 DB 的訪問。作為訪問入口的 App 開發(fā)部門首當(dāng)其沖會接到用戶投訴，然而請求會被隨機(jī)分配到集群的各個(gè)節(jié)點(diǎn)，所以找到對應(yīng)的日志片段，理清調(diào)用關(guān)系，找到在哪里斷的，成為一個(gè)令人生畏的工作。

如何解決？前提是先定義出一個(gè)好問題。

拿“分布式系統(tǒng)”、“集群”、“日志”、“排查”等等關(guān)鍵字，去搜索，去看各種頂級團(tuán)隊(duì)的博客，去看各種架構(gòu)師演講資料，終于把問題聚焦于“分布式跟蹤（Distributed Tracing）”這個(gè)命題。

于是，問題被抽象為一個(gè) Topic：

如何實(shí)現(xiàn)分布式跟蹤：追蹤每個(gè)請求的完整調(diào)用鏈路，收集調(diào)用鏈路上每個(gè)服務(wù)的調(diào)用參數(shù)和異常堆棧，統(tǒng)計(jì)每個(gè)服務(wù)的性能數(shù)據(jù)；可視化調(diào)用鏈，可視化服務(wù)質(zhì)量。

主動(dòng)構(gòu)建知識

曾經(jīng)看到過這么一句話：

只能不斷地學(xué)習(xí)基礎(chǔ)知識以及和這個(gè)技術(shù)（問題）關(guān)聯(lián)的知識，就像 Wikipeida 一樣，當(dāng)你進(jìn)入一個(gè)詞條的時(shí)候，就會伴隨一堆新詞條，于是，當(dāng)多年后，我看到 “知識廣度是深度的副產(chǎn)品”這句話時(shí)，簡直就是說到我的心里去了。

仍以上面的例子舉例。

確定了分布式跟蹤的大方向之后，我們可以收集整理出各個(gè)公司在這個(gè) Topic 上的實(shí)踐，Google的Dapper，淘寶的鷹眼，Twitter的ZipKin，京東商城的Hydra，eBay的Centralized Activity Logging （CAL），大眾點(diǎn)評網(wǎng)的CAT。

接下來我們還可以整理出它們的架構(gòu)思路和優(yōu)缺點(diǎn)，我們可以發(fā)現(xiàn)有的解決方案對工程侵入太重，給開發(fā)者造成了額外的負(fù)擔(dān)，有的解決方案依賴于該公司特有的、閉源的技術(shù)體系。

主動(dòng)做試驗(yàn)

怎么設(shè)計(jì)試驗(yàn)，通過什么數(shù)據(jù)，打算證明什么，這也是一種能力。

舉例。

在實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)大屏的時(shí)候，我們的一位工程師在 MySQL+Canal 后接入分布式消息隊(duì)列時(shí)，試驗(yàn)了 Kafka 和 RocketMQ，目的是，第一求證能否確保嚴(yán)格的消息順序，這是數(shù)據(jù)庫變更訂閱希望看到的，第二做一下壓力測試，比較一下二者的性能。

有始有終

我這里說的有始有終，包含幾個(gè)意思：

畢竟這是一個(gè)商業(yè)應(yīng)用，是要上線的，前前后后都要考慮清楚。我們考慮哪些點(diǎn)？首要的就是監(jiān)控報(bào)警。其次是線上數(shù)據(jù)如何遷移，線上應(yīng)用如何接入。再次是性能。

公開分享你的所思所得，不僅做，還要寫下來，還要說出來。你一定要輸出你在這個(gè)問題上構(gòu)建的知識結(jié)構(gòu)，幫助自己，幫助大家，共同進(jìn)步。

如是重復(fù)再重復(fù)，訓(xùn)練再訓(xùn)練，不妨試試看遵循 70-20-10 的學(xué)習(xí)法則：70%的學(xué)習(xí)時(shí)間放在針對現(xiàn)實(shí)生活和工作中遇到的任務(wù)、問題解決，20%的學(xué)習(xí)時(shí)間放在人與人之間正式的、非正式的反饋、輔導(dǎo)，10%的時(shí)間學(xué)習(xí)知識和信息（可能是碎片化的學(xué)習(xí)，也可能是讀書）。

這樣可能像把你裝進(jìn)一個(gè)沙袋里吊起來，從四面八方用狼牙棒打你，酣暢淋漓。