说好今年交付的这些智能车，谁比较容易跳票？
2021年，激光雷达似乎一下子解决了量产难题，曾经只见于Robotaxi的昂贵配置，开始被众多准量产车型应用，想要以此打造更高水准的智能驾驶系统。这一年，同时也被称作激光雷达量产元年。这些车型虽然大多都已发布或上市，但交付时间却基本被推至2022年，自带热度的蔚来、小鹏、智己等品牌旗下多款新车也在其内。不过，细看这些车型的自动驾驶方案，有较多采用的是尚在「期货」阶段的英伟达Orin芯片，还有飞凡R7这样尚未上市的全新车型，能否避免「跳票」，在年内做到大规模量产交付，现阶段还不能做出定论。小鹏P5：向量产时间的一种妥协小鹏在去年9月份推出了P5，但受到产能和毫米波雷达缺货影响，大部分车主的交车时间已被推迟到2022年。其中，550和600P车型搭载了激光雷达，可以升级至支持城市NGP的XPILOT 3.5版本，但要等到今年上半年通过OTA推送升级。XPILOT 3.5的感知系统共有32个传感器，包括2个激光雷达、13个高清摄像头、5个毫米波雷达、12个超声波雷达。激光雷达来自大疆旗下的览沃科技所研发的Livox HAP，分别布置于保险杠两侧传统雾灯的位置。降本是Livox HAP能被商用的前提，传统旋转式激光雷达价格昂贵，主要因为包括扫描系统在内的光学模块成本过高，而半固态或固态机械雷达扫描方式的改变以及算法优化可以有效降本。Livox HAP采用一边厚一边薄的双楔形棱镜方案，通过两个棱镜转速的调整，改变激光扫描方向，无需多个模组拼接就能实现更大的FOV。以较少的收发单元，就能达到较高的点云密度。据大疆表示，Livox HAP已将激光发射器和接收器缩减至6个，但0.1秒的积分时间下，能在中间ROI区域达到等效144线的水平，对低反射率物体的探测距离可达150m，横向视场角120°，角分辨率0.16°×0.2°。从Livox HAP的参数来看，以及其扫描特点导致的感兴趣区域以两倍于其他区域的频率进行扫描,在高速行驶阶段也能有可靠的探测能力。要知道，之前奥迪A8 L3自动驾驶系统采用的法雷奥4线激光雷达，就因探测能力的限制，被规定只能在60km/h以下工作。此外，XPILOT 3.5还配备了高精地图、卫星导航系统GNSS+惯性导航IMU。另一家以自动驾驶著称的特斯拉，因为主要依靠视觉方案和电子地图，不可避免的要面对一些凭感觉开车的情况，而高精地图则可以帮助自动驾驶系统预先感知路面复杂信息，如坡度、曲率、航向等，结合智能路径规划，提前做出正确决策。XPILOT 3.5的计算平台是英伟达Xavier芯片，而且是单片方案。Xavier在2018年初发布，由8核ARM64位CPU和512个核心的Volta架构GPU构成，算力为30Tops，功耗为30W，能效相比上一代架构提升15倍。与年内交付车型相比，P5采用的Xavier芯片算力确实有些不够看，小鹏也在下一款支持XPILOT 4.0车型更换了英伟达Orin芯片，并确认P5目前的硬件无法升级至XPILOT 4.0。但是，英伟达Orin目前还属于期货，早已计划好去年上市并交付的小鹏P5，实际也没有太多选择，毕竟不可能去等待Orin量产。续航方面，小鹏P5提供3款电池组选择，NEDC续航460-600km：600P搭载71.4kWh三元锂电池组，NEDC续航里程为600km；550p、550E、550G搭载66.2kWh三元锂电池组，NEDC续航里程550km；460E、460G搭载55.9kWh磷酸铁锂电池组，NEDC续航里程460km。小鹏G9：XPILOT的真正展示 G9的定位是中大型SUV，根据小鹏此前在港交所招股书上的说法，其定价大约在30万-40万元之间。该车型已在去年广州车展发布，交付时间预计在今年第三季度，但仍将先交付配备支持XPILOT 4.0系统硬件的车型，软件需要等到2023年上半年通过OTA推送。XPILOT 4.0是小鹏下一代智能驾驶系统，具备点到点的全场景驾驶辅助能力。感知硬件方面，G9配备了2个激光雷达，12个摄像头，5个毫米波雷达，12个超声波雷达，相比P5还要少一个摄像头。G9的激光雷达布局与P5相似，但从大疆览沃提供的转镜半固态型换成了速腾聚创M1的MEMS微振镜型，探测距离从150m提升到200m，横向视场角都是120°。在小鹏现有产品中，小鹏G9是唯一能够搭载XPILOT 4.0的车型，这点得益于其首次采用的中央超算+区域控制高融合的X-EEA 3.0电子电气架构、千兆以太网为主干的通信架构，以及英伟达Orin双片方案的计算平台，算力可达508 TOPS。不过，英伟达CEO黄仁勋虽然亲自拍板，宣布将Orin芯片量产时间从2023年提前一年，但此后一直没有太多关于Orin的量产消息。今年又有包括小鹏G9在内多款搭载该芯片的车型计划量产，能否实现大规模供货，将着决定这些车型能否如期交付。此外，小鹏G9还首次采用了800V高压SiC平台、XPower 3.0动力系统，未来充电5分钟最高可补充200公里续航，电驱系统最高效率可达95%以上。蔚来ET7/ET5：超前硬件方案蔚来ET7/ET5的定位分别是中大型轿车和中型轿车。根据规划，ET7将在今年3月交付，ET5将在今年9月交付。两款车型均搭载完全相同的NAD自动驾驶技术：Aquila超感系统和Adam超算平台。Aquila超感系统共有33个传感器，分别是7个800万像素高清摄像头、4个300万像素环视专用摄像头、1个超远距高精度激光雷达、5个毫米波雷达、12个超声波雷达、2个高精度定位单元、1个车路协同感知和1个增强主驾感知，每秒可产生8GB图像数据。其中，800万像素摄像头可检测到680多米外的车辆，220多米外的行人，和100多米外的锥桶，最远可探测距离是120万像素摄像头的3倍；激光雷达是与蔚来资本投资的Innovusion合作开发，做到了等效300线的水平，具备120°水平视角以及0.06°x0.06°的最高分辨率，最远探测距离可达500米。蔚来ET7是两者间较早发布的车型，最初宣传的是11个800万像素摄像头，之后将4个环视摄像头降低到300万像素，这种方案也被ET5沿用下来。环视摄像头除了360°全景影像外，还被用于自动驾驶的近程补盲，高分辨率也确实没有必要。即使如此，蔚来ET7和ET5的硬件规格还是当前量产方案里最高的，但这种将所有摄像头都推向高分辨率的路线，此前也受到过一定争议。一方面后向摄像头的感知需求低于前向，侧向又低于后向，部分业内人士称可以按需求选型。另一方面是现有的计算算力、图像传输带宽、算法处理大图带来的耗时，是否完好匹配全车高分辨率摄像头，以及是否会带来潜在风险。但按照蔚来的路线来看，至少与感知匹配的硬件已做好了准备。Adam超算平台搭载了4个英伟达Orin芯片，总体算力达到1016TOPS。这4个芯片中，有2个主控芯片用于日常驾驶计算，可利用算力为508 TOPS，1个是备份用的冗余芯片，1个是用于自动驾驶算法训练的芯片。此外，Adam超算平台还支持超高带宽图像接口，ISP每秒可处理64亿像素，同时拥有每秒32GB的超高带宽数据网络。至于软件，在硬件已经完备的情况下，是要一步到位，还是通过多次迭代不断升级，都有灵活的选择空间。智己L7：以规模量产为核心目标智己汽车由上汽集团、张江高科和阿里巴巴集团联合打造的高端电动品牌，首款车型智己L7天使轮版预售价40.88万元，定位为纯电动中大型轿车，按规划将在今年上半年交付。与前面的车型类似，智能驾驶也是智己L7的主打功能，但是其IPD智能驾驶中心有匹配激光雷达和不匹配激光雷达的两种。先期车型是不搭载激光雷达、以视觉为主的感知方案，传感器包括15个高清摄像头（前视2个、增强感知5个、环视4个、驾舱1个）、5个毫米波雷达、12个超声波雷达。该方案选型也更考虑当前的应用场景和量产能力，只有前向两个摄像头分辨率达到500万，而且通过28°、120°的搭配，就实现有些车企依靠28°、60°、120°三个摄像头做不同距离检测的任务。而对于4个侧视摄像头和1个后视摄像头，则选择足够覆盖到需要的探测区间，同时对算力、带宽需求更低的200万分辨率摄像头，最远探测距离分别达到75米和140米。智己L7自动驾驶早期方案虽然没有激光雷达，但5个毫米波雷达都采用了最新的第五代产品，也就是常说的4D毫米波雷达。相比上一代产品，除了可以判断物体的距离、速度、方向角之外，还可以探测物体的高度。此外，4D毫米波雷达还因为可以提供高质量的点云，又被称为成像雷达。不仅可以有效解析目标的轮廓、类别、行为，识别矿泉水瓶、轮胎碎片等微小目标，以及被遮挡的行人或自行车等不完整目标，还可在各种天气和能见度条件下保持鲁棒性。这也使其从传统的辅助感知设备，变成了核心感知组件。而且，4D毫米波雷达看中的是点云质量，而不是一味追求点云数量，这也更有利于减少冗余信息的产生、在当前的计算平台上落地。智己L7视觉方案采用的就是1-2个英伟达Xavier芯片，算力为30-60TOPS。而增加激光雷达的方案，则换为了2-4个英伟达Orin芯片，算力为500-1000TOPS。动力方面，智己L7搭载前后双电机系统，综合功率400kW、综合扭矩700N·m，百公里加速用时3.9s。其中，前轴电机最大功率175kW，后轴电机最大功率达到了250kW。同时，其还将配备93kWh三元锂电池组，能量密度300Wh/kg，续航里程可达615km。沙龙机甲龙：受到「堆料」质疑的4激光雷达方案沙龙长城汽车旗下的全新高端品牌，首款车型机甲龙在广州车展发布，全球限量版车型售价48.8万元，将在今年实现交付。机甲龙的Captain-Pilot机长智驾系统，达到了量产车型激光雷达数量之最，全车共有4个激光雷达、7个800万像素摄像头、4个环视摄像头、5个毫米波雷达、12个超声波雷达、1个独立高精度定位单元等38个智能化感知元件。其中，激光雷达均是来自华为的96线混合固态激光雷达，单雷达视角范围可达120°*25°。这4个激光雷达里，有3个布置在前端，分别是前保险杠中央和两侧，能够实现前向和两侧的感知，这也是最常见的布局方案。不过，最后1个被安装在车尾排气装饰中央的激光雷达，引起了比较大的争议。自动驾驶对于后向的感知需求相对较低，依靠较低分辨率的摄像头+毫米波雷达，基本就可以满足需求，再增加1个激光雷达不仅作用有限，还会产生大量的算力负担。机甲龙在后方除了激光雷达外，还有1个800像素摄像头、2个角毫米波雷达，硬件水准已经很高。此外，机甲龙尾部的激光雷达两侧，还有两个凸起严重的排气装饰，这也有一定可能对其造成了一定遮挡，也是引起争议的另一部分原因。计算方面，机甲龙采用的是华为MDC智能驾驶计算平台610双冗余方案，NPU算力达到400TOPS，CPU算力440K DMIPS。动力方面，机甲龙采用了前后永磁电机驱动方案，最大功率405kW，最大扭矩750N·m，0-100km/h加速时间3.7秒。新车搭载了采用大禹电池技术115kWh电池组，CLTC续航802km，支持800V/480kW超充，可在10分钟内补充401km续航。飞凡R7：顶置传感器布局的应用考验飞凡R7原型是上汽R汽车的ES333，在品牌更名过后，该车型也在去年广州车展确定了全新中文命名。根据规划，飞凡R7将在今年下半年上市，并且实现交付。飞凡R7搭载的PP-CEM全栈自研高阶智驾方案，共有33个感知硬件，包括1个1550nm的Luminar激光雷达、12个超高清摄像头、2个采埃孚4D毫米波雷达、6个毫米波雷达、12个超声波雷达。飞凡R7与智己L7、蔚来ET7/ET5均在车顶布置了传感器。其中，飞凡R7是激光雷达、智己是摄像头、蔚来是摄像头和激光雷达。这些传感器对于污染都比较敏感，传统的前置摄像头也因此普遍被安装在雨刮可以扫过的风挡内部。如果这些传感器没有独立有效的清洁装置，有可能对实际表现造成影响。按照早期的说法，R7计算平台将采用英伟达Orin芯片，算力可达500TOPS -1000+TOPS，也就是2-4片的方案。动力方面，飞凡R7将提供单电机、双电机版本，搭载容量为77kWh和90kWh的三元锂电池组，同时配备L0级别热失控管理系统，官方称其可做到0热失控。宝马iX：史上最智能宝马宝马iX此前已经完成上市，共推出xDrive40、xDrive50、M60三款车型，售价区间74.69万-99.69万元。其中，xDrive 40将在今年1月开始交付，M60将在年中交付。作为在iNEXT概念车阶段被称作下一代纯电动车的iX，其也配备了高于宝马目前量产车型能力的智能驾驶系统。感知方面，宝马iX也加入了激光雷达，包括1个激光雷达、6个摄像头、4个环视摄像头、5个毫米波雷达、12个超声波雷达。有消息称，宝马iX激光雷达是Innoviz的InnovizOne车规级固态激光雷达，该雷达具备0.1°x0.1° 的角分辨率，最大视场角125°x25°，扫描帧率5-25FPS，并拥有250米的探测范围。宝马没有公布iX具体的计算平台，但是根据此前展示的产品，被推测可能搭载High PAD（hPAD），其采用2个Mobileye EyeQ5H芯片，单片算力24 TOPS。据传，这两个芯片，1个是采用Mobileye的算法，而另1个是运行宝马自研算法的开放版，并能互为冗余。极星3：Waymo全球独家L4合作伙伴去年6月，美国明星自动驾驶公司Waymo曾宣布，其成为了沃尔沃汽车集团达成全球独家L4合作伙伴。通过双方合作，将把Waymo Driver技术搭载到一个全新的纯电动车平台上。这款平台被认定是沃尔沃SPA2，而被推测是其首款车型的极星3也已经接近量产状态。一份Polestar国际官网的文档显示，极星3在中国的SOP时间为2022年第17周，即4月下旬，预计年产量4.5万辆。但至今，极星3也没有太多消息曝光，官方也没有公布过具体的量产规划，包括引人注目的自动驾驶方案也没有太多提及。仅有传闻称，极星3将采用飞凡R7相同型号的Luminar的激光雷达，可发射1550nm光束，最大视场角120°x25°，角分辨率0.1°x0.1°，探测距离250米。自动驾驶芯片传闻来自英伟达，综合算力可达254TOPS。按照这个参数来看，采用的是Orin单片方案。动力方面，极星3搭载将采用最大功率可达410kW的电驱系统，百公里加速时间小于4秒，配备150-200kWh电池组，WLTP续航超过800km。如果说2021是激光雷达量产元年，那么2022就是激光雷达上车元年。作为首批向更高阶自动驾驶能力探索的产品，各家路线也大不相同，有追求夸张算力和感知方案的蔚来，也有先以稳为主的小鹏、智己，但正是如此，这些车型落地后的表现才更值得期待。不过，随着量产时间的临近，部分车型要采用的Orin芯片还没有更新消息曝光，飞凡R7、极星3虽然也是在今年投产的范畴之内，但至今还没有上市和发布。到年底的进程究竟如何，还有待时间的验证。关于Auto?Byte
阿里云多媒体解决方案:让多媒体创作变得简单|学习笔记
开发者学堂课程【上云须知 - 全面了解阿里云能为你做什么：阿里云多媒体解决方案:让多媒体创作变得简单】学习笔记，与课程紧密联系，让用户快速学习知识。课程地址：/learning/course/381/detail/4776阿里云多媒体解决方案:让多媒体创作变得简单阿里云多媒体解决方案应用实例在这个 13 亿人的国家里，每天有 110 个视频被播放，每分钟有 10 万条视频被上传，每秒有数十万条微博会被讨论和转发。你知道在这一切的背后究竟发生着什么吗？实例 1：身处新闻一线的工作者时刻都在与时间赛跑，传统新闻作业的采编播分离的模式已经无法与其他媒体竞争，等到节目播出以后已经不再是新闻了。解决方案：新奥特利用阿里云技术，让新闻播报颠覆了传统模式，将传统的广电采编播移到云端。现在记者可以一边拍摄一边向后台传送视频，后台即时编辑并发布。如今，现场媒体中心的部署与调试也只需要一天简化，节省了很多的人力物力。在转播南京青奥会的时候，阿里云确实帮了很大忙，记者现在能时刻跑在新闻的前端，保证热点的第一时间曝光。实例 2：风云直播遇到的最大的挑战就是在应对突发的海量访问时，要确保信息的快速上传，保障流畅的直播体验，我们使用传统的解决方案是无法及时调整资源应对这种突发流量。解决方案：借助阿里云的弹性伸缩服务，风云直播可以更从容应对业务高峰，风云直播能够在短时间内对系统进行十倍甚至几十倍的扩容，来应对突发的流量高峰。现在风云直播根据访问流量弹性的调整，服务器的数量和带宽成本大大降低。实例 3：新浪微博的每月活跃用户数已经超过 2 亿，所以遇到这种节假日或者重大事情发生的时候，网速的这种稳定性，其实它是关系到这个用户的体验。解决方案：依靠阿里云优异的 CDN 加速技术，帮助新浪微博提升图片的下载体验。阿里云在全国铺设 了 260 多个节点，这些节点就像遍布各地的数据小仓库，用户可以从离他们最近的节点提取信息，大大缩短了传输的距离。此外，阿里云在网络底层的 TCP 协议栈上进行了技术优化，让图片的加速效果提升了百分之二十。IT 时代正在走向 DT（数据）时代，阿里云的批量计算和海量存储，为特效渲染提速，为监控视频保鲜，持续为各行各业注入更多活力。云端之上，空间无穷无尽，云端技术充满无限可能，云让距离不是问题，媒介没有阻碍，用弹性应对变化，以海量包容信息，以速度领跑世界，一切可以更简单。
阿里巴巴共享服务中心：淘宝四大服务中心
本章将介绍阿里巴巴共享服务中心的架构，以及在架构转变的过程中，技术团队对如何建设共享服务中心的思考，包括在过去几年建设历程中，我们沉淀出的一些建设原则。在阿里巴巴集团的中台战略中，共享服务中心是中台架构的基石，如何构建稳定可靠、最高效地支撑上层业务快速创新的共享服务能力是中台战略成功落地的关键。一般来说，服务能力包括两个层次，一个层次是底层PaaS的能力，PaaS层解决大型架构在分布式、可靠性、可用性、容错、监控以及运维层面上的通用需求；第二个层次是业务能力，业务服务能力提供云化的核心业务支撑能力，这层能力建设的好与坏，直接决定了是否能真正支持上层业务达到敏捷、稳定、高效。对于如何建设共享服务中心，很多人经常提出以下问题：淘宝的各个服务中心是怎么建设的？我需要几个服务中心，服务中心的边界是什么？有没有一些划分的原则和标准？服务中心应该多大合适？对应的组织团队和流程应该怎么保障？服务中心里面的服务数量应该有多少？粒度应该多大？下面通过淘宝共享服务中心建设的历程对这些问题做一部分的解答。 淘宝的共享服务中心概貌淘宝的共享服务中心包括多个服务中心。最初有四大服务中心：用户中心（UIC）、商品中心（IC）、交易中心（TC）、店铺中心（SC）。随着业务的不断发展，越来越多的服务能力沉淀到了共享服务中心，比如后期的物流中心、营销中心、数据服务中心等。接下来就对历史最为“悠久”的四大服务中心做一个介绍，使读者快速了解服务中心的概貌。1.用户中心用户中心是淘宝进行业务服务化历程中所构建的第一个服务中心，它统一了淘宝原来的各个业务线分散的用户体系，统一了用户数据、存储和服务接口。选择用户中心作为第一个建设的服务中心主要的原因是，跟用户相关的服务是被上层业务调用最频繁的服务，最大效率节省开发和维护成本的同时，也最能验证出服务化后和系统解耦后给业务快速响应带来的效果。另一个原因则是用户中心相比于商品、交易中心在业务复杂程度和重要性上都要小一些，所以对于采用新架构进行的重构尝试，能将服务化改造的风险降到比较低的水准。用户中心构建了整个阿里巴巴集团统一的用户体系，用户中心服务提供了统一的服务接口，即简化了上层业务的使用，也方便了接下来对用户的大数据分析。同时成立了专门负责用户中心运营的团队后，显著提升了对业务需求的响应效率；系统在实现解耦后，服务的稳定性和可扩展性都得到了极大的提高。事实证明，建立用户中心是淘宝在进行服务化尝试过程中一个具有里程碑意义的事件。2.商品中心淘宝的商品中心建设非常有代表意义，淘宝是平台型的电商，商品管理其实是最复杂的业务场景之一。原因有以下几个。首先，商品数据量大，淘宝有十几亿的商品，每天新增的商品量可能比有些电商商品的总量还大。其次，卖家众多，卖家的电脑技能、对电商的认识以及全国不同地域卖家对同一件商品的叫法都可能有很大差异，这导致了商品发布是个很大麻烦，一套统一的商品发布体系很难同时满足各种卖家（B和C）的需求。第三，商品数据是电商导购的入口，对数据质量有很高的要求，而且这些数据商品搜索的数据源，可以想象，如果搜索出来的商品数据杂乱无章，用户怎么可能下单，所以建设高质量的商品数据库是商品管理的重要课题。第四，类目运营小二要根据商品的分析数据来优化商品的前端类目结构。所有这些都是淘宝的商品体系面对的难题。而且随着业务的发展，还有更多更艰巨的挑战需要面对。因此，建立淘宝的商品中心从一开始就注定了是一条不平凡之路。商品库的数据库管理难度最大，商品中心需要对上层提供的服务能力包括以下几个方面：商品描述能力。商品描述能力主要包括三方面，一是商品的描述数据模型，具体就是类目属性体系、SPU、SKU等，这用于为整个商品建立一个统一的、灵活的、易于使用的商品数据模型；二是商品的存储模型，就是商品数据在数据库中的存储结构；三是对外提供的服务接口，上层业务通过服务接口操作商品数据。这一部分的能力屏蔽了商品内部的实现细节，简化了上层业务操作商品数据。商品发布能力。对上层业务来说，商品发布能力其实是一个个性化需求比较大的能力，比如B端商家需要通过Open API直接对接现在企业的商品进销存系统；C端小商家直接使用浏览器能进行发布；C端大商家可能更喜欢使用C/S客户端的方式发布；无线端用户可能更喜欢轻量级的发布，用APP或者手机扫码就能发布。所以发布能力在商品中心是提供通用的发布服务接口和标准的发布工具，业务层自己会根据业务需求提供满足业务需求的发布工具。从这个场景大家可以感受到服务与业务的边界，“服务中心一定是实现通用的能力，个性化尽量在业务层实现”。商品管理能力。管理一个超过10多亿数量的商品库绝对是一个非常有难度的事，淘宝的商品是个百科全书，号称“只有你想不到，没有你找不到”，这个商品库的组织管理比世界上最大的图书馆管理难度还要大。第一，商品数据每天都在更新，而且量很大；第二，商品的类目总是在跟着时代变化，比如原来商品主要就是实体百货类，后来增加了汽车类，再后来又有了服务类商品，再后来又有了智能设备类，商品的类目以及描述都在随着每天新进入的商品和市场的变化在改变。淘宝有全世界最大的商品库，所以商品SPU数据必须自己建设。因为任何一个机构都不能提供这么全面的SPU数据，而且不同行业，不同商家提供的这种数据也千差万别，所以这个SPU库也只能自己建设，自己维护。商品巡检的能力。商品都是有生命周期的，用户发布的商品如果太长时间没有管理，用户本身也长时间没有登录，那这种非活跃卖家可能本身就不再经营店铺了。要能识别这种商品，从活跃商品库中剔除，否则不但浪费大量的计算和存储资源，还给买家带来极其糟糕的用户体验。有些卖家为了利用淘宝商品的搜索引擎排序规则，会为商品加上一些热门的搜索词，这些词严重干扰搜索的准确率，要能发现这类违规的描述；有些卖家描述商品使用比较随意的文字，与淘宝的商品描述体系中其他用户的认知不一致，系统要能发现并纠正用户的这种随意行为。商品数据数据分析的能力。运营小二要进行日常运营、营销活动、类目调整，都需要数据的支持，商品中心能自动聚合推荐的类目数据并提供调整的决策支持。在淘宝这种平台型的电商体系下，针对商品的大数据能力是必须要求的。商品评价的能力。成功交易的订单，淘宝引入了商品评价体系可以评论商品和卖家，评价中心的职责就是要识别正常的评价，剔除恶意的差评与好评，从而建立更公平的商品评价体系。前期的淘宝商品中心就由这5大领域的能力构成，虽然名字只是一个商品中心，但是整个商品中心团队聚合了一大批运营、产品、研发、大数据方面的业务专家。3.交易中心交易中心是电商的交易业务领域的服务中心，包含交易相关的服务信息，比如购物车、交易流程、订单管理、支持、结算、营销等。初期，淘宝的交易中心聚合了很多相关的业务服务，后来随着业务的发展，交易中心有了相应的调整，比如后来拆分出来了营销中心。服务中心都是这样动态发展进化的过程，比如由于天猫业务的发展，对库存有了更高的要求，所以后来从商品中心独立出来了库存中心。4.店铺中心店铺中心承担了卖家店铺管理、店铺装修、店铺生命周期管理、店铺日常管理等业务，在店铺体系下，发展了淘宝最具活力的第三方店铺装修市场，这是平台化的最好实践。?钟华（花名：古谦），阿里巴巴中间件首席架构师，15年中间件领域行业经验。对传统企业IT建设和互联网架构都有较为深入的理解，有着扎实的理论基础和丰富的实战经验，多次作为总架构师协助大型传统企业打造业务中台项目，为企业实现“互联网?”转型提供了科学的发展方向和强有力的技术支持，项目涉及政府、制造业、金融、交通、媒体等多个领域。???? ? ???本文出自作者编著的《企业IT架构转型之道阿里巴巴中台战略思想与架构实战》一书，购书直达通道，请点击查看原文。??往期推荐：一场跨年晚会挣了50亿，B站在微服务治理中如何探索与实践？B站搞了一场价值60亿的跨年晚会！面试官都是怎么想的后端缓存的23个关键关注点? ?……
优秀API的设计原则与实例实现RESTful（4）
通过Spring?Boot、Springfox、Swagger实现RESTful上一节介绍了通过Swagger Editor实现API设计（先写YAML文件，然后生成服务端和客户端），本节介绍另外一种直接写代码、通过注解自动生成相关文档的方法。Spring Boot已经家喻户晓，而Springfox是什么呢？Marty Pitt曾经编写了一个基于Spring的组件swagger-springmvc，用于将Swagger集成到Spring?MVC中，Springfox是从这个组件发展而来的。下面我们通过一个简单的示例来说明一下。首先，新建一个项目，基于Maven构建，在pom中引入相应的JAR包，这里需要引入Spring Boot和Springfox的相关包。
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>io.springfox</groupId>
<artifactId>springfox-swagger2</artifactId>
<version>2.7.0</version>
</dependency>
<dependency>
<groupId>io.springfox</groupId>
<artifactId>springfox-swagger-ui</artifactId>
<version>2.7.0</version>
</dependency>编写Swagger的配置类。
@Configuration
@EnableSwagger2
public class Swagger2 {
@Bean
public Docket createRestApi() {
return new Docket(DocumentationType.SWAGGER_2)
.apiInfo(apiInfo())
.select()
.apis(RequestHandlerSelectors.basePackage("com.cloudnative.rest"))
.paths(PathSelectors.any())
.build();
}
private ApiInfo apiInfo() {
return new ApiInfoBuilder()
.title("Swagger构建RESTful API")
.description("")
.termsOfServiceUrl("")
.version("1.0")
.build();
}
} 实现dto类。
public class Product {
private int id;
private String name;
private int count;
private String desc;
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public int getCount() {
return count;
}
public void setCount(int count) {
this.count = count;
}
public String getDesc() {
return desc;
}
public void setDesc(String desc) {
this.desc = desc;
}
public int getId() {
return id;
}
public void setId(int id) {
this.id = id;
}
@Override
public String toString() {
return "Product{" +
"id=" + id +
", name='" + name + '\'' +
", count=" + count +
", desc='" + desc + '\'' +
'}';
}
}基于注解编写接口实现。
@RestController
@RequestMapping(value="/products") //通过这里配置使下面的映射都在/products下
public class ProductController {
private List<Product> productList;
//初始化
public ProductController(){
productList = new ArrayList<Product>();
for (int i = 0; i < 10; i++) {
Product product =new Product();
product.setId(i);
product.setCount(i+10);
product.setName("watch"+i);
product.setDesc("watch desc"+i);
productList.add(product);
}
}
@ApiOperation(value="获取产品列表", notes="获取产品列表")
@RequestMapping(value={""}, method= RequestMethod.GET)
public List<Product> getProductList() {
return productList;
}
@ApiOperation(value="获取产品详细信息", notes="根据url的id来获取产品详细信息")
@ApiImplicitParam(name = "id", value = "产品ID", required = true, dataType = "Integer",paramType="path")
@RequestMapping(value="/{id}", method=RequestMethod.GET)
public Product getProduct(@PathVariable Integer id) {
return productList.get(id);
}
}基于Main方法启动。
@SpringBootApplication
public class Application {
public static void main(String[] args) {
SpringApplication.run(Application.class, args);
}
}访问http://localhost:8080/swagger-ui.html，自动生成的文档界面如图2-18所示。访问http://localhost:8080/v2/api-docs可以获取接口的JSON描述文件，如图2-20所示。可以直接到Swagger官网把JSON描述文件转换为YAML文件。
实操微服务设计-从需求、领域模型、业务能力到服务（2）
在这个用户场景中的名词，如Consumer、Order、Restaurant和CreditCard，暗示了这些类都是需要的。同样，Accept Order用户故事也可以分解为多个场景，如下：这个场景暗示需要Courier类和Delivery类。在经过几次迭代分析之后，结果显然就是这个领域模型应该包括一些类，如MenuItem和Address等。图3显示了核心类的类图。图3 FTGO领域模型中的关键类每一个类的作用如下：Consumer：下订单的用户。Order：用户下的订单，它用来描述订单并跟踪状态。OrderLineItem：Order中的一个条目。DeliveryInfo：送餐的时间和地址。Restaurant：为用户准备生产订单的餐馆，同时也要发起送货。MenuItem：餐馆菜单上的一个条目。Courier：送餐员负责把订单送到用户手里。可跟踪送餐员的可用性和他们的位置。Address：Consumer或Restaurant的地址。Location：Courier当前的位置，用经纬度表示。类似上面这张类图描述了应用程序架构的一个方面。但如果没有对应的场景，这个图也就是仅仅好看而已，并不实用。下一步开始定义对应架构场景的系统操作。定义系统操作当定义了抽象的领域模型之后，接下来就要识别系统必须处理的各种请求。我们并不讨论具体的用户界面，但是你能够想象在每一个用户场景下，前端的用户界面向后端的业务逻辑发出请求，后端的业务逻辑进行数据的获取和处理。FTGO是一个Web应用，这意味着它的大部分请求都是基于HTTP的。但也有可能一些客户端会使用消息。相比绑定到具体的通信协议，使用抽象的词汇来描述跟系统操作有关的请求更为合理。有以下两种类型的系统操作。指令型：创建、更新或删除数据的系统操作。查询型：查询和读取数据的系统操作。从根本上说，这些系统操作都会对应到具体的REST、RPC或消息端口。但现阶段我们不必在意这些实现细节。让我们先开始识别一些指令。识别系统指令的切入点是分析用户故事和场景中的动词。例如Place Order用户故事，它非常明确地告诉架构师，这个系统必须提供一个Create Order操作。很多用户故事都会直接对应或映射为系统命令。表1列出了一些关键的系统命令。命令规范定义了命令对应的参数、返回值和领域模型类的行为。行为规范中包括前置条件（即当这个操作被调用时必须满足的条件）和后置条件（即这个操作被调用后必须满足的条件）。例如，以下就是createOrder()系统操作的规范。前置条件对应着Place Order用户场景中的givens，后置条件对应着场景中的Then。当系统操作被调用时，它会检查前置条件，执行操作来完成和满足后置条件。下面是acceptOrder()的系统操作规范：
?中台战略：业务中台的8个设计原则
业务中台是一个充满生命力的个体，它承载业务逻辑、沉淀业务数据、产生业务价值，并随着业务不断发展进化。它的设计遵循如下图所示的8个原则。01?服务松耦合原则（1）面向接口实现这是服务松耦合的基本要求，即每一个服务都按接口的定义进行实现。服务的消费方不需要依赖某个特定的服务实现，避免服务提供方的内部变更影响到消费方。另外，在服务提供方切换到其他系统时，不影响服务消费方的正常运行。 （2）异步事件解耦服务间的事件通信采用异步消息队列来实现。由于有消息队列这个中介，因此生产者和消费者不必在同一时间都保持实时处理能力，而且消费生产者也不需要马上等到回复。 （3）服务提供者位置解耦服务消费者不需要直接了解服务提供者的具体位置信息，例如IP地址、端口。典型解决方法是服务注册中心，服务提供者启动时将自己注册到服务注册中心，服务消费者通过服务注册中心查找具体服务提供者来访问。同时，服务注册中心可以提供负载均衡及fail-over的能力。?（4）版本松耦合消费端不需要依赖服务契约的某个特定版本来工作，这就要求服务契约在升级时尽可能提供向下兼容性。02 服务依赖原则（1）有价值的领域模型价值导向：确保业务中心的服务都与企业的商业理想保持一致，相关联。?简捷为美：业务逻辑和流程避免复杂化。?领域洞察：紧贴业务的核心目的，从业务原则指导业务逻辑的设计。?（2）服务间最小依赖?高内聚：同一类服务应归在一起。低耦合：服务间保持最小联系。能力与接口：业务流程和业务逻辑的操作都作为中心服务实现，而提供给外部调用的接口数据模型都会转化为服务。识别通用性：识别出每个通用能力的可扩展的类型，从设计上支持它不断扩展，并在接口定义上满足其不断升级的需求。（3）能力实体具有层次性能力与接口：分离接口实体与能力实体。接口实体与限定元素：将接口实体核心元素与接口操作的限定元素分离。接口实体的层次结构：建设接口实体和上下文限定元素的层次结构。 （4）延迟对技术组件的依赖捆绑依赖：避免在无关的组件技术之间引入新的依赖。延迟绑定：在使用点才捆绑依赖关系。03 服务设计原则（1）优化远程调用服务间的远程调用分为同步调用和异步调用两种模式。应当分析服务调用场景，选择较优的调用模式。 （2）去掉冗余数据尽量去掉接口实体中客户端不需要的冗余字段，既能减少网络开销，又能避免给前端解析带去复杂性。 （3）设计粗粒度的服务接口服务接口若能与前端一个用例或一个业务场景相对应（粒度较粗）则既能减少远程调用次数，又能降低学习成本。 （4）识别并设计通用的服务接口由于中心服务不限定应用范围，因此一般要支持不同的应用。但不同应用在功能丰富性上有很大差异，这就决定了服务接口需要尽可能保证广泛兼容性。譬如，服务接口的参数和返回值必须是被广泛支持的较简单的数据类型。 （5）隔离服务内部的变化避免服务内部的领域模型直接传导给客户端。如未能提供合理的隔离措施，则当服务进行内部重构时，势必导致客户端频繁变化。 （6）服务接口先行详细规定服务与客户端双方对接的内容与形式等，对双方形成强有力的约束和保障。 （7）服务接口向下兼容由于应用的广泛性，在服务公开发布之后就要保证相当的稳定性，不能随便重构，即使升级也要尽可能考虑向下兼容性。04 服务命名原则强烈建议使用服务使用者专业领域内有意义的名称，优先选用业务概念而不是技术概念。?使用名词命名服务，使用动词命名操作。05 服务颗粒度原则服务应是内聚而完整的，能够独立完成一个职责。在服务内部可以是由多个逻辑上密切相关的代码块共同组成。06?服务的无状态性原则微服务体系的基本要求是服务无状态。无状态的服务是可伸缩、高可用性的基础。07 服务操作设计原则操作表示业务动作，应当使用具体的业务含义而不是泛型操作来定义操作。相关的最佳实践如下： 重要的服务不能依赖非重要服务。任何服务调用都要设定超时时间。任何服务的调用结果只有三种可能：成功、失败或未知。能异步调用的服务尽量使用异步调用，从而提高系统响应速度，降低系统之间的耦合性。系统拆分时，粒度大小以一个系统3～8个开发人员维护为宜。系统拆分时，往往先拆分数据服务层，因为数据服务层通常是复用性高的一层。服务的实现不能有单点。线上遵循fast-fail原则，避免服务调用时间过长，导致性能下降。fast-fail原则是只要发生错误，则调用立即返回。需要对高压场景下的服务调用链路进行特殊处理，可采用将链路缩短、预热等方式。服务设计过程中，要避免同类服务由不同服务单元提供。服务要做到向后兼容，如果无法做到，则需要采取管控机制确保服务消费者升级服务。服务化架构的变化要使组织的架构能适应这种变化。在部署服务单元时，要将读服务和写服务分离，将核心服务和非核心服务分离，以保证整个服务单元的稳定性和可靠性。服务化时，要同时考虑安全。静态资源也可以实现服务化，实现静态资源与动态资源分离，从而提高性能。通过在外层系统埋点，可以实现面向终端用户服务的精细管理，比如服务的容量、服务的性能等。需要将每个业务领域的通用规则沉淀成服务。08 服务约束原则上可依赖下；下不可依赖上；上可跨级依赖下；平级可允许单向调用，坚决禁止循环依赖；高级别不可依赖低级别；简单就是美；重要的服务不能依赖非重要服务。
有关中台的误解以及精选中台解读6篇（阿里腾讯小米等）
有关中台的争议以及讨论从去年一直在持续...某CEO遇见CTO群就有这样一段讨论：那么，什么是中台，为什么要建中台，以及如何建中台？有没有说得比较清楚的，还是需要找50篇资料（文章）仍不得其法？笔者尝试从5篇资料中寻找答案。为什么要建中台？网传的一种说法，是阿里高管15年参观世界上最成功的移动游戏公司supercell，这家典型的小团队模式进行开发的公司，可以最快的推出游戏内测版，如不受欢迎，可以迅速的放弃这个产品再进行新的尝试，期间几乎没有管理角色的介入，团队失败后，不但没有惩罚，甚至会举办庆祝仪式，以庆祝他们从失败中学到了东西。它的核心竞争力就在多年的游戏研发中积累了非常科学的研发方法和体系，也就是中台能力。以至于很多模仿者都无法替代。第二个故事。美军在二战时，以军为单位作战；到了越战时，以营为单位作战；到了中东战斗的时候，以7人或者11人的极小班排去作战，这是今天最灵活的军事组织，也是核心竞争力和打击能力最强的一个组织。而美军之所以能灵活作战，敢放这么小的团队到前方，是因为有非常强的导弹指挥系统，有非常强大的中台能力，能支持这样的小团队快速做判断，并且引领整个打击。第三个故事。中台是规模化业务发展的必然。高大上的提法，如上图，在小前端各类业务创新的时候，能快速把握战机，调整方向快，炮火群（类比中台）支持特种小分队（类比小前端）。说得土一点是：u客户视角端到端的效能提升u向客户提供一揽子服务，把简单留给客户，把复杂留给自己u满足不断创新业务的需要阿里玄难对此的解释：名称变化的后面还是思想变化。原来共享平台更多的被当做资源团队，承接各个业务方的需求，为业务方在基础服务上做定制开发。而业务中台的目标是把核心服务链路 (会员、商品、交易、营销、店铺、资金结算等等) 整体当做一个平台产品来做，为前端业务提供的是业务解决方案，而不是彼此独立的系统。因为阿里巴巴的生态非常复杂，很多业务方本身也很年轻，要怎么去做，下层到底能提供什么样的支撑是不清楚的。当有大中台思路之后，第一，我们这个体系里有什么样的能力，可以让各业务很清楚的知道，也可以让前台业务方更快的理解、选择和使用中台能力。第二、我们提供了基础解决方案，业务方根据需要做定制开发满足自己的业务特性，对前台的业务来说会更快。就像我们最近上线的一个新业务 2 周完成，而按原来的模式可能要 2 个月。当然大中台的建设思路，对系统架构提出了更高的要求。必须对系统进行重新设计，实现「业务逻辑和平台逻辑分离，不同业务之间的逻辑隔离」，才能让前台业务方可以自主定制开发。当然团队定位不一样，结果不一样，团队的成长也完全不一样。所以说共享跟做中台有很本质的区别。进一步阅读，参见：淘宝和天猫背后，阿里系原来还有这样一个不为人知的神秘组织企业怎样判断，我这个中台到底做的好还是不好？谢纯良：第一个角度，我打一个比方，我曾经跟很多 CEO、CTO 去聊，我建议他做一些简单的判断，我说你在没有建中台之前，很多业务方提的需求到了你这里，你都会说，这个我做不了，系统不支持，还有一种回答是，这个可以做，等我六个月或九个月。如果你的中台建设得不错，同样的问题，你大概率会说：这些需求没问题，都能做，大部分都能做了，从说“no”变成说“yes”。另一个关于周期的回答，“这个可以做，给我一周或两周”，从几个月变成了几周。第二个去判断的角度是，如果你的 IT 团队，假设总共一百个人，如果 80% 的人都在研究业务服务的能力怎么去构建，我觉得这个中台建设就成功了，如果倒过来，你 80% 的人都忙着处理技术相关的事情，我认为这是平台供应商做的事情，那一定是失败的。进一步阅读，参见：阿?巴巴技术总监全解中台架构19页ppt：中台是一把手工程中台如何助力标准化业务？中台关键要快！企业纷纷效仿阿里建中台，到底是盲目跟风还是不做会死？业务中台的建设方案玄难提到，“业务中台化”阶段主要解决4个问题：1、信息获取成本高。2、互联互通成本高。3、服务具有不确定性。4、低水平重复建设。如何来解决这些问题呢，我们可去看一下传统的建筑行业和互联网本身的基础设施建设。基本上靠三个东西来共同解决一个复杂生态的协作问题。1、协议标准、运行机制。2、满足标准的分布式执行单元。3、中心化的控制单元。比如说我们的移动互联网，我们现在之所以上网能用手机，它的根本是什么呢？网络的协议，就是我们整个对网络的理解，它是最基本的思考。然后我们有很多设备，不管是什么品牌的手机，只要满足3G协议、4G协议，就可以插上卡上网。也就是通过这张sim卡确定了我们的身份，从运营商控制网络上获取了控制信息。知道我们是谁，能不能上网，网络速率等等信息。回头来看我们的电商生态，就是要根据我们对商业的理解，把一些基础协议梳理出来。例如什么是业务？什么是业务身份？各个业务领域的边界是什么？每个领域提供的基础服务是什么？领域服务和领域服务之间的流程链接标准是什么？再在这些思想的指导下去建立业务平台化的实施标准和业务管控标准。电商业务中台由一系列业务能力标准、运行机制、业务分析方法论，配置管理和执行系统以及运营服务团队构成的体系，提供各业务方能够快速，低成本创新的能力。?业务中台需要一个中心化控制单元，就是我们的运营平台。它主要由协议标准，能力地图、业务需求结构分解、全局业务身份、业务全景图、业务度量等构成。能让我们有一个地方纵观全局，把控细节。其中能力地图是一个最基础的设施，要能把电商生态里面的能力都呈现出来，并在过程中不断的优化完善。就象我们现在出行离不开高德地图一样，今后所有的业务方需要做业务规划，业务创新，都可以到这儿来寻找需要的基础能力。进一步阅读，阿里研究员玄难：如何做电商业务中台//笔者觉得“数据中台”另篇为好，另外“组织中台”这个词有点生造，?对应业务中台也好，数据中台也好，按照康威定律需要有相应的组织配套支持。中台是自上而下的工程，“组织中台”不能独立存在。另，推荐2篇关于中台的内容，作为补充。中台不等于NB，平台不等于low，不同阶段解决不同阶段的问题。什么是中台，什么不是中台。所有的中台都是业务中台
领域驱动设计示例（2）
现在我们需要将子问题空间与我们的解决方案设计对齐，我们需要形成一个解决方案空间。DDD术语中的解决方案空间也称为有界上下文，并且最好将一个问题空间/子域与一个解空间/有界上下文对齐。构建模块领域驱动设计的构建模块分为战术和战略模式。我写了一篇关于DDD构建块的文章，所以如果你想深入了解，请访问这篇文章。请注意，以下架构模式和类图不依赖于技术。该解决方案可以使用Java SE / EE，C＃甚至JavaScript实现。无关紧要，我们可以使用每种目标技术存档相同的好处。新的架构总览让我们看下新的架构好的，这里发生了什么？现在每个已识别的子域都有有界上下文。有界上下文是孤立的，彼此一无所知。它们仅由一组常见类型粘合在一起，如UserId，ProjectId和CustomerId。在DDD中，这组常见类型称为“共享内核”。我们还可以看到什么是“核心领域”的一部分，什么不是。如果有界上下文是我们试图解决的问题的一部分，并且不能被另一个系统替换，那么它就是“核心域”的一部分。如果它可以被另一个系统替换，那么它就是“通用子域”。“身份和访问管理”上下文是“通用子域”，因为它可以由现有的IAM解决方案替换，例如Active Directory或其他。我们将一组战术和战略模式应用于模型。这些模式有助于我们构建更好的模型，提高容错能力并提高可维护性。在每个有界上下文中都有聚合和值对象。聚合是对象层次结构，但只能从聚合外部访问层次结构的根。聚合处理业务常量。对对象树的每次访问都必须通过Aggregate，而不是通过其中的一个元素。这大大增加了封装性。Aggregates和Entites是我们模型中具有唯一ID的东西。值对象不是事物，它们是值或度量，如UserId。值对象被设计为不可变的，它们不能改变它们的状态。每个状态更改方法都返回值Object的新实例。这有助于我们消除不必要的副作用。设计行为让我们设计一些行为，“Freelancer迁移到新位置”用例。在没有DDD的情况下，我们可以创建一个简单的POJO，如下所示：我们可以通过调用实例的setter来更改Freelancer的名称。可是等等！我们的用例在哪里？可以从其他地方调用setter。实施基于角色的安全性可能会变得很麻烦。因为我们在调用setter时没有调用上下文。此外，这个模型中还缺少一个概念，即地址。它只是通过Freelancer类的简单属性以非常隐式的方式建模。通过应用域驱动设计，我们得到以下结果：这要好得多。现在有一个显式的Address类，它封装了整个地址状态。现在，地址更改用例显式建模为Freelancer聚合提供的moveTo（）方法。我们只能使用此方法更改Freelancer状态。当然，这种方法可以通过某种安全模型轻松保护。完整的用例和持久性好的，我们继续模仿“自由职业者迁移到新位置”的用例。首先，我们需要为Freelancer Aggregate提供一种存储空间。DDD将这样的存储称为存储库。使用存储库，我们可以按名称搜索Freelancer，通过Id加载现有的Freelancer，从存储中删除它或向存储添加新的Freelancer。根据经验，每种类型的聚合都应该有一个存储库。请注意，存储库是业务术语中描述的接口。我们将在下一章讨论实现。下图显示了建模的用例。你会看到一些新的工件。首先是用户界面，我们的域模型的客户端。客户端可以是一切，从JSF 2.0前端到SOAP Web服务或REST资源。所以请以一般方式考虑客户。客户端向ApplicationService发送命令。ApplicationService将命令转换为域模型用例调用。因此，FreelancerApplicationService将从FreelancerRepository加载Freelancer Aggregate，并在Freelancer Aggregate上调用moveTo（）操作。FreelancerApplicationService也构成了事务边界。每次调用都会导致新的事务。基于角色的安全性也可以使用FreelancerApplicationService实现。将事务控制保留在域模型之外始终是一个很好的选择。事务控制更多是技术问题，而不是业务问题，因此不应在域模型中实现。
架构师眼中的文化：组织不扁平，3天后信息衰减到20%（1）
?如果你穿着西装，打着领带去参加一个重要的会议，那么你绝对不会在会场内随便扔垃圾，这是环境给你的暗示，跟制度、规范无关。好的文化会帮助团队营造一种舒适的环境，让每个成员工作更加愉悦。正所谓，强势文化造就强者，弱势文化造就弱者。在体育界，有一个词汇叫“冠军文化”，这就是一种团队文化，每个团队都有自己的性格，当遭受挫折的时候，是一蹶不振，还是强势反弹？冠军文化可以让一支球队在最关键的时刻咬牙挺住，而挺住就意味着一切。团队文化就好比土壤，要培养什么样的员工，就要有适合他的土壤。传统企业常常去互联网公司挖一些高级技术人才，但是挖过来之后，高级技术人才要么很快就辞职了，要么失去了以前在互联网公司的风采，一个很重要的原因就是无法适应传统企业的团队文化。好的文化会吸引好的人才，并激励他们留下来用最佳的状态工作。为什么团队文化如此重要一个经验丰富的职场人士，通过日常工作就能感受到一个企业的文化是开放的还是封闭的，是自由的还是严谨的，是更重视长期发展还是更重视目前收入。管理大师德鲁克曾经说过：“Culture eats strategy for breakfast”。大概意思是说“文化可以把战略当早餐吃掉”，在不好的文化面前，再好的战略也会在一顿早餐后忘掉，团队文化才是战略中的“战略”。每个伟大的公司都有自己非常清晰的团队文化。如Facebook强调的是分享、连接，Airbnb强调的是归属感，Google强调的是透明、发声的权利。在传统的研发模式下，我们往往忽略了团队文化的重要性，研发流程更像流水线，而研发人员则像流水线上的工人。实际上，一个效率很高的工程师完成的工作量可能是一个效率低下的工程师的几十倍甚至几百倍。传统企业和互联网公司所信奉的管理文化差异非常大，下面通过一个例子来估算一下成本。在传统企业，技术经理接到一个单点登录的功能需求，架构师A大概花了一个星期调研，又花了一个星期编写PPT，在某个内部会议上进行架构决策，会议中各方面领导提出了各种质疑，认为某开源方案缺陷太多，漏洞百出。会后A进行返工，最终一个月时间才确定了架构文档，而实际负责开发的可能是工程师B、C、D。A分别对B、C、D进行了大量的解释，B、C、D又给测试人员、运维人员进行了大量的解释。最终这个功能大概花了一个架构师和三个工程师各2个月时间，一个测试人员1个月时间，以及一个运维人员半个月时间。如果架构师的薪资为每月5万元，开发人员每月为2万元，测试人员每月1万元，运维人员每月2万元，那么这个功能预计要花费24万元才能实现。在互联网公司，根据前面的任务拆分，某工程师A领到了单点登录的功能需求，花了一个星期进行调研，认为某开源产品可以满足80%的需求，经过团队内非正式的讨论，最终决定基于开源产品进行改造。A花了一个星期研究源代码，一个星期进行测试，再经过一轮内部讨论，然后花一个月时间改造代码，一个月时间测试及上线。整个过程不到三个月时间都是以A为主导，如果这个工程师的能力比较强，薪资大概是5万元，和传统企业的架构师持平，那么这个功能预计要花费15万元。当然，这只是一个粗略的计算，有人可能会质疑，互联网公司打造研发环境、工具所消耗的费用，同样互联网公司也没有计算技术经理/项目经理的管理费用。一个实际的例子，Instagram Video（15秒短视频）从需求到上线花了30个人一个月的时间，包括iOS和Android客户端、服务端，甚至包括市场及推广，在这期间为了解决防抖的问题，甚至花了7天时间收购了一家公司集成进来。李开复曾经说过：“我们进入了信息社会，这个社会跟工业社会不一样的就是，顶尖人才和普通人才的差异化不再是20%、30%了，而是五倍、十倍甚至一百倍的差距。”从结果上来讲，互联网公司的研发模式效率要更高，除了流程的问题，还有一个重要的原因就是团队文化。我认为，团队文化可以刻意塑造。一个团队的文化改变很难，管理者对团队文化的影响力巨大，他的所有言行都会影响团队文化，因此改变团队文化最简单的办法就是换管理者，但是这在很多场景下显然是不现实的。组织结构团队规模导致的问题随着团队规模的扩大，我们通常能见到以下几种严重的问题。（1）缺乏信任。由于人数众多，难于管理，只能通过制度、流程、规范、绩效约束。因为一切都是以KPI为前提的，那些跟KPI无关的工作是很难推动的。公司的执行力确实很强，员工绝对服从，不容易出错，但是效率却非常低下。（2）没有责任感。高层管理者忙着开各种决策会议。除了管理者，没有人愿意去决策，因为决策失误将是非常大的责任，而领导决策后，就算出现什么问题，也有领导扛着。结果就会出现大量的架构文档，大量的内部汇报材料，取悦领导的优先级高于服务客户的优先级。如果没有人能够承担责任，那么就靠严格的流程，每个人都严守关口，否则出了问题自己要“背锅”。（3）部门墙。跨部门协调还不如与第三方合作。我曾经工作过的一家互联网公司便有这类情况，有的部门宁愿去外部买一个系统，也不用兄弟部门的产品，原因是内部跨部门沟通效率太低。（4）不尊重专业人士。当所有的生杀大权都掌握在少数人手中的时候，就非常容易形成“一言堂”，领导的话会被仔细推敲，而某些领域的专家可能因为在汇报中，思维不够敏捷，不善于表达，而得不到尊重。（5）管理层级太深。管理层级太深导致的问题很多，因为管理者不知道下面的人在干什么，不知道钱花得值不值，只能通过汇报，那就会导致了很多会议和汇报文档。康威定律“康威定律”（Conway’s Law）包括如下四条。·?第一定律：Communication dictates design，即组织沟通方式会通过系统设计呈现。·?第二定律：There is never enough time to do something right, but there is always enough?time to do it over，即时间再多，一件事情也不可能做得完美，但总有时间做完一件事情。·?第三定律：There is a homomorphism from the linear graph of a system to the linear graph of its design organization，即线型系统和线型组织架构间有潜在的异质同态特性。·?第四定律：The structures of large systems tend to disintegrate during development,?qualitatively more so than with small systems，即大的系统组织总是比小系统更倾向于分解。康威定律中最经典的一句话“Organizations which design systems are constrained to produce designs which are copies of the communication structures of these organizations.”即设计系统的组织，其产生的设计和架构等价于组织间的沟通结构。通俗来讲，就是什么样的团队结构，就会设计出什么样的系统架构。如果将团队拆分为前端、后端、平台、DB，那么系统也会按照前端、后端、平台、DB结构隔离，如图10-1所示。如果将团队按照业务领域进行拆分，系统就会按照业务领域隔离，如图10-2所示。图10-1??系统架构（一） ???????图10-2??系统架构（二）因此当我们在进行架构设计的同时，也应该相应地调整组织架构。特别是在采用微服务架构的同时，应该建立全功能团队，开发、测试、产品应该在一个团队内。项目管理、团队负责人并不一定是专职的，可以由产品或者开发兼任，但最好不是一个纯管理人员。某些公司还设置轮岗，效果不错。? ?
都是血泪，程序员傍身的生存法则（上）
笔者曲健，1024生人，天选程序员，浆糊人送外号“大爷Dà Yé”，目前在奥琪科技担任首席架构师一职。????彼得德鲁克的经典之作《卓有成效的管理者》里提到，知识管理者必须学会自我驱动、自我管理，而动力取决于工作是否卓越有效，是否有所成就。程序员就是典型的知识工作者，本文就是细数一下程序员的生存之道，或者说自驱之道。00 优雅的命名程序员生存法则Number One, 无出其右者，且不接受挑战。务必记住，程序员的第一武装不是格子衫不是脱发，是代码! 如果把代码比喻成人体，那么逻辑(指令)是经脉，数据是气血，而命名就是穴位。大家想想在阅读代码的时候，不管是变量名、方法名、类名还是系统名，都是用于辅助理解逻辑/功能的特别重要的标识。我可以负责任的说：程序员命名能力的高度基本决定了他/她未来的高度。命名绝不仅是名字本身，它更可映射出作者的思维框架、知识外延、逻辑推理、语言能力、创造力、想象力等等，所以是不是瞬间拔高了？可以参见我之前关于取名技巧的一篇文章《IT范儿 | 你是个会取名儿的人么？》DàYé啰嗦#?长点心好好补补英文，程序员阅读各种英文文档需要词汇量自不必说，如果你每次命名都需要翻译软件，不自知的取最生僻的那层含义，或者各种拼写错误，往大了说特别容易引入BUG，往小了说实在丢人丢份。#?同一代码块/层级/工程中一定不要出现过于相似的名字。由于相似导致写逻辑的时候把自己整乱的大有人在！每每评审看到这种代码吾必痛心疾首。userVo, userDTO, userBo, userPo...?userAddedList, userAddedLists...getUsers(), usersQuery(), getUserList()...#?切不可文不对题，切不可“百转千回”。何意？比如说判断一个人是否是注册会员，变量名被定义成了 notRegisteredUser，大家想想在写各种if条件组合的逻辑判断时会有多酸爽。01 想清楚再动手我经常跟团队的人强调慢动手脑先行，可惜能领悟到精髓的人真心不多，其余的通常会以项目进度为由，将“先码起来”列为第一要务，殊不知灾难就是这么悄然来临。书法看筋骨，代码亦如此。代码的“筋骨”无非就是分层、结构、逻辑、抽象、封装、模式...曾经大行其道逢人必谈，到现在感觉都没什么人提起了的GoF 23种设计模式，其实就提供了23种“筋骨”范例，大家依葫芦画瓢就行。代码没有编译成机器码之前，都是给人读的。业界戏称的衡量代码好坏的指标就是“阅读该代码时说脏话的次数”，我们骂的通常就是代码“筋骨”。要“想清楚”就是想办法练好“筋骨”。TDD测试驱动模型的话，考虑应该怎么设计逻辑控制？DDD领域建模的话，考虑应该怎么建立领域实体？BDD老板驱动的话，考虑迅速翻翻老板以前写过的代码、说过的话、下过的KPI，当然这是玩笑。曾有多少次，我们怀着一颗要求完美的心，骂着前人写的狗屎一样的旧代码，不得不妥协着项目压力，不断降低着那条曾经的标准，敲出自我放逐的同样狗屎一样的新代码，附上那句可能永远无法兑现的“以后重构”的承诺，最终进入一个不断偿还他人和自己技术债的死循环里...DàYé啰嗦经典的《Java编程规范》里开篇总则里的“第一次就做对”，听起来轻飘飘的一句话，背后深意满满。带脑子有思考的编码，想第一次能做对都不是那么容易，别说没动脑的了。这里罗列一些身边实际发生过的错误行为模式，供君一品：# “初期没多少数据量的，我循环着一条一条Insert没什么问题，等哪天数据量大了，我再考虑批量插入吧！” 请问批量插入很难么？还需要以后？#?“这个代码是我从另一个项目里拷贝过来的，他那边运行的一直没有什么问题。” 然后某一天出现了内存泄漏，因为两个项目的流量完全不对等，不求甚解不动脑，搬砖型码农这里体现的淋漓尽致。#?“为了测试环境方便联调，易于排障，我每个关键点都打印了Info日志。” 实际上打印的都是无脑的不携带任何参数线索的trans begin/trans end类日志，在分布式日志平台里看到的各种无法上下串联的孤岛日志，我常常边心疼着磁盘存储和索引计算成本，边碎碎念着这些系统真的可以做好线上运维排障么？#?“某些逻辑点我hardcode了一些代码，用来触发某些特殊逻辑分支方便测试，等上线的时候这些我都会删掉。” 等真的上线了，这些hardcode被带上去的不在少数。#?“系统有兜底的全局异常拦截器，就算有些异常没catch, 最终也会被拦截器包装成标准报文返给前端的，所以有些类似空指针异常我就无视掉了。” 结果就是APP用户不胜其烦的看到各种“系统未知异常”的弹窗。#?“Service层就是简单的数据库CRUD，Business层这么多业务逻辑，保证数据一致那就让事务的边界扩大一些，直接把事务管理放到Business层不就完事了。” 结果就是事务里面包裹了各种耗时数据IO、逻辑计算甚至更耗时的RPC调用，导致事务整个被拉长，资源被锁住的时间也加长，最后就是各种阻塞直至雪崩。02 动手能力程序员的基本工作除了前面说的动脑，紧接着就是动手了。这里需要做一下澄清：基础的编码仅仅是动手能力的一部分，而真正的动手能力远不仅于此。身为一个程序员，可以搭建一个完整的网站，可以开发一个桌面效率工具，可以编写一个Excel的VBA脚本，可以根据官方文档部署和定制开源系统，可以根据API实现自动化偷懒...以上才是我想说的动手能力。大家都知道人和动物的区别是“使用工具”，而程序员群体是更加需要善用工具、甚至创造工具的一类人。当然不要本末倒置，使用工具不是目的只是手段，是为了提高效率、保证质量、降低成本等的手段。那么最牛逼的工具是什么唻？Quora有个回复很带感：“A web browser, with Google as its default opening page.” 一个默认打开首页是Google的浏览器。隐晦的表达了我们程序员很多时候是面向搜索引擎编程的尴尬...程序员应该跪谢这位大神，Larry Tesler, 就是他发明了Copy&Paste。这是如此伟大的一项发明，如此的基础和常用，以至于大家好像都忽视了它的巨大能量。DàYé啰嗦#?“代码的搬运(Copy&Paste)”绝对不是动手能力，“搜索”却是。因为优秀的程序员必然善用搜索引擎、具备良好的搜索技能。参见我之前的一篇推文《技术人如何高效搜索》#?承认Copy&Paste是个伟大的发明，但是我还是建议能不用就不用，能手敲就手敲，除非是严重影响工作效率不得不C&P。历史上由复制黏贴引起的BUG还小么?# 熟练IDE、操作系统、常用软件的一些快捷键。不使用快捷键，就和手机不用手势一样。先不说了，WIN+L锁屏，泡个程序员红茶去。03 提问的艺术程序员骨子里的孤傲时常会把自己定位成一个问题终结者，提问题似乎与此格格不入。我到现在都没太想明白这种孤傲源自于哪里，也可能是知识工作者特有的清高。其实吧，大家日不离手的搜索引擎，不就是一种另类的提问么？待续！！！
