如何評(píng)估一項(xiàng)技術(shù)是否值得長(zhǎng)期投入

時(shí)間：2020-05-11 16:21:28

關(guān)鍵字： BSP SPARK LINK HADOOP

手機(jī)看文章

掃描二維碼
隨時(shí)隨地手機(jī)看文章

[導(dǎo)讀]源 | 阿里巴巴中間件文? |??簡(jiǎn)鋒 “每個(gè)人的時(shí)間都是有限的，在有限的時(shí)間里選擇一項(xiàng)值得投入的技術(shù)會(huì)變得尤為重要?！?筆者從 2008 年開(kāi)始工作到現(xiàn)在也有 12 個(gè)年頭了，一路走來(lái)都在和數(shù)據(jù)打交道，做過(guò)很多大數(shù)據(jù)底層框架內(nèi)核的開(kāi)發(fā)（Hadoop，Pig，Hive，Te

如何評(píng)估一項(xiàng)技術(shù)是否值得長(zhǎng)期投入

源 | 阿里巴巴中間件

文 | 簡(jiǎn)鋒

“每個(gè)人的時(shí)間都是有限的，在有限的時(shí)間里選擇一項(xiàng)值得投入的技術(shù)會(huì)變得尤為重要。”

筆者從 2008 年開(kāi)始工作到現(xiàn)在也有 12 個(gè)年頭了，一路走來(lái)都在和數(shù)據(jù)打交道，做過(guò)很多大數(shù)據(jù)底層框架內(nèi)核的開(kāi)發(fā)（Hadoop，Pig，Hive，Tez，Spark），也做過(guò)多年上層數(shù)據(jù)計(jì)算框架（Livy, Zeppelin）以及數(shù)據(jù)應(yīng)用開(kāi)發(fā)，包括數(shù)據(jù)處理，數(shù)據(jù)分析以及機(jī)器學(xué)習(xí)。現(xiàn)在是 Apache Member 以及多個(gè) Apache 項(xiàng)目的 PMC 。2018 年加入阿里巴巴實(shí)時(shí)計(jì)算團(tuán)隊(duì)專(zhuān)注在 Flink 的研發(fā)。

今天我想結(jié)合自己過(guò)去的職業(yè)經(jīng)歷來(lái)聊聊如何評(píng)估一項(xiàng)技術(shù)是否值得學(xué)習(xí)。我一直在大數(shù)據(jù)這個(gè)圈子，從最初的 Hadoop 到后來(lái)的 Hadoop 生態(tài)項(xiàng)目 Pig，Hive，Tez，然后又到新一代的計(jì)算引擎 Spark ，再到最近在做的 Flink ，大數(shù)據(jù)計(jì)算引擎貫穿我的整個(gè)職業(yè)生涯。我個(gè)人來(lái)說(shuō)是比較幸運(yùn)的，在每個(gè)階段都在做比較火的技術(shù)，當(dāng)時(shí)更多的是憑著自己的興趣和直覺(jué)在選擇技術(shù)類(lèi)型?，F(xiàn)在回過(guò)頭來(lái)看我覺(jué)得需要從下面 3 個(gè)大的緯度來(lái)評(píng)估一項(xiàng)技術(shù)是否值得學(xué)習(xí)。

1、技術(shù)深度

2、生態(tài)廣度

3、進(jìn)化能力

如何評(píng)估一項(xiàng)技術(shù)是否值得長(zhǎng)期投入

技術(shù)深度

技術(shù)深度是指這項(xiàng)技術(shù)的根基是否扎實(shí)，護(hù)城河是否夠?qū)拤蛏睿欠窈苋菀妆黄渌夹g(shù)所替代。通俗的來(lái)說(shuō)就是這項(xiàng)技術(shù)是否解決了其他技術(shù)所不能解決的有重要價(jià)值的問(wèn)題。這里有兩個(gè)要點(diǎn)：

1、這個(gè)問(wèn)題沒(méi)有人能解，是這項(xiàng)技術(shù)首先解決了這個(gè)問(wèn)題。

2、解決這個(gè)問(wèn)題能夠帶來(lái)重大價(jià)值。

拿我職業(yè)生涯開(kāi)始階段學(xué)習(xí)的 Hadoop 為例。當(dāng)時(shí) Hadoop 剛出來(lái)的時(shí)候是一項(xiàng)革命性的技術(shù)，因?yàn)楫?dāng)時(shí)除了 Google 宣稱(chēng)自己內(nèi)部有一套 GFS 和 MapReduce 系統(tǒng)外，業(yè)界其他公司都沒(méi)有一套完整的海量數(shù)據(jù)解決方案。而隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，數(shù)據(jù)量與日俱增，處理海量數(shù)據(jù)的能力迫在眉睫。Hadoop 的誕生正好解決了這一燃眉之急。

隨著技術(shù)的發(fā)展， Hadoop 的處理海量數(shù)據(jù)能力的優(yōu)勢(shì)慢慢被人習(xí)慣，相反 Hadoop 存在的缺陷被人不斷詬病（性能差，MapReduce 編寫(xiě)復(fù)雜等等）。而這時(shí)候Spark應(yīng)運(yùn)而生，解決了 Hadoop MapReduce 計(jì)算引擎的頑疾。Spark 遠(yuǎn)超過(guò) Hadoop 的計(jì)算性能以及極其優(yōu)雅簡(jiǎn)單的 API 迎合了當(dāng)時(shí)用戶(hù)的需求，受到了廣大大數(shù)據(jù)工程師的熱捧。

現(xiàn)在我在阿里巴巴從事的是關(guān)于 Flink 的研發(fā)工作，主要原因是我看到了工業(yè)界對(duì)實(shí)時(shí)性的需求以及 Flink 在實(shí)時(shí)計(jì)算這個(gè)領(lǐng)域的霸主地位。之前大數(shù)據(jù)遇到的最大挑戰(zhàn)在于數(shù)據(jù)規(guī)模大（所以大家會(huì)稱(chēng)之為“大數(shù)據(jù)”），經(jīng)過(guò)工業(yè)界多年的努力和實(shí)踐，規(guī)模大這個(gè)問(wèn)題基本已經(jīng)解決了。接下來(lái)幾年，更大的挑戰(zhàn)在于速度，也就是實(shí)時(shí)性。而大數(shù)據(jù)的實(shí)時(shí)性并不是指簡(jiǎn)單的傳輸數(shù)據(jù)或者處理數(shù)據(jù)的實(shí)時(shí)性，而是從端到端的實(shí)時(shí)，任何一個(gè)步驟速度慢了，就影響整個(gè)大數(shù)據(jù)系統(tǒng)的實(shí)時(shí)性。

在 Flink 看來(lái)， Everything is stream 。Flink 的以 Stream 為核心的架構(gòu)是業(yè)界獨(dú)一無(wú)二的，由此而產(chǎn)生的性能優(yōu)越，高擴(kuò)展性，端到端 Exactly Once 等特性，更是使得 Flink 在流計(jì)算領(lǐng)域是當(dāng)之無(wú)愧的王者。

目前主流的流計(jì)算引擎有 3 個(gè)：Flink、Storm 和 SparkStreaming 。

如何評(píng)估一項(xiàng)技術(shù)是否值得長(zhǎng)期投入

注：Spark Streaming 只能選擇搜索字詞，理論上這樣的對(duì)比是不嚴(yán)謹(jǐn)?shù)?。但作為趨?shì)，我們更關(guān)注的是其變化曲線(xiàn)，實(shí)際影響應(yīng)該不大。

從上面的 Google trends 曲線(xiàn)可以看出，F(xiàn)link 處在一個(gè)快速增長(zhǎng)期， Storm 的熱度在逐年下降，而 Spark Streaming 幾乎進(jìn)入了平臺(tái)期。這就證明了 Flink 在流計(jì)算領(lǐng)域的根基之深，目前來(lái)看還沒(méi)有誰(shuí)可以超越 Flink 在流計(jì)算領(lǐng)域的霸主地位。

生態(tài)廣度

一項(xiàng)技術(shù)只有技術(shù)深度是不夠的，因?yàn)橐豁?xiàng)技術(shù)只能專(zhuān)注于做好一件事情，如果要解決實(shí)際生活中的復(fù)雜問(wèn)題，必定要和其他技術(shù)整合聯(lián)動(dòng)，這就要求這項(xiàng)技術(shù)具有足夠?qū)挼纳鷳B(tài)廣度。生態(tài)的廣度有 2 個(gè)緯度可以衡量：

1、上下游生態(tài)。上下游生態(tài)指從數(shù)據(jù)流的角度來(lái)說(shuō)的數(shù)據(jù)上下游。

2、垂直領(lǐng)域生態(tài)。垂直領(lǐng)域生態(tài)是指某個(gè)細(xì)分領(lǐng)域或者應(yīng)用場(chǎng)景的整合。

如何評(píng)估一項(xiàng)技術(shù)是否值得長(zhǎng)期投入

當(dāng) Hadoop 剛出來(lái)的時(shí)候只有 2 個(gè)基本的組件：HDFS 和 MapReduce ，分別解決了海量存儲(chǔ)和分布式計(jì)算的問(wèn)題。但隨著發(fā)展，需要解決的問(wèn)題越來(lái)越復(fù)雜，HDFS 和 MapReduce 已經(jīng)不能很方便的解決一些復(fù)雜問(wèn)題，這時(shí)候 Hadoop 的其他生態(tài)項(xiàng)目應(yīng)運(yùn)而生，比如 Pig，Hive，HBase 等等從垂直領(lǐng)域生態(tài)這個(gè)角度解決了 Hadoop 不容易或者不能解決的問(wèn)題。

Spark 亦是如此，一開(kāi)始的 Spark 是要替換原來(lái)的 MapReduce 計(jì)算引擎，后來(lái) Spark 發(fā)展了各種語(yǔ)言接口，各種上層框架，比如 Spark SQL，Spark Structured Streaming，MLlib，GraphX 等等，大大豐富了 Spark 的使用場(chǎng)景，擴(kuò)展了Spark的垂直領(lǐng)域生態(tài)。Spark 對(duì)各種 Data Source 的支持，更是讓 Spark 這個(gè)計(jì)算引擎和存儲(chǔ)結(jié)成了聯(lián)盟，建立了強(qiáng)大的上下游生態(tài)系統(tǒng)，為端到端的解決方案奠定了基礎(chǔ)。

我現(xiàn)在做的 Flink 項(xiàng)目的生態(tài)仍然處于起步階段，當(dāng)時(shí)我加入阿里巴巴正不僅僅是看到了 Flink 作為流計(jì)算引擎的霸主地位，更是因?yàn)榭吹搅?Flink 生態(tài)的機(jī)會(huì)。大家如果從我的職業(yè)生涯來(lái)看，會(huì)發(fā)現(xiàn)些許變化，我在從一開(kāi)始專(zhuān)注于大數(shù)據(jù)的核心框架層慢慢在往周邊生態(tài)項(xiàng)目發(fā)展。一個(gè)主要的原因是我對(duì)整個(gè)大數(shù)據(jù)行業(yè)的判斷：大數(shù)據(jù)上半場(chǎng)戰(zhàn)斗集中在底層框架，目前已經(jīng)接近尾聲，未來(lái)的底層大數(shù)據(jù)生態(tài)圈中將不再有那么多的新的技術(shù)和框架，每個(gè)細(xì)分領(lǐng)域都將優(yōu)勝劣汰，走向成熟，更加集中化。下半場(chǎng)戰(zhàn)斗的重點(diǎn)講從底層走向上層，走向生態(tài)。之前的大數(shù)據(jù)創(chuàng)新更偏向于 IAAS 和 PAAS ，未來(lái)你將看到更多 SAAS 類(lèi)型的大數(shù)據(jù)產(chǎn)品和創(chuàng)新。

如何評(píng)估一項(xiàng)技術(shù)是否值得長(zhǎng)期投入

每次談到大數(shù)據(jù)的生態(tài)，我都拿出上面這張圖。這張圖基本上把你日常需要處理的大數(shù)據(jù)場(chǎng)景都包括進(jìn)來(lái)。從最左邊的數(shù)據(jù)生產(chǎn)者，到數(shù)據(jù)收集，數(shù)據(jù)處理，然后再到數(shù)據(jù)應(yīng)用（BI + AI）。你會(huì)發(fā)現(xiàn) Flink 可以應(yīng)用在每一個(gè)步驟。不僅涉及到大數(shù)據(jù)，也涉及到 AI ，但是 Flink 的強(qiáng)項(xiàng)在于流計(jì)算處理，在其他領(lǐng)域的生態(tài)仍在起步階段，我個(gè)人正在做的工作就是完善 Flink 在上面這張圖上端到端的能力。

進(jìn)化能力

一項(xiàng)技術(shù)如果技術(shù)深度和生態(tài)廣度都沒(méi)有問(wèn)題，那么至少說(shuō)明這項(xiàng)技術(shù)在當(dāng)下是值得學(xué)習(xí)的。但是投資一項(xiàng)技術(shù)還需要從時(shí)間這個(gè)緯度上考量。你肯定不希望自己學(xué)習(xí)的技術(shù)很快就被淘汰，每年都要去學(xué)習(xí)一項(xiàng)新技術(shù)。所以一項(xiàng)值得投資學(xué)習(xí)的技術(shù)必定需要具有持久的進(jìn)化能力。

我最初學(xué)的 Hadoop 到現(xiàn)在已經(jīng) 10 多年了，現(xiàn)在仍然被廣泛使用著。雖然現(xiàn)在有很多公有云廠(chǎng)商在搶占 Hadoop 的市場(chǎng)，但你不得不承認(rèn)如果一家公司要成立一個(gè)大數(shù)據(jù)部門(mén)，第一件事恐怕就是建一個(gè) Hadoop 集群吧。當(dāng)我們現(xiàn)在談?wù)?Hadoop 的時(shí)候，他已經(jīng)不是當(dāng)初的 Hadoop 了，他更多的是 Hadoop 生態(tài)圈的統(tǒng)稱(chēng)。大家有空可以看看 Cloudera CPO Arun 的這篇文章【1】，我對(duì)其中的觀(guān)點(diǎn)非常認(rèn)同。

【1】：

https://medium.com/@acmurthy/hadoop-is-dead-long-live-hadoop-f22069b264ac

Spark 項(xiàng)目就更不用多說(shuō)了。Spark 經(jīng)過(guò) 14，15 年爆發(fā)，現(xiàn)在已經(jīng)進(jìn)入平穩(wěn)期。但是 Spark 仍在進(jìn)化，仍在擁抱變化。Spark on K8s 就是 Spark 擁抱云原生的最好佐證?，F(xiàn)在 Spark 社區(qū)炙手可熱的Delta，MLFlow 更是 Spark 的強(qiáng)大的進(jìn)化能力的佐證?，F(xiàn)在的 Spark 也不僅僅是當(dāng)年要取代 MapReduce 的那個(gè) Spark ，更多是一個(gè)適用于多種場(chǎng)景的通用計(jì)算引擎。

我從 18 年加入阿里巴巴到現(xiàn)在差不多 1 年半時(shí)間，在這一年半的時(shí)間了，我正好見(jiàn)證了 Flink 的進(jìn)化能力。

首先 Flink 經(jīng)過(guò)幾個(gè)大版本的發(fā)布，融入了 Blink 的大部分功能，將 Flink SQL 的能力提升了一大截。

其次 Flink 對(duì) K8s 的支持，對(duì) Python 的支持，對(duì) AI 的支持都在向人們證明這Flink自身強(qiáng)大的進(jìn)化能力。

小 Tips

除了以上的 3 大維度，在這里我還想分享下我在評(píng)估一項(xiàng)新技術(shù)時(shí)候的一些小技巧。

1、利用 Google trends 。Google trends 能很好的反映一項(xiàng)技術(shù)的發(fā)展勢(shì)頭，上面提到的趨勢(shì)圖很好的比較了 3 大流計(jì)算引擎 Flink ， Spark Streaming 和 Storm ，我們不難得出結(jié)論：Flink 是流計(jì)算領(lǐng)域的王者。

2、查看 GitHub 上的awesome。一項(xiàng)技術(shù)受歡迎的一個(gè)指標(biāo)是 GitHub 上的 awesome list，你可以看看這個(gè) awesome list 的 GitHub star 數(shù)。此外你可以抽一個(gè)周末的時(shí)間看看這個(gè) awesome list 上的內(nèi)容，因?yàn)樯厦婊旧鲜顷P(guān)于這項(xiàng)技術(shù)的精華內(nèi)容，通過(guò)這些內(nèi)容你大致可以判斷出這項(xiàng)技術(shù)的價(jià)值。

3、看看技術(shù)網(wǎng)站上是否有一些技術(shù)布道者為這項(xiàng)技術(shù)背書(shū)（我個(gè)人經(jīng)常會(huì)看medium.com）。技術(shù)圈里通常有這樣一群人，他們對(duì)技術(shù)很執(zhí)著，也很有品位。如果一項(xiàng)技術(shù)真的很好，那么就會(huì)有技術(shù)布道者無(wú)償?shù)臑檫@項(xiàng)技術(shù)背書(shū)，分享如何這項(xiàng)技術(shù)的使用心得。

總結(jié)

每個(gè)人的時(shí)間都是有限的，在有限的時(shí)間里選擇一項(xiàng)值得投入的技術(shù)會(huì)變得尤為重要。

以上是我對(duì)如何評(píng)估一項(xiàng)技術(shù)是否值得學(xué)習(xí)的一些思考，也算是對(duì)我自己事業(yè)生涯在技術(shù)選型方面的一個(gè)小小的總結(jié)和回顧，希望我的這些思考能對(duì)大家的職業(yè)生涯有所幫助。

特別推薦一個(gè)分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒(méi)關(guān)注的小伙伴，可以長(zhǎng)按關(guān)注一下：
長(zhǎng)按訂閱更多精彩▼
如有收獲，點(diǎn)個(gè)在看，誠(chéng)摯感謝

免責(zé)聲明：本文內(nèi)容由21ic獲得授權(quán)后發(fā)布，版權(quán)歸原作者所有，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。文章僅代表作者個(gè)人觀(guān)點(diǎn)，不代表本平臺(tái)立場(chǎng)，如有問(wèn)題，請(qǐng)聯(lián)系我們，謝謝！