ai 工具最近越来越越火了，在公司内给同事们简单做了个分享，有同事已经觉得可能晚上要睡不着觉了 orz。 技术和工具日新月异，最近每一周感觉技术世界都在发生巨变，而还在那些传统岗位上的我们的工作，半年后，一年后，两年后，又有多少价值呢？ 虽然有些写代码的程序员还在嘴硬，坚持自己所做的事情做到“资深”，就不会被 ai 取代，可能还是太高估这个行业大多数人日常工作的含金量了。我个人认为不出两年，it 行业就会发生巨变。后面还会有具体的分享。 从目前很多“大佬”的动作来看，大家都想在这一波浪潮中不落于人后，加入 aigc 创业的大军中去，不管他们的目的是沽名钓誉，还是真的想做点事情推动人类的生产力进步，还是要祝福他们。

去年的这个时候，IT 圈哀鸿遍野，吐槽技术红利消耗殆尽，所有公司都失去了新的增长点，程序员红利到头了。 今年的这个时候，程序员的好日子确实进入倒计时了，只不过不像当初做预言的人想的那样，连他们自己的末日也在倒计时了。 中国的互联网从业者并没有把 AI 当回事，这几年来对 AI 的看法是这种基于统计和传统神经网络的技术不足为惧，因为硬件的发展让老树发了一点新芽，套上强大的核弹厂芯片加一些修修补补的算法，能帮这些批着科技外皮的牛皮癣广告公司卖出更多的广告，能让信息茧房里的人看到更多他们喜欢的信息，奶头乐吸得不亦乐乎，让整个网民群体娱乐到死，普通人失去了研究的耐心和学习发展的能力，商业公司赚到了更多的钱，着实是 win-win 麻了。 2022 年下半年，Github 的 CoPilot，OpenAI

之前在这篇 subset 限制连接数量 里，简单总结了 SRE book 书里讲到的 subset 算法的基本原理和问题。 之前还在做 mesh 的时候，也曾经想把 subset 算法在公司内落地，无奈和同事一起分析了两个星期以后，认为 subset 的： 1. 需要 paas 给每个 container 分配连续 id，且在下线时需要自动补漏，目前 k8s 其实并没有这种策略，给每个服务都做成 stateful-set

之前公司因为 aws 的 kafka 服务上的副本数配置不正确，所以在 aws 例行重启时会导致 producer hang，连锁导致消费断连，当时总结了一篇简单的文章： aws 上 kafka 服务更新导致断连一例公司内部写 kafka 的 consumer 和 producer 使用的是社区流行的 sarama 这个库，这个库应该 bug 挺多的，之前有云厂商建议用户不要使用该 lib 的文档：为什么不推荐使用Sarama Go客户端收发消息？ 不过用都用了，

现在稍微有一点规模的公司基本都上微服务了，后端工程师在大小公司打杂的话都会碰到因为是微服务，所以在做开发的时候： * 依赖太多，没有稳定的环境，服务跑不起来 * 服务要走网络，稳定性问题难以解决 * 上下游要解耦，每次上游做修改下游都会有故障 各种各样奇形怪状的问题，每一个痛点都会涉及到不少相关的解决方案，比如环境问题，之前我分享过 https://tilt.dev/；稳定性问题，我们直接去看 Google 三步曲 https://sre.google/books/；上下游用队列解耦之后，上游的不稳定业务事件导致下游故障，有 data validation 平台和 schema registry