给面试官一点小小的 gpt 震撼

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。

下一次工业革命近在眼前了

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

Google 用了十年的 subset 算法被换掉了

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

sarama producer hang 又一例

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,

微服务税

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