想成为全栈工程师,要做到哪几点?

简介: 如何成为一名全栈工程师?需要具备哪些技术积累?成为全栈工程师有哪些好处?希望本文能为期望成为全栈工程师的同学提供一点帮助,和同学们一起分享交流。

image.png

作为开发者,我们不过度区分服务端 server 客户端 client,我们是 web developer,从事 web 开发,多去理解技术和实践落地。

成为全栈工程师的道路

成为全栈工程师说不上难也说不上容易,其中技术积累占了很大一部分:

紧跟前沿

掌握足够多的输入。

关注海外社区新消息发布,业界的新产品新技术,学会高质量的获取信息,坚持做和习惯做。

注重学习 & 不断实践

有属于自己的思考和严谨的产出。

掌握高效学习方法,比如我们最近在做 k8s 容器集群相关的事情,需要理解底层设计和做集群调度,需要学习 Golang,新技术的学习过程:

  • 投资一个好的 IDE,例如 Webstorm、Goland、IntelliJ IDEA 等,坚持使用。
  • 认准官方文档,坚持学习。
  • API 手册查看,不断熟悉和记忆。
  • 写学习总结,形成良性循环:定义功能 -> 代码设计 -> 完成功能 -> 重构优化 -> 优化代码设计 -> 完成 -> 重构 -> 完整掌握。

总结:实践贵在坚持,面对新的未知的领域,也要迎难而上。

重视基础知识 & 多做总结

理解清楚,事半功倍。

例如作为 Web Developer:

  • 必备知识:语言基础,Web 应用的基础,熟悉 Linux 运行环境,网络传输过程 HTTP 协议,TCP 协议。
  • 进阶知识:熟悉浏览器请求过程,Web Server 端口监听原理,数据库原理,浏览器请求原理,应用程序安全通信 TLS 协议,数据加密解密方案,数据签名方案。
  • 架构层面:应用分层模式,数据模型定义模式,微服务划分思路,系统设计模式。

作为无线团队:收益最大的和最值得投资的部分

把这些最常见的问题背后的原理理解清楚,就能独立解决绝大多数问题,提升全链路研发效率,和各个岗位的人沟通无障碍,协作无阻力。

要做一件事情,出什么方案最合适,什么角色来做最适合,采用什么样的技术架构更合适:

  • 语言是最基础的:HTML/CSS/Javascript/ECMAScript/Typescript/Node.js/Golang/Java 等。
  • 网络协议层 HTTP 协议,DNS,7层/4层负载均衡,这里会涉及到服务端,前端,SRE,网络安全等各个岗位的基础知识。
  • 框架层原理和细节:应用框架 React/Koa/Spring,数据库框架,安全组件。
  • 结合公司技术体系衍生的框架层约定和业务框架:阿里/蚂蚁中间件。
  • 工程化 :CI/CD 持续集成,自动化测试,代码构建发布过程。
  • 基础设施 IaaS:私有云、混合云、公有云。AWS、阿里云等。

对团队带来的价值:

  • 由于无线的特点:会遇到的问题 HTTP 协议相关的占比很大,端上的性能优化,网路异常处理,前后端交互的基本过程。线下调试遇到时能快速定位和修复,线上遇到问题时,能第一时间做出快速的决策。
  • 不是所有问题都是靠经验可以弥补的,人在很多时候会重复犯错,就怕遇到重复的问题还是找不到根因,所以需要从源头上解决,还是要掌握全栈基础知识。

总结:

  • 基础知识理解清楚,在使用上层的技术,例如各种框架和运维体系时,可以快速看到使用的技术背后的本质是什么。
  • 能减少犯错几率,做更多正确的决策。

全栈技术体系实践

三人行必有我师,向身边的人学习。

举个我现实中身边的人例子:在做登录鉴权用户体系,先把系统设计好,数据模型设计,接口设计,最后是实现,最重要也有价值的部分是前期的设计阶段。最后分别用 Node.js、Java、Golang 实现了一遍,不同语言和框架间的实现都是类似的,功能的移植非常快,可以并行进行。

而设计出好的代码需要的先决条件,也是和前面的基础部分的掌握完全匹配的,基础越好,设计得也越好。

总结:

  • 优秀的设计不仅做出的系统可靠,设计得也简单清晰易懂。
  • 写的时候没有负担,维护的时候也没有高昂成本。

避免陷阱

全栈不代表降低要求,全栈是为了提升开发效率,如果质量差,不好维护,反而降低了团队效率。

  • 避免只是多涉猎,而缺少实战,看过不等于会运用。
  • 能写全栈不代表写出的代码能上生产环境,避免给自己下意识地降低要求,写出的代码质量不过关就违背了全栈的初衷。

成为全栈工程师的好处

掌握前后端服务端全链路知识体系和核心知识点

  • 提高研发效率,提升解决问题能力,提高排查问题效率,可以快速侦破问题,及时处理问题。

能理解不同岗位的同学的诉求

  • 后端同学:能理解为什么前端同学会对接口字段提出很高要求,期望后端提供的接口按照开源社区的标准来定义(好的接口是自说明的,不用过多的文档,遵循业界 API 设计规范,使用接口符合人的直觉,接口字段稳定)。
  • 前端同学:能理解为什么后端同学不愿意轻易写特殊逻辑判断(一套模型已经定义得很优雅了,加个特殊分支就破坏了代码的一致性)。
  • 研发同学:能理解为什么运维同学不愿意轻易给运维权限(底层运维一旦操作不当,做成的破坏力太大,需要深厚的技术积累)。

知识面不全面的反例

真实的反例:全栈有助于减少低级错误的出现。

  • 这里的例子都是我曾经参与解决过问题的,过程中我看到的是:这些都不是什么高深的问题,这些都是由于知识面不全面才发生问题:
  • 应用服务上线,服务器配置 nginx 代理线上 CDN,返回 502 了,开发和 SRE 一起排查下来是没有开公网访问权限(原因:应用 owner 不熟悉网络知识和运维体系,没有和 SRE 打好配合)。
  • 前端域名和后端域名不同,浏览器请求失败,因为有跨域问题(原因:不熟悉 HTTP 协议中的 header 运用)。
  • 后端接口名字设计有歧义,不规范,不满足 RESTful API 规范(原因:不熟悉基于 HTTP 协议的规范,本质上是 HTTP 的 中 method 的运用)。
  • 其他例如 websocket 问题,前端性能优化,缓存相关等问题排查效率低(原因:绝大多数跟不熟悉 HTTP header 有关)。

最后

我始终觉得全栈不是认证证书,不需要有人给你做认证,当你能获得不同技术栈的同学的信任时,就是对你最大的肯定。

目录
相关文章
|
3月前
|
人工智能 智能硬件
吃碗面的功夫,我随口用“灵光”搓出一个有8大功能的app,还不止(含三大应用解锁)
法思诺创新学院关注AI赋能实体产业。本文通过体验蚂蚁集团“灵光”AI,展示其快速生成英语学习APP、智能音箱界面及3D模型的能力,尤其“闪应用”与“灵光开眼”在企业研发、培训中的潜力,探讨AI从虚拟走向物理世界的关键突破。
919 2
|
9月前
|
IDE Java 开发工具
【Java基础-环境搭建-创建项目】IntelliJ IDEA创建Java项目的详细步骤
IntelliJ IDEA创建Java项目的图文详细步骤,手把手带你创建Java项目
1694 10
【Java基础-环境搭建-创建项目】IntelliJ IDEA创建Java项目的详细步骤
|
9月前
|
弹性计算 缓存 安全
阿里云服务器4核16G配置整理:ECS实例规格、CPU型号及适用场景说明
阿里云ECS服务器4核16G配置提供了多种实例规格选择,如高主频通用型hfg8i(Intel第四代Xeon处理器,全核睿频3.9GHz)、经济型e、通用型g8i/g7等,满足不同业务需求。其中,hfg8i为官方推荐,适合高性能计算;经济型e在活动中更具性价比。各规格覆盖游戏服务器、数据库系统、数据分析、AI训练等多种场景,用户可根据实际需求选择合适的CPU型号与使用场景。更多详情可参考阿里云官方文档。
1092 10
|
机器学习/深度学习 人工智能 自然语言处理
如何从0到1开始并一步步巩固自己的AI职业生涯
2024年,AI领域的技术革新正在重塑各行业的运营模式。本文结合吴恩达发布的《如何构建AI职业生涯》及最新的AI技术进展,为信息技术和计算机科学领域的毕业生及从业者提供详细的职业发展指南。内容涵盖基础技能的掌握、项目实践、团队合作、生成式大模型与AI基础设施的发展,以及职业发展中的挑战与应对策略。通过扎实的学习和实践,帮助读者逐步建立并巩固AI职业生涯。
1318 1
|
机器学习/深度学习 编解码 自然语言处理
多模态大模型技术原理与实战(4)
本文介绍了多模态大模型的核心技术,包括数据集标注、数据表征、文本生成图像/语音/视频的方法、语音生成技术、视频生成模型以及跨模态融合技术。重点讨论了不同模型如GAN、VAE、Transformer和扩散模型的应用,并介绍了高效训练方法如Prefix Tuning、LORA等。此外,还详细描述了GPT-4的核心技术,如Transformer架构及其衍生物。
842 5
|
监控 前端开发 Java
Agent 的使用-Spring Boot | 学习笔记
快速学习 Agent 的使用-Spring Boot
Agent 的使用-Spring Boot | 学习笔记
|
域名解析 JavaScript 前端开发
5分钟快速上线Web应用和API(Vercel)
上周有个童鞋问我如何快速搭建一个Web应用,想拿来练手,就不考虑购置服务器。我推荐了前段时间很火的Vercel,接下来我带你5分钟上手!
|
网络协议 网络虚拟化 网络架构
MPLS VPN协议高级应用
MPLS VPN协议高级应用
|
机器学习/深度学习 自然语言处理 语音技术
语音识别技术的原理与应用
语音识别技术的原理与应用
|
数据采集 人工智能 供应链
案例分析:西门子智能工厂
案例分析:西门子智能工厂
1661 0