最近为中文社区写了一篇developer career path的稿子

lvalv · 2020-10-19 06:53:23Z

最近为中文社区写了一篇developer career path的稿子简介

来源: lvalv 于 2020-10-19 06:53:23 [档案] [旧帖] [给我悄悄话] 本文已被阅读：次 (9859 bytes)

本文内容已被 [ lvalv ] 在 2020-10-19 07:10:49 编辑过。如有问题，请报告版主或论坛管理删除.

职坛很多资深的同行，希望有机会和大家分享讨论。

=======================================================================

今天借这个平台和大家聊聊developer的career path。我思考这个问题很多年了，一直试图找到适合自己的道路。希望和有类似困扰的朋友们分享，帮初入行的朋友少走弯路。也借此机会和群里资深的朋友们讨论，互相启发。

Developer是比较generic的岗位，几乎所有的行业都需要，市场需求一直强劲。初级岗位对相关学历和交流要求较低，收入不错，机会多。因此吸引了大量的理工背景的移民转行，新生代年轻人也源源不断加入。

说说负面的。Developer工作强度高（大概率加班），在非科技行业visibility低（升职机会少），知识更新的速度快，入行要有终身学习的觉悟。

我父亲退休前是机械类工程师：前20年学习和积累经验，后20年德高望重。Developer虽然也叫Software Engineer，但传统工程师的career path并不适用。因为技术淘汰周期短，经验贬值快，产品重写/部门重组/公司倒闭的周期也越来越短。我很喜欢Anne之前分享的一句话“没有job security，但是有career security。”活到老学到老是入行必须有的觉悟（重要的话多说几遍）。

Developer的career path有三个方向：

横向的不同的技术领域间的切换。比如Web转Mobile，backend转Big Data。
纵向的成长，就是内部升职，承担更大责任，属于leadership层面的成长。
斜向的发展（念着真别扭），转行其他岗位，比如：PM, BA, DA(Data Analysis),QA, Product Manager等等。

几个方向可以在不同时期组合进行。比如早期更换技术领域扩大视野，中期在稳定的公司多做几年争取升职。因人而异，没有定式。

当然还有一个方向，创业自己开公司。大话题，咱今天就不讨论了。

先说横向的发展，我根据市场需求，粗分成：Web, Mobile, Data Engineer, Machine Learning Engineer, DevOps几个领域，每个都有自己的技术stack和特点。新手入门到成为senior至少需要几个industry level的项目，5年+的时间沉淀。

Web Developer是个大类。细分有web frontend, backend和full stack等等。

很多转行新人从web frontend开始，自学流行的framework（比如REACT, Angular,Vue）开启职业生涯。

Full stack是这几年才流行起来的title，但是职责并不新，要全栈技能：Frontend UI开发和后台（比如数据库）都有涉足，可以独立完成中小型项目。

Backend 需要一定的经验或相关学历，database, streaming, distributed system，一般大型复杂度高的系统会有专门的backend developer岗位。归在web里不太精确，可以单提出来算一类。

Web的技术stack最多样化，几乎所有的主流语言都有web framework。Backend的技术更是源远流长、百花齐放，篇幅有限不展开了。

Mobile Developer。Mobile是继Web后的一大热点，大约10年前开始爆炸增长（iPhone问世）。很多web developer在这个时期转到Mobile领域。主要技术stack有iOS 的SWIFT/Objective C，Android的Kotlin/Java等等。还有hard core用C/C++写底层模块。这些年一些IoT embeded system也用Android开源系统。

我的观察，Mobile和Web fullstack developer是市场需求最大的岗位，大中小企业都需要。做contract，自己创业，或者“接私活”的机会也很多。当然同时竞争者也多。

Data Enginner。随着Mobile/IoT的增长，服务器端更大的数据量催熟了Distributed System和Big Data产业化。Big Data技术是Hadoop stack和近年更流行的Cloud solutions。Data Engineer这几年供不应求，有做ETL和传统backend的developer进来，同时因为是新技术，相关专业毕业生竞争起来也不落下风。

Data Enigneer经常和Data Scientist紧密合作，需要一定数据建模和数据分析的能力。有机会成长为Data Analysis和Data Scientist。

Big Data的技术本身并没多hard core，今后会合并到传统backend工具箱。在Cloud的大潮下，会有越来越多business friendly的工具，技术门槛将持续降低，会SQL就能做Big Data正在发生。

Machine Learning Engineer（MLOps）。Machine Learning的技术理论几十年前就有，但是没有海量的数据train model一直停留在lab阶段。近年Big Data的成熟，直接引爆了ML/AI市场。据说现在Computer Science的在校生，10个有9个想做Data Scientist。我这几年参与了几个Big Data, ML的innovation类型的项目，说说我对这个方向的观察。

Data Scientist不一定要PHD和计算机背景，最重要的是很强的数学和分析能力。AI/ML类型的项目从实验室走向工业化，需要大量的automation, 模块化和传统的软件开发流程衔接，涌现了新岗位。比如侧重programing（而不是分析）的ML Engineer。各巨头也纷纷推出MLOps framework和solution。又是一个硝烟弥漫的新战场。

DevOps。顾名思义，Development + Operation。前面的大牛们做了很多讲解，还有系统的培训。据我观察，更多DevOps从业人员来自Operation方向。Developer community反响相对平静（可能因为热点太多）。我理解DevOps的终极理想是取消Dev和Ops之间的壁垒。DevOps应该是一个从开发到部署all in one的岗位，不仅限于局部automation。这不是单纯的技术革新，更涉及流程和机构重组。Cloud technology会催化这个趋势。又一个大坑，不展开说了。

以上technical domains是比较通用，市场需求大的分类，不涵盖研发类的领域，比如数据库、操作系统研发，底层算法，量子计算机（！）等等，欢迎有insights的朋友来扫盲。

花了很大篇幅说横向的技术domain展开。我个人的经验，早期职业生涯应该尽量多做不同的项目，尝试不同的技术stack，坚持持续学习的好习惯。有效的办法是每几年换一次工作或公司内部转组。

有一条略显投机的”高薪“之路是追新技术，打市场的时间差。比如ML Engineer现在方兴未艾，有准备的朋友在市场井喷的时候大概率能拿到高薪工作。但是这个领域是不是真的适合自己，有没有发展空间，是每个人自己的功课。

科技行业从不缺机会，每几年就一波新技术的浪潮。如果觉得自己不适合现在的领域，或者缺乏发展空间，观察、等待、为下一个适合自己的浪头做准备，不失为一个好的策略。

技术说到底是为business服务才有价值。追技术不是唯一的出路，也不一定是最好的出路。很多朋友积累行业知识和人脉，最后会稳定在一个行业里。比如金融银行业，能源行业，广告行业等等。

纵向发展，内部升职。这方面大家身边的例子很多，有自己的理解。值得一提的是技术路线v.s.管理路线。一般大的公司有这个划分，小公司可能不分这么清楚。

技术路线管项目不管人，比如tech lead, architect。
管理路线是people manager，有人report给你，要做performance review，要花更多精力coach team。比如manager, director, VP, CTO。

两者都是leadership role，但侧重不同。

我做过两年管理兼技术(team lead)，后来回到了技术方向做solution architect。现在看管理的经验很重要，即使不立志去爬大公司的梯子，leadership对扩大视野和技术职位升迁都有帮助。

斜向发展（还是念着别扭），转岗到BA, PM，QA, Product等等岗位。这是另一个角度的职业思考。Developer是个需要耐得住寂寞的工作。特别在非科技行业，责任相对小、visibility低。也许你的性格和抱负更适合其他的岗位，有开发经验对这些职业发展也是bonus。建议有兴趣的朋友向这些方面的大牛们咨询。

说了很多，感谢您的耐心阅读。以上总结基于我平时的观察思考，与同行的交流，还有阅读。可能有bias，欢迎交流讨论。