Connect with us

Программирование

Программирование это новый пузырь?

Тайлер Эллиот Беттилион рассуждает о том, исчезнет ли профессия программиста с ростом автоматизации и повсеместным распространением компьютерной грамотности.

Анна Гуляева

Опубликовано

/

     
     

Моя подруга недавно задала вопрос, который я слышал много раз в разных вариациях:

Не кажется ли вам, что некоторые низкоуровневые профессии программистов вымрут как птицы додо? Сейчас это похоже на большой пузырь, который рано или поздно лопнет. Мне кажется, что одна из причин “престижности” технологических и связанных с наукой (на низком уровне) профессий заключается в нелепом жаргоне индустрии и всеобщей компьютерной неграмотности, и оба этих фактора исчезнут в следующие десять лет […]

Это высказывание поднимает вопрос о будущем технологических профессий и показывает распространенные заблуждения об области разработки ПО. Хотя в индустрии действительно существует «нелепый жаргон», но для решения многих сложных проблем действительно требуется нужный набор навыков. Некоторые профессии исчезают, но программисты с нужным опытом и знаниями продолжат цениться и хорошо зарабатывать ещё многие годы, как показывает недавний рост зарплат ИИ-специалистов и нехватка специалистов с этим навыком.

Следовать за меняющимся технологическим ландшафтом может быть сложно. Мы должны уметь предсказывать, какие профессии исчезнут с рынка, потому что их заменят технологии. Также мы должны следить за ростом количества людей, которые учатся программировать, чтобы предугадать, как изменятся зарплаты и спрос на определенные навыки. Как сказала Ханна, «всеобщая компьютерная неграмотность» влияет на размер зарплат программистов, но люди узнают больше о технологиях с каждым годом.

Движение к коммодификации

Страх того, что алгоритмы заменят людей на работе, — не нов и не беспричинен. В любой области, а особенно в технологии, силы рынка подталкивают корпорации к автоматизации и коммодификации. Один из способов изображения этого явления — циклы хайпа Gartner.

С течением времени специфичные идеи и технологии доходят до «плато продуктивности», где их автоматизируют. Взглянув в прошлое, можно подумать, что автоматизация может разрушать определенные рынки труда. В разных индустриях, от сбора урожая до сборки автомобиля, технологические открытия заменили и дополнили человеческий труд, чтобы сократить затраты. Один профессор во время курса по компиляторам однажды сказал: «Посмотрите на текстильную и металлургическую промышленности: вы хотите строить машины и инструменты или вы хотите ими управлять?».

Коммодификация (от англ. commodity — товар) – процесс, в ходе которого все большее число различных видов человеческой деятельности обретает денежную стоимость и фактически становится товарами, покупаемыми и продаваемыми на рынке.

В этой метафоре «машиной» является язык программирования. Этот профессор спрашивал: вы хотите делать сайты на JavaScript или вы хотите создавать движок V8 для JavaScript?

Создание веб-сайтов уже автоматизировано при помощи WordPress и других сервисов. С другой стороны, у V8 появляются конкуренты, некоторые из которых решают открытые вопросы. Языки приходят и уходят (сколько сейчас открыто вакансий для Fortran?), но всегда будут люди, создающие следующий язык. К счастью для нас, все реализации пишутся на языках программирования. Путь «оператора машины» в программировании делает вас «создателем машины» в том смысле, который оказался неверным для работников сталелитейных заводом в прошлом.

Растущее число языков, интерпретаторов и компиляторов показывает нам, что каждая разрушающая профессии машина приносит новые возможности улучшения и развития самой машины. Несмотря на то, что список уже несуществующих профессий растет, пока не настал этот момент в истории, когда человечество скажет: «Думаем, что больше работы для нас не осталось».

Коммодификация распространяется на всё, не только на программирование. Человеческий труд постоянно заменялся автоматизированным или дополнялся таким образом, что требовал меньше людей. Беспилотные автомобили и грузовики являются последним примером этой великой традиции. Если цикл создания и автоматизации является частью жизни, то естественно будет спросить: какие работы и индустрии находятся в зоне риска, а какие нет?

Кто автоматизирует кого?

AWS, Heroku и другие аналогичные хостинговые платформы навсегда изменили роль системного администратора и DevOps-инженера. Раньше интернет-бизнесу был необходим свой “мастер серверов”. Кто-то, кто был подкован в Linux, мог настроить сервер Apache или NGINX, подключить все физические компоненты и сделать все необходимое для того, чтобы сервер стал доступным в публичном вебе. Хотя некоторые люди по-прежнему применяют этот навык в работе, AWS делают некоторые из этих навыков устаревшими, особенно на уровне небольшого опыта и размещения оборудования. В Amazon, Netflix и Google существуют хорошо оплачиваемые вакансии для людей с глубокими знаниями в инфраструктуре сетей, но спрос в малом и среднем бизнесе на таких людей значительно упал.

Инструменты бизнес-аналитики, такие как SalesForce, Tableau и SpotFire также начали занимать пространство, которое исторически занимали инженеры. Эти системы сократили потребность в штатных администраторах баз данных, но они увеличили спрос на понимание SQL. Они сократили потребность во внутренней технологии отчетности, но увеличили спрос на «инженеров интеграции», которые автоматизируют поток данных к сторонним платформам. Ранее этим полем правили Excel и таблицы, а теперь оно перешло к языкам вроде Python и R, а также SQL для управления данными. Некоторые профессии исчезли, но в целом спрос на разработчиков программ вырос.

Data Science — это ещё один интересный пример коммодификации, более близкой к программированию. Scikit.learn, Tensorflow и PyTorch — это библиотеки, которые упрощают людям задачу создания приложений с машинным обучением, устраняя необходимость создания алгоритмов с нуля. На самом деле, теперь возможно провести набор данных через многие алгоритмы машинного обучения с разными параметрами, практически не понимая работу этих алгоритмом (это неправильно, но возможно). Компании бизнес-аналитики, вероятно, будут пытаться интегрировать эти алгоритмы в свои инструменты в следующие несколько лет.

Во многом Data Science сейчас похожа на веб-разработку 5–8 лет назад. Это популярная область, в которую вы можете попасть с небольшим количеством знаний из-за «разрыва в навыках». Программы по веб-разработке закрываются, а программы по data science появляются на их месте. Kaplan, которая купила первый лагерь по веб-рзработке Dev Bootcamp и основала лагерь по data science Metis, решила закрыть Dev BootCamp и поддерживать Metis.

Системы управления контентом являются наиболее заметными инструментами, автоматизирующими работу разработчика. SquareSpace и WordPress являются одними из самых популярных таких систем. Эти платформы значительно снижают ценность людей с навыками фронтенд-разработки. Барьер для создания и запуска сайта снизился настолько, что люди с нулевым опытом программирования успешно запускают сайты каждый день. Они не создают сайты с глубоким взаимодействие для миллиардов людей, но они создают сайта для своих компаний и клиентов. Хороший лендинг с контактами и адресом более чем достаточен для местного ресторана, бара или магазина.

Если ваш бизнес не связан с интернетом в своей деятельности напрямую, то вам проще простого завести работающий веб-сайт. В результате, однажды процветающая область веб-разработчиков для быстрого создания простых сайтов становится все менее прибыльной.

В этом контексте нельзя проигнорировать и физический аспект. Как сказал Майк Актон: «Программное обеспечение — это не платформа, аппаратное — платформа». Разработчикам стоит немного изучить компьютерную архитектуру и электротехнику. Большой переворот случится при появлении потребительского квантового компьютера, он изменит многое в профессиональном программировании.

Квантовые компьютеры пока далеки от нас, но растущий интерес к графическим процессорам и движение к параллелизации — это неминуемый сдвиг. Скорости работы процессоров остаются неизменными уже несколько лет, а за это время возникла потребность в машинном обучении. Желание работать с OpenMP, OpenCL, Go, CUDA и другими языками и фреймворками параллельной обработки данных никуда не денется и будет только нарастать. В ближайшем будущем параллелизация станет всеобщим требованием и выйдет за пределы ниш операционных систем, инфраструктуры и видеоигр.

Все учатся кодить

Веб-сайты повсеместны. Опрос Stack Overflow 2017 года показывает, что около 15% профессиональных разработчиков работают в компаниях, связанных с интернетом или веб-сервисами. Бюро статистики труда ожидает ускорение роста в веб-разработке (24% между 2014 и 2024). Благодаря видимости отрасли, многие сосредоточены на «сокращении разрыва в навыках». Лагери программирования обучают практически только веб-разработке, а онлайн-курсы по этой теме заполнили Udemy, Udacity, Coursera и другие платформы.

Комбинация роста автоматизации в веб-разработке и приток новых программистов привели к тому, что некоторые предсказывают появление рынка «синих воротничков» для разработчиков. Другие даже предполагают, что это движение к рынку “рабочих” специальностей является стратегией больших технологических компаний. Остальные, конечно, считают, что мы движемся к очередному пузырю.

Изменение спроса на определенные технологии — это не новость. Языки и фреймворки всегда то набирают силу, то теряют популярность. Веб-разработка в своей текущей инкарнации (JS — король) рано или поздно пройдет путь веб-разработки в начале 2000-х (помните Flash?). Новым является то, что многие люди изучают исключительно современные фреймворки веб-разработки. Прежде чем вы назовете себя React-разработчиком, вспомните, что были люди, которые идентифицировали себя как Flash-разработчиков. Полагаться на определенный язык, фреймворк или технологию в своей карьере рискованно. Конечно, сложно предсказать, какие технологии останутся релевантными, но если вы собираетесь пойти ва-банк, я рекомендую положиться на эффект Линди и выбрать что-то вроде C, который уже перенес испытание временем.

У следующего поколения будет такой уровень врожденной технологической грамотности, которого нет у поколения X и миллениалов. Одним результатом этого станет то, что CMS будут использоваться по умолчанию. Сами инструменты станут лучше, и молодые сотрудники будут лучше ими пользоваться. Эта комбинация определенно снизит ценность низкоуровневых навыков IT и веб-разработки, когда молодые специалисты войдут на рынок труда. Школы следуют за этим трендом, предлагая курсы программирования и информатики, и образованные ученики смогут сразу после окончания стать стажерами-программистами.

Другая большая группа потенциальных программистов включает выпускников MBA и аналитиков данных. В предложениях о работе, в которых прежде доминировал Excel, начинает использоваться SQL. Веб-метрики заменят таблицы в роли главного инструмента создания отчетов. Если это продолжится, все больше аналитиков данных будут сразу учить SQL, потому что он позволит проще экспортирования данные в таблицы.

Люди, желающие опередить своих сверстников в этих ролях, проходят онлайн-курсы для изучения баз данных и статистических языков программирования. С этими новыми навыками они смогут позиционировать себя как data scientists с навыками машинного обучения и статистических библиотек. Примером этого пути может быть программа обучения Metis.

Число людей с образованием в информатике и программировании продолжает расти. Университет Пердью сообщает, что количество заявлений на направление информатики удвоилось за пять лет. Корнелл сообщает об аналогичном росте числа выпускников по этому направлению. Этот тренд неудивителен в свете распространения ПО. Молодые люди не представляют будущего без компьютеров, поэтому хотят изучать то, что даст им уверенность в трудоустройстве.

Редкость и ожидание

В индустрии сейчас распространена идея о том, образование по направлению информатики в большинстве случаев является ненужным. Противоположная точка зрения также популярна, а некоторые даже говорят, что «все программисты должны получить степень магистра».

Как и Эрик Эллиотт, я считаю, что существует много хороших вариантов попасть в программирование, и степень бакалавра для некоторых может быть не лучшим вариантом. В то же время я согласен с Уильямом Бейном о том, что базовые навыки критически важны для долговременной карьеры, и эту информацию пока сложно найти вне университета. Ранее я писал о том, какие навыки я считаю фундаментальными для будущих инженеров, и поэтому я присоединился к школе Bradfield.

Школ программирования становится больше – и это не просто так. Вы можете многое узнать о программировании без знаний о большом «О», неясных структурах данных и деталей об алгоритмах. Иногда выпускники Стэнфорда соперничают с выпускниками Hack Reactor, но это верно только для одной или двух областей. Выпускники курсов программирования пока не работают в области встроенных систем, криптографии, безопасности, робототехники, инфраструктуры сетей или в разработке и исследовании искусственного интеллекта. Хотя эти области быстро растут.

Некоторые навыки уже превращаются из редких навыков в базовое ожидание. Понимание механизмов, вроде AWS, становится довольно распространенным. Но большие компании, развивающие технологии, обычно не ищут людей с «базовым пониманием JavaScript». AWS обслуживают миллиарды пользователей каждый день. Чтобы поддерживать такую инфраструктуру инженер должен понимать протоколы сетей, компьютерную архитектуру и иметь несколько лет аналогичного опыта работы. Как и в любой области, здесь есть любители и мастера.

Эти престижные фирмы исследуют проблемы и создают системы, которые действительно двигают границы возможного. Но они по-прежнему испытывают дефицит кадров, несмотря на то, что базовые навыки программирования достаточно распространены. Люди, которые могут писать алгоритмы для прогнозирования изменений в генах, которые дадут желаемый результат, будут очень ценными в будущем. Люди, которые могут программировать спутники и космические аппараты и автоматизировать машины, будут по-прежнему высоко цениться. Это не те области, для работы в которых достаточно «трехмесячной интенсивной программы», как в веб-разработке.

Предполагается, что молодые люди будут обладать врожденным пониманием компьютеров к 2025 году. К несчастью, распространенность компьютеров не привела к новому поколению людей, которые так же бы понимали математику, информатику, структуру сетей, электротехнику и так далее. Компьютерная грамотность не означает знание вычислений. Несмотря на то, что математика существует очень давно, по-прежнему только немногие люди обладают хорошим знанием статистики. Информатика почти так же стара, Эвклид изобрел несколько алгоритмов, один из которых используется при отправке HTTPS-запросов, но тот факт, что мы используем HTTPS каждый раз при входе на сайт, не означает, что все понимают работу этих протоколов.

Бимодальные распределения заработной платы

Во многих областях действует бимодальное распределение заработной платы: небольшое количество сотрудников зарабатывают большие деньги, а остальные получают неплохую зарплату, но не входят в верхний процент. NALP визуализирует этот феномен абсолютно понятно. Многие юристы зарабатывают между 45 и 65 тысячами долларов. Это хорошая зарплата, но мы не можем ассоциировать её с «топовыми профессионалами».

Мы думаем, что все новоиспеченные юристы стремятся месту партнера в фирме, хотя в реальности существует множество путей: помощник юриста, чиновник, общественный защитник, судья, юрист для бизнеса и т.д. У выпускников направления информатики существует столько же вариантов для профессиональной деятельности: от веб-разработки до встроенных систем.

Так как базовый уровень программирования становится распространенным требованием, я думаю, что похожее распределение возникнет и среди программистов. Всегда будет существовать группа программистов, получающих большие деньги за продвижение технологий вперед, но будет расти и количество программистов среднего уровня, которые будут обслуживать экономику. Средняя зарплата веб-разработчиков со временем будет падать, но количество профессий для программистов в общем продолжит расти.

Зарплаты мобильных разработчиков 2017: деньги, платформы, стаж и регионы

Независимо от того, в какой группе программистов вы будете находиться, карьера в технологиях означает обучение на протяжении всей жизни. Если вы хотите быть во второй группе высокооплачиваемых профессионалов, вам стоит учиться создавать машины, а не просто управлять ими.

Комментарии
Если вы нашли опечатку - выделите ее и нажмите Ctrl + Enter! Для связи с нами вы можете использовать info@apptractor.ru.
Advertisement
Click to comment

You must be logged in to post a comment Login

Leave a Reply

Программирование

CodePilot.ai

CodePilot.ai – бесплатное десктопное (Linux, Windows и Mac) приложение для поиска кода.

AppTractor

Опубликовано

/

Автор:

CodePilot.ai использует в работе Stack Overflow, GitHub, официальную документацию, сторонние поисковые сервисы, собственные хранилища кода.

Понимает более или менее естественный язык запросов, может искать ошибки, позволяет не отвлекаться на все остальные закладки в полноценном браузере.

 

Комментарии
Продолжить чтение

Программирование

3 навыка лучшего инженера по программному обеспечению

Виктор Савкин является со-основателем nrwl.io, предоставляя консультации по Angular командам предприятий. Ранее он работал в команде Angular Core в Google, и сделал  модули инъекции зависимостей, отслеживания изменений, форм и роутеров.

AppTractor

Опубликовано

/

Автор:

Когда меня спрашивают «Как стать хорошим инженером-программистом?», я обычно рекомендую развивать следующие три направления:

  • Деление и упрощение.
  • Хорошие ментальные модели.
  • Инструменты.

Не поймите меня неправильно, здесь нет какой-то волшебной таблетки – для того, чтобы стать достойным инженером, требуется много лет целенаправленной практики. Три вышеперечисленных навыка – это то, что практикуют самые лучшие инженеры. Почти без исключения – когда я интервьюирую человека, который хорошо разбирается в этих трех направлениях, я знаю, что он станет замечательным инженером.

Делите и упрощайте

Делите

Поскольку мы не можем удерживать более 5-7 объектов в рабочей памяти, любая нетривиальная проблема слишком велика, чтобы держать ее в голове. Мы можем либо абстрактно осмыслить проблему в целом, либо детально рассмотреть небольшую часть проблемы. Оба способа важны. Также важно знать уровень абстракции, на котором вы сейчас работаете. Либо мыслите абстрактно, используя большие метафоры и аппроксимации, или думайте точечно. Старайтесь не смешивать такие подходы.

Вот процесс, который я использую при разделении проблемы на подзадачи:

Шаг первый: удостоверьтесь, что вы понимаете проблему.

  • Распишите проблему на бумаге.
  • Запишите все ограничения, о которых вы знаете.
  • Запишите то, что вы не знаете, но что могло бы быть полезным. Найдите такие вещи.

Шаг второй: нарисуйте диаграмму проблемной области.

  • Несколько прямоугольников и стрелочек, ничего необычного.
  • Эта диаграмма должна дать вам представление о том, как разделить проблему на подзадачи.
  • Найдите способ нарисовать диаграмму, которая по-разному делит проблемную область. Если вы не можете этого сделать, вы, вероятно, недостаточно хорошо понимаете проблему.
  • Выберите один из способов деления проблемы.

Шаг третий: выберите подзадачу и используйте тот же процесс, чтобы разделить его дальше.

  • Остановитесь, когда проблемы (проблемный субдомен) станут малы и понятны.
  • Решите их индивидуально и объедините результаты.

Упрощайте

Разделение хорошо работает при решении сложных проблем, потому что каждое деление удаляет один слой. Реальные системы не только глубокие, но и широкие.

Это означает, что, хотя вы, возможно, находитесь на правильном уровне абстракции, для решения проблемы все еще слишком много деталей. В этом случае возьмите проблему и придумайте простую репродукцию, иллюстрирующую проблему. Решите ее в этом упрощенном контексте, а затем примените исправление к реальной проблеме.

Представьте, что вы изучаете проблему производительности. Скажем, деля проблему снова и снова, вы выяснили, что проблема связана с сеткой  компонентов. К сожалению, у вас есть десятки и десятки строк, созданных в таблице, которые мешают вашему исследованию. Проведя час, пытаясь найти решение, сделайте шаг назад, чтобы найти способ упрощения. Создайте новое приложение, используя эту сетку, воспроизведя проблему. Упростите ее до максимума (например, может быть, один столбец с текстом). Используйте решение, чтобы устранить проблему, а затем применить исправление к ситуации в реальной ситуации.

Используйте научный подход

Используйте научный подход, чтобы улучшить понимание проблемы. Он работает следующим образом:

  1. Запишите вопрос, на который вы пытаетесь ответить.
  2. Запишите гипотезу.
  3. Запишите прогноз, которое является результатом гипотезы.
  4. Проверьте прогноз и запишите результат.
  5. Повторяйте, пока не получите ответа на вопрос.

Представьте, что мы создали упрощенное приложение с использованием грид-компонента. Теперь мы можем использовать научный метод, чтобы выяснить, почему он тормозит.

Запишите вопрос: почему для рендеринга сетки требуется 5 секунд?

Подумав об этом некоторое время, мы можем получить следующую идею: может быть, обнаружение изменений работает слишком много раз? Это наша первая гипотеза, поэтому давайте ее запишем.

Прогноз, который мы можем использовать для проверки гипотезы, заключается в том, что appRef.tick будет несколько раз проявляться в профайлере.

Мы проводим эксперимент, и результат подтверждает нашу гипотезу. Давайте запишем его.

Теперь, к следующему вопросу: почему обнаружение изменений выполняется сотни раз?

Шаги 1, 3, 4 этого процесса хорошо определены. Они выполняются почти механически. Шаг 2 – выдвижение гипотезы – это то, где происходит творческая работа. И здесь хорошие ментальные модели и интуиция очень помогают.

Все инженеры умеют программировать, но не все программисты могут быть инженерами: в чем отличие?

Развивайте хорошие ментальные модели

«Точка зрения дает нам 80 баллов IQ» Алан Кей

Ученик средней школы, который знает основы алгебры, геометрии и исчисления, может решить больше математических задач, чем талантливые математики древнего Рима. Это не потому, что студент «умнее». Его IQ не выше. Он может это сделать, потому что у него хорошие ментальные модели.

Разработка хороших ментальных моделей – одна из самых важных инвестиций, которую мы можем сделать в качестве инженеров. Например, посмотрите на этот список:

  • Язык программирования.
  • Программа.
  • Компилятор.
  • Система типов
  • Функциональное программирование, императивное, логическое программирование.
  • Виртуальная машина
  • Интерпретатор
  • Сборка мусора
  • База данных.
  • Распределенная система
  • Обмен сообщениями.

У вас есть хорошие ментальные модели для всех из них?

Иметь хорошую ментальную модель X, не означает, что вы должны быть экспертом в X. Это означает, что вы можете нарисовать диаграмму, показывающую, как работает X, и, если дано достаточно времени, может построить простую версию X.

Ментальные модели, представленные выше, являются общими. Вот некоторые ментальные модели, ориентированные на frontend:

  • Bundling.
  • Treeshaking.
  • Change detection.
  • Observable objects.
  • Virtual DOM.
  • CQRS/event sourcing/Redux.

Разработка ментальных моделей

Как можно развить хорошие ментальные модели?

Читайте

Во-первых, много читайте. Читайте книги, читайте статьи.

Используйте «узкие» технологии

Во-вторых, найдите технику, которая делает именно ту вещь, которую вы пытаетесь изучить, и делает только это. Если вы пытаетесь изучить функциональное программирование, возьмите Elm и потратьте неделю, пытаясь решить проблемы вместе с ним. Поскольку Elm чист, он не позволит вам использовать обходные пути – вам придется делать все по книге. Вы также не будете отвлекаться на сложность более универсального инструмента, такого как Scala.

Создавайте их сами

Наконец, создайте упрощенную версию того, что вы пытаетесь изучить с нуля. Хотите узнать что-то о компиляторе? Создайте свой собственный компилятор. Хотите изучить логическое программирование? Создайте собственный интерпретатор Пролога. Изучаете распределенные системы? Создайте крошечную программу, иллюстрирующую передачу сообщений между различными узлами в системе. Используйте ее, чтобы узнать о CAP.

Требуется год для создания компилятора распространенного языка программирования. Это потому, что вы хотите, чтобы он был быстрым, всегда корректным и обрабатывал все странные краевые случаи в языке. Взяв более простой язык (например, некоторые варианты Lisp) и игнорируя проблемы с производительностью, вы можете сделать это за один день.

Обратите внимание, что это игра, поэтому вы не можете здесь потерпеть неудачу. Вам не нужно ничего поставлять на рынок. Единственная цель этого – ваше обучение. Поэтому, даже если вы не закончили свой компилятор, но вы многому научились – вы на правильном пути.

“Должности ничего не значат”: чем отличается разработчик от инженера?

Изучите свои инструменты

Инженеры-программисты – профессионалы, которые полагаются на инструменты. Вот некоторые из инструментов, которые я использую каждый день:

  • Клавиатура.
  • Операционная система.
  • Оболочка.
  • Редакторы и IDE.
  • Менеджер пакетов (brew, npm, yarn, …).
  • Языки (typescript, css, …).
  • Инструменты разработчика (инструменты Chrome Dev, отладчик node…).
  • Фреймворки и инструменты (angular, rxjs, webpack, rollup, …).

В то время как ментальные модели абстрактны, инструменты являются конкретными. Вы можете хорошо разбираться в VSCode, но ничего не знать о VIM, хотя оба являются текстовыми редакторами. Для изучения новой раскладки клавиатуры или освоения IDE требуется несколько месяцев или даже лет. Вот почему этот список намного более узкий.

Есть две причины хорошо изучить свои инструменты:

Вы более эффективно выполняете задачи, если знаете правильные инструменты. Если вы хорошо знаете Angular, то можете создать простое приложение за час, без использования материалов Google. Аналогичным образом, вы сможете быстрее устранить проблему с отладчиком по сравнению с отладкой с помощью логов в консоли.

Еще более важной причиной для изучения ваших инструментов является то, что вы можете использовать их не задумываясь. Возьмите быстрые клавиши в  редакторе. Использование шорткатов в редакторе лучше не потому, что это быстрее (хотя так и есть), а потому, что вы можете использовать их автоматически, без необходимости проходить через меню, не задумываясь об этом вообще. Таким образом, ваш разум свободен и может думать о реальной проблеме.

Хорошее понимание инструментов вовсе не означает, что все, что вы используете, должно быть привычным. Я использую эргономичную программируемую клавиатуру, потому что я много времени думал о том, как мои пальцы двигаются при наборе текста.

Я считаю, что следующее истинно:

Любой инженер, который хорошо знает свои инструменты – это хороший инженер. Человек, который не знает своих инструментов хорошо, вряд ли будет хорошим инженером.

Вы должны быть больше, чем просто хорошим инженером

Освоение трех навыков не означает, что вы будете эффективны на своей работе или окажете существенное влияние на продукт. Способности устранить ошибку или написать новую библиотеку недостаточно для того, чтобы стать профи. Вот некоторые другие навыки, что важны не меньше:

  • Ваши социальные навыки. Самые интересные проекты построены командами. Они построены людьми с разными навыками, опытом и личностями. Вы должны иметь сильные социальные навыки для работы в таких условиях.
  • Ваши навыки письма. Вы должны сообщать свои идеи своей команде, вашим клиентам и сообществу. Письмо – это наиболее масштабируемый способ сделать это. Практикуйтесь в письме.
  • Ваша трудовая этика.
  • И многое другое.

Желаем вам удачи!

 

Комментарии
Продолжить чтение

Обучение

Бесплатное руководство “iOS-разработка: от начинающего до профессионала”

Эта бесплатная книга позволит вам начать разрабатывать приложения для iOS на языке Swift.

AppTractor

Опубликовано

/

Автор:

В ней не просто даются все основополагающие принципы программирования на Swift, но и основы дизайна, пользовательского опыта, микровзаимодействий, виральности, работы с платформенными функциями (встроенные покупки, Touch ID и т.п.).

Все это сопровождается созданием реальных приложений, которые авторы учебника будут создавать вместе с вами.

Скачать руководство вы можете на официальном сайте.

 

Комментарии
Продолжить чтение

Программирование

Основы параллельного программирования в Swift: часть 2

Существует так много возможностей для параллельного программирования, и этот пост раскрыл вам только самые общие положения. В то же время, существует множество механизмов и много примеров для рассмотрения.

AppTractor

Опубликовано

/

Автор:

Параметры для контроля конкурентности

Мы рассмотрели все элементы, предоставляемые операционной системой, которые могут использоваться для создания конкурентных программ. Но, как упоминалось в предыдущей статье, они могут создавать множество проблем. Самая очевидная проблема (и в то же время наиболее сложная в определении) – несколько конкурентных задач, обращающихся к одному и тому же ресурсу. Если нет механизма для обработки этих доступов, это может привести к тому, что одна задача запишет одно значение, а другая другое значение. Когда первая задача попытается считать данные, она будет ожидать, что они будут теми, которые записаны в первый раз – однако значение будет уже изменено. Таким образом, по умолчанию используется блокировка доступа к ресурсу и предотвращение доступа к ним других тредов, если оно заблокировано.

Приоритетная инверсия (Priority Inversion)

Чтобы понять различные механизмы блокировки, нам также необходимо понять приоритеты тредов. Как вы можете догадаться, треды могут выполняться с высоким или низким приоритетами – высокие раньше, а низкие позже. Типичным примером является процесс с низким приоритетом, получающий ресурс, который требуется высокоприоритетному процессу, а затем он вытесняется процессом среднего приоритета, поэтому процесс высокоприоритетного процесса блокируется на ресурсе, в то время как средний приоритет фактически выполняется, даже обладая более низким приоритеом. Это называется Приоритетной инверсией (Priority Inversion) и может привести к тому, что тред с более высоким приоритетом будет “голодать до смерти”, так как он никогда не будет выполнен. Поэтому, определенно, надо избегать этого.

Представьте себе наличие двух высокоприоритетных тредов (1 и 2) и тред с низким приоритетом (3). Если 3 блокирует ресурс, к которому 1 хочет получить доступ, 1 придется ждать. Поскольку 2 имеет более высокий приоритет, вся его работа будет выполнена в первую очередь. В случаях, когда процесс не заканчивается, тред 3 не будет выполнен, и, таким образом, поток 1 будет заблокирован до бесконечности.

Наследование приоритета (Priority Inheritance)

Решение для Priority Inversion – это наследование приоритета (Priority Inheritance). В этом случае тред 1 отдаст приоритет треду 3, если он заблокирован. Таким образом, тред 3 и 2 имеет высокий приоритет и оба выполняются (в зависимости от ОС). Как только 3 разблокирует ресурс, высокий приоритет возвращается к треду 1, и он будет продолжать свою первоначальную работу.

Atomic

Atomic содержит ту же идею, что и транзакция в контексте базы данных. Вы наверняка захотите написать значение сразу, как одну операцию. Приложения, скомпилированные для 32 бит, могут иметь довольно странное поведение при использовании int64_t и не иметь его в atomic. Почему? Давайте подробно рассмотрим, что происходит:

int64_t x = 0
Thread1:
x = 0xFFFF
Thread2:
x = 0xEEDD

Наличие неатомной операции может привести к тому, что первый поток начнет записывать в x. Но поскольку мы работаем в 32-разрядной операционной системой, мы должны разделить значение, которое мы записываем в x, на две очереди 0xFF.

Когда в то же время Thread2 попытается записать значение в x, может произойти планирование операций в следующем порядке:

Thread1: part1
Thread2: part1
Thread2: part2
Thread1: part2

В итоге мы получим:

x == 0xEEFF

который не равен ни 0xFFFF, ни 0xEEDD.

Используя atomic, мы создаем единую транзакцию, которая приведет к следующему поведению:

Thread1: part1
Thread1: part2
Thread2: part1
Thread2: part2

В результате x содержит значение, установленное Thread2. Сам Swift не работает с atomic. В Swift Evolution предлагается добавить его, но на данный момент вам придется реализовать его самостоятельно.

Lock

Lock – это простой способ предотвратить доступ нескольких тредов к ресурсу. Сначала тред проверяет, может ли он войти в защищенную часть или нет. Если он может войти, он блокирует защищенную часть и продолжает работу. Как только он выйдет, то разблокирует его. Если при входе тред встречает заблокированную часть, то он будет ждать. Обычно это делается при помощи сна и регулярного пробуждения, что позволяет проверить, заблокирован все еще ресурс, или нет.

В iOS это можно сделать с помощью NSLock. Но имейте в виду, что при разблокировке тред должен быть тем же самым, что и блокировал.

Существуют также другие типы блокировок, такие как рекурсивные блокировки (recursive locks). С их помощью тред может блокировать ресурс несколько раз и должен отпускать его так часто, как он заблокирован. В течение всего этого времени исключается работа других тредов.

Другим типом является блокировка чтения-записи (read-write lock). Это полезно для больших приложений, когда многие треды читают ресурсы и иногда пишут. Пока тред не пишет в ресурс, все треды могут получить к нему доступ. Как только тред хочет писать, он блокирует ресурс для всех тредов. Они не могут читать, пока блокировка не будет отпущена.

На уровне процессов существует также распределенная блокировка (distributed lock). Разница заключается в том, что в случае блокирования процесса он просто сообщает об этом процессу, и процесс может решить, как справиться с этой ситуацией.

Циклическая блокировка (Spinlock)

Блокировка состоит из нескольких операций, которые «усыпляют» треды, пока они снова не включатся. Это приводит к изменениям контекста для CPU (переключением регистров и так далее для сохранения состояния тредов). Эти изменения требуют большого времени вычислений. Если у вас действительно небольшие операции, которые вы хотите защитить, вы можете использовать спинлоки. Основная идея в том, потоки опрашивают блокировку в процессе ожидания. Для этого требуется больше ресурсов, чем просто в спящих тредах. В то же время они наблюдают за изменением контекста и, таким образом, быстрее работают при небольших операциях.

Это звучит неплохо в теории, но в iOS всегда все по другому. iOS имеет концепцию Quality of Service (QoS). С QoS может случиться так, что треды с низким приоритетом не будут выполняться вообще. Наличие спинлока на таком треде и более приоритетный тред, пытающийся получить доступ к его ресурсу, приведут к тому, что более приоритетный тред будет «голодать» по нижнего треда, не разблокируя требуемый ресурс и блокируя самого себя. Как результат, спинлоки являются незаконными на iOS.

Mutex

Mutex подобен замку. Разница в том, что это могут быть разные процессы, а не только треды. К сожалению, вам придется реализовать свой собственный Mutex, поскольку Swift его не поддерживает. Это можно сделать с помощью pthread_mutex от C.

Semaphore

Семафор – это структура данных, обеспечивающая взаимную эксклюзивность в синхронизации тредов. Он состоит из счетчика, очереди FIFO и методов wait() и signal().

Каждый раз, когда тред хочет войти в защищенную часть, он вызывает wait () на семафоре. Семафор уменьшит счетчик, и пока он не равен 0, треду будет разрешено работать. В противном случае он сохранит тред в очереди. Всякий раз, когда тред выходит из защищенной части, он будет вызывать signal(), чтобы информировать семафор. Семафор сначала проверяет, есть ли очередь ожидания. Если есть, то из нее вызывается тред, который сможет продолжить работу. Если нет, он снова увеличит счетчик.

В iOS мы можем использовать DispatchSemaphores для реализации такого поведения. Предпочтительно использовать именно их, чем семафоры по умолчанию, так как только они работают на уровне ядра, если это действительно необходимо. В противном случае он просто работает намного быстрее.

Можно рассматривать двоичный семафор (семафор со значением счетчика 0 или 1) как Mutex. Но в то время как Mutex связан с механизмом блокировки, семафор является сигнальным механизмом. Это особо не помогает, так где же разница?

Механизм блокировки – это защита и управление доступом к ресурсу. Таким образом, он предотвращает одновременное обращение нескольких тредов к одному ресурсу. Сигнальная система больше напоминает вызов “Эй, я закончил! Продолжай!”. Например, если вы слушаете музыку на своем мобильном телефоне и вам звонят, общий ресурс (наушники) будет задействован на телефоне. Когда звонок закончится, система проинформирует ваш mp3-плеер при помощи сигнала для продолжения. Это тот случай, когда следует предпочесть семафор мьютексу.

Так в чем же фишка? Представьте, что у вас есть тред с низким приоритетом (1), который находится в защищенной области, и у вас есть тред с высоким приоритетом (2), который просто вызывает wait() на семафоре. 2 спит и ждет, когда семафор разбудит его. Теперь у нас есть тред (3), который имеет более высокий приоритет, чем 1. Этот тред в сочетании с QoS блокирует сигнал от 1 к семафору и, таким образом, голодают оба других потока. Таким образом, семафоры в iOS не имеют приоритетного наследования (Priority Inheritance).

Synchronized

В Objective-C существует также опция использования @synchronized. Это простой способ создания мьютекса. Поскольку у Swift его нет, мы должны копнуть глубже. Вы можете познакомиться с @synchronized, вызвав objc_sync_enter.

Поскольку я неоднократно видел этот вопрос в интернете, давайте ответим на него тоже. Насколько я знаю, это не конфиденциальный метод, поэтому его использование не исключает вас из App Store.

Concurrency Queues Dispatching

Поскольку в Swift нет мьютекса, и синхронизация также была удалена, он стал золотым стандартом для разработчиков Swift, которые используют DispatchQueues. Если вы используете его синхронно, то получите такое же поведение, как и мьютекс, так как все действия помещаются в одну очередь. Это предотвращает одновременное выполнение.

Недостатком является большое количество времени, поскольку нужно много перемещений и изменений контекста. Это не имеет значения, если ваше приложение не нуждается в высокой вычислительной мощности, но в случае, если у вас возникнут потери фреймов, вы можете рассмотреть другое решение (например, Mutex).

Dispatch Barriers

Если вы используете GCD, у вас есть больше возможностей для синхронизации вашего кода. Один из них – Dispatch Barriers. С их помощью мы можем создавать блоки защищенных частей, которые должны выполняться вместе. Мы также можем контролировать, в каком порядке выполняется асинхронный код. Это звучит странно, но представьте, что вам предстоит выполнить долгую задачу, которую можно разделить на части. Эти части необходимо запускать по порядку, но их можно снова разделить на более мелкие куски. Эти меньшие куски части могут выполняться асинхронно. Dispatch Barriers теперь можно использоваться для синхронизации больших частей, в то время как отдельные куски могут работать сами по себе.

Trampoline

Trampoline на самом деле не является механизмом, предоставляемым ОС. Это шаблон, который вы можете использовать, чтобы гарантировать, что метод вызывается в правильном треде. Идея проста: метод проверяет в начале, находится ли он в правильном треде, иначе он вызывает себя в правильном треде и возвращается. Иногда вам будет необходимо использовать вышеуказанные блокирующие механизмы для реализации процедуры ожидания. Это имеет значение только в том случае, если вызванный метод возвращает значение. В противном случае вы можете просто вернуться.

Не используйте этот шаблон слишком часто. Это заманчиво, но в то же время это путает ваших коллег. Они могут не понять, почему вы меняете треды повсюду. В какой-то момент это захламляет код и тратит ваше время.

Заключение

Вау, это был довольно тяжелый пост. Существует так много возможностей для параллельного программирования, и этот пост раскрыл вам только самые общие положения. В то же время, существует множество механизмов и много примеров для рассмотрения. Я, наверное, раздражаю всех на работе всякий раз, когда говорю о тредах, но они важны, и медленно, но верно, но мои коллеги начинают соглашаться. Как раз сегодня я должен был исправить ошибку, в которой операции получали асинхронный доступ  к массиву, а Swift, как мы узнали, не поддерживает атомарные операции. Угадайте, что? Это заканчивалось сбоем и падением. Возможно, этого не произошло бы, если бы все мы знали больше о конкурентности, но, честно говоря, я тоже этого не заметил.

Изучить свои инструменты – лучший совет, который я могу вам дать. Надеюсь мой пост дал вам отправную точку для параллелизма, а также предоставил способ контролировать хаос, который проявится, как только вы погрузитесь глубже. Удачи!

Комментарии
Продолжить чтение

Реклама

Наша рассылка

Нажимая на кнопку "Подписаться" вы даете согласие на обработку персональных данных.

Вакансии

Популярное

X
X

Спасибо!

Теперь редакторы в курсе.