综招哪些综大佬都认为孩子是他有优势

点击联系发帖人 时间：2018-06-07 22:15

综之每个世界生孩子

前段时间ThoughtWorks在深圳举办一次社区活动上，有一个演讲主题叫做“Fullstack JavaScript”是关于用JavaScript进行前端、服务器端，甚至数据库（MongoDB）开发一个Web应用开发人员，只需要学会一门语言就鈳以实现整个应用。

受此启发我发现Python可以称为大数据全栈式开发语言。因为Python在云基础设施DevOps，大数据处理等领域都是炙手可热的语言

這年头，不支持云平台不支持海量数据，不支持动态伸缩根本不敢说自己是做大数据的，顶多也就敢跟人说是做商业智能（BI）

云平囼分为私有云和公有云。私有云平台如日中天的OpenStack就是Python写的。曾经的追赶者CloudStack在刚推出时大肆强调自己是Java写的，比Python有优势结果，搬石砸腳2015年初，CloudStack的发起人Citrix宣布加入OpenStack基金会CloudStack眼看着就要寿终正寝。

如果嫌麻烦不想自己搭建私有云用公有云，不论是AWSGCE，Azure还是阿里云，青雲在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK而青云只提供Python SDK。可见各家云平台对Python的重视

提到基础设施搭建，不得不提Hadoop在今天，Hadoop因为其MapReduce数据处理速度不够快已经不再作为大数据处理的首选，但是HDFS和Yarn——Hadoop的两个组件——倒是越来越受欢迎Hadoop的开发语言是Java，没有官方提供Python支持不过囿很多第三方库封装了Hadoop的API接口（pydoop，hadoopy等等）

MapReduce的替代者，是号称快上100倍的Spark其开发语言是Scala，但是提供了ScalaJava，Python的开发接口想要讨好那么多用Python開发的数据科学家，不支持Python真是说不过去。HDFS的替代品比如GlusterFS，Ceph等都是直接提供Python支持。Yarn的替代者Mesos是C++实现，除C++外提供了Java和Python的支持包。

DevOps囿个中文名字叫做开发自运维。互联网时代只有能够快速试验新想法，并在第一时间安全、可靠的交付业务价值，才能保持竞争力DevOps推崇的自动化构建/测试/部署，以及系统度量等技术实践是互联网时代必不可少的。

自动化构建是因应用而易的如果是Python应用，因为有setuptools, pip, virtualenv, tox, flake8等工具的存在自动化构建非常简单。而且因为几乎所有Linux系统都内置Python解释器，所以用Python做自动化不需要系统预安装什么软件。

自动化测試方面基于Python的Robot Framework企业级应用最喜欢的自动化测试框架，而且和语言无关Cucumber也有很多支持者，Python对应的Lettuce可以做到完全一样的事情Locust在自动化性能测试方面也开始受到越来越多的关注。

自动化配置管理工具老牌的如Chef和Puppet，是Ruby开发目前仍保持着强劲的势头。不过新生代Ansible和SaltStack——均為Python开发——因为较前两者设计更为轻量化，受到越来越多开发这的欢迎已经开始给前辈们制造了不少的压力。

在系统监控与度量方面傳统的Nagios逐渐没落，新贵如Sensu大受好评云服务形式的New Relic已经成为创业公司的标配，这些都不是直接通过Python实现的不过Python要接入这些工具，并不困難

除了上述这些工具，基于Python提供完整DevOps功能的PaaS平台，如Cloudify和Deis虽未成气候，但已经得到大量关注

大数据的数据从哪## 标题里来？除了部分企业有能力自己产生大量的数据大部分时候，是需要靠爬虫来抓取互联网数据来做分析

网络爬虫是Python的传统强势领域，最流行的爬虫框架ScrapyHTTP工具包urlib2，HTML解析工具beautifulsoupXML解析器lxml，等等都是能够独当一面的类库。

不过网络爬虫并不仅仅是打开网页，解析HTML这么简单高效的爬虫要能够支持大量灵活的并发操作，常常要能够同时几千甚至上万个网页同时抓取传统的线程池方式资源浪费比较大，线程数上千之后系统資源基本上就全浪费在线程调度上了Python由于能够很好的支持协程（Coroutine）操作，基于此发展起来很多并发库如Gevent，Eventlet还有Celery之类的分布式任务框架。被认为是比AMQP更高效的ZeroMQ也是最早就提供了Python版本有了对高并发的支持，网络爬虫才真正可以达到大数据规模

抓取下来的数据，需要做汾词处理Python在这方面也不逊色，著名的自然语言处理程序包NLTK还有专门做中文分词的Jieba，都是做分词的利器

万事俱备，只欠东风这东风，就是数据处理算法从统计理论，到数据挖掘机器学习，再到最近几年提出来的深度学习理论数据科学正处于百花齐放的时代。数據科学家们都用什么编程

如果是在理论研究领域，R语言也许是最受数据科学家欢迎的但是R语言的问题也很明显，因为是统计学家们创建了R语言所以其语法略显怪异。而且R语言要想实现大规模分布式系统还需要很长一段时间的工程之路要走。所以很多公司使用R语言做原型试验算法确定之后，再翻译成工程语言

Python也是数据科学家最喜欢的语言之一。和R语言不同Python本身就是一门工程性语言，数据科学家鼡Python实现的算法可以直接用在产品中，这对于大数据初创公司节省成本是非常有帮助的正式因为数据科学家对Python和R的热爱，Spark为了讨好数据科学家对这两种语言提供了非常好的支持。

Python的数据处理相关类库非常多高性能的科学计算类库NumPy和SciPy，给其他高级算法打了非常好的基础matploglib让Python画图变得像Matlab一样简单。Scikit-learn和Milk实现了很多机器学习算法基于这两个库实现的Pylearn2，是深度学习领域的重要成员Theano利用GPU加速，实现了高性能数學符号计算和多维矩阵计算当然，还有Pandas一个在工程领域已经广泛使用的大数据处理类库，其DataFrame的设计借鉴自R语言后来又启发了Spark项目实現了类似机制。

对了还有iPython，这个工具如此有用以至于我差点把他当成标准库而忘了介绍。iPython是一个交互式Python运行环境能够实时看到每一段Python代码的结果。默认情况下iPython运行在命令行，可以执行ipython notebook在网页中运行用matplotlib绘制的图可以直接嵌入式的显示在iPython Notebook中。
iPython Notebook的笔记本文件可以共享给其他人这样其他人就可以在自己的环境中重现你的工作成果；如果对方没有运行环境，还可以直接转换成HTML或者PDF

正是因为应用开发工程師、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言

对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引仂在Python交互式环境中，执行import this读一读Python之禅，你就明白Python为什么如此吸引人Python社区一直非常有活力，和NodeJS社区软件包爆炸式增长不同Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高有很多人诟病Python对于空格的要求过于苛刻，但正是因为这个要求才使得Python在做大型項目时比其他语言有优势。OpenStack项目总共超过200万行代码证明了这一点。

对于运维工程师而言Python的最大优势在于，几乎所有Linux发行版都内置了Python解釋器Shell虽然功能强大，但毕竟语法不够优雅写比较复杂的任务会很痛苦。用Python替代Shell做一些复杂的任务，对运维人员来说是一次解放。

對于数据科学家而言Python简单又不失强大。和C/C++相比不用做很多的底层工作，可以快速进行模型验证；和Java相比Python语法简洁，表达能力强同樣的工作只需要1/3代码；和Matlab，Octave相比Python的工程成熟度更高。不止一个编程大牛表达过Python是最适合作为大学计算机科学编程课程使用的语言——MIT嘚计算机入门课程就是使用的Python——因为Python能够让人学到编程最重要的东西——如何解决问题。

}

【按】本文是参加 TokenClub 2020 年 5 月 20 日晚 “激辯数字人民币DC/EP ” 线上研讨会的发言提纲与实际发言并不完全一致。

本人主要关注企业级通证应用并非货币研究者，谈及数字货币问题意在举一反三，或有谬误不吝赐教。

关于央行数字货币迄今为止更多的讨论是围绕技术、功能、货币政策和国际货币竞争等话题展開。

我想提醒大家关注数字货币在治理层面的意义因为这个可能是数字货币落地之后最重大的影响之一。

什么是治理首先要把治理和管理区别开。这是两个不同的框架

我们熟悉的框架是“管理-规制”框架，这个框架强调授权把权力充分授予一组人，然后由他们随机應变便宜行事，以很大的自由度行使权力配置资源，陟罚臧否赏罚决断，解决问题实现目标。

这种方式流传数千年比较粗放，其优缺点如何有点社会经验的人都心里有数。一个突出的问题是中层的腐败或者按照经济学的说法，叫“代理人困境”更深层的问題，是权力来源和合法性问题

另一个框架是“治理-服务”框架。这个框架以契约为底色靠一系列精致设计的契约、原则、规范和流程來协调组织的互动和行为。治理者的存在实际上更接近于服务性角色，是为了让上述契约、规则得到高效、诚实可靠的执行而存在的當然，在契约和规则未能覆盖或存有疑义的地方由治理者根据原则和组织精神灵活应对进行协调和管理。

在这个定义之下我们认为，數字货币是前所未有、政府对经济实施数字化治理的强大工具

已故著名历史学家黄仁宇认为，中国在近代落后的主要原因是缺少“数目芓管理”怎样实现高水平的数目字治理？一是政府要掌握社会经济运行的真实情况二是掌握真实情况之后，对于其中出现的问题要能夠进行及时、精准、恰当的干预和调节

从1587 万历十五年算起，四百三十三年过去中国学习西方，已经建立了很强大的数目字管理能力泹这个过程并没有结束，而是正在迎来一个重大的升级这一大升级的序幕将由数字货币拉开。

第一数字货币是经济活动的数据采集器。当前政府通过统计局系统来完成对经济运行活动信息的收集和测量。数字货币推广后将成为经济活动的天然的数据采集器，而且与統计局相比具有完整性、实时性、精确性、可信性等巨大优势。

完整性：数字货币完全取代纸币和其他电子支付工具之后政府几乎可鉯完整掌握一切经济运行情况，巨细靡遗无所遗漏。

实时性：今天的经济运行数据统计最小以月为单位并且滞后数周，应用数字货币の后后端配合最先进的数据分析处理系统，经济数据的测量精度可以以小时计、延迟以分钟计

精确性：数字货币可以以交易粒度测量經济，每一分钱的流转都可以得到测量和统计并且流转链条清晰，统计处理大为简化原先困扰统计系统的虚报、漏报、重报等问题，均可迎刃而解

可信性：若能够基于区块链数据结构进行记账，可以防范基层篡改杜绝欺上瞒下。

第二数字货币可以成为主动干预的笁具。政府发现经济活动中需要调整和干预的地方可以立刻判断，立刻定位立刻分析，立刻予以干预比如加大货币激励，限制货币鋶向事前防范，事后追查这种能力是史无前例的。

第三可编程的数字货币是自动化治理的工具。对数字货币编程实际上就是将经濟治理的规则和政策变成代码。这样一来法律和政策的颁布，就变成了了代码的部署过程法律的执行，就变成了了代码自动化执行的嘚过程中央政府的政策，可绕过一切中间环节直达基层原子场景。区块链社区里经常说的代码即法律可以在数字货币里得到首先应鼡。其执行力度之强、效率之高、规则之严格、对现有模式冲击之剧烈是史无前例的。

基于以上三点我们认为数字货币对于政府来说昰经济和社会治理的前所未有的强大工具，对于提升国家的治理水平、治理效率和行政理性具有划时代的意义。结合本次疫情的场景峩们可以更好的理解这样的治理工具对国家和民众的意义。

在认识到这一趋势、并对其表示欢迎的同时也必须关注两个问题：

第一，这┅新的治理工具使未来的政府掌握了一切治理者数千年来梦寐以求的的巨大权力相应的的也有引入了巨大的风险。如遭滥用后果不堪設想。如何合理的使用这种工具应经由恰当之程序深入讨论，审慎实施作出必要的约束和限制，扬长避短规范数字货币的应用，防圵被滥用和过度使用保护公民和企业的隐私和合法权益。

第二数字货币事实上是一种通证，数字货币经济实际上是一种特殊的通证经濟现阶段，货币为政府垄断但通证经济不应为政府所垄断。数字经济的下半场企业同样需要用通证来建立、激励和治理自己的数字經济生态和数字化社群。这样强有力的工具必将成为企业开展数字化竞争的利器，成为未来商业竞争必战之地政府应积极研究，明确政策允许企业应用通证经济强化竞争力，允许互联网上新型分布式商业组织和自协组织的创建和发展无论情愿与否，我们已经进入新嘚历史阶段处于大国竞争舞台之中央。企业的成功是国家成功的基石我们呼吁支持企业应用包括通证在内一切先进数字科技来强化竞爭力。如此先进的技术工具若彼方官民协力创新进取，我方则由政府垄断画地为牢，不许企业参与和创新则此消彼长，在数字经济競争中形势堪忧

}

绿色游网