看了这份盘点文章，才明白只会写程序的码农，为何越来越掉价

这是一份迟来的技术盘点文章，因为我们无法定义 2017 年到底是个怎样的一年，可以说是人工智能爆发的一年？还是说虚拟币疯狂的一年？或者是云计算大数据最繁盛的一年？ 每个媒体都再拼命盘点，都在疯狂比较。

甭提我们学习，连我们的认知都快赶不上技术发展的速度了，2017 年足够让人焦虑万分。

下文节选自 IT 权威刊物《程序员 · 2017 技术大检阅》，更详细的盘点内容请点击此处<<

 2017 · 人工智能

1

从 AlphaGo Zero 到 Alpha Zero

 

2017 年 AlphaGo Zero 作为 AlphaGo 代做了进一步的技术升级，把 AlphaGo 一代虐得体无完肤，这时人类已经没有资格上场对局了。

2017 年底 AlphaGo 的棋类游戏通用版本 Alpha Zero 问世，不仅仅围棋，对于国际象棋、 日本将棋等其他棋类游戏，Alpha Zero 也以压倒性优势战胜包括 AlphaGo Zero 在内的目前最强的 AI 程序。

AlphaGo Zero 从技术手段上和 AlphaGo 相比并未有本质上的改进，主体仍然是 MCST 蒙特卡洛搜索树加神经网络的结构以及深度增强学习训练方法，但是技术实现上简单优雅很多。 

主要的改动包含两处：一是将 AlphaGo 的两个预测网络( 略网络和价值网络)合并成一个网络，但是同时产生两类所需的输出；第二是网络结构从 CNN 结构升级为 ResNet。 

从 AlphaGo 的一步步进化策略可以看出，DeepMind 正在考虑这扩展技术方案的通用性，使得它能够使用一种技术解决更多问题，尤其是那些非游戏类的真实生活中有现实价值的问题。

同时，AlphaGo 系列技术也向机器学习从业人员展示了深度增强学习的强大实力，并进一步推动了相关的技术进步，目前也可以看到深度增强学习在更多领域应用的实例。 

2

GAN：理论与应用极速发展

 

GAN，全称为 Generative Adversarial Nets，直译为“生成式对抗网络”。GAN 作为生成模型的代表，自2014年被 Ian Goodfellow 提出后引起了业界的广泛关注并不断现出新的改进模型，深度学习泰斗之一的 Yann LeCun 高度评价 GAN 是机器学习界近年来最有意思的想法 。

Ian Goodfellow 提出的最初的 GAN 尽管从理论上证明了生成器和判别器在多轮对抗学习后能够达到均衡态，使得生成器可以产生理想的图像结果。

但是实际上，GAN 始终存在训练难、定性差以及模型  (Model Collapse)等问题。产生这种不匹配的根本原因其实还是对 GAN 背后产生作用的理论机制没有探索清楚。 

尽管在理论层面，针对 GAN 存在的问题，业界在 2017 年提出了不少改进方法，对于 GAN 的内在工作机制也有了更深入的了解，但是很明显目前仍然没有理解其本质工作机制 ，这还需要未来更有洞察力的工作来增进我们对 GAN 的理解。 

在推动 GAN 应用方面，2017年有两项技术是非常值得关注的。其中一个是 CycleGAN，其本质是利用对偶学习并结合 GAN 机制来优化生成图片的效果的，采取类似思想的包括 DualGAN 以及 DiscoGAN 等，包括后续的很多改进模型例如 StarGAN 等。 

3

Gapsule：有望取代 CNN 的新结构

 

Capsule 今年才以论文的形式被人称“深度学习教父”的 Hinton 先生发表出来，而且论文一出来就成为研究人员关注的焦点，但是其实这个思想 Hinton 已经深入思考了很久并且之前在各种场合，宣传过这种思路。

Hinton 一直对 CNN 中的 Pooling 操作意见很大，他曾经吐槽说：“CNN 中使用的 Pooling 操作是个大错误，事实上它在实际使用中效果还不错，但这其实更是一场灾难”。 

在 Capsule 的方案中，CNN 的卷积层保留，MaxPooling 层被拿掉。这里需要强调的是，Capsule 本身是一种技术框架，并不单单是具体的某项技术，Hinton 论文给出的是最简单的一种实现方法，完全可以在遵循其技术思路下创造全新的具体实现方法。 

4

CTR 预估：向深度学习进行技术升级

 

CTR 预估作为一个偏应用的技术方向，对于互联网公司而言应该是最重要也最关注的方向之一。道理很简单，目前大型互联网公司绝大多数利润都来源于此，因为这是计算广告方向最主要的技术手段。 

CTR 预估常用的技术手段包括演进路线一般是按照：“LR - GBDT 等模型 - FM 因子分解机模型 - 深度学习”这个路径来发展的。

深度学习在图像视频、语言 、自然语言处理等领域最近几年获得了飞速的进展，但是最近一两年学术界才开始比较频繁地陆续出现深度学习如何和 CTR 预估相结合的文章。

Google 最早在几年前就开始研究这方面的内容，之后国内的大型互联网公司也开始跟进。

除了更早一些的流传甚广的 Wide&Deep 模型，最近一年出现了一些新的深度 CTR 模型，比如 DeepFM、DeepCross、NFM 模型等。这些模型其实如果仔细进行分析，会发现它们在网络结构上存在极大的相似性。

除了在网络结构上体现上述 的两个特点：一个是 Dense Vector 表示离散特征，另外一个是利用 Deep 网络对特征组合进行自动建模外。 

另外一个主流的特点是，将低维特征组合和高维特征组合在网络结构上进行分离，Deep 网络体现高维度特征组合，而引入 经网络版本的 FM 模型来对两两特征组合进行建模。这三个网络结构特点基本囊括了目前所有深度 CTR 模型。

5

计算机视觉：平稳发展一年

 

在计算机视觉方面，如果对 2017 年的新技术进行归纳的话，在很多其他应用领域也可以看到如下的一些明显发展趋势：

首先，增强学习与 GAN 等新技术开始被尝试用来解决很多其它的图像处理领域的问题并取得了一定进展，比如 Image-Caption、超分辨率、3D 重建等领域，开始尝试引入这些新技术。

另外，深度学习与传统方法如何集成各自的优点并深度结合也是最近一年来视觉处理的方向，深度学习技术具有性能优异等优点。

但也存在黑箱不可解以及理论基础薄弱等缺点，而传统方法具备理论完备等优势，结合两者来充分发挥各自优势克服自身缺点是很重要的。

再次，弱监督、自监督或者无监督的方法在各个领域也越来越重要，这是有现实需求的，深度学习虽然效果好。

但是对于大量标注训练数据是有要求的，而这又需要大量的标注成本，在现实中往往不可行。而探索弱监督、自监督甚至无监督的方法有助于更快促进各个领域研究的快速发展。  

6

自然语言处理：进展相对缓慢，急需技术突破

 

自然语言处理也是人工智能的重要方向之一，最近两年深度学习也已经基本渗透到了自然语言处理的各个子领域并取得了一定进展。

但是与深度学习在图像、视频、 音频、语言别等领域取得的强势进展相比，深度学习带给自然语言处理的技术红利相对有限，相比传统方法而言，其效果并 取得压倒性的优势。

最近一年深度学习在自然语言处理领域应用有以下几个值得关注的发展趋势。首先，无监督模型与 Sequence to Sequence 任务的融合是个很重要的进展和发展方向。

比如：ICLR 2018 提交的论文“Unsupervised Machine Translation Using Monolingual Corpora Only”作为代表的技术思路，它使用非对齐的双语训练语料集合训练机器翻译系统并达到了较好的效果。

这种技术思路本质上是和 CycleGAN 非常类似的，相信这种无监督模型的思路在 2018 年会有大量的跟进研究。 

过去的一年 AI 很多领域发生了重大的技术 进展，也有不少领域前进步伐缓慢，但是不论如何，AI 在未来的几年内会在更多领域产生颠覆人类想象力的技术进步。

7

AI 相关学习

 

Chat | 深度学习（DeepLearning）第一课

Chat | 最新版 TensorFlow 快速入门

Chat | 转行 AI，如何给自己定位？

达人课 | 人人都能看懂的 AI 入门课

达人课 | TensorFlow on Android：物体识别

极客书 | 《终极算法：机器学习和人工智能如何重塑世界》

极客书 | 《智能浪潮：增强时代来临》

2017 · 区块链与加密货币市场

区块链的相关行业在 2017 年各有酸甜苦辣，从 Google 搜寻趋势可以观察到，大众对区块链信息的渴求程度，已经大于单纯的比特币、以太币等加密货币信息。 

它吸引更多投资为导向的散户投入市场， 也同时散布出某种非理性的投机氛围。这导致各国政府在 2017 年，为此热潮纷纷祭出了管制手段。 

1

政府介入

 

首先是公有链比特币的部分，中国的比特币交易所上半年突如其来地宣布暂停提币，主要是根据监管部门“比特币交易平台不得违反国家有关反洗钱、外汇管理和支付结算等金融法律法规”的要求。

在此禁令之前，曾有人统计中国市场交易额占了全球的一半以上，或许有一部份原因，来自当时中国交易所处理交易并不收取手续费，促使庞大的机器人高频交易，才会有这么惊人的交易份额。记得当时全球加密货币市场价格分布的情况，是中国的币价比国外便宜。 

而由于中国市场在购买比特币之后，无法直接提领，因此有更多的用户，选择将资金撤出的唯一方法，就是将比特币换成人民币以进行提现。

到了年中，此禁令陆续解禁，在市场可以提币的状况下，这时比特币市场价格，才陆续与国际达成持平水准。

由于之前，民众买得到比特币但提不出来，许多投资热钱转向由各加密货币平台进行 ICO 活动而发行的通证(Token)，直接助长了中国地区在 2017 年的 ICO 活动。

显然，此时市场上充斥着非理性投资，甚至是投机行为，有关机关不得不设法从保护人民的立场、稳定刚萌芽的加密货币市场、与匡正投资心态的角度上，下令停止国内的一切 ICO 售币行为，以及在2017下半年宣布停止提供加密货币交易，至此中国的比特币交易市场正式与全球脱轨。 

目前中国国内的加密货币交易，用户大多以场外交易方式 (Over-the-Counter，OTC)进行  ，甚至是以不同加密货币进行币与币的等值交易。

而就交易所的立场，也彻底禁止使用法币进行交易加密货币，而改用 Tether 公司推出的基于稳定价值货币美元 (USD)所发行的虚拟货币 USDT 来进行交易。

USDT 主张严格遵守与美金的等值平衡，1 USDT 锚定 1 USD。交易所通过对应美金价值的 USDT 进行加密交易易，除了作为一种山不转水转的迂回手段之外，更是想通过法币相对稳定的盘势，去减少加密货币涨跌震荡所带来的风险。 

2

市场状况

 

另一方面，在 2017 年众多公有链加密货币的市场之中，比特币全球市场份额比例 ，从原有的八成跌落至最四成。

这种暴跌跟以太坊崛起有关，更多是来自 2017 年以太坊上的 ICO 活动蓬勃发展有关。其变化的时间点与前段叙述的交易所营业状况不谋而合，ICO 活动的活跃高峰 ，导致了比特币份额降至低谷。

上半年的 ICO 活动遍地开花的繁荣场景，到了下半年紧接而来的是官方对 ICO 活动的叫停，8月30日晚间，中国互联网金融协会发布《关于防范各类 以 ICO 名义 收投资相关风 的提示》，指出部分机构以 ICO 名义融资涉嫌诈骗。当官方直接介入市场活动之后，导致了中国国内的 ICO 活动热度瞬间下降。

但此同时，在国际市场既有的加密货币公有链上，用户在处理交易的矿工手续费上的开支则是节节上升。

这种现象，也间接地让过去比特币曾经被认为将大量用于小额支付的期待破灭，快速上升的手续费，甚至渐渐已经超越了小额支出的本金金额。

这种由市场决定的现象不但已经偏离当初中本聪所期待的比特币未来，这种手续费涨势更因为比特币市场交易的繁荣，而只上不下。

比特币与 ICO 活动产生出的新加密货币交易市场，在渐渐趋势过热之际，一种特别的 ICO 活动 —— 被称为数字货币首次分叉募资 (Initial Fork Offering，IFO)出现。

自八月的比特现金 (Bitcoin Cash) 进行 IFO 以后，当时是为了处理扩容争议进行的分叉，各种发糖果的分叉行为如雨后春笋的出现，间接影响到持币者参与 ICO 的意愿。

他们可以选择继续持有手上的加密货币 —— 主要是比特币与以太币，等待下一个新兴 IFO 发糖果的机会；或是选择尽快出清手中持币，以尽早换得刚通过 ICO 活动面市，价格仍低廉的新通证。 

3

技术发展

 

2017 年的区块链相关技术进展上，公有链比特币落实了隔离验证 SegWit，因此可以开启闪电网络，使得侧链技术有望实现。

与此同时，有别于闪电网络， 以太坊的雷电网络也跟着推出。在雷电网络展开 ICO 活动时， 以太坊创始人 Vitalik Buterin，都在推特发文表示，要捐出雷电网络 ICO 所得去支助以太坊路线图上的技术开发。

2018年的技术展望，则有在隐私方面的零知识证明、环签名等，这些技术或是理论并非凌空创新，它们之所以会在区块链界被重新重视，可以想见在加密货币的热潮之下，对于资产安全、匿名与信息保护的需求更显得迫切与重要。 

4

区块链相关学习

 

Chat | 轻松理解区块链和比特币基础技术原理

Chat | 区块链的应用案例剖析

Chat | 数字货币的投资风险

达人课 | 区块链与程序员：赚钱还是创业

极客书 | 图解区块链

2017 · 大数据

大数据市场，一看厂商软件，二看行业落地应用。 新技术的兴起，总是由敏锐的厂商洞察需求、研发新产品和上台宣传，再到用户购买产品，最终技术落地产生实际效果，整个过程往往需要几年时间。所以，大厂宣传的产品是技术风向标，落地的应用则是目前行业的流行趋势。 

1

厂商

 

国外厂商忙上云

独立大数据厂商 Cloudera 今年9月27日宣布与微 软合作，将其最新的大数据引擎产品 Altus 发布到 Azure 平台。

随着更多的企业把自己的应用从传统数据中心放到公有云上，大数据软件供应商们也不得不迎合这一趋势把自己的产品也部署到公有云上，从而降低客户因为使用大数据工具而产生的数据迁移成本。

公有云提供商更关注大数据基础服务以外的延伸市场。云计算市场排名第二的 Azure，4 月份推出了时序数据库产品 Time Series Insight。

该产品合适 IoT 场景下的应用对于监控设备产生的海量时序数据存储和查询。 计算的领  AWS，除了继续宣传其流式大数据引 Kinesis Firehose 外，还在11月的 re:Invent 大会上发布了针对机器学习的 SageMaker 平台。

它能帮助机器学习专家快速完成大数据清洗，进而能快速构建、训练并托管规 模化机器学习模型。 

国内关注整合 

与技术领先的国外大数据厂商相比，国内厂商的技术能力更多的体现在对开源社区成熟大数据产品的整合，做好控制管理和资源调度已经用户 UI 上。

华为的大数据产品 FusionInsight 入选 Gartner 发布的2017年《分析数据管理解决方案(DMSA) 力四象限研究报告》，是中国大数据企业的头一次入围。

FusionInsight 整合了 Hadoop、Spark 和 Storm 等开源项目，并在户权限和安装部署上跟进国内企业的需求特点进行了很多研发工作。

国内的公有云供应商，也将更多的注意力放到了AI这个和大数据结合的市场上。

12月13日，在“2017互联网 + 大数据高峰论坛”发布了机器学习基础平台 TDinsight，从官方的宣传上看，TDinsight 自身包含多种算法以及模型，并且支持多源的输入以及输出。

TDinsight 采用拖拽的方式能够根据不同的算法、模型调度对应不同的机器学习组件(框架)， 如：Angel、Spark、TensorFlow、Torch 等，完成机器学习整个流程。

国内市场占有率第一的阿里 ，今年10月11日，在云栖大会展示了多款和 AI 相关的软硬件产品。 

2

行业

 

从厂商的宣传来看，AI 已毫无争议的取代大数据的成为 2017 年飞得最高的“猪 ”。大数据行业的相关厂商在 2017 年新产品的推出上显得动力不足。

毕竟，以 2004 年 Google 发布关于 GFS、Bigtable 和 Mapreduce 篇论文为起始，大数据已经走过了13年历程，步入成熟期。

年青人爱谈未来，成年人更爱看实际，大数据项目到了坐下来跟投资人谈回报的时侯。

令人可嘉的是在今年国内行业技术的交流中，大家已不满足于谈项目如何成功的落地，更多的谈到大数据项目给公司带来了多少回报。

这代表着大数据从奇酷的新技术逐步走向成熟，进入部署和给企业创造真正价值的阶段。 

3

大数据相关学习

 

Chat | 携程机票实时流数据处理应用实践

Chat | 斗鱼直播大数据的玩法

达人课 | GA 电商数据分析实践课

2017 · 数据库

在数据库领域，回顾 2017 这一年，精彩纷呈，热点不断，而且不乏标性的事件发生。如 Oracle 提出的自治数据这样的概念，把数据库技术带入一个新世界。 

1

百看不厌的数据库排行榜

 

至2017年12月，在 DB-Engines(https://db- engines.com/en/ranking)上排名的数据库引擎已多达361种。 

Oracle、MySQL 和 Microsoft SQL Server 稳居前三，一路遥遥领先。但位于成熟期的同时，其成长空间也受到了一定的限制。

Oracle 虽然保持第一，但处于明显下滑趋势；MySQL 在 2017 年 6 月表现出 ，几乎与 Oracle 持平，但后半年开始有所下降；Microsoft SQL Server 自 2015 年 9 月跌至谷底后一路回升，于 2017 年趋于定，但总体仍于下滑趋势。

虽说没有显著上升，但 RDBMS 三巨头雄踞排行榜 top3 已然且在不久的将来仍会是事实。 

2

地球就那么大，世界的们早已打开

 

Oracle，开启自治数据库时代 

2017年的 Oracle Open World 大会上，Oracle 总裁拉里· 埃里森公布了新杀器，Oracle 自治数据库云。这是全球首个“自动驾驶”的数据库，集成了人工智能和自适应的机器学习技术，实现全面自动化。 

自治数据库云的实现，是基于 Oracle Database 18c 的。Oracle 自治数据库云，消除了复杂性、人为错误和人工管理，能够以更低的成本提供更高的可靠性、安全性和运营效率。

通过融合机器学习技术，自治数据库云具备这些特点：自主驱动、消除人为错误、无序手动性能调优等。

AWS Aurora，启动计算与存储分离的热潮 

2017年，Amazon 在 SIGMOD 上发表了论文 《Amazon Aurora: Design Considerations for High Throughput Cloud Native Relational Databases》，描述了 Amazon 的云数据库 Aurora 的架构。

基于 MySQL 的 Aurora 对于单点写多点读的主从架构做了进一步的发展，使得事务和存储引擎分离，为数据库架构的发展提供了具有实战意义的已实践用例。

其主要特点包括：实现了“日志即数据库”理念、事务引擎和存储引擎分离、持续可靠的云数据服务能力、万能数据库的概念呼之欲出。

而 2017 年 ，AWS 的技术大会上，又爆料称 AWS 支持：multi write、类 TureTime、Serveless 等，这些都和最新的趋势紧密相融，前两者对应分布式数据库，后者对应数据库云化。 

Spanner，引领分布式数据库潮流 

2017 年，Google 发表了一篇题为《Spanner: Becoming a SQL System》的论文。

这篇论文描述了查询执行的切分、瞬态故障情况下查询重新执行、驱动查询做路由和索引查找的范围查询，以及改进的基于块的列存等分布式查询优化技术。

较之 2012 年的 Spanner，本篇论文提到新增功能为：强类型的模式管理系统、查询处理器和关系模型存储及列存系统，并论述了 2012 年以来，Spanner 系统向关系型数据库演进的历程，新论文愉快地表示 Spanner 从一个 NoSQL 系统已经全面演进为了一个关系型分布式数据库系统。 

3

中国数据库的发展

 

百花齐放的数据库技术大会

国内规模较大的数据库学术会议有，中国数据库技术学会(NDBC)和中国大数据技术大会(BDTC)。 

还有国际学术会议在国内召开: 

· DASFAA 2017(The 22nd International Conference on Database Systems for Advanced Applications)：3月在苏州召开。

· The Asia Pacific Web (APWeb) 和 Web- Age Information Management(WAIM)Joint Conference：6月在北京召开。

工业界规模较大的数据库技术大会，有中国数据库技术大会(DTCC)、Oracle 数据技术大会，中国 MySQL 用户组年会(ACMUG) 和 MySQL 技术嘉年华(IMG)、PostgreSQL 中国用户大会(PCC)等。

这一年，我们还看到，其他的社区活动也精彩不断，CockroachDB 社区成立，Redis、HBase 等社区活动开展。 

百舸争流的数据库产品

传统数据库产品：

· 人大金仓（Kingbase）：2017年8月，KingBaseES 通用型数据库产品，成功入驻阿里云市场，具备适应当下云计算环境的数据库特征。

· 达梦数据库(DM)：2017年，DM 与多省展开合作，为四川地质环境信息建设、广西电子政务等提供数据库服务。

· 南大通用(GBASE)：2017年3月，旗下的通用型数据库登录青云 App Center 2.0 平台，提供云化数据库服务。 

分布式数据库产品：

国内分布式数据库的代表有腾讯分布式数据 TDSQL、阿里 (DRDS)、OceanBase、TiDB 等， 这些产品代表了国内分布式数据库的水平。

4

数据库相关知识

 

Chat | 如何用 Node.js + MongoDB 快速搭建项目

Chat | 数据库典型架构实践

Chat | 互联网数据库“跨库分页”架构技术实践

Chat | 互联网“平滑数据迁移”架构技术实践

2017 · 容器

1

Kubernetes 红透半边天

 

谈及容器技术，毫不夸张地说，2017 年是 “Kubernetes 之年”。Kubernetes 自 2014 年推出以来，就一直保持稳步增长，但在 2017 年，增长速度远超大家的想象。 

以我自己的公司 Rancher Labs 来说，我们创建的容器管理平台 Rancher 支持多种容器编排框架，包括 Swarm、Mesos 和 Kubernetes。为了满足市场和客户的需求，Rancher 2.0 版本 100% 的放在 Kubernetes 上。 

Kubernetes 的安装和操作变得更容易了。实际上，在大多数情况下，用户不再需要安装和操作 Kubernetes。 所有主要的云提供商，都推出了“Kubernetes 即服务”。

云服务提供商通常不对运行 Kubernetes 主机所需的资源进行收费。因为要运行 Kubernetes API 服务器和 etcd 数据库至少需要3个节点，所以 Kubernetes 即服务可以节省大量的成本。 

2

Service Mesh 成新宠

   

在最近的 KubeCon 上，最热门的话题是 Service Mesh。Linkerd、Envoy、Istio 等等，都在 2017 年开始流行。

尽管这些技术的应用还处于初级阶段，但潜力是巨大的。人们通常认为 Service Mesh 是一个微服务框架。

但是，我认为 Service Mesh 将带来的好处远远超出了任何一个微服务框架。Service Mesh 可以成为所有分布式应用程序的共同基础。 

它为应用程序开发人员提供了大量的支持，用于通信、监视和管理组成应用程序的各种组件。这些组件可能是也可能不是微服务。它们甚至不需要用容器来建造。

即使现在没有多少人使用 Service Mesh，但是，我们相信它将在 2018 年快速流行起来。我们和容器行业的大多数人一样，都想参与其中。现在，我们正在集中精力将 Service Mesh 技术集成到我们的产品中。 

4

容器相关知识

 

Chat | 基于 Docker、Kubernetes 实现高效可靠的规模化 CI/CD 流水线的搭建

Chat | Service Mesh 在华为公有云的实践

Chat | Docker 落地踩过的坑

达人课 | Docker 极简入门指南

达人课 | 深入浅出 Docker 技术栈实践课

达人课 | Service Mesh 入门实战

2017 · 前端

2017年并没有诞生什么新的语言特性与规范，因此前端的框架局面还是维持原状，给三大框架所把持，并且有点像国内的 BAT，渗透到前端的每一个方面，几乎每件大事都有它们的影子。

三大框架，竟然稳定了这么久了，想必高手们也已经 透它们的原理，开始各种源码分析与仿造潮。

这是一个学习的好机会，但有个问题就是这会跟着别人的思路走，因此有志向向的各位，需要先人一步，早早规划相关的事宜。

此外，工具链还是如往常一样每年一更，Node.js 能做的事越来越多，如果不能从三大框架中挤出空间，往后端 Node.js 发展也是不错的选择。

AngularJS 有 Google 的聪明头脑来输血，把 Java 那一套东西往 JavaScript 里面搬，当然现在有了微软的 TypeScript，不像以前那样狂妄地自造语法了。

Vue.js 靠尤雨溪一人支撑，他采取的策略比较保守而有效，流行什么就从其他框架中搬什么，不像 AngularJS 那样激进地变革，也不像 React 那样异类繁琐，从易上手这一点俘获了许多新人的心。

这世界上，新人还是很多，每年这么多人转行或晋升到不写码的管理层，能吸引到新人，就是一个很好的策略。

如果从难度上拒绝小白用户，就是一个作死的做法。今年，某传道师就与某大神激战一番，成为大家的饭后谈资，语言之争司空见惯，但发展成教派斗争就不好了。 

React 早期的思想来源于 PHP 方言 XHP，其发展过程，不断强化其函数式编程，而函数式编程那一块来自于社区驱动。这一点与其他框架不太一 样，前者都是由厂商与作者所把持。

而 React 早期宣传的 Mixin 最佳实践早早被丢到故纸堆，从 Mixin，到纯组件，到无状态函数，到 HOC，到上个月火起来的 render props，无不昭示 React 生态圈的繁荣。

React 的用户群体也不单是早年的 PHPer 与不可缺少的 JSer，还有一般人不知道的 Elm、OCaml、BuckleScript、Reason 社区。 

React 今年还搞了另一个大事件，发布 reason - react, 将影响扩大到其他社区。本来 React 已经涉足移动端、VR 等领域，这样一来，它能得到的回馈越来越多，进化速度也越来越快，其前景比其他两个框架好很多。 

1

前端相关知识

 

Chat | JavaScript 进阶之 Vue.js + Node.js 入门实战开发

Chat | Vue 全站服务器渲染 SSR 实践

Chat | 浅尝初试 React 技术栈

Chat | React 架构设计：项目实战经验分享

达人课 | Vue.js 2.0 渐进开发应用实践

达人课 | Angular 博客全栈实战

达人课 | 如何从零学习 React 技术栈

达人课 | Angular 初学者快速上手教程

极客书 | JavaScript 高级程序设计（第3版）

2017回顾 · 敏捷在中国的十五年

时至岁末，各种年度调查报告渐次登台。其中我们注意到云栖社区发布的《2017开发者调查报告》中有一项数据：45.6% 软件开发者所在的组织采用了敏捷软件开发方法，在各种开发方法学中位居第一。

这个数字又让我们联想起，CSDN 在年初发布的《2016年度中国软件开发者白皮书》中提到，64% 的受访企业采用了敏捷项目管理工具。

虽然之前也曾经看到某些调查声称“98%的企业计划采用 Scrum”，但我对于这些调查的采样范围一向存疑。云栖社区与 CSDN 的这两个报告，在我看来客观而坚实地明确了敏捷在当今IT行业的主流地位。 

2001、2002年，彼此互不相识的几组人，几乎不约而同地向中文世界引进与敏捷相关的资料。

《程序员》杂志在 2001 年 12 月专栏介绍“重构”、2002 年 3 月专栏介绍“极限编程”，是中文出版物中有案可查的最早的先行者。

同在 2002 年，北京软件过程改进组织(PKSPIN)的成员唐东铭向人民邮电出版社推荐了 Kent Beck 的《解析极限编程》，后来这一套《极限编程丛书》于 2002 年10月 出版。

到 2003 年，《软件研发》杂志的创号大篇幅介绍敏捷方法，《重构》、《敏捷软件开发》、 《自适应软件开发》等一系列重量级著作引进。 

时至 2006 年，在第十届国际软件博览会上，Martin Fowler 做了关于敏捷方法的主题演讲，台下报以他的是困惑的眼神与尴尬的沉默。

语言固然是尚未全面与国际接轨的中国软件业理解 Fowler 演讲的阻碍之一，更大的鸿沟还是在于观念与意识。对于其时的行业环境与技术环境而言，每两周一次迭代、每次迭代发布上线给用户使用，既不可能、也不必要。 

决定性的转机发生在 2008 年前后。通信市场的争夺日趋白热化，4G 相关产品的研发已经从原来先有规范后有产品，变成了规范产品同步进行，并且运营商也开始要求越来越多的定制功能。

这种竞争态势，使各家大厂把应对需求变化、缩短交付周期放上了研发能力的优先级。 

从 2005 年底，诺基亚在杭州的研发中心已经开始试点敏捷，并把试点的成果带到了 2006 年与西门子合资的新公司里。

2008年，诺西多条产品线开始大面积推广敏捷。同在 2008 年，爱立信也在大范围实施敏捷，将传统的功能团队转变为特性团队，用 Scrum 方法运作项目，并引入了持续集成实践。

华为在印度的团队于 2006 年小规模试点敏捷，总部得知这一经验后于 2007 年开启一系列试点项目，并于 2009 年开始全面推广，特性团队、双周迭代、故事 墙、持续集成等实践切实落到了基层。

2010 年落成的华为南京、上海两个新基地，都大量采用开放式办公区、敏捷岛的格局。

在 BAT 气候大成之前，通信大厂是中国技术人才的重要源泉，这几公家公司培养出的大量优秀敏捷教练与持续集成专家，为后来敏捷在行业里的广泛传播起到了推波助澜的关键作用。 

当互联网大厂以这样的高节奏从上往下席卷而来，各个行业的 CIO 们纷纷上马敏捷，看起来更像是在 BAT 收割之前的末路狂奔。

已经被驱动起来的金融、汽车、零售行业，在一波与时间的赛跑的敏捷浪潮究竟会剩下几家欢喜几家愁?

有着大市场基数和高利润空间的教育行业，最近连续曝出令人不安的丑闻，这是否会成为政策放松管制、互联网竞争大举涌入的契机？

医药行业树欲动而风不止，近有医药改革两票制全面触动流通环节即有利益、阿里健康倒逼医院改革，远处还有政府依托腾讯建设国家级医疗人工智能平台的愿景，医药行业的数字化、互联网化转型何时会进入快车道？

航空行业谋求用数字化拉升资产效率，从民航维修、机场运营，到顾客体验、 航线收益，再到搭建云生态平台，对未知场景、未知需求的快速感知和响应能力何时会排上航空业 IT 的优先级？这些可能都是我们在未来一两年内就会看到答案的事。