结合openfans谈算法的重要性

不经意看到了程序员的一期算法专题，细细研读多位高手（包括李开复）的文字之后，对算法的重要性重新进行了反思。我研究生毕业 2 年，一直从事 J2EE 开发，由于项目的原因，很少需要自己去设计算法，甚至 stack ， tree 这些数据结构都很少使用。还好自己也不甘于平淡，如 Effective Java ， Practical Java ， Refactory ， Design Pattern 等等这些流行书还是抽空学习，这些书的确很是经典，对我的编码风格，模式的理解，设计能力都起到了很好的促进。也快速的由一个程序员成长为架构师（只是公司的，离真正的架构师还差得远）。

因为项目需要，去年下半年开始全面接触开源软件，使用了 spring ， maven ， hibernate ， ibatis 等众多开源软件，也对开源软件产生了浓厚的兴趣，于是拿这些开源软件做了 openfans ，一方面是推进开源软件在中国的使用的交流，一方面也为自己在实践中更多使用这些软件（因为没有项目和利益因素，可以做想做的事，用想用的软件）。使用这些开源软件倒很是顺利，很多软件拿来就能用，都有 sample ，简单使用还是不难的。

但一些关键的问题一直悬而未决！比如 tag 的设计：我现在简单的使用平铺的模型， tag 没有层次之分， tag 间产生双向关联。但这样是最符合 tag 特性的模型吗？如何对这些 tag 进行分类，如何定义 tag 的多级关联（如 spring 和 hibernate 有关联， hibernate 又与持久层关联， spring 是否与持久层有间接关联，依次类推）。。。。。。而做出一个好的 tag 模型，可能就需要图论方面的知识。再比如用户相似度设计（号称是豆瓣的核心，难以复制）：每个用户拥有了一些 tag ，如何根据这些 tag 定义用户的相似度，一个用户有 spring ， hibernate 这 2 个 tag ，一个用户有 spring ， ibatis 这 2 个 tag ，他们相似度为多少，如果每个人 tag 都很多，再加上权重的概念，问题又复杂的多。简单的做法就是每个用户 tag 一个个匹配，匹配的越多相似度越大，但这样设计一是不准确，二是时间复杂度很大，最坏情况为 n*n*m*m ， n 为用户数， m 为每个用户的 tag 数。

这些都需要扎实的算法基础。而我的基础就很薄弱：本科学的比文科还文科的专业，研究生又学的比较上层的东西（ UML ， RUP ， PM 等，也都一知半解），选修了一门算法导论，又被 1000 多页的经典英文教材吓趴下了，上了几次课就直接放弃，没敢参加最后考试。现在想临时抱佛脚，谈何容易。

所以算法也并非没有用处，关键要看你在做什么，想做什么。想去 google 、百度不用会 spring ，算法基础扎实，只会 c 语言都行；一些行业如电信、金融也很是需要算法高手。而国内更多的企业做企业应用，一般是连连数据库，写写页面，最多引入些开源框架和软件，如 spring ， hibernate ， struts 等。这方面的需求较大，会了 spring ，省了公司的培训成本，自然还是给找工作加了一些砝码。

所以有时听到某些人对某项技术不以为然，说“这些东西有什么是我在几个星期学不会的”的时候，一方面是对其狂妄进行些鄙视，一方面也真要问问自己，我的核心价值到底在哪。这个问题很重要，涉及面很广，选择也很多，而我也只是有些模糊的答案，等以后再仔细写写。

不管如何，我是要开始研究算法了，得解决问题阿！先在 openfans 开个算法的 tag ，一边学一边积累，对算法有兴趣的同学也可以跟我一块进步。

PS ：做个广告， blogjava 很多好的 bloger ，能否到 www.openfans.net 导入下 blog ，跟大家分享下你的感悟，谢谢！