＜＜程序员底层思维＞＞概略_程序员的底层思维 pdf下载

第一章：抽象思维

抽象思维是程序员最重要的思维能力之一，抽象的过程就是通过归纳总结、分析综合来寻找共性、提炼相关概念的过程。

语言和抽象是一体的，抽象的概念只有通过语言才能表达出来，因此命名至关重要。

过多地使用基础类型可能意味着抽象的缺失，需要对这些业务概念进行封装和抽象。

重复代码意味着抽象缺失，提取重复代码只是完成了重构的第一步，关键是后续的命名。

抽象具有层次性，抽象层次越高，内涵越小、外延越大，扩展性越好；反之，抽象层次越低，内涵越大，外延越小，扩展性越差，但语言表达能力越强。

对抽象层次的拿捏体现了我们的设计功力，抽象层次要视具体情况而定，既不能太高，也不能太低。

强制类型转换意味着抽象层次有问题，可以通过提升抽象层次来解决。

抽象层次要保持一致性，既要遵循SLAP，一致性可以减少混乱和降低理解成本。

SLAP 抽象层次一次性原则 Single Level of Abstraction Principle 提取自《卓有成效的程序员》

SLAP强调每个方法中的所有代码都处于同一级抽象层次。如果高层次抽象和底层细节杂糅在一起，就会显得代码凌乱，难以理解，从而造成复杂性。

我们可以通过刻意练习来提升抽象能力，这些练习包括阅读、总结、命令训练、建模训练等。

第二章：逻辑思维

逻辑思维是最底层的思维能力，其本质是判断关系是否合理。

逻辑的三要素是概念、判断和推理。只有概念清晰、判断无误、推理符合形式逻辑要求，才算逻辑正确。

软件设计从理解问题域开始，而理解问题域的核心是要深入理解领域的核心概念。

判断分为肯定判断和否定判断，判断要么真、要么假，不能非真非假。

逻辑推理可以分为演绎推理、归纳推理和溯因推理。

思考的深度取决于逻辑链的深度，5Why和5So思考法是非常有用的深度思考工具。但是推导要注意逻辑的严密性，否则逻辑链很容易形成滑坡谬误。

形式逻辑虽然强大但不实用，掌握常见的逻辑谬误能帮助我们更快地辨别真伪。

逻辑需要理性，但感性同样重要。不要”得理不饶人”，把自己变成了”杠精”。

第三章：结构化思维

结构是万物之本，小到分子，大到宇宙，只有了解结构才能真正认识它。

结构性问题是本质问题，不改变结构，再多的努力也是白费。

人脑记忆的特点是概念不能多，要有逻辑，金字塔结构能满足这样的特性。

在金字塔结构里，纵向逻辑关系有演绎和归纳两种；横向逻辑关系有时间顺序、空间顺序和程度顺序三种。

构建结构可以采用自上而下和自下而上两种方法，凡事没有绝对，更多的时候需要上下结合。写复杂业务代码的核心思想通过自上而下的结构化分解+自下而上的抽象建模，上下结合来治理复杂代码。实际上这是典型的结构化思维，是演绎法和归纳法的完美结合。

针对不同的问题域，有很多现成的解决问题的框架，熟悉这些套路可以帮助我们快速搭建结构和解决问题。比如分析竞争的SWOT模型：SWOT分析代表分析企业优势（Strengths）、劣势（Weakness）、机会（Opportunity）和威胁（Threats）.制定目标的SMART模型：即制定目标要满足确定性（Specific）、可度量性（Measurable）、可实现性（Attainable）、相关性（Relevant）和时效性（Time-based）。

第四章：批判性思维

批判要基于理性的逻辑思维，而不是耍嘴皮子。

在当今信息爆炸的社会，我们需要批判精神来看待事情。

业务多样性、多变性的特性决定了业务中台很难成功。

代码复制也是一种复用，而且是耦合性最低的复用。

架构是一种能力，而不仅仅是职位。

技术管理这不能仅仅是一个管理者，也要是一个领导者。

坚持自我批判，才能持续成长。

在软件领域，很多问题都需要批判、辩证地来看。比如，敏捷开发就一定比瀑布式好吗？微服务就一定比单体好吗？

不要把自信建立在贬低他人的基础上，什么时候你能发自内心地欣赏你不喜欢的人，你就成长了。宽以待人，严以待己。”己所不欲，勿施于人”才是高明的处世之道。

第五章：维度思维

维度思维的关键是理解维度，维度是问题域独立参数或变量的数量。

不借助工具，大脑很难处理多维问题，矩阵分析是解决多维问题的利器。

矩阵分析首先要找到影响问题域的核心要素，也可以叫变量、维度，然后显性化地构建矩阵，当维度和维度属性值比较少的时候，可以用四象限、九宫格或立方体进行视觉上的呈现。

业务代码的复杂度主要取决于业务场景和业务流程的复杂度。再复杂的业务，其业务场景都是可以枚举的，关键是找到构成业务场景的核心要素。例如，商品业务的场景主要由商品类型、商品售卖方式、商品仓储方式3个要素组成。

多维度思考是思考的高级形式，矩阵分析在其中是无处不在的。从商业分析的波士顿举证、RFM（Recency、Frequency、Monetary）模型到逻辑推理，都能看到矩阵分析的身影。

第六章：分类思维

分类就是设计，分类对涉及至关重要。

人类有分类的本能，这和我们认识世界的方式有关。

分类的本质是寻找共性，这些共性既可以是物理属性，也可以是概念属性。

没有完美的分类，任何分类都与进行分类的观察者的视角和目的有关。

分类是软件设计的基础，主要体现在对象分类、构建分类和领域分类。

不同维度的分类选择造就了不同的组织，既可以按照业务划分，也可以按照职能划分。

按照供给和履约的不同对互联网进行分类，可以更好地看清互联网。

第七章：分治思维

解决复杂问题要分治，计算机涉及的问题都比较复杂，需要分而治之来解决。

软件中存在大量的分治思想，比如管道模式、分层架构、分布式架构等，无不体现了分治的强大。

分治并是分支的进阶，有的问题除了分治，还需要整合、合并。

分治并本质上对应的是定义问题、分析问题、解决问题的通用步骤。

很多问题在解决过程中都显性或隐性地使用到了分治并，比如分治算法、流式设计、分布式数据库系统。

第八章：简单思维

简单不是一个简单的目标，而是一个非常高的目标。所有的UNIX哲学浓缩为一条铁律是KISS原则。

简单不是简陋。简单是一种洞察问题本质、化繁为简的能力，简陋是对问题不加思考地简单处理，二者有本质区别。简单需要我们付出很多的精力，对问题深入思考，进行熵减逆向做功。往往需要精力简单——复杂——简单的烟花过程。

我们可以利用隐藏、减少选择及奥卡姆剃刀来实现简化的目的。

E = mc²和F = ma证明，上帝似乎不是一个喜欢复杂的人。

第九章：成长性思维

决定你人生成长的第一步不是你是否努力，而是你是否相信努力。

固定性思维让信心和成功都充满脆弱性。因为你相信能力是固定的，所以你需要不断证明自己的能力与价值。

成长型思维认为成功是学习的结果，努力是通往成功的关键。成功个体的标志在于他们热爱学习、喜欢挑战、重视努力，并在面对苦难时坚韧不拔。

研究表明，我们的大脑具有可塑性，这是成长型思维的生理基础。

培养成长型思维，需要我们有一个好的心态，相信努力的意义，改变错误的归因习惯，摆脱精神内耗，相信水滴石穿，持续精进。

培养成长型思维，最好从小开始，父母要更多地鼓励小孩的努力、过程、选择、策略…而不是天赋。不要做养成固定型思维的助推器。

成功人士或多或少具有成长型思维，或者唯有如此，他们才能战胜磨难和逆境，没有人能随随便便成功。

第十章：解耦思维

”高内聚、低耦合”是软件设计追求的重要目标之一，组件、模块、层次设计都应该遵循”高内聚、低耦合”的设计原则。

正交的关键在于如何识别耦合性，我们可以通过识别系统需要扩展的地方来识别耦合性。比如，关于配置系统的涉及不应该耦合于某一种特定的实现方式，而是应该更灵活一点。

解耦主要有依赖倒置和中间层映射两种方式。

我们要尽可能多地依赖抽象而不是具体，这样使系统更灵活，这种编程方式也叫面向接口编程。

计算机中的任何问题，都可以通过加一层来解决，中间层的价值也在于解耦。

十一章：契约思维

”人是生而自由的，但却无往不在枷锁之中”，同样，”写代码是自由的，但无往不在规则之下”。

社会大规模分工协作离不开契约思维，编程在很大程度上是一种”制定契约”。

在软件领域，契约思维主要有软件规范和软件标准两方面的重要价值。

一致性可以降低复杂度，我们可以在命名、异常处理、应用架构等方面在团队内制定规范。

不管是前端标准化，还是JCP，都体现了规范和标准在软件中的重要作用。

”一流的企业定标准，二流的企业做品牌，三流的企业卖产品”，谁掌握了标准制定权，谁就掌握了主动权。从这个意义上来说，提供SPI要比调用他人的API更主动。

十二章：模型思维

模型是对现实世界的抽象和映射。没有完美的模型，甚至连正确的模型都没有，就像类比永远不能代替问题本身一样。

我们可以将模型分为物理模型、数学模型、概念模型、思维模型等。

UML是在软件工程中具有广泛共识的建模方法、语言和表示法，其类图也常被用来做领域建模。

领域建模和技术实现无关，是问题域分析、明晰概念、获得关键实体对象的重要过程。领域模型反映了关键的业务概念，刻画了关键领域实体，以及实体之间关系。

语言是有边界的，同样，模型也有其作用的上下文。我们可以通过共享内核、防腐层等技术实现模型在不同上下文的映射和协作。

领域模型和数据模型有明显区别，领域模型关心的是业务概念，其要义是显性化表达业务语义；数据模型关心的是数据存储，其核心是数据访问的性能、数据的扩展性等功能属性。

十三章：工具化思维

工具化是一种”偷懒”的智慧，工作中要有阶段性地停下来思考，不要用战术上的勤奋掩盖战略上的懒惰。

工具化的步骤：首先，发现问题，找到重复3次以上的手工劳动；其次，明确问题，找到现状和期望之间的差距；最后，制造工具，解决问题。

创新不一定都是从无到有的，对现有工具的组合和整合也是一种创新和工具化。

要善于利用工具，白板和便签贴是讨论问题时非常有用的工具。有价值的不是工具本身，而是如何利用它。

十四章：量化思维

No measurement，no improvement.(没有量化，就没法优化)。

量化的一般步骤包括定义指标、数字化和优化目标。

对于研发效能来说，目前还没有特别有效的度量手段，所以指标的设定非常关键。错误的度量不仅不会带来效率提升，反而带来伤害。

团队管理的首要任务是目标管理，我们可以通过OKR进行目标管理，在设定OKR时要遵循SMART原则。指标只是管理手段，不可完全迷信指标。

量化工作本身是一件非常困难和极具挑战的事情，但量化思维要求我们不要轻易放弃关于量化的思考和尝试。没有量化的目标，就像是断了线的风筝，没有方向，缺少指引，飞到哪里是哪里，而量化后的目标可以为我们清楚指引方向。

十五章：数据思维

一切业务数据化，一切数据业务化。数据是公司的重要资产，工程师必须了解公司的数据体系。

整个大数据体系很庞大，对于应用开发者李硕，不一定要面面俱到，非常精通，但至少要做到能理解、会使用。

典型的企业的大数据解决方案包括数据仓库、ETL、元数据、分布式数据存储、流式计算等。

数据库关注的是OLTP，数据仓库关注的是OLAP，数据仓库中对数据的操作通常包括切片切块、上卷下钻等，

数据建模通常采用Ralph Kimball提出的维度模型，其中针对维度表和事实表，为了提升查询性能和响应速度，通常采用大宽表代替雪花模型，用空间换时间的方式。

阿里巴巴的生意参谋是数据业务化的典型代表和成功案例，通过大数据赋能商家，既能让商家更好地在平台做生意，同时平台也实现了数据变现，可谓双赢。

十六章：产品思维

产品就是用来解决某个问题的东西。产品无处不在，每个人都需要具备一些产品思维，人人都是产品经理。

产品对上支持业务价值，对下要求业务功能和质量属性的实现。产品的核心要素包括用户、需求和场景。

产品有多种视角的分类，按照用户需求可以分为工具型产品、社交型产品、交易型产品、平台型产品；按照用户类型可以分为2C、2B和2G产品等。

产品架构主要分为用户感知层、功能模型层和数据层3个层次。

产品化是把一种技术、一种服务通过标准化、规范化的流程形成一种可大规模复制生产和发布的能力。

平台也是一种产品，在不同的语境中，平台的含义不一样。在技术的上下文中，平台是指可复用的硬件或软件的操作环境，其目的是节约成本、提升软件研发效率。

用产品思维去建设平台，我们可以从价值的角度出发，更多地关注用户体验，从而有机会做出不错的平台型产品。