Web開發這十年都發生了怎樣的變化？
親愛的朋友們，希望你們喜歡我們現在的這個新世界。相比 2007年，它已經發生了翻天覆地的變化。很高興看到大家仍然喜歡電腦。我們現在擁有的電腦比十年前多得多，同時這也帶來了新的挑戰。可穿戴設備、口袋設備、家具智能設備、自動駕駛汽車，它們都是計算機。我們還教會程序玩各種游戲，并打敗了人類。當然，或許也只有喝酒這件事是電腦無法與人類匹敵的。
Web應用
蘋果之所以能夠成為最大、最富有的科技公司，多半是因為 iPhone和它的操作系統iOS。谷歌也有與之相匹敵的操作系統——安卓，微軟也曾試圖通過 Windows Phone分得一杯羹，但沒能成功。
2008年發布的 iPhone 3GS和 2017年發布的 iPhone X
我們開始管程序叫App，有些網站稱自己為Web App。2008年，谷歌發布了Chrome瀏覽器。9年之后，Chrome成為最流行的瀏覽器之一。
Chrome團隊花了很多精力在JavaScript上，Web App使用了大量的 JavaScript代碼。
其他很多公司也在 JavaScript上投入了大量精力，現在它可以支持類和模塊。一些語言可以被編譯成 JavaScript，如 TypeScript（來自微軟）或 Flow。
現如今，我們更多地使用 JavaScript，因為很少人用 Flash了。我們甚至在服務器端使用JavaScript替代了 Perl，這個東西叫 Node。
響應式設計
還記得 Swing、SWT以及 wxWidget這些東西嗎？我們在瀏覽器上重新發明了它們，于是出現了一些新的 UI編程模型，它們主要集中在組件化上。
我們必須想辦法設計、構建和測試響應式 App，同時還要保持它們不會太臃腫，雖然人們人手一部手機，但流量并不寬裕。
于是組件框架出現了，谷歌的 Angular、Facebook的 React和來自開源社區的 Vue。
2007年，Facebook開始在美國雄起，到現在已經成為一個巨頭公司。除了擁有大量的用戶，Facebook也是世界上擁有最多代碼的公司之一。
Facebook的開發團隊開發了很多代碼，并將它們開源。他們也有自己的開發者大會，叫作 F8。大部分巨頭公司都有自己的開發者大會。
新的 App需要越來越復雜的 UI布局，所以CSS也需要有所變化。我們不再使用 table元素來布局圖像，frame元素也差不多銷聲匿跡了。我們建立了新的標準，比如 CSS Floats、Flexbox和 CSS Grid。
人們不斷地對這些標準進行迭代，開發出了各種框架，比如 Bootstrap、Foundation等。我們還發明了一些語言，可以將它們編譯成 CSS。它們彌補了CSS的一些不足，如變量和模塊化，但還不夠完美。
迷茫是正常的
如果你們感到疑惑，這是正常的，事實上，我們都會感到疑惑。現在的開發者越來越多，科技公司也越來越成功。我們曾經使用“初創公司”來描述那些增長迅速同時有點無所適從的公司，不過即使是這個詞到了現在也有點過時了。
數據
程序員、程序和設備越來越多，數據也越來越多。我們必須不斷提升計算機的處理能力來處理它們，我們也開發了一些技術從數據中挖掘有用的價值。
首先，出現了數據科學，旨在從數據中抽取信息。
例如，有個叫作 Waze的初創公司，他們讓用戶在手機上安裝 App，在用戶開車的時候跟蹤他們的移動軌跡。因為有很多人都安裝了這個 App，所以 Waze就積累了很多汽車的移動數據。他們基于這些數據開發出了可以告知用戶交通擁堵情況的程序。現在，用戶在手機上打開 Waze的App，就可以實時地看到哪里發生了交通堵塞，然后選擇其他路線。
后來 Waze被谷歌收購了，大部分初創公司都會經歷被收購的命運。
一個用戶在使用 Waze，屏幕上同時顯示其他用戶的頭像
數據科學主要面臨三大挑戰——數據存儲、數據學習和數據應用。
我們現在需要把大量的信息保存下來，并從中找出哪些是有用的。我們需要新的數據庫，MySQL、PostgreSQL這類數據庫已經無法用于存儲 TB級別的數據了（于是就有了大數據）。
互聯網巨頭公司時常面臨這樣的挑戰，所以他們就成為這類技術的先驅。大多數技術都是在這些公司內部先發展起來，然后再開源。
后來出現了 NoSQL，這類數據庫對傳統關系型數據庫的某些部分進行了改造，成為新型數據庫。
Hadoop可以將數據保存在很多離散的計算機節點上，并定義了 MapReduce的數據處理方式。
接著 Cassandra出現了，它通過鍵和列的方式（而不是表）將數據保存在不同的節點上，還可以保證在部分節點離線時不丟失數據。
還有 MongoDB，一個十分方便用于構建原型的數據庫。在 2017年，我們對待技術的心態就像在 10年前對待明星一樣——有追捧也有痛斥。而 MongoDB就相當于 10年前的五分錢樂隊（Nickelback）。
數據學習
使用機器學習技術將一張普通的小狗圖片變成具有藝術風格的作品
在數據學習陣營，人們最為關注的是機器學習。數據科學家的技術工具箱里有各種各樣的工具，從分類到深度學習。他們一般使用 Python，并與開發人員一起將機器學習應用到各個領域。
在數據科學家的幫助下，Web App可以使用 A/B測試技術。該技術使用了兩個不同版本的服務器為相似的用戶提供服務，看看哪個版本能夠更快地達成預期目標。
Airbnb、Uber和Netflix等大公司同時運行著成千上萬個 A/B測試，確保能夠為他們的用戶帶來最好的體驗。
微服務和云
像 Netflix這樣的公司擁有大量的用戶，他們需要確保他們的服務無時不刻在運行。所以必須管理好服務器，必要的時候甚至需要新增數百臺新服務器。
這在傳統的數據中心是很難實現的，Netflix的工程師使用的是虛擬機。亞馬遜于 2006年推出了 AWS，提供彈性云計算，也就是 EC2，這樣人們就可以使用亞馬遜數據中心里的虛擬機。
亞馬遜已經推出了 80余種服務，幫助其他公司快速增長。我們稱之為“云”，但其實這個名字很難有準確的定義。
亞馬遜提供的云服務
谷歌和微軟也推出了他們各自的云服務，搶奪云服務市場。這些聰明人之間展開競爭，各種瘋狂的創新舉動開始涌現。
首先，我們開始考慮如何讓基礎設施看起來更像代碼。以前，我們必須先購買新服務器，接進鍵盤，然后安裝各種依賴項。
而現在，我們使用管理配置工具（如 Puppet、Chef和 Ansible）來實現自動化服務器配置。我們使用編程語言（如 Ruby）編寫代碼，根據配置來分配服務器。如果需要做出變更，只需要修改配置并更新服務器，最多就使用一下 SSH。
然后容器出現了。EC2為我們提供了機器分配服務，所以我們的開發環境應該盡量與生產環境保持一致。
剛開始，我們使用 Vagrant啟動虛擬機，后來有了Linux容器，最后，Docker出現了。我們找到了一種可以在MacBook上運行Linux的方式，而且不需要安裝完整的虛擬機。
通過使用 Docker，我們可以創建與生產環境相似的開發環境。開發人員使用 Docker鏡像，將應用部署到容器里。
Windows 10發布會上有很多人在使用MacBook
云廠商也緊追不舍，直接在他們的云上運行容器，并提供了 Marathon和 Kubernetes這樣的編配框架。有了這些框架，開發人員就不需要擔心應用的伸縮、容錯、監控和發現等方面的問題。服務器是可以被收回的，不過這一次我們不再給它們起什么好聽的名字了。
開發人員可以創建小型的應用，叫作微服務，這些微服務獨立運行。又因為微服務對外部依賴較少，我們開始嘗試使用更多新的編程語言來實現微服務，比如 Go語言和Java。
我們也可以使用基于JVM的 Scala和 Clojure，以及相關的類庫。Airbnb就使用了多種不同的語言和數據庫實現數百個微服務。
因為微服務的出現，我們不得不重新思考編程模型。因為現在我們需要協調更多、更小型的應用。于是，ApacheKafka、Google PubSub和 RabbitMQ出現了，它們旨在幫助服務器之間進行更好的交互。Kafka最初由 LinkedIn開發，后來開源出來。
越來越多的開發者、軟件和創意在涌現，我希望大家仍然對計算機保持興趣。事實上，我們完全有理由這么做。
對于初學者來說，要怎樣學習才能達到企業的招聘要求呢？
發展期的小伙伴，如何提升自己來增強自身實力呢？
