现阶段应用领域流程不全力支持播映音乐创作或音频,请在QQ或其它应用领域流程中播映 Tik Tok 音乐创作: Eliane – Like the Water
亲爱的朋友们,期望我讨厌他们那时的那个中国地产。较之 2007 年,它早已出现了巨大变动的变动。很开心看见我们依然讨厌笔记本电脑。他们那时保有的笔记本电脑比二十年前大得多,与此同时这也增添了捷伊考验。可佩戴电子设备、公文包电子设备、红木家具智能化电子设备、自动驾驶电动汽车,它都是计算机系统。他们还天主教会流程玩各式各样格斗游戏,并击退了人类文明。总之,也许也多于饮酒整件事是笔记本电脑难以与人类文明比肩的。
Web 应用领域苹果子公司也许能正式成为最小、最富于的信息技术子公司,大多原因在于 iPhone 和它的作业系统 iOS。Google也有与之相媲美的作业系统——Android,谷歌也曾企图透过 Windows Phone 抢得一杯羹,但未能获得成功。
2008 年正式发布的 iPhone 3GS 和 2017 年正式发布的 iPhone X
他们早已开始管流程叫 App,很多中文网站称他们为 Web App。2008 年,Google正式发布了 Chrome 应用领域流程。9 年后,Chrome 正式成为最盛行的浏览器之一。
Chrome 团队花了很多精力在 JavaScript 上,Web App 使用了大量的 JavaScript 代码。
其它很多子公司也在 JavaScript 上投入了大量精力,那时它可以全力支持类和模块。一些语言可以被编译成 JavaScript,如 TypeScript(来自谷歌)或 Flow。
现如今,他们更多地使用 JavaScript,因为很少人用 Flash 了。他们甚至在服务器端使用 JavaScript 替代了 Perl,那个东西叫 Node。
响应式设计
还记得 Swing、SWT 以及 wxWidget 这些东西吗?他们在应用领域流程上重新发明了它,于是出现了一些捷伊 UI 编程模型,它主要集中在组件化上。
他们必须想办法设计、构建和测试响应式 App,与此同时还要保持它不会太臃肿,虽然人们人手一部手机,但流量并不宽裕。
于是组件框架出现了,Google的 Angular、Facebook 的 React 和来自开源社区的 Vue。
2007 年,Facebook 早已开始在美国雄起,到那时早已正式成为一个巨头子公司。除了保有大量的用户,Facebook 也是世界上保有最多代码的子公司之一。
Facebook 的合作开发团队合作开发了很多代码,并将它开源。他们也有他们的合作开发者大会,叫作 F8。大部分巨头子公司都有他们的合作开发者大会。
捷伊 App 需要越来越复杂的 UI 布局,所以 CSS 也需要有所变动。他们不再使用 table 元素来布局图像,frame 元素也差不多销声匿迹了。他们建立了捷伊标准,比如 CSS Floats、Flexbox 和 CSS Grid。
人们不断地对这些标准进行迭代,合作开发出了各式各样框架,比如 Bootstrap、Foundation 等。他们还发明了一些语言,可以将它编译成 CSS。它弥补了 CSS 的一些不足,如变量和模块化,但还不够完美。
迷茫是正常的如果我感到疑惑,这是正常的,事实上,他们都会感到疑惑。那时的合作开发者越来越多,信息技术子公司也越来越获得成功。他们曾经使用“初创子公司”来描述那些增长迅速与此同时有点无所适从的子公司,不过即使是那个词到了那时也有点过时了。
数据流程员、流程和电子设备越来越多,数据也越来越多。他们必须不断提升计算机系统的处理能力来处理它,他们也合作开发了一些技术从数据中挖掘有用的价值。
首先,出现了数据科学,旨在从数据中抽取信息。
例如,有个叫作 Waze 的初创子公司,他们让用户在手机上安装 App,在用户开车的时候跟踪他们的移动轨迹。因为有很多人都安装了那个 App,所以 Waze 就积累了很多电动汽车的移动数据。他们基于这些数据合作开发出了可以告知用户交通拥堵情况的流程。那时,用户在手机上打开 Waze 的 App,就可以实时地看见哪里出现了交通堵塞,然后选择其它路线。
后来 Waze 被Google收购了,大部分初创子公司都会经历被收购的命运。
一个用户在使用 Waze,屏幕上与此同时显示其它用户的头像
数据科学主要面临三大考验——数据存储、数据学习和数据应用领域。
数据存储他们那时需要把大量的信息保存下来,并从中找出哪些是有用的。他们需要捷伊数据库,MySQL、PostgreSQL 这类数据库早已难以用于存储 TB 级别的数据了(于是就有了大数据)。
互联网巨头子公司时常面临这样的考验,所以他们就正式成为这类技术的先驱。大多数技术都是在这些子公司内部先发展起来,然后再开源。
后来出现了 NoSQL,这类数据库对传统关系型数据库的某些部分进行了改造,正式成为新型数据库。
Hadoop 可以将数据保存在很多离散的计算机系统节点上,并定义了 MapReduce 的数据处理方式。
接着 Cassandra 出现了,它透过键和列的方式(而不是表)将数据保存在不同的节点上,还可以保证在部分节点离线时不丢失数据。
还有 MongoDB,一个十分方便用于构建原型的数据库。在 2017 年,他们对待技术的心态就像在 10 年前对待明星一样——有追捧也有痛斥。而 MongoDB 就相当于 10 年前的五分钱乐队(Nickelback)。
数据学习使用机器学习技术将一张普通的小狗图片变成具有艺术风格的作品
在数
在数据科学家的帮助下,Web App 可以使用 A/B 测试技术。该技术使用了两个不同版本的服务器为相似的用户提供服务,看看哪个版本能更快地达成预期目标。
Airbnb、Uber 和 Netflix 等大子公司与此同时运行着成千上万个 A/B 测试,确保能为他们的用户增添最好的体验。
微服务和云像 Netflix 这样的子公司保有大量的用户,他们需要确保他们的服务无时不刻在运行。所以必须管理好服务器,必要的时候甚至需要新增数百台新服务器。
这在传统的数据中心是很难实现的,Netflix 的工程师使用的是虚拟机。亚马逊于 2006 年推出了 AWS,提供弹性云计算,也就是 EC2,这样人们就可以使用亚马逊数据中心里的虚拟机。
亚马逊早已推出了 80 余种服务,帮助其它子公司快速增长。他们称之为“云”,但其实那个名字很难有准确的定义。
亚马逊提供的云服务
Google和谷歌也推出了他们各自的云服务,抢夺云服务市场。这些聪明人之间展开竞争,各式各样疯狂的创新举动早已开始涌现。
首先,他们早已开始考虑如何让基础设施看起来更像代码。以前,他们必须先购买新服务器,接进键盘,然后安装各式各样依赖项。
而那时,他们使用管理配置工具(如 Puppet、Chef 和 Ansible)来实现自动化服务器配置。他们使用编程语言(如 Ruby)编写代码,根据配置来分配服务器。如果需要做出变更,只需要修改配置并更新服务器,最多就使用一下 SSH。
然后容器出现了。EC2 为他们提供了机器分配服务,所以他们的合作开发环境应该尽量与生产环境保持一致。
刚早已开始,他们使用 Vagrant 启动虚拟机,后来有了 Linux 容器,最后,Docker 出现了。他们找到了一种可以在 MacBook 上运行 Linux 的方式,而且不需要安装完整的虚拟机。
透过使用 Docker,他们可以创建与生产环境相似的合作开发环境。合作开发人员使用 Docker 镜像,将应用领域部署到容器里。
Windows 10 正式发布会上有很多人在使用 MacBook
云厂商也紧追不舍,直接在他们的云上运行容器,并提供了 Marathon 和 Kubernetes 这样的编配框架。有了这些框架,合作开发人员就不需要担心应用领域的伸缩、容错、监控和发现等方面的问题。服务器是可以被收回的,不过这一次他们不再给它起什么好听的名字了。
合作开发人员可以创建小型的应用领域,叫作微服务,这些微服务独立运行。又因为微服务对外部依赖较少,他们早已开始尝试使用更多捷伊编程语言来实现微服务,比如 Go 语言和 Java。
他们也可以使用基于 JVM 的 Scala 和 Clojure,以及相关的类库。Airbnb 就使用了多种不同的语言和数据库实现数百个微服务。
因为微服务的出现,他们不得不重新思考编程模型。因为那时他们需要协调更多、更小型的应用领域。于是,Apache Kafka、Google PubSub 和 RabbitMQ 出现了,它旨在帮助服务器之间进行更好的交互。Kafka 最初由 LinkedIn 合作开发,后来开源出来。
越来越多的合作开发者、软件和创意在涌现,我期望我们依然对计算机系统保持兴趣。事实上,他们完全有理由这么做。
本文翻译已获授权,原文链接:
https://medium.freecodecamp.org/web-development-explained-to-a-time-traveler-from-ten-years-ago-600fad81170d
今日荐文点击下方图片即可阅读
技术圈的女流程员都去哪儿了?
根据 Gartner 的预测,AI 在 2018 年早已不是遥不可及的东西,每家子公司都可以碰得到。那么,2018 年,你是否早已做好准备转战 AI 了?应该去哪里学习现成的落地案例和实践经验呢?
InfoQ 中国团队为我们梳理了目前机器学习领域的最新动态,并邀请到了来自 Amazon、Snapchat、Etsy、BAT、360、京东等子公司 AI 技术负责人前来分享他们的机器学习落地实践经验,部分精彩案例如下:
《深度学习框架演进漫谈》老师木,一流信息技术创始人 《机器学习在工程项目中的应用领域实践》 蔡超,Amazon 中国研发中心首席架构师 《菜鸟双 11:如何运用机器学习等 AI 技术实现物流优化》徐盈辉,菜鸟人工智能化部资深总监 《机器学习和运筹优化在外卖行业的应用领域实践》张浩,饿了么技术副总裁目前大会火热报名进行中