非計算機轉背景開發并入職位元組跳動（三）--跳槽止損，擁抱AI和開源技術

前面講了畢業之後做PHP背景的經曆，因為業務和技術棧都非常簡單，一年下來沒多少成長，也沒什麼幹貨可分享的，幹了一年之後仍然比不上計算機畢業的大學生。

下面介紹下在AI創業公司的經曆，雖然公司規模更小，管理更不規範，但确實是打開了技術大門，擁抱了開源，在技能上有了很大提升，并且空餘時間也多，可以更好的提升自己。

AI創業公司崗位

人工智能即AI是在2016年AlphaGo出現之後才大火的，機器戰勝了人類，非常有想象力的一個場景。這幾年機器學習、深度學習、TensorFlow滿天飛，各種概念讓外行人摸不清頭腦。同時也冒出了一大批創業公司，比較知名的有商湯、依圖、曠世等，大部分都是做計算機視覺的，即圖像處理或視訊處理，以算法和軟體為主。後面也開始做硬體産品，如人臉門禁，人臉簽到。

無論是人工智能還是大資料，在工作當中都是解決問題，一開始不需要關注這麼多概念，而應該多關注問題本身，去弄懂問題是什麼，有哪些解決方式，以前是怎麼解決的，現在是怎麼解決的，是不是徹底解決了，未來的發展方向是什麼。就比如人工智能這個概念太泛太抽象了，那可以先關注計算機視覺，計算機視覺裡範圍還是太大，可以隻關注圖像分類和檢測。就拿圖像分類來說，就要弄懂什麼是圖像分類，為什麼要做圖像分類，怎麼做圖像分類。多問幾個為什麼，就能把一些複雜的概念弄懂。

我去的公司是一家知名度更小的，是以做AI攝像頭為主的公司，另外也有人臉搜尋系統，給公安用的，對于輔助抓捕yifan确實有很大幫助。然後公司借着深度學習這波浪潮準備擴張，找投資，大量招人，做新的業務，比如智慧零售等，是以急缺人。雖然我不懂機器學習、深度學習，背景開發能力也一般，但是正好撞上公司擴招，然後學曆還湊合，是以入職了。

那麼當時拿到offer後對于入職後要做什麼，其實并不清楚，隻是說做機器學習平台，做分布式訓練，具體是幹嘛的，根本不知道。但隻要聽到分布式、機器學習就興奮。是以想着肯定前途一片光明，過來好好幹，以後去大廠絕對沒問題。

入職初期過程

小公司入職很簡單，上午報道，簽合同，拿電腦，下午就開始熟悉環境。對于碼農，最重要的就是電腦，有了電腦在哪都一樣，隻是環境好壞的問題。不過工位環境确實一般，大家都是面對面排排坐的那種，即使老闆也是這樣的工位。現在比較流行這種工位，頭條、阿裡也這樣，對個人驗其實很不好，太小了活動不開，午睡也隻能趴着，但友善溝通。

到了項目組之後認識了一圈同僚，發現都是年輕人，看起來都比較忙。雖然介紹了一圈，但一個也沒記住，對于項目組有多少成員，怎麼分工的，也沒搞清楚。不過leader也沒着急配置設定任務或介紹業務，而是說先配置下自己的電腦，裝下對應的軟體。

裝軟體，配置開發環境那不用說。這邊用的是python開發，雖然python不熟，但好歹pycharm還是用過的。在windows下面裝好了，然後看下旁邊的人。看到同僚的電腦顔色跟windows的不是一個，都是那個紫色的背景，原來大部分都是用的Ubuntu。雖然自己也會Linux指令，也用過Linux伺服器，但直接在PC上裝Ubuntu作為開發和辦公用，确實有疑惑。Ubuntu這系統好用嗎，支援裝那麼多軟體嗎。

沒有那麼多時間考慮，既然周圍的人都這麼用，那多少也得統一，借了個系統盤，開始裝。雖然之前也裝過Ubuntu，但過程都忘了。隻能硬着頭皮上。結果不幸的是給的聯想的筆記本相容性不是很好，裝的過程中出現了很多奇怪的問題。搞的自己很着急，想着就裝個破系統也能搞一天，有點對不起程式員這個稱号。但沒辦法，最終确實就是第一天裝系統就搞到九點多。

确實感到了一些壓力，不過也有些興奮，想着直接用Ubuntu開發，那這邊水準應該高一些。用Ubuntu确實是一個正确的選擇，當你沒有mac pro時，開發人員一定得考慮Ubuntu或Debian，會友善很多，對于水準提高很有幫助。

開發環境好了之後就開始熟悉業務，準備幹活。這個時候小公司的混亂就展現了，發現沒有文檔，工作節奏、項目内容是咋樣的過了一兩個星期才搞清楚，因為leader太忙了，人員分工也不是很明确。基本是哪裡需要了就派個人過去做一下。

另外在熟悉業務的過程中發現自己真的是太水了，git都用不熟，雖然有看過廖雪峰講git原理，但是這東西不用真的就無法掌握。入職初期又是在信心受挫的過程度過，又開始懷疑為啥要做背景開發，為啥要寫代碼，自己是否适合沿着這條路走下去。 想歸想，工作還是得做。

項目介紹

真實的項目情況是這樣的：leader也是入職沒到半年，作為業務負責人，負責了好幾個方向的業務。我所要參與的确實是機器學習平台，因為機器學習這幾年需求非常大，那麼自然就有對平台的需求，可以降低機器學習門檻，提高算法工程師的開發效率。這種平台大廠也都在做了，比如阿裡的PAI平台，騰訊的TIONE，但是沒有開源的，但小廠又是有需求的，是以我們得做個這樣一個平台。做好了可以賣出去，也可以自己用。後面也有類似的平台kubeflow開源了。

leader的技術視野當然更開闊，對國外先進的技術都有了解。知道做這一樣一個平台用docker+k8s+分布式存儲（ceph）是可以搞定并且是最合适的方案。于是leader也自己動手寫了個demo。但是還不完善，還要接着做，并且到我入職的時候也沒什麼文檔，沒有文檔寫明需求、寫明技術方案，對于新來的同僚就很不友好。對于我這種啥都不會的，反正就是懵逼的感覺。不要說k8s沒聽過，就連docker是啥都不知道，雖然面試的時候為了裝逼說docker是輕量級的虛拟化技術，但說真的，我沒用過，也就是docker是做什麼的，怎麼用，為什麼用docker根本不了解。

這裡要提的是之前在的小廠雖然技術不咋的，但是管理還是規範的，該出文檔的出文檔，而且必須得先有文檔。因為必須得想清楚了才開始寫代碼，文檔就是你是否想清楚的證明。并且文檔友善團隊成員熟悉業務進行開發。

leader雖然技術很強，但是項目管理和人員管理上經驗好像一般。當時組内還有其他人，當我問其他人對這個項目的了解、這個平台要做成什麼樣，他們也不清楚。

是以初期就是在知識惡補的過程中度過的，包括git使用、Ubuntu的使用、docker使用、k8s安裝與使用、k8s的原理。雖然這段時間是痛苦的，但不得不說确實學習了很多。接觸的都是最新的開源技術，現在k8s基本上成了服務上雲的标配了，很感謝有這樣一段經曆去安裝使用k8s，了解k8s應用場景和原理。這也展現了周圍環境對個人影響的重要性，有時人就是被周圍的環境推着走的。周圍的人都很優秀，都在不斷學習新的技術，你自然就會跟着去學，自然就會提升。而如果周圍的環境就是上個世紀的技術，你就根本不知道要學什麼，因為你不知道這個世界上還有什麼。 這就有點像小平同志推動改革開放一樣，因為小平同志去過法國，見識過經濟發達的地方社會和人民生活是什麼樣的，就知道要怎麼改，哪裡要先改。

另外發現沒，**其實碼農的很多工作都是學習xx的使用，安裝和使用是學習的第一步，首先得知道這個東西長什麼樣，然後才去了解原理。**而在學校的時候根本沒意識到，隻知道看書，隻知道刷題，是以效率低。在工作中卻會被項目推着走，安裝使用之後再了解原理，會學得更快。

工作日常和技術棧

在熟悉了業務和環境之後，基本上節奏就開始穩定了。這邊因為沒有專職項目經理，是以沒有晨會，感覺瞬間輕松了很多，但還是會有周會，偶爾也在jira上寫寫周報。管理上比較松懈，因為leader沒這麼多精力，全靠大家的自覺。前期招過來的人都比較靠譜，都很自覺的加班學習趕進度。後面新進的部分人水準和态度都不咋的，帶壞了團隊的風氣，摸魚現象特别嚴重。

因為要做的平台是沒有開源的可以參考的，是以需求不明确，隻知道部分需求。也沒有專職架構師做方案設計，是以架構水準很一般。然後自己靠着之前學習的開發規範，逐漸出文檔，寫代碼，做demo。這種開發模式和沒大神帶的情況下，最終出來的大機率是demo級别的。

背景開發是用的python，flask架構。好在這個項目的業務邏輯不是很多，又用的python，是以除了用python之外，也花了很多時間去熟悉python多線程、多程序、GIL鎖、協程gevent等，算是真正的熟悉了python。

因為沒人催幹活，也沒有測試，用到的很多技術也比較新，是以工作日常确實會有很多的時間是在調研和學習。前期工作節奏确實比較舒服，但不可持久，因為公司是有營運壓力的，是要考慮投入産出比的。越到後面項目傳遞的壓力就越大。

項目中期項目組又開始了推cicd，也就是用docker+jekins+dockerhub+k8s+rancher這一套做自動化釋出流程。代碼開發之後就是上線，怎麼減少上線的時間，提升開發效率就是devops要做的，不得不說這套技術颠覆了自己的認知。碼農的創造力确實是巨大的，凡是能提高效率的地方都有碼農的機會。

除了做平台之外，也參與了其他幾個項目，進而接觸了redis,kafka,es，grafana,prometheus,spark這些網際網路廣泛使用的元件。但在這裡還隻是了解這些東西，有些甚至都還沒用過。如果在項目中能用到這些元件，并能自己安裝一遍，并深入其原理，尤其redis和kafka，相信下一次跳槽找工作是非常容易的。

有幸成為面試官，面試經驗上飛速成長

因為去的早，團隊也還沒完全建立好，還在持續招人。是以工作了幾個月之後leader開始讓自己面試。這是個很好的機會，想到可以面試别人有點小興奮。一是可以看别人的履歷，學習别人的經驗，二是想享受下面試别人的快感。初期面試是很爽的，但到了後面有一種厭倦的情緒，因為投小廠的人履歷品質真的一般，問多了就感覺沒有新意。但這段做面試官的體驗對自己的提升很大。

具體的提升就是：

（1）怎麼準備履歷：

當去看一個候選人的時候，面試官最好奇的就是你是哪裡畢業的，你在哪裡工作過。如果是名校畢業大廠工作，面試官對你肯定有興趣。不管你水準怎麼樣，至少想了解下，尤其我這種資曆淺的人，更想學習下。然後就是項目經驗，項目經驗得寫清楚項目是做什麼的，你自己又做的哪一塊，突出關鍵技術。

寫關鍵技術的目的就是給面試官問問題的點。比如你寫了redis、kafka，那麼面試官肯定會問，因為這是比較常用的，可以問很多知識點，也比較容易區分你到底會不會。如果你履歷上通篇沒寫可以讓面試官問的， 那麼很遺憾，面試官真的沒有什麼問的欲望。然後隻能上來就問資料結構和算法，起步一般是排序。

别認為排序簡單就我的面試經曆來看，快排能篩掉70%的候選者，這還僅僅是口頭交流，沒有讓手寫快排。 對于投小廠的人，讓手寫快排基本也能篩掉90%。要麼是沒準備，要麼就是水準是真的差。是以為啥流行手寫代碼，對于面試官來說真的很容易篩選。手寫代碼也是當時leader提的唯一的一個硬性标準。

在做面試官初期的時候，我也寫不出快排，對于快排中常問的點也沒考慮過，比如邊界條件、時間複雜度。後面經曆多了，發現快排是個好東西，每次面試必問，那麼自己當然得搞清楚了，手推了好幾遍。不得不說，面試官想的都是一樣的，在面騰訊的時候騰訊的面試官也問了，然後答的非常順利。

（2）面試官的心态：

面試官一般都是開發人員，日常工作本身就比較繁忙，每次面試除了那種水準相當的想多交流下，其他的都是能快就快，盡量節省點自己的時間。當然一般公司為了給面試者一個好的體驗可能要求面試時長不少于20分鐘。但自己真正面試的時候，一兩分鐘就發現對方太水了就根本不想了解，為啥要再浪費彼此的時間了。

是以面試官問的時候都會挑重點，要麼挑你會的，如果你履歷上啥都不會就會挑面試官自己會的。并且問的時候自己心裡也有了答案，你答的時候不用扯太多，會就是會，不會就是不會。

如果面試官一問你就知道他想了解什麼，說明你的水準已經上來了，這樣雙方溝通起來會比較順暢。但如果你不知道他想了解什麼，說明這是你的知識盲點，也不用着急，就大概的說你了解的，然後盡快結束這個問題，節省雙方的時間，面試官反而會覺得你很實誠，比較好溝通。面試時好的溝通就是不浪費彼此的時間。

比如redis的過期機制，面試官問你了不了解。 如果你知道，那麼就要答過期機制怎麼實作的，并且還要說為什麼這樣做而不那樣做。如果不會，你也可以說下如果你自己去設計，你會怎麼做。要實在想不出就直接說不會。

工作的時候一定争取機會去面試别人，在校生也可以想象下自己是面試官會問哪些。面試别人對個人的成長比你反複出去被别人面試成長會更快，這種逆向思維在很多場景都适用。

面試别人的同時也被别人面試

其實在這家小廠呆的很舒服，雖然後面項目面臨的壓力是有點大，但工作節奏、加班程度和工作氛圍都還能接受。不過工資不漲也是個問題。

于是開始去沖擊大廠，這次工作經曆确實還算是加分的，履歷投出去基本都能過，也都有面試機會，但為了慢慢準備，一開始投的是vivo。vivo的面試中規中矩，跟自己面試别人差不多，隻不過問的知識點不一樣。在vivo這裡的面試發現了自己的一個盲區，就是redis。雖然項目中有用過redis，但自己沒深入了解，比如redis的資料類型、單線程模型、過期處理、叢集方案等。于是一面之後趕緊找資料補了補，有本講redis原理的書挺好，看了之後确實很有幫助，後面再問redis的問題基本都能回答。并且後面也看了redis源碼，确實很值得讀一讀。當然vivo也有手寫代碼，要求不高，最後到了hr的環節，但沒給offer，應該是錢的問題。

offer沒拿到沒關系，信心足了很多**。然後開始了針對性的準備，也去網上找了點面經看，這個時候結合自己的工作和面試經曆再看面經就知道哪些是常問的，并且為什麼這麼問。**那麼針對性的準備了socket網絡程式設計，要熟悉正常的通信過程以及異常情況下的資料處理過程；然後把unix網絡程式設計也看了幾遍，重點看多線程多程序，因為自己不找c++背景開發，是以具體的api沒怎麼看，但騰訊可能會問，IO多路複用的select/poll/epoll重點了解。然後重點練習刷題，重點練習了《劍指offer》的題。這個時候因為有了一定的代碼量，對python也是熟悉了，再來刷題就覺得簡單了。并且結合工作中解決問題的過程：先考慮正常情況，再考慮異常情況，然後在考慮性能，一些簡單的題基本還是有思路的，有些題就還是靠記憶。

刷題這裡還是看運氣，可以重點刷下數組、二叉樹和動歸的題，圖相關的題比較少見。具體會問到什麼題實際跟面試官個人有關，如果這個面試官是打過ACM比賽的，那麼隻能說你運氣差，可能什麼題都會問。如果像我這種，因為我自己會的就不多，那麼我隻能問一些常見的并且難度不大的題。并且面試官自己都會有題庫，隻會從那麼幾個題裡面出，準備太多的題對面試官也是一個負擔。

經曆個把月左右的準備後再投的騰訊和頭條，然後無論是項目、redis/kafka中間件、算法題基本都能過關，最終入職位元組跳動，到了位元組跳動，技術視野又上了一個台階。。。頭條的工作體驗請看下篇（四）