非计算机转后台开发并入职字节跳动（三）--跳槽止损，拥抱AI和开源技术

前面讲了毕业之后做PHP后台的经历，因为业务和技术栈都非常简单，一年下来没多少成长，也没什么干货可分享的，干了一年之后仍然比不上计算机毕业的本科生。

下面介绍下在AI创业公司的经历，虽然公司规模更小，管理更不规范，但确实是打开了技术大门，拥抱了开源，在技能上有了很大提升，并且空余时间也多，可以更好的提升自己。

AI创业公司岗位

人工智能即AI是在2016年AlphaGo出现之后才大火的，机器战胜了人类，非常有想象力的一个场景。这几年机器学习、深度学习、TensorFlow满天飞，各种概念让外行人摸不清头脑。同时也冒出了一大批创业公司，比较知名的有商汤、依图、旷世等，大部分都是做计算机视觉的，即图像处理或视频处理，以算法和软件为主。后面也开始做硬件产品，如人脸门禁，人脸签到。

无论是人工智能还是大数据，在工作当中都是解决问题，一开始不需要关注这么多概念，而应该多关注问题本身，去弄懂问题是什么，有哪些解决方式，以前是怎么解决的，现在是怎么解决的，是不是彻底解决了，未来的发展方向是什么。就比如人工智能这个概念太泛太抽象了，那可以先关注计算机视觉，计算机视觉里范围还是太大，可以只关注图像分类和检测。就拿图像分类来说，就要弄懂什么是图像分类，为什么要做图像分类，怎么做图像分类。多问几个为什么，就能把一些复杂的概念弄懂。

我去的公司是一家知名度更小的，是以做AI摄像头为主的公司，另外也有人脸搜索系统，给公安用的，对于辅助抓捕yifan确实有很大帮助。然后公司借着深度学习这波浪潮准备扩张，找投资，大量招人，做新的业务，比如智慧零售等，所以急缺人。虽然我不懂机器学习、深度学习，后台开发能力也一般，但是正好撞上公司扩招，然后学历还凑合，所以入职了。

那么当时拿到offer后对于入职后要做什么，其实并不清楚，只是说做机器学习平台，做分布式训练，具体是干嘛的，根本不知道。但只要听到分布式、机器学习就兴奋。所以想着肯定前途一片光明，过来好好干，以后去大厂绝对没问题。

入职初期过程

小公司入职很简单，上午报道，签合同，拿电脑，下午就开始熟悉环境。对于码农，最重要的就是电脑，有了电脑在哪都一样，只是环境好坏的问题。不过工位环境确实一般，大家都是面对面排排坐的那种，即使老板也是这样的工位。现在比较流行这种工位，头条、阿里也这样，对个人验其实很不好，太小了活动不开，午睡也只能趴着，但方便沟通。

到了项目组之后认识了一圈同事，发现都是年轻人，看起来都比较忙。虽然介绍了一圈，但一个也没记住，对于项目组有多少成员，怎么分工的，也没搞清楚。不过leader也没着急分配任务或介绍业务，而是说先配置下自己的电脑，装下对应的软件。

装软件，配置开发环境那不用说。这边用的是python开发，虽然python不熟，但好歹pycharm还是用过的。在windows下面装好了，然后看下旁边的人。看到同事的电脑颜色跟windows的不是一个，都是那个紫色的背景，原来大部分都是用的Ubuntu。虽然自己也会Linux命令，也用过Linux服务器，但直接在PC上装Ubuntu作为开发和办公用，确实有疑惑。Ubuntu这系统好用吗，支持装那么多软件吗。

没有那么多时间考虑，既然周围的人都这么用，那多少也得统一，借了个系统盘，开始装。虽然之前也装过Ubuntu，但过程都忘了。只能硬着头皮上。结果不幸的是给的联想的笔记本兼容性不是很好，装的过程中出现了很多奇怪的问题。搞的自己很着急，想着就装个破系统也能搞一天，有点对不起程序员这个称号。但没办法，最终确实就是第一天装系统就搞到九点多。

确实感到了一些压力，不过也有些兴奋，想着直接用Ubuntu开发，那这边水平应该高一些。用Ubuntu确实是一个正确的选择，当你没有mac pro时，开发人员一定得考虑Ubuntu或Debian，会方便很多，对于水平提高很有帮助。

开发环境好了之后就开始熟悉业务，准备干活。这个时候小公司的混乱就体现了，发现没有文档，工作节奏、项目内容是咋样的过了一两个星期才搞清楚，因为leader太忙了，人员分工也不是很明确。基本是哪里需要了就派个人过去做一下。

另外在熟悉业务的过程中发现自己真的是太水了，git都用不熟，虽然有看过廖雪峰讲git原理，但是这东西不用真的就无法掌握。入职初期又是在信心受挫的过程度过，又开始怀疑为啥要做后台开发，为啥要写代码，自己是否适合沿着这条路走下去。 想归想，工作还是得做。

项目介绍

真实的项目情况是这样的：leader也是入职没到半年，作为业务负责人，负责了好几个方向的业务。我所要参与的确实是机器学习平台，因为机器学习这几年需求非常大，那么自然就有对平台的需求，可以降低机器学习门槛，提高算法工程师的开发效率。这种平台大厂也都在做了，比如阿里的PAI平台，腾讯的TIONE，但是没有开源的，但小厂又是有需求的，所以我们得做个这样一个平台。做好了可以卖出去，也可以自己用。后面也有类似的平台kubeflow开源了。

leader的技术视野当然更开阔，对国外先进的技术都有了解。知道做这一样一个平台用docker+k8s+分布式存储（ceph）是可以搞定并且是最合适的方案。于是leader也自己动手写了个demo。但是还不完善，还要接着做，并且到我入职的时候也没什么文档，没有文档写明需求、写明技术方案，对于新来的同事就很不友好。对于我这种啥都不会的，反正就是懵逼的感觉。不要说k8s没听过，就连docker是啥都不知道，虽然面试的时候为了装逼说docker是轻量级的虚拟化技术，但说真的，我没用过，也就是docker是做什么的，怎么用，为什么用docker根本不理解。

这里要提的是之前在的小厂虽然技术不咋的，但是管理还是规范的，该出文档的出文档，而且必须得先有文档。因为必须得想清楚了才开始写代码，文档就是你是否想清楚的证明。并且文档方便团队成员熟悉业务进行开发。

leader虽然技术很强，但是项目管理和人员管理上经验好像一般。当时组内还有其他人，当我问其他人对这个项目的理解、这个平台要做成什么样，他们也不清楚。

所以初期就是在知识恶补的过程中度过的，包括git使用、Ubuntu的使用、docker使用、k8s安装与使用、k8s的原理。虽然这段时间是痛苦的，但不得不说确实学习了很多。接触的都是最新的开源技术，现在k8s基本上成了服务上云的标配了，很感谢有这样一段经历去安装使用k8s，了解k8s应用场景和原理。这也体现了周围环境对个人影响的重要性，有时人就是被周围的环境推着走的。周围的人都很优秀，都在不断学习新的技术，你自然就会跟着去学，自然就会提升。而如果周围的环境就是上个世纪的技术，你就根本不知道要学什么，因为你不知道这个世界上还有什么。 这就有点像小平同志推动改革开放一样，因为小平同志去过法国，见识过经济发达的地方社会和人民生活是什么样的，就知道要怎么改，哪里要先改。

另外发现没，**其实码农的很多工作都是学习xx的使用，安装和使用是学习的第一步，首先得知道这个东西长什么样，然后才去了解原理。**而在学校的时候根本没意识到，只知道看书，只知道刷题，所以效率低。在工作中却会被项目推着走，安装使用之后再了解原理，会学得更快。

工作日常和技术栈

在熟悉了业务和环境之后，基本上节奏就开始稳定了。这边因为没有专职项目经理，所以没有晨会，感觉瞬间轻松了很多，但还是会有周会，偶尔也在jira上写写周报。管理上比较松懈，因为leader没这么多精力，全靠大家的自觉。前期招过来的人都比较靠谱，都很自觉的加班学习赶进度。后面新进的部分人水平和态度都不咋的，带坏了团队的风气，摸鱼现象特别严重。

因为要做的平台是没有开源的可以参考的，所以需求不明确，只知道部分需求。也没有专职架构师做方案设计，所以架构水平很一般。然后自己靠着之前学习的开发规范，逐步出文档，写代码，做demo。这种开发模式和没大神带的情况下，最终出来的大概率是demo级别的。

后台开发是用的python，flask框架。好在这个项目的业务逻辑不是很多，又用的python，所以除了用python之外，也花了很多时间去熟悉python多线程、多进程、GIL锁、协程gevent等，算是真正的熟悉了python。

因为没人催干活，也没有测试，用到的很多技术也比较新，所以工作日常确实会有很多的时间是在调研和学习。前期工作节奏确实比较舒服，但不可持久，因为公司是有运营压力的，是要考虑投入产出比的。越到后面项目交付的压力就越大。

项目中期项目组又开始了推cicd，也就是用docker+jekins+dockerhub+k8s+rancher这一套做自动化发布流程。代码开发之后就是上线，怎么减少上线的时间，提升开发效率就是devops要做的，不得不说这套技术颠覆了自己的认知。码农的创造力确实是巨大的，凡是能提高效率的地方都有码农的机会。

除了做平台之外，也参与了其他几个项目，从而接触了redis,kafka,es，grafana,prometheus,spark这些互联网广泛使用的组件。但在这里还只是了解这些东西，有些甚至都还没用过。如果在项目中能用到这些组件，并能自己安装一遍，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。

有幸成为面试官，面试经验上飞速成长

因为去的早，团队也还没完全建立好，还在持续招人。所以工作了几个月之后leader开始让自己面试。这是个很好的机会，想到可以面试别人有点小兴奋。一是可以看别人的简历，学习别人的经验，二是想享受下面试别人的快感。初期面试是很爽的，但到了后面有一种厌倦的情绪，因为投小厂的人简历质量真的一般，问多了就感觉没有新意。但这段做面试官的体验对自己的提升很大。

具体的提升就是：

（1）怎么准备简历：

当去看一个候选人的时候，面试官最好奇的就是你是哪里毕业的，你在哪里工作过。如果是名校毕业大厂工作，面试官对你肯定有兴趣。不管你水平怎么样，至少想了解下，尤其我这种资历浅的人，更想学习下。然后就是项目经验，项目经验得写清楚项目是做什么的，你自己又做的哪一块，突出关键技术。

写关键技术的目的就是给面试官问问题的点。比如你写了redis、kafka，那么面试官肯定会问，因为这是比较常用的，可以问很多知识点，也比较容易区分你到底会不会。如果你简历上通篇没写可以让面试官问的， 那么很遗憾，面试官真的没有什么问的欲望。然后只能上来就问数据结构和算法，起步一般是排序。

别认为排序简单就我的面试经历来看，快排能筛掉70%的候选者，这还仅仅是口头交流，没有让手写快排。 对于投小厂的人，让手写快排基本也能筛掉90%。要么是没准备，要么就是水平是真的差。所以为啥流行手写代码，对于面试官来说真的很容易筛选。手写代码也是当时leader提的唯一的一个硬性标准。

在做面试官初期的时候，我也写不出快排，对于快排中常问的点也没考虑过，比如边界条件、时间复杂度。后面经历多了，发现快排是个好东西，每次面试必问，那么自己当然得搞清楚了，手推了好几遍。不得不说，面试官想的都是一样的，在面腾讯的时候腾讯的面试官也问了，然后答的非常顺利。

（2）面试官的心态：

面试官一般都是开发人员，日常工作本身就比较繁忙，每次面试除了那种水平相当的想多交流下，其他的都是能快就快，尽量节省点自己的时间。当然一般公司为了给面试者一个好的体验可能要求面试时长不少于20分钟。但自己真正面试的时候，一两分钟就发现对方太水了就根本不想了解，为啥要再浪费彼此的时间了。

所以面试官问的时候都会挑重点，要么挑你会的，如果你简历上啥都不会就会挑面试官自己会的。并且问的时候自己心里也有了答案，你答的时候不用扯太多，会就是会，不会就是不会。

如果面试官一问你就知道他想了解什么，说明你的水平已经上来了，这样双方沟通起来会比较顺畅。但如果你不知道他想了解什么，说明这是你的知识盲点，也不用着急，就大概的说你了解的，然后尽快结束这个问题，节省双方的时间，面试官反而会觉得你很实诚，比较好沟通。面试时好的沟通就是不浪费彼此的时间。

比如redis的过期机制，面试官问你了不了解。 如果你知道，那么就要答过期机制怎么实现的，并且还要说为什么这样做而不那样做。如果不会，你也可以说下如果你自己去设计，你会怎么做。要实在想不出就直接说不会。

工作的时候一定争取机会去面试别人，在校生也可以想象下自己是面试官会问哪些。面试别人对个人的成长比你反复出去被别人面试成长会更快，这种逆向思维在很多场景都适用。

面试别人的同时也被别人面试

其实在这家小厂呆的很舒服，虽然后面项目面临的压力是有点大，但工作节奏、加班程度和工作氛围都还能接受。不过工资不涨也是个问题。

于是开始去冲击大厂，这次工作经历确实还算是加分的，简历投出去基本都能过，也都有面试机会，但为了慢慢准备，一开始投的是vivo。vivo的面试中规中矩，跟自己面试别人差不多，只不过问的知识点不一样。在vivo这里的面试发现了自己的一个盲区，就是redis。虽然项目中有用过redis，但自己没深入了解，比如redis的数据类型、单线程模型、过期处理、集群方案等。于是一面之后赶紧找资料补了补，有本讲redis原理的书挺好，看了之后确实很有帮助，后面再问redis的问题基本都能回答。并且后面也看了redis源码，确实很值得读一读。当然vivo也有手写代码，要求不高，最后到了hr的环节，但没给offer，应该是钱的问题。

offer没拿到没关系，信心足了很多**。然后开始了针对性的准备，也去网上找了点面经看，这个时候结合自己的工作和面试经历再看面经就知道哪些是常问的，并且为什么这么问。**那么针对性的准备了socket网络编程，要熟悉正常的通信过程以及异常情况下的数据处理过程；然后把unix网络编程也看了几遍，重点看多线程多进程，因为自己不找c++后台开发，所以具体的api没怎么看，但腾讯可能会问，IO多路复用的select/poll/epoll重点理解。然后重点练习刷题，重点练习了《剑指offer》的题。这个时候因为有了一定的代码量，对python也是熟悉了，再来刷题就觉得简单了。并且结合工作中解决问题的过程：先考虑正常情况，再考虑异常情况，然后在考虑性能，一些简单的题基本还是有思路的，有些题就还是靠记忆。

刷题这里还是看运气，可以重点刷下数组、二叉树和动归的题，图相关的题比较少见。具体会问到什么题实际跟面试官个人有关，如果这个面试官是打过ACM比赛的，那么只能说你运气差，可能什么题都会问。如果像我这种，因为我自己会的就不多，那么我只能问一些常见的并且难度不大的题。并且面试官自己都会有题库，只会从那么几个题里面出，准备太多的题对面试官也是一个负担。

经历个把月左右的准备后再投的腾讯和头条，然后无论是项目、redis/kafka中间件、算法题基本都能过关，最终入职字节跳动，到了字节跳动，技术视野又上了一个台阶。。。头条的工作体验请看下篇（四）