1970年以来技术的发展趋势,怪不得程序员35岁就被裁......

今天整理了一下1970年以来技术的发展趋势:


编程范型主流网络和协议主流架构

1970s

结构化编程

APARNET

分组交换

NCP、X.25

主机---终端

层次数据库,网状数据库

1980s

面向对象

局域网

Usenet

TCP/IP

Socket

FTP

SMTP/POP3

客户端---服务器架构

关系数据库

1990s

面向对象

面向组件

拨号网络

互联网

Web 1.0

HTTP

RPC

C/S 向 B/S 迁移

2000s

面向对象

面向服务

互联网,Web 2.0 ,WebService, P2P、HTTP、SOAP、XML-RPC

B/S架构,面向服务、三层架构、MVC、EAI、ESB、SOA、REST

2010s

多泛型结合

移动网络,物联网

3G、4G、5G、Wifi

MQTT、WebSocket、WebRTC

微服务、EDA、无服务架构、云原生、服务网格、分布式架构、并行、容器化、云计算,DevOps

2020s

??

??

??

这个表格年代的方式列出了技术的变化,不一定100%准确,例如以10年为一个单位有些武断,Web Service实际上跨越了90年代和2000年代,C/S应用跨越了80年代和90年代......

下面展开解释一下:

1970年代

早期的编程语言依赖于GOTO语句,用于控制程序的执行流程,随着程序规模的扩大,过多的GOTO语句会导致程序难以理解和维护,形成所谓的“面条式代码”。

60年代末,出现了软件危机,结构化编程被认为是解决方案之一。

dfb9e128d77489ad317b344d3eafd03a.png

结构化编程通过明确的控制流、清晰的程序结构和模块化设计,使得软件开发变得更加可维护和可靠。

Edsger Dijkstra的理论和对GOTO的批评是结构化编程兴起的关键因素,结合Pascal、C等结构化编程语言的普及,结构化编程逐渐成为编写高质量软件的标准。

e11ac1978c390dea063129245124e393.png

这个时代的网络还不发达,ARPANET继续发展,成为现代互联网的基础,虽然以太网已经被发明出来,但是还没有得到广泛应用。

应用程序主要安装在大型机上,用户可以通过终端进行远程访问,使用的主要是层次数据库和网状数据库。

1980年代

企业和大学开始使用局域网,全球互联网雏形已经形成。

1983年,TCP/IP取代NCP成为ARPANET的主要协议,并逐渐成为互联网的标准协议。

72fa5efadef01e82bd529b0e85d75fc2.png

此时的互联网上还没有Web,流行的应用是电子邮件、FTP、Usenet、Gopher等网络应用。

dc30d1a354189ddd7287b84cd44e5f34.png

以C++,Smalltalk为代表的面向对象编程开始兴起,强调通过类对问题进行组织和抽象,封装、继承、多态的概念开始为大众接受。

70157809fe9974ffd06c1a7e423ada36.png

客户端-服务器架构开始兴起,软件都装在台式机(客户端)上,然后通过局域网连接到中心的数据库(服务器)执行数据操作。

70c70516ed0e37a33c82af41ba707537.png

1990年代

90年代早期,大家主要用局域网,比如非常流行的Novell,是很多大学局域网的标配。

拖拽式快速开发工具(如Delphi、VB等)大行其道,成为开发桌面软件和C/S软件的不二之选。

edfa62c276448f31f73759aa14816500.png

用Sybase的PowerBuilder开发MIS在国内也非常流行,它的DataWindow提供了一个可视化的SQL绘制器,支持外连接、联合和子查询操作,非常受欢迎。

4fcc15e70027e896591a832926b21ba5.png

到了中后期,国内才可以拨号上网,连上了互联网。

1995年,Java的出现给面向对象又加了一把火,面向对象成为主流。

9d44cd19f8a08fc255a143c72a8994b4.png

在Windows平台上,微软推出了COM和COM+,主推面向组件编程

e087eb2c229f11e2a6f16c773b4533b9.png

90年代后期,Web应用开始出现,但是这个时候的应用都非常简单,一个公司和单位能有一个静态页面构成的网站就不错了。

以CGI、PHP、ASP为代表的技术开始让网页可以和用户进行交互,一些应用程序从C/S架构开始往B/S架构迁移。

2000年代

ASDL进入千家万户,虽然网速只有几M,但相比90年代的几十K的拨号网络,已经快多了。

B/S架构正式占据主流,中小网站特别喜欢LAMP:

4e75d5069c631bcf48b7dcb6e9be8dbd.png

2000年代早期,Sun推出的J2EE发展到顶峰,应用服务器(Weblogic、WebSphere)大行其道,不管应用是大是小,跑在应用服务器中才显得高大上。

在这个架构中,企业的业务要封装成EJB,放到应用服务器中运行,应用服务器提供了分布式、安全性、事物等功能。

d380e1573b1af9557678c8752626bfec.png

理念是挺好的,实际上却跑偏了,J2EE笨重繁琐,到后期被SSH,Tomcat等轻量级的框架和应用服务器替代。

面向对象,设计模式更是火得不得了,Java、设计模式、XML成了“绝配”。

面对80年代,90年代建立的各种遗留系统,巨头们提出了面向服务的架构(SOA)来实现系统的集成,ESB、SOAP、WSDL、UDDI、XML-RPC等新概念层出不穷。

e0d8d51afad12b5a7d4e8f07d771f03e.png

2010年代

程序员的黄金时代。

互联网的盛宴还未结束,移动互联网又骤然爆发,再加上大数据、云计算,给程序员带来了无穷多的机会。

这个时代,人手一部手机,从3G到4G、5G,移动网络和WIFI无处不在,HTTP协议已经不够用了,MQTT、WebSocket、WebRTC、QUIC、gRPC等针对不同场景提出了不同的解决方案。

程序员的职业也开始细化:手机端、前端、后端、大数据、算法、运维,可谓百花齐放。

前端程序员操作着各种JS框架实现页面展示和操作流程控制,调用后端的服务来实现业务。

后端程序员则把应用拆成了微服务,运行在云端的Docker容器中,用k8s管理起来。

e859a8b6248c060dc5da9d15c799c540.png

由于移动互联网带来的海量用户和海量请求,数据也在疯狂累积,大数据程序员则忙着用Hadoop、Spark、Hive、Kafka、Flink等工具对数据进行分析,希望从中发现一些规律。

DevOps开始普及,自动化工具使得开发和部署变得更加快速高效,缩短了从开发到生产环境的时间,同时提升了软件的稳定性和质量。

Java、JavaScript、Python、Go等语言不但支持面向对象,还支持函数式编程。为了更好地处理数据流,出现了响应式编程。

2020年代

我们现在还处于2020年代的前期,用的网络、技术、软件架构和2010年代后期差不多,唯一一个出现巨大变化的就是以ChatGPT为代表的人工智能了。

但人工智能在编程领域依然还处于辅助阶段,给它明确的需求,它能帮程序员快速生成代码,但是还无法独立地从需求开始,设计,编码,测试,部署,这可能得等到通用人工智能的突破了。

程序员的35岁危机问题

从大型机到局域网,从局域网到互联网,从互联网到移动互联网。

技术时代的每一次变化都会引发通信协议、编程语言、软件架构发生巨变,这种变化基本上每隔10年左右就来一波。

这种剧烈变化的奇观可能在全行业中都是独一份,程序员也就没有办法像律师、医生等行业可以积累几十年的领域知识,成为行业专家。

一个大学生毕业时,二十出头,工作10来年,出现了新的技术浪潮,可不就遇到危机了吗?

其实这么说也不完全对,因为:

1. 技术的发展不是突变,而是渐变

不是说十年一到,老技术就一刀切,不再用了。

像Servlet/JSP这样的技术,市面上仍然很多老旧的系统是用它们开发的。60多岁的COBOL,依然支持全球43%的银行,处理者每天3万亿美元的交易。

老技术依然有市场,但是大多处于维护状态,不需要那么多的人力了。

2.  程序员会持续学习的

像70后80后,经历了局域网时代,互联网时代,移动互联网时代,有很多人不愿意走出舒适圈,跟不上了,但也有很多人也在不断学习新的技术,新的架构,与时俱进。

这些人可能当上了架构师、技术经理,或者在某个基础技术领域深耕多年,成为专家,继续保持竞争力。

3. 在应用层疯狂内卷,被资本家无情压榨

这个才是主要原因,国内公司在基础软件上发展很差,没法养活大量的深耕操作系统、数据库、编译器、中间件等领域的程序员,大部分公司都是实现业务,在应用层疯狂内卷,拿着国外开源的框架/类库开发一下就行了,不需要在某个领域积累深厚的专家级程序员。

既然付出的主要是人力成本,资本家选择的肯定是便宜的、年轻的,更能加班的,年纪大的就会被无情抛弃。

希望再过10年,下一代程序员能过得更好一点儿吧!

全文完,觉得不错的话点个赞或者在看吧!

近期爆文

这个大学生写了个免费软件,全世界网民抢着给他送钱,每月10万美元

全世界流浪的程序员,用最原始的技术,每月赚17.6万美元!

开源软件的叛徒,加入了微软

Chrome背后最大的秘密:印度人拯救了Google!

这两个程序员要花100万,彻底重写世界上最复杂的软件

造福无数打工人,世界第7大网站,为什么过得如此卑微

被哈佛扫地出门,他发明了让无数程序员痛不欲生的编程语言,获得了计算机最高奖!

这两个大龄程序员,打算搞垮一个世界软件巨头!

世界上最大的盗版网站,遇到麻烦了!

这个女生写的软件,解决了无数程序员最头疼的问题!

代码下载链接: https://pan.quark.cn/s/a175d1ef418b 标题部分中的"新建文件夹 (2).zip"暗示这是一个采用ZIP编码方式的压缩文档,这种格式通常用于将多个关联的文件或目录整合进一个压缩单元中。在信息技术领域,ZIP编码格式是一种广泛应用的标准,它支持将多个数据单元压缩成一个独立的压缩文件,从而提升文件传输的便捷性、存储空间的利用效率以及管理的便捷度。ZIP格式的压缩文件可以通过多种解压缩工具进行访问,例如WinRAR软件、7-Zip应用程序或操作系统自带的压缩解压功能。 描述文本里的"shop"字样或许指向这个压缩文档与商业店铺、电子商务平台或网络销售系统存在关联。在Java编程范畴内,这有可能是一个范例项目,用以说明构建电子商务平台相关功能的实现方法,涵盖商品维护、购物车功能以及订单处理等模块。Java语言因其跨平台兼容性、系统稳定性以及完备的库资源支持,经常被选作开发大型企业级应用的技术栈,尤其是电子商务系统。 依据标签"java"的指示,可以推断压缩包内部可能包含了采用Java编程语言编写的源代码片段、系统配置文档、数据库操作脚本及其他辅助性资源。Java程序员一般借助集成开发环境(IDE)如Eclipse、IntelliJ IDEA或NetBeans进行Java代码的编写、编译及执行操作。这些开发工具能够高效地支持ZIP文件中项目结构的导入与管理。 文件命名列表仅列出一个条目"新建文件夹 (2)",这或许意味着压缩文档中包含一个同名的文件夹,该文件夹内可能收纳了一系列子文件及子目录。在实际的Java开发任务中,类似的结构可能包含src目录(存放程序源代码)、lib目录(存放项目依赖的jar库文件)、resou...
内容概要:本文系统研究了基于Kantorovich距离的SBR(Sequential Benefit Replacement)算法在电力系统场景削减中的应用,旨在从大量原始不确定性场景中筛选出最具代表性的典型场景,以降低随机优化问题的计算复杂度。该方法通过引入Kantorovich距离(也称Wasserstein距离)精确量化场景之间的差异性,并结合SBR算法实现场景的逐步合并与削减,有效保留原始场景的概率分布特征。文中提供了完整的Matlab代码实现,便于用户复现算法,特别适用于处理风电出力、负荷波动等具有强随机性和不确定性的多场景优化问题,如微电网调度、电氢耦合系统运行等。; 适合人群:具备一定概率统计、优化理论基础和Matlab编程能力,从事电力系统、新能源并网、能源互联网、随机规划及综合能源系统优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于高比例可再生能源接入下的电力系统随机优化调度、微电网能量管理、多能互补系统等需要进行多场景分析与决策的建模场景;②帮助研究人员深入掌握Kantorovich距离的数学原理与计算方法,以及SBR算法的迭代逻辑与实现技巧,提升对不确定性建模、场景生成与削减技术的理解与应用能力; 阅读建议:建议读者结合提供的Matlab代码,重点理解距离矩阵的构建、场景权重的更新规则以及场景合并的判定逻辑,通过调试代码并代入实际风电或负荷数据进行案例测试,以深刻领会算法的核心思想与工程价值。
内容概要:本文围绕电力系统短期负荷预测问题,深入研究了基于极限学习机(ELM)及其智能优化算法的应用方法,提出并实现了白鲸优化算法(BWO)和鹭鹰优化算法(IBOA)对ELM模型的关键参数进行寻优的技术路径。通过Matlab编程实现,优化后的模型有效提升了预测精度,降低了原始ELM因随机初始化带来的不稳定性和误差波动,增强了模型在面对电力负荷不确定性变化时的泛化能力和鲁棒性。研究系统阐述了ELM的基本原理、两种新型群智能优化算法的搜索机制及其在解决非线性参数优化问题上的优势,并通过实验对比验证了优化模型在均方根误差(RMSE)、平均绝对百分比误差(MAPE)等指标上的显著优越性,为电力系统负荷预测提供了高效可靠的解决方案。; 适合人群:具备电力系统分析、人工智能算法理论基础及Matlab编程能力的高校研究生、科研机构研究人员以及电力公司从事负荷预测、电网调度与能源管理的工程技术人员。; 使用场景及目标:①应用于电网调度中心的短期负荷预测业务,提高预测准确性,保障电力供需平衡;②为智能优化算法在电力工程领域的落地应用提供可复现的技术范例;③支撑电力市场出清、发电计划制定、储能系统配置及需求侧响应等关键决策环节; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点理解ELM网络结构搭建、适应度函数设计、优化算法迭代流程及预测结果后处理等关键步骤,通过调整数据集和参数设置,深入掌握模型调优技巧,并尝试将该方法迁移至风电、光伏功率预测等相似时序预测任务中。
内容概要:本文档聚焦于“经济学期刊论文复现:数字化转型能促进企业的高质量发展吗”这一核心命题,系统整合了大量基于Matlab和Python的科研代码资源,涵盖微电网优化调度、电力系统分析、机器学习预测模型、路径规划算法、信号与图像处理、通信技术优化等多个工程技术领域。文档的核心在于通过复现高水平学术论文中的量化模型与实证方法,帮助研究人员深入理解数字化转型对企业高质量发展的理论机制与实际影响,并提供可操作的技术路径进行仿真验证与拓展研究。内容不仅包括数据驱动的建模、优化算法设计与仿真分析,还涉及多学科交叉的应用场景,如能源系统优化、智能制造、智能交通等,旨在为科研工作者提供一套完整的从理论到代码实现的支持体系。; 适合人群:具备一定编程基础和经济学或工科背景的研究生、科研人员及高校教师,尤其适合从事数字化转型、能源经济、企业管理、电力系统优化、智能算法应用等相关领域研究的专业人士。; 使用场景及目标:①用于复现经济学领域关于数字化转型与企业高质量发展的实证研究模型;②支撑科研论文撰写、课题申报与仿真验证工作;③辅助掌握Matlab/Python在经济与工程交叉领域的建模方法、优化技术和数据分析能力,提升科研效率与创新能力。; 阅读建议:建议结合文中提供的代码与网盘资料同步实践操作,优先选择与自身研究方向契合的内容深入学习,注重模型构建逻辑、参数设置与优化过程的理解,同时可关注“荔枝科研社”公众号获取配套讲解、更新资源及技术交流支持。
下载代码方式:https://pan.quark.cn/s/746a98442a86 《数据库课程设计:教材征订管理系统》 教材征订管理系统是一种针对教学管理而开发的信息系统,其目的是提升学校教材征订工作的效率和准确性。该系统的构建过程包含后台数据库的构建和前端应用程序的研制,非常注重数据的一致性、完整性以及较高的安全性。系统不仅能够处理多价格书籍的征订、采购和发行,还支持在货物到达之前更换书目,以及进行大量数据录入和书目检索等操作。 系统的开发选用SQL Server 2000作为数据库平台,PowerBuilder 9.0作为前端开发工具,而数据源则选用了ACCESS 2000。ODBC(开放式数据库连接)用于与数据源建立连接,SQL结构化查询语言则用于实施查询任务。系统的核心关键词有教材征订、面向对象、库存查询和PB9.0,这表明系统设计采用了面向对象的编程理念,并非常重视库存的即时查询。 前言部分提到,由于学生数量的增长和教材种类的多样化,传统的教材征订管理模式已经难以适应,因此迫切需要建立一个与选课制度相匹配的教材征订管理系统。该系统能够自动化处理教材收费和领取流程,包含四个主要的功能模块:教材的入库与出库管理、学生书费管理、系统管理以及综合查询。 系统设计之初需要深入理解相关问题。教材征订管理系统必须具备登录、教材信息管理等功能,支持基础信息的录入、修改和查询,以及复杂的统计分析。涉及的数据信息涵盖教材征订、库存、购买和收款等详细记录。 需求分析是数据库设计的关键环节,包括数据流图和数据字典的构建。数据流图展示了教材从征订到发放的整个流程,数据字典则详细说明了各个数据项的特征。比如,教材编号由七位数字组成,教材管理表单包含了征订号、书名、出版社、作...
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值