大数据平台的发展会降低程序员的价值吗?

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 针对本题,粗略地把研发人员的能力分为以下3类: 业务逻辑研发的能力:将业务逻辑转化为代码实现的能力。 系统架构的能力:高并发高负荷系统的设计实现能力,系统底层服务的研发能力。 特殊领域: 机器学习,自然语言,搜索推荐,语言与框架的开发等特殊的小众领域,暂不做讨论。

针对本题,粗略地把研发人员的能力分为以下3类:

业务逻辑研发的能力 将业务逻辑转化为代码实现的能力。

系统架构的能力 高并发高负荷系统的设计实现能力,系统底层服务的研发能力。

特殊领域: 机器学习,自然语言,搜索推荐,语言与框架的开发等特殊的小众领域,暂不做讨论。

5b10024462659faf2be76de2d64cd7315e714f32

业务逻辑研发的能力
对于只关注业务研发的同学来说,的确影响不大,而且随着云服务商对各种服务提供更完善的工具,业务研发的同学工作会更加轻松和高效,例如阿里云数加提供的大数据平台服务,可以很方便地实现各种大数据解决方案。


系统架构的能力
这里是影响最大的一层,举例栗子:某个业务我们需要一个MongoDB、Oracle集群,要考虑数据分片,主备库,队列延迟写入,读取加缓存等模块, 随着业务的发展,还需要持续的加机器。而现在MaxCompute(比Hadoop更方便易用、更安全、成本更低)等服务出来以后,底层的服务他们已经封装过了,只需要简单的调用API这些服务就可以跑起来,而且可以跑的挺欢实,而这些的学习成本是很低的,几页的文档就可以开始用了(现在这些云服务还不够强大,那个业务仍然使用MongoDB集群)。诸如此类,缓存框架等等也都会有替换品。


目前,系统架构无疑技术含量比较高的领域之一,有经验的技术人员会在这个领域深入来增加自己技术上的竞争力,被云服务替换之后,没有了实际的生产环境,这里慢慢地会成为屠龙之术,学习条件也会大为恶化。 到那时想专注系统技术的同学只能去各个云服务商或者巨型公司了。

以公司的角度来说,用云服务几乎是必然,成本低而且稳定。中小公司对具有系统架构能力的架构师的需求会越来越小,随着云服务的进一步发展和普及,将来除了云服务公司和巨型公司,几乎不需要什么架构师,现在觉得这个结论还有些绝对,但就和我们现在写代码基于Java/PHP 而不用汇编一样,技术的发展会逐渐封装底层的技术细节,留给上面越来越纯粹的业务细节,技术人员的主要价值就会在于 对业务的理解,语言框架的使用和各种云资源的整合,而这些的技术门槛实在不高,新人工作一两年可以轻松的赶上。


再回到题主的问题,结论是:对高级技术人员的影响的确存在,而且非常大,中小公司的系统架构师需求会逐渐削弱甚至淘汰。


文章转载鼎点网络


bba01b493e1c5d904e882b1c380673c6ebe49a98
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
数据采集 机器学习/深度学习 人工智能
大数据分析案例-用RFM模型对客户价值分析(聚类)
大数据分析案例-用RFM模型对客户价值分析(聚类)
1351 0
大数据分析案例-用RFM模型对客户价值分析(聚类)
|
3月前
|
存储 大数据 数据挖掘
【数据新纪元】Apache Doris:重塑实时分析性能,解锁大数据处理新速度,引爆数据价值潜能!
【9月更文挑战第5天】Apache Doris以其卓越的性能、灵活的架构和高效的数据处理能力,正在重塑实时分析的性能极限,解锁大数据处理的新速度,引爆数据价值的无限潜能。在未来的发展中,我们有理由相信Apache Doris将继续引领数据处理的潮流,为企业提供更快速、更准确、更智能的数据洞察和决策支持。让我们携手并进,共同探索数据新纪元的无限可能!
163 11
|
4月前
|
机器学习/深度学习 人工智能 分布式计算
理解并利用大数据的力量:解锁数据背后的价值
【8月更文挑战第7天】大数据已成为推动社会进步和经济发展的重要力量。通过理解并利用大数据的力量,企业可以解锁数据背后的价值,优化业务流程、提升决策效率和创新能力。然而,大数据应用也面临着诸多挑战和风险,需要企业不断学习和实践以应对。相信在未来的发展中,大数据将为我们带来更多的惊喜和机遇。
|
5月前
|
存储 算法 数据可视化
云上大数据分析平台:解锁数据价值,驱动智能决策新篇章
实时性与流式处理:随着实时数据分析需求的增加,云上大数据分析平台将更加注重实时性和流式处理能力的建设。通过优化计算引擎和存储架构等技术手段,平台将能够实现对数据流的高效处理和分析,为企业提供实时决策支持。通过优化计算引擎和存储架构等技术手段,平台将能够实现对数据流的高效处理和分析,为企业提供实时决策支持。
808 8
|
7月前
|
存储 分布式计算 算法
大数据处理:挖掘价值之道
大数据处理:挖掘价值之道
|
7月前
|
存储 数据可视化 大数据
大数据分析与处理:探索数据的深层价值
大数据分析与处理:探索数据的深层价值
117 2
|
7月前
|
存储 数据采集 机器学习/深度学习
大数据分析:挖掘数据价值的技术和方法
在数字化时代,大数据已经成为企业和科研机构的重要资源之一。然而,对于海量的数据如何进行分析和挖掘却是一个巨大的挑战。本文将介绍大数据分析的基本概念、技术和方法,帮助读者了解如何利用现代技术和工具,挖掘数据中蕴藏的价值。
695 0
|
机器学习/深度学习 人工智能 Cloud Native
【大数据趋势白皮书下载】IDC: 发挥数据智能价值,推动企业数字化创新
IDC认为,从提升企业中长期发展质量、降低综合投入成本的角度出发,大数据技术领域将呈现出两个显著趋势:一体化和融合化。企业应以战略和顶层设计为先导,用体系化的思维全面构建大数据能力架构,避免形成新的数据、业务和能力孤岛。 【下载地址见文末】
【大数据趋势白皮书下载】IDC: 发挥数据智能价值,推动企业数字化创新
|
数据采集 机器学习/深度学习 算法
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
1111 0
大数据分析案例-基于RFM模型对电商客户价值分析(聚类)
|
大数据

相关产品

  • 云原生大数据计算服务 MaxCompute