染陌的 2017 年度总结

简介: 染陌的 2017 年度总结

写在前面

看到了死月doodlewind佳楠等朋友都写了关于 2017 的年度总结,总觉得自己也应该写点东西来回首过去的一年,顺便展望一下未来的 2018 年。

由于之前忙于撰写《剖析 Vue.js 内部运行机制》,一直没有抽出时间来写这篇年度总结,借着农历新年穿梭在七大姑八大姨家的喧闹中偷点时间总结一下过去的一年,农历的新年也算是个辞旧迎新的时间,希望不算太晚吧。

牛头山

时间被拉扯回 2017 年的二月份,乘着过年的闲暇跟小伙伴们一起去金华牛头山浪了一波。

毕业以后大家都在不同的地方生活工作,一年见不到几次,但是希望大家的感情就跟小时候一样好永远不变,以后每年过年都要一起出去浪一波。

你好,大搜车

浪完了就要回杭上班了,过完年经过了几个公司的面试最终确定了要接受大搜车的offer,真的很感谢芋头在面试时对我的认可。薪资方面不是当时手上offer中最高的,但是我还是义无反顾地离开了上家来到了大搜车,因为我觉得大搜车是一家技术氛围很好的公司,有利于我快速地学习成长。事实证明我当初的选择并没有错,这一年的成长速度让我感到满意,每一天都会有新的进步。

离开上家的原因其实很简单,封闭的环境没有良好的技术氛围。在开发新系统进行技术选型的时候最终选择了一款“上古框架”,在MVVM框架大行其道的今天,至少我感觉技术有些太过于过时。但是我依旧心怀感激,在那边我也学到了很多东西,认识了很多有意思的朋友。

在搜车的工作并算不上十分忙碌,在工作之余下班以后我还有很多时间可以去学习研究新技术,这也为我这一年的成长奠定了一个良好的基础。在 16 年年底 Vue2.0 发布以后我才开始接触 Vue.js,机缘巧合的是搜车的技术栈也是 Vue.js,抱着想要深入学习的心态,尝试着开始研究它的内部实现,在4月份的时候在 Github 上建立了 learnVue 项目,阅读源码并写了一系列的源码解析文章,原本作为记录个人学习的项目截止目前已经收获了 2100 个 star 了,受宠若惊。

在搜车的生活十分愉快,合适的工作量,良好的技术氛围,优秀的同事,在这里学到了很多,感谢搜车的朋友们。

上海·沪 JSConf

七月份的 JSConf,收获颇丰。跟着芋头、死月带领的搜车五人组来到了上海,上一次来上海已经是很久之前的事情了,大概要追溯到小时候因世博会去上海玩的时候了。

虽然说吃了两天的炸鸡(四顿饭加夜宵,在魔都我吃不起别的了,哭),但是这一次大会还是很有意义的。尤大、贺老等大佬都有非常不错的主题,学习到了很多,回到搜车我还把尤大的「前端工程中的编译时优化」整理了一下做了一个技术分享。

周六晚上的 after party 也非常不错,芋头跟死月两位大佬贡献了两个非常不错的 topic,萌新一边喝着啤酒一边在台下给他们拍照(抖。

杭州Node Party

借着周末的闲暇,跟几个小伙伴从余杭跑去滨江参加了一波杭州 Node Party,丁香园的环境真是非常赞。

几个 topic 都非常赞,最后闪总的话题圆桌讲知识变现,也学到了很多。

D2

有幸在年末的时候参加了一波 D2,第一次去阿里西溪园区,感觉非常高大上,虽然食堂好像并没有想象中的好吃23333333(不过好像是访客中心的食堂,是不是跟员工食堂不一样呢 -。- )。

除了听了几个非常有意思的话题,还跟在掘金上认识的小伙伴 doodlewind 以及 木羽 面了一波基。

掘金小册 —— 《剖析 Vue.js 内部运行机制》

非常有幸在掘金平台上发布了这本小册,花了两个月的时间把 Vue.js 的一些核心功能抽离成一个一个独立的代码量更小的 Demo,并完成了这本小册,希望能够帮助更多同学理解 Vue.js 内部运行机制。

这里要感谢一下阴明以及掘金的工作人员们。

小册的内容没有一本实体书那么大,但是我也确确实实花了很多精力在里面,12 月到 2 月过年前的基本所有业余时间都搭了进去。不过通过这个过程自己也进步了很多,算是首次进行成体系的技术分享的尝试,希望以后有时间并且有机会的话也能尝试一下写实体书吧。

社区

这一年在各个社区还算活跃,认识了不少同行的朋友,在他们身上学习了很多。

比如掘金作者群的 木羽相学长薛彬qiangdada等等。

比如说因写 《剖析 Vue.js 内部运行机制》而认识的黄轶老师

比如说因为“怼”而认识的 doodlewind(玩笑。

还有很多很多朋友,在这里也不一样列举了,这一年真的感谢你们,从你们身上我学到了很多东西。

关于Github,17 年的打卡记录还不错,18 年希望能给社区贡献更多的内容。

在这份榜单上排在 411 的位置,18 年也希望更上一层楼。

其他

还有一些其他的对我个人比较重要的事情。

  • 年底跟女朋友结束了四年的恋爱长跑,成功领证。
  • 在杭州买了人生的第一套房子,虽然背下了一身负债,但是算是有个盼头了。

鲁迅故居

写这篇文章的时候,我刚跟小伙伴自驾游从绍兴回来,一年前说好的以后每年出去浪一波的约定也没有失约,希望以后每年都可以这样。

你好,2018。

加油,2018。

目录
相关文章
|
18天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
阿里云与企业共筑容器供应链安全
171341 14
|
21天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
随着云计算和DevOps的兴起,容器技术和自动化在软件开发中扮演着愈发重要的角色,但也带来了新的安全挑战。阿里云针对这些挑战,组织了一场关于云上安全的深度访谈,邀请了内部专家穆寰、匡大虎和黄竹刚,深入探讨了容器安全与软件供应链安全的关系,分析了当前的安全隐患及应对策略,并介绍了阿里云提供的安全解决方案,包括容器镜像服务ACR、容器服务ACK、网格服务ASM等,旨在帮助企业构建涵盖整个软件开发生命周期的安全防护体系。通过加强基础设施安全性、技术创新以及倡导协同安全理念,阿里云致力于与客户共同建设更加安全可靠的软件供应链环境。
150298 32
|
29天前
|
弹性计算 人工智能 安全
对话 | ECS如何构筑企业上云的第一道安全防线
随着中小企业加速上云,数据泄露、网络攻击等安全威胁日益严重。阿里云推出深度访谈栏目,汇聚产品技术专家,探讨云上安全问题及应对策略。首期节目聚焦ECS安全性,提出三道防线:数据安全、网络安全和身份认证与权限管理,确保用户在云端的数据主权和业务稳定。此外,阿里云还推出了“ECS 99套餐”,以高性价比提供全面的安全保障,帮助中小企业安全上云。
201973 15
对话 | ECS如何构筑企业上云的第一道安全防线
|
6天前
|
机器学习/深度学习 自然语言处理 PyTorch
深入剖析Transformer架构中的多头注意力机制
多头注意力机制(Multi-Head Attention)是Transformer模型中的核心组件,通过并行运行多个独立的注意力机制,捕捉输入序列中不同子空间的语义关联。每个“头”独立处理Query、Key和Value矩阵,经过缩放点积注意力运算后,所有头的输出被拼接并通过线性层融合,最终生成更全面的表示。多头注意力不仅增强了模型对复杂依赖关系的理解,还在自然语言处理任务如机器翻译和阅读理解中表现出色。通过多头自注意力机制,模型在同一序列内部进行多角度的注意力计算,进一步提升了表达能力和泛化性能。
|
11天前
|
存储 人工智能 安全
对话|无影如何助力企业构建办公安全防护体系
阿里云无影助力企业构建办公安全防护体系
1256 11
|
13天前
|
机器学习/深度学习 自然语言处理 搜索推荐
自注意力机制全解析:从原理到计算细节,一文尽览!
自注意力机制(Self-Attention)最早可追溯至20世纪70年代的神经网络研究,但直到2017年Google Brain团队提出Transformer架构后才广泛应用于深度学习。它通过计算序列内部元素间的相关性,捕捉复杂依赖关系,并支持并行化训练,显著提升了处理长文本和序列数据的能力。相比传统的RNN、LSTM和GRU,自注意力机制在自然语言处理(NLP)、计算机视觉、语音识别及推荐系统等领域展现出卓越性能。其核心步骤包括生成查询(Q)、键(K)和值(V)向量,计算缩放点积注意力得分,应用Softmax归一化,以及加权求和生成输出。自注意力机制提高了模型的表达能力,带来了更精准的服务。
|
11天前
|
人工智能 自然语言处理 程序员
通义灵码2.0全新升级,AI程序员全面开放使用
通义灵码2.0来了,成为全球首个同时上线JetBrains和VSCode的AI 程序员产品!立即下载更新最新插件使用。
1449 25
|
11天前
|
消息中间件 人工智能 运维
1月更文特别场——寻找用云高手,分享云&AI实践
我们寻找你,用云高手,欢迎分享你的真知灼见!
867 42
1月更文特别场——寻找用云高手,分享云&AI实践
|
2天前
|
存储 人工智能 分布式计算
湖仓实时化升级 :Uniflow 构建流批一体实时湖仓
本文整理自阿里云产品经理李昊哲在Flink Forward Asia 2024流批一体专场的分享,涵盖实时湖仓发展趋势、基于Flink搭建流批一体实时湖仓及Materialized Table优化三方面。首先探讨了实时湖仓的发展趋势和背景,特别是阿里云在该领域的领导地位。接着介绍了Uniflow解决方案,通过Flink CDC、Paimon存储等技术实现低成本、高性能的流批一体处理。最后,重点讲解了Materialized Table如何简化用户操作,提升数据查询和补数体验,助力企业高效应对不同业务需求。
327 17
湖仓实时化升级 :Uniflow 构建流批一体实时湖仓
|
2天前
|
机器学习/深度学习 自然语言处理
Deepseek开源R1系列模型,纯RL助力推理能力大跃升!
近期Deepseek正式发布 DeepSeek-R1,并同步开源模型权重。DeepSeek-R1 遵循 MIT License,允许用户通过蒸馏技术借助 R1 训练其他模型。