项目中怎样做技术选型

简介: 项目中怎样做技术选型

引出四个维度


工作快十五年了,从十年前开始经常会有新项目,需要从头开始做方案和设计。做技术选型很少成为我的难题。不是因为这方面我多有方法,而通常是很少有选择。在做技术选型的场景下基本有以下四个维度:


维度一


从系统构成上有两种:


第一种,有之前的老系统,需要重构


第二种,从零开始建的服务


维度二


从稳定性要求上有三种:


第一种,现在没有什么业务量,将来估计也不会有什么增长,甚至很可能不成


第二种,现在没有什么业务量,将来对稳定性要求很高


第三种,现在对有稳定性要求很高


维度三


从环境上有三种:


第一种,公司有很多基础设施


第二种,公司有一些基础设施


第三种,公司基本没有基础设施


维度四


从要求上有两种:


第一种,公司有标准化规范,需要用公司的统一组件


第二种,公司没有要求

 

各个维度组合的选项考虑


从零开始项目现在没有什么业务量,将来估计也不会有什么增长


从目标上,遇到这种项目,工作的重心就不在于把项目做好做坏,而在于人员培养。


如果公司对组件上没有什么要求,那我的建议是大家想学什么,就用什么。直接拿学习的试验田来用,一举两得。


如果公司有标准化规范,需要用公司的统一组件。但是公司的组件一般也是开源进行二次开发的,也一样可以想学什么就用什么,弄不明白的,还可以找维护组件的人请教。也可以用公司自研的,但是在业界有一定知名度的产品。研究的好可以作为面试的一个亮点。


瞎举个例子哈:


一六年、一七年做P2P并且不合规的公司,眼看就不行了。有的团队用的kafka,就是为了学习这个东西;有的团队自己搭建redis集群也是为了学习。


从零开始项目现在没有什么业务量,现在或者将来对稳定性要求很高


从目标上,这个是产生业绩的最佳项目,要精心规划。


做这种项目需要做好调研,包含业界调研和公司调研。业界的同类产品是怎么做的,有哪些缺点和优点。公司有没有同类或者可以登高类比(登高类比是指先找相似度最高的,找不到在逐渐扩大范围)的,那些项目遇到过哪些坑或者问题,是否和架构或者技术选项有关。


在做好调研基础上,如果公司对组件上没有什么要求,那就需要根据项目本身的特点综合比较。举例如下图:


1112728-20211111161147047-85605522.png


不考虑项目本身特性,使用技术通用的考察项主要有:优势、劣势、技术成熟度、社区活跃度、资料丰富程度、是否有大牌公司在持续维护。


可参考我之前的文章《SpringBoot整合web容器》里面有介绍我当初对tomcat还是jetty选择的考虑点。


如果公司有标准化规范,需要用公司的统一组件。


这时候,如果公司的组件可选性很多,比如之前美团的监控告警组件就有cat、digger、tracing、大白等。这时候一方面考虑各个组件的侧重点和自身是否切合,最重要的是要看其他团队都用什么。周围团队用的很少,咱们也不要用了。兄弟团队有福同享有难同当,如果大家都用这个,组件稳定性有问题了,影响的不止一个团队,也相互有个依靠。就自己用了还出事了,额,让我想起一句歌词:“多少秘密在其中 欲诉无人能懂”-----一帘幽梦。暴露年龄了。


如果公司的组件只有一个,也要看看兄弟团队有没有在用,还需要组件团队给提供相应的SLA,对于还在推广中的组件要谨慎。


重构老系统没有什么业务量,将来估计也不会有什么增长


建议放弃重构!


重构老系统没有什么业务量,将来对稳定性要求很高


参考从零开始项目现在没有什么业务量,现在或者将来对稳定性要求很高的方法。


重构老系统,现在对稳定性要求很高


建议选型尽量和之前保持一致,以便于和之前的逻辑尽量一致。避免踩到特殊需求导致的特殊逻辑等坑。


实在不能一致,比如十二年前我们有个“新鲜事”中间件,类似于网页版的发朋友圈吧。之前是用c++写的,后来c++的同事都离职了,要求我们改成java。这时候要考虑的主要是技术的成熟度。这个成熟度包含业界技术本身的成熟度和团队成员对技术的熟练度。


对于这种类型,还有几句忠告:


不要特立独行,要合群!


使用成熟的技术!


使用成熟技术的成熟功能!


最后对使用成熟技术的成熟功能做个解释说明:比如redis很成熟了,redis有很多高级特性,比如订阅转发,稳定性要求高的不要用。用更加成熟的常用做订阅转发的比如MQ!

相关文章
|
Java 中间件 API
【C/C++ 线程 】深入浅出:理解 std::thread 的局限性
【C/C++ 线程 】深入浅出:理解 std::thread 的局限性
713 2
|
Kubernetes 持续交付 微服务
深入浅出:理解 Kubernetes 核心概念
Kubernetes 是一个由 Google 开源的容器编排平台,用于自动化部署、扩展和管理容器化应用程序。它已成为微服务架构下的行业标准。本文深入浅出地介绍了 Kubernetes 的核心概念和组件,包括 Master 和 Node 组件、Pod、Service、Deployment 等,并提供了基本操作示例和实战应用,帮助你更好地管理和利用容器环境。
|
数据采集 存储 分布式计算
超酷炫Python技术:交通数据的多维度分析
超酷炫Python技术:交通数据的多维度分析
|
分布式计算 Java Serverless
EMR Serverless Spark 实践教程 | 通过 spark-submit 命令行工具提交 Spark 任务
本文以 ECS 连接 EMR Serverless Spark 为例,介绍如何通过 EMR Serverless spark-submit 命令行工具进行 Spark 任务开发。
855 7
EMR Serverless Spark 实践教程 | 通过 spark-submit 命令行工具提交 Spark 任务
|
运维 负载均衡 监控
提升系统性能:高效运维的秘密武器——负载均衡技术
在当今数字化时代,系统的高可用性和高性能成为各类企业和组织追求的目标。本文旨在探讨负载均衡技术在运维工作中的关键作用,通过深入分析其原理、类型及实际应用案例,揭示如何利用这项技术优化资源分配,提高系统的响应速度和可靠性,确保用户体验的稳定与流畅。无论是面对突如其来的高流量冲击,还是日常的运维管理,负载均衡都展现出了不可或缺的重要性,成为现代IT架构中的基石之一。
672 4
|
数据采集 存储 数据管理
CDGA|如何实施非常精准的数据治理策略?
精准的数据治理需要企业从设定明确目标、制定适应性策略、构建完善组织结构、制定严谨制度流程、采用先进技术工具、加强事前预防、推动数据驱动决策以及建立健全监督与评估机制等多个方面入手。只有这样,企业才能有效应对数据时代带来的挑战,充分释放数据价值,为组织的可持续发展提供有力支撑。
|
分布式计算 搜索推荐 Hadoop
03 Hadoop国内外应用案例介绍
03 Hadoop国内外应用案例介绍
815 0
|
分布式计算 自然语言处理 大数据
【大数据】MapReduce JAVA API编程实践及适用场景介绍
【大数据】MapReduce JAVA API编程实践及适用场景介绍
411 1
|
消息中间件 监控 Kafka
Filebeat+Kafka+Logstash+Elasticsearch+Kibana 构建日志分析系统
【8月更文挑战第13天】Filebeat+Kafka+Logstash+Elasticsearch+Kibana 构建日志分析系统
1147 3
|
存储 自然语言处理 机器人
ROS2教程06 ROS2行动
这篇文章是关于ROS2(Robot Operating System 2)行动(Action)通信机制的教程,包括行动的概念、特点、命令行工具的使用,以及如何编写行动的客户端和服务器代码,并介绍了如何测试行动通信。
527 4
ROS2教程06 ROS2行动