跳到主要內容

技術轉換需知,學習 Node.js 的前期準備

image


技術轉換需知,學習 Node.js 的前期準備


持續推廣 node.js 對於新手教學上,通常會遇到許多狀況,以及許多不同的迷思,總和出來其實可以看到一些常見的問題。
這篇文章也是藉由數次的活動發想實踐當中,延伸出來的導讀文章之一,也是每次在活動一開始的時候,就會跟大家介紹的這門技術的一個初探介紹部分。

學習之前,先學會忘記

就像是所有武功絕學一樣,要學一門武功,一個新的技術,首先你需要改變自己的既有思想,這實際上真的很難,但就對於自己來說,也很有多既有概念,框架其實是無法捨棄,但是既然決定學習一件新事物,那勢必就是要改變。
對於已經有學習過一些程式編輯,或者一些程式框架的開發者,建議一開始學習 node.js 的朋友,先忘記掉所有你學過的語言,以及開發方式,試著忘記既有框架的狀況下,去學習這門技術。
在沒有既定框架下,不去過分討論,比較任何語言上的差異,而是先從他的背後歷史意義,演進接著再瞭解近期的改變以及未來規劃等。
以 Node.js 來說,在 2009 年,給與的示範就是一個聊天室,也表現提高 high concurrency 的實做,在當時定爲爲處理高承載量的新語言新服務,透過 JavaScript 實踐出來的結果。
到了 2012, 2013 年開始, Node.js 朝向不同環境中,透過許多公司投入全職開發者,將 Node.js 發佈到不同平臺上,同時依靠社群的力量,開始有極具的成長,也帶來不同的聲量。
最近的趨勢是開始走向, Node.js 嘗試解決分散式系統架構,以及直接嵌入式系統中,所以意味着開始有許多不同的發展,也有發展出不同於 Web 的應用。

JavaScript 並不是 bala, bala, bala …

講了許多過去歷史,雖然說大家已經開始試著要去忘記以往框架這件事情,但是我相信一開始還是做不到,這真的很難,但是請務必嘗試著,至少試著親手輸入每次的程式碼以及每次的相關測試,哪怕只是 hello world,跟着一起從頭開始進行所有流程。
在開宗明義上,根大家說,Node.js 其實就是在寫 JavaScript ,拋棄以往對於所有瀏覽器上的謬誤,以及對於所謂 IE 或者其他瀏覽器上面可能發生的錯誤。現在開始所有的事情都發生在背後,全部的事情都是在伺服器裏面進行。
所以可以說是,Node.js 程式編輯,其實是使用 JavaScript 爲基礎,透過 Google V8 engine (JavaScript interpreter) 進行後端程式的編譯。

非同步 ASYNC & 同步 SYNC

在以往的程式開發,一般的教育上我們都跟所有人講說, synchronization 序列化的程式開發,意思就是每個程式都是序列化進行,每個程式都是一步一步的慢慢進行。
在開始 Node.js 之前,接觸程式之前執行任何範例之前,我們必須記住在 Node.js 裏面,所有的東西都是非同步化,這也意味著其實你無法預測程式什麼時候會結束。
雖然聽起來有點怪異,不過這的確比較像是真實世界正在發生的狀況,最常舉的例子就像是準備早餐,當一開始準備早餐的時候,其實就是一個 process ,一開始我們需要準備煎蛋,準備咖啡,準備麵包。
如果使用 sync 的方式進行,我們的進行程序會變成
/*
1. 先開始煎蛋,直到蛋煎好了
2. 開始泡咖啡,直到咖啡煮開了
3. 開始烤麵包,直到麵包完成
*/

getEgg();
getCoffee();
getBread();
序列化的方式增加我們的準備時間,整個準備時間開始大幅增加,因爲每個執行序列都是一個一個完成後才開始執行。
可是在現實世界裏面,我們會怎麼做?
* 開始煎蛋(做好了,再取蛋)
* 開始泡咖啡(泡好了,再拿咖啡)
* 開始烤麵包(做好了,再拿麵包)

var cook = require("cook");

cook.getEgg(function (egg) {
    return egg;
});

cook.getCoffee(function (coffee) {
    return egg;
});

cook.getBread(function (bread) {
    return egg;
});
在執行 async process 當下,我們就直接進行了所有的事情,執行了所有方法一開始我們就並行了所有的程式,並不是一個一個等待,而真正完成時間我們並不知道,我們知道的是,這些事情其實都是同時並進。
所以程式並不是一個等待一個,一個等待一個,而是一次性的併發出來,觸發之後再進行通知動作。

Callback 程式藝術

剛剛提到的 Async,肯定要提到的就是 callback 這個特性,所有的流程處理都是在 callback 裏面所進行,這聽起來有點難懂,大部分的人也搞不清楚到底是怎麽一回事。
最長舉的例子就是直接啓動一個新的服務器。
var server = require("http");
var fs = require("fs");

server.createServer(function (req, res){

  res.end(content);


}).listen(3000);

console.log("start server");
特別要說明的部分就是,大部分的程式都是採用類似的方式執行,注意 createServer 這個部分,裏面的匿名函式雖然宣告,但是並不是直接觸發,而是等到當有使用者登入伺服器的時候才會觸發這個事件。
這也是通用的 callback 寫法,大部分的處理都是如此,就只要先記住這種寫作的感覺。
所以這也意味著,雖然 Node.js 是單一 Process 的程式,實際上可以透過 callback / event driven 機制達到類似像 mulit-thread。

爲何要學習 Node.js ,優勢?

最後是給所有對於 Node.js 質疑的人,Node.js 從 2009 年宣告之後,被發展到今天的狀況,透過 open source 的力量,加上許多企業全力的合作,已經把 Node.js 這個程式形成一股無法動搖的力量,也成爲這些企業的基礎建設之一。
就實際上來說,我們可以說 Node.js 可以透過程式開發來瞭解到平行化處理的流程,同步化處理的效益,因爲使用 event-driven 的特性,加上 v8 engine 的效能,因此 Node.js 在相同機器底下能夠支撐的 concurrency 會提高許多,所以對於開發高併發,高承載量的服務器其實是很有幫助的。
雖然說這對於開發成本上是比較高的,但另外一方面,這也是對於前端開發者的一個優勢,因爲沒有人比前端還要瞭解 JavaScript 特性,目前來說大部分真正瞭解 JavaScript 特性的就是前端開發者,也表示你們可以親眼見證轉職的可能性與機會。

後續討論

大部分的人都會問,對於目前的項目有沒有可以建議的 FRAMEWORK ,或者問現在是否適合改變到 Node.js 進行改寫。首先這個問題,沒有絕對的答案,但是先問自己,
  • 目前這個網站運作,有需要提高高承載量的需求?
  • 允許多久時間進行網站改寫,能否接受至少一個月沒有任何新進度?
如果以上答案都是 Y ,那答案就在各位心中。
在最近幾年其實 Node.js 已經有許多更多不同的變形,例如透過 node-webkit 可以進行 GUI 程式開發,透過 johnny-five 可以將 js 程式直接執行在 aduino 上面。甚至目前也有許多 robots 可以用 Node.js 進行程式開發。有人聽過 JavaScript 也可以寫音樂嗎?
因爲這些種種,我們必須承認 Node.js 的確對於 JavaScript 這門語言帶來巨大的震撼與改變。今年度 JSDC 2014 ,我們也特別規劃許多對於企業端,開發,JavaScript 最新流行趨勢的方向邀請各國講者來到臺灣。最精彩所有 JavaScript 頂尖技術全部都在 JSDC 2014

留言

這個網誌中的熱門文章

面試者如何挑戰大工程師時代來臨?

面試者如何挑戰大工程師時代來臨? 全世界都在倡導轉職成為工程師,似乎轉職成為工程師就成為職場的救贖,真的是如此嗎?讓老衲來杠給各位聽。 最近有位好久不見的小朋友,是 2000 年出生的小蔡,對於即將面臨到面對職場的挑戰開始關心起技術,他開始尋找比較適合自己的領域,同時也開始在思考到底為了接下來的就職小蔡該如何準備。 詢問我說是不是可以考慮軟體開發工程師這條路線 對於他的詢問,反而引起我的注意, 這讓我開始思考並映射於最近招募的經驗,軟體開發此領域是不是對於每個人都是可以擔任的職啀,這邊分享一些自己的看法希望對各位有所幫助。 全民工程師這件事情 在全球景氣低迷的狀況下,的確特別在這一年大家會很有感覺萬物齊漲,薪水不漲,薪資就是一直停滯不前。 很多時候,在不同的領域中,會發現整個薪資就算是擔任了管理職務主管你也會面臨到薪資的強大屏障在自己面前。 這個時候, 軟體工程師年薪百萬口號 似乎就成了一種救贖。 好像成為了工程師就可以達到年薪百萬,在家輕鬆工作,不用打卡也不用受到風吹雨淋,隨時想工作就可以工作,每個月又有固定薪水入帳,感受到類財富自由,人生的美好。 如果能夠爭取到跨國公司的職位,這份薪水有可能還可以上看每個月十多萬以上,甚至是往上也是極度有可能的事情,人生美好層次又再度提高了起來。 但這件事情是真的每個人都可以達到嗎? 還是這就是另外一種性存者偏差呢? 亦或者這些人其實是金字塔頂端的小眾? 每份履歷都像是同一種履歷 最近在最近幾年在面試工程師的時候特別會看到許多轉職者,一開始履歷裡面看到相關的作品一開始會覺得十分的驚艷, Wow, 現在的新手就可以做到如此精美的畫面,這些畫面是我當初用 Bootstrap 也做不出來的東西,許多的互動體驗好的一個不行,做出來的頁面配色和對齊也是極致。 但是隨著時間推移,多看了幾封履歷之後,就會發現在各大技術養成學院出來的學生履歷成果內容如出一轍,在面試的過程中也會詢問許多關於框架的底層概念,和比較技術觀念的時候,甚至是許多框架的核心概念,就很容易露出馬腳。 很多面試者會 一問三不知 ,透過許多引導,但殘酷的是連關鍵字是什麼都也無法推敲出來,更不用說在小組裡面到底怎麼樣合作,許多不同線上產品的比較,使用者流程,使用者後面的互動邏輯等,幾乎是風吹一片倒,只能

工程師跨越管理的第一道牆 - 放下

越來越複雜的網路應用 2022 年,網路應用越來越複雜,表層是 社群服務 ,轉頭看是 廣告服務 ,詳細看是 個資儲存庫 ,如此複雜的應用,如此眼花撩亂的系統架構, 現代的軟體開發已經從打個人戰,進入到團體戰鬥的打法。 打群架的時代 現在的許多產業,都在徵求軟體工程師,通常是徵求多位,以往以少少數量完成應用服務的時代已經過去。 現代已經是打群架的年代,前端至少一位,後端至少一位,系統管理,雲端管理等,這些都是在軟體公司內具備的職缺,已經很難回到那一人打天下的時代。 因此,誰能夠在技術領域中讓多種面向職能的人,互相進行協作,互相進行工作分配,將產品進度維持穩定產出,這樣的角色變得至關重要。 而通常,除了外部尋找此職能之外,這樣的職位,會以團隊中,最有技術力,且最能夠經常解決問題的人做為代表人。 帶領的第一課 - 『 放下』 相信大家都一定有聽過 彼得原理(Peter Principle) , 因其某種特質或特殊技能,令他被擢升到不能勝任的高階職 位,最終變成組織的障礙物 能力越強的人,通常被拔擢的越快,隨著職位的提升,也越發現能力的不適,而這問題在技術管理職位上特別常見。 因此,技術管理的第一堂課,要跟特別提醒的點是『放下』,特別是要放下自己的技術。 這可能與常理有所違背,為何會讓一個技術最強的人,去放棄他本身的技術呢? 放下的定義 放下,並不是要你放棄,癱軟在辦公室的椅子上什麼都不做,也不是讓你就捨棄掉對於技術的熱情,讓自己故步自封。 放下技術,是放下自己對於任何一種技術的直覺反應,本位思考,我們是否曾經聽過這種話 『如果是我來做,兩小時就可以完成了』 , 『這個很簡單,改一下就好了』 。 但今天,做的人不是你, 你已經進入管理者的角色 ,你已經被賦予 帶領的職能 ,帶領才是你該做的事情。 這時候如果以自己過往的 『經驗,效率,能力』 來看待 『他人』 的執行步驟及過程,會發現所有事情都如此的格格不入。 此時,你需要就是 『放下』 適當的放下自身技術能力 我們可能是因為自己曾經努力過,也可能自己剛好在那個時代,也可能是因為自己比較幸運,不論是哪一種可能,就是這麼剛好的在這個時間點成為 『帶人的那個人』 當我們用自己的眼光去看待所有人,看待所有新鮮人,就如同開著跑車去嘲笑騎摩托車的人不努

淺談 AI 落地到底有多難 - 以 OpenAI ChatGPT 為例

在 目前待領的團隊 ,小弟有幸 參與到 AI 落地的過程 ,之前也參與過幾次 AI 服務導入的和製作出 AI 產品應用的經驗,這邊就提出些簡單分享,跟大家說說,為何 AI 落地有這麼難 ChatGPT 幾乎成為這幾天大家刷版面的資訊,官方網站其實有提到 Chat-GPT 的參考模式是怎麼進行的,也有提供相關的論文參考, https://openai.com/blog/chatgpt/ ChatGPT 幾乎成為現象級的影響 如果你還沒試用過,我建議你真的玩玩看, https://chat.openai.com/chat 在 AI 落地的階段,有許多工程的過程,還有許多現實需要面對,而這煉成的過程都很容易導致 AI 落地失敗, 更不用說像是 ChatGPT 這種十年磨一劍的應用服務,為什麼驚艷, 中英文,簡中繁中等均能 80% 的機率識別問題及主題對話 回應內容,英文的部分不意外的通順,簡中繁中的部分有些詞語是有做過調整的,這實屬難得。 對於資料上下文關聯度,以及變化形式在主題式的發展下均能有效地回應且呈現。 呈現格式可以以『摘要、表格、條列』等方式進行規劃,同時也可以對文字內容進行一定程度的擴張和收斂。 而要做到這些事情,除了大家所熟知的需要不斷的生成模型,訓練模型,不同的模型疊加上去之外。 同時最難也是最複雜的部分, 『資料工程的處理』 AI 工程的開始 在我們使用任何一套 AI 框架 Tensorflow / pytorch 之後,無一例外地就會以特定問題解決方案,開始採用不同的現成 Model 進行驗證,在一開始對於初始的 example data / init data 都會有不錯的反應。 接下來問題開始... 當我們天馬行空的,不斷將例外,將特定領域情境涵蓋進去的時候,你就會發現這 model 的準確率下降,接下來就是一連串調整參數的開始, 或者是開始進行特例發想的部分,哪些資料是需要踢除的,哪些項目是需要先排開的,哪些資料是對於訓練本身是有影響的,在這個過程中就已經進入 data engineering 的環節中。 source from 資料科學家的工作日常 資料工程的處理 大家所想像的,在建立模型的時候似乎就是不斷地調參數,不斷的運作程式,但在這之前,有 『好多好多好多好多』