2018年总结及2019年展望

快来打我* 2022-04-01 17:51 266阅读 0赞

### 文章目录 ###

*   *  一、回顾
     *   *  1. 关于读书
         *  2. 技术学习
         *  3. 博客相关
         *  4. 工作相关
     *  二、新一年的展望

## 一、回顾 ##

看了下自己3月份列的计划和目标：

[2018年计划和目标][2018]

果然计划赶不上变化，列的几乎没达成。原因很多，下面一一分析。

### 1. 关于读书 ###

**没有完成计划，甚至一半都没完成，要自我批评**。

本来是计划读10本专业书的，但实际后半年好像只读了2，3本，kafka一本、spark一本、hive一本，hadoop半本，还有最近在看的《大数据日知录》。书看的少主要因为把更多的时间花在钻研更深层次的东西上面。比如前段时间学习kafka，看完《kafka权威指南》后，为了更深入的了解kafka，直接开始阅读kafka的相关源码。由于爷爷生病期间需要频繁的回家看望，深入学习kafka花了将近半年的时间，当然，这中间也夹杂了一些其他知识点的学习。

其实去年说要看完10本专业书有点过了。排除掉工作时间，一个月要真正的看完一本书还是有些困难的。因为专业书一般都不是看完一遍就可以完全理解的，要完全读透一本专业书，读个2，3遍是至少的，中间还要加上思考、理解、甚至根据书本的理论去做实验的时间。我记得去年看《深入理解JVM虚拟机》，在2个月内看了3遍，但仍然不敢说完全读透这本书。

当然，有些书一定要精读，有些书通读一遍就可以了。精读专业书主要是为了提高知识深度，通读专业书主要提高知识广度。

今年定阅读计划时我会分开设定目标。

### 2. 技术学习 ###

之前定的计划是学习C、C++，然后深入的去阅读JVM源码，以及深入理解G1、CMS的一些实现细节的。那时候还没入职美图大数据，以为今年不会从事大数据的工作。没想到随后就入职了美图大数据部门，然后又参加了部门内部的kafka学习小组，所以把大多数的时间花在了kafka以及学习相关大数据知识上面。计划的知识点几乎没有推进。

**虽然没有完成计划，但这属于情况变动，可以接受**。

### 3. 博客相关 ###

**3月初时开始写博客，并计划至少每周一篇，这个完成的情况挺不错，需要表扬自己一下**。

18年计划中有写shiro、netty源码博客的计划没有完成，主要是由于要学习的知识太多了，加上时间不够，因此一直拖着。明年找下时间看看能不能补上。不过之前做的很多知识点的笔记都还未输出成博客，明年有空也可以整理一下。

另外，关于博客，个人觉的明年应该尽量再提高一下博客的质量，之前写博客经常没自己审核一遍就发上去，所以经常有一些错别字，另外排版可能也有优化的空间。以后尽量能画图的多画图来表达，读者印象会更深刻些。

### 4. 工作相关 ###

今年4月9号入职了美图大数据部门基础组。

一开始进去刚好遇到之前的旧调度系统重构，然后重构了1，2周后因为旧的系统设计问题太多，决定放弃旧调度系统，再重新开发一套新的分布式调度系统。在设计、开发这个新调度系统的过程中，遇到并解决了很多问题，比如分布式锁、嵌套锁的使用，排查死锁问题，系统压测、sql优化，以及对一些模块进行优化重构、解耦。在这期间重温了那些设计模式，并在重构时运用上去。这个从零开始然后不断优化这个调度系统的的过程让我收获非常多，甚至比之前工作3年的收获还要大。

后面因为调度系统需要一个服务发现的功能，又花了几周做了个基于部门封装的rpc框架的服务注册发现功能。

之后因为调度系统日渐完善，功能需求慢慢减少，后面几个月开始接触ranger以及大数据集群相关的工作，主要负责解决用户的一些问题以及集群的优化和一些技术的调用。目前还在不断学习和调研各个大数据技术中。

怎么说呢，真的很庆幸自己能入职美图，然后刚好又从事大数据，在这里能做着自己最喜欢做的事情，有着一群逗比且优秀的同事，别人都说程序猿苦逼，但我从来不这么觉的。真的，工作使我快乐，我没撒谎。 (～￣▽￣)～

## 二、新一年的展望 ##

总结完2018年，自然就要开始展望2019年啦。

大数据一直是我的兴趣所在，今年终于开始接触大数据相关的工作。真正开始做大数据相关的集群工作，就发现自己在大数据技术知识储备上的积累不够，比如查线上hive问题的时经常需要看源码，但是由于对hive源码几乎不了解，有时候就很懵，不知道怎么查，只能看着其他同事去排查。

因此，2019年主要的学习计划都会放在各个大数据技术的深入学习上面。包括但不限于hadoop、hive、spark这些主流技术。

下面是2019年的目标，希望今年年底再来总结时能全部完成

1.  精读至少4本专业书，通读至少6本专业书
2.  阅读hadoop、hive、spark等技术源码，并适当写一些博客
3.  继续坚持每月4篇以上的博客输出

[2018]: https://blog.csdn.net/u013332124/article/details/79481112