O’Reilly online learning平臺(tái)上有很多關(guān)鍵信息，涉及到技術(shù)領(lǐng)導(dǎo)者需要關(guān)注的趨勢(shì)和問(wèn)題。這也是我們年度使用率研究的數(shù)據(jù)來(lái)源，在這項(xiàng)研究中我們分析了最常用的主題和熱門搜索詞。[1]
使用率和搜索量數(shù)據(jù)結(jié)合在一起就能提供一種上下文視圖，從中不僅能觀察到人們正在積極使用哪些工具、技術(shù)和技能，還能看出他們喜歡收集哪些領(lǐng)域的信息。
O’Reilly online learning平臺(tái)上最新的使用率數(shù)據(jù)顯示以下五個(gè)技術(shù)領(lǐng)域的發(fā)展趨勢(shì)：
- Python 表現(xiàn)卓越。這是 O’Reilly 上最流行的編程語(yǔ)言，占到總體使用率的 10％。今年 Python 使用率的增長(zhǎng)主要是因?yàn)槠湓跀?shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)（ML）和人工智能（AI）工程師中的采用率不斷上升。
- 基礎(chǔ)設(shè)施和運(yùn)維愈加熱門，DevOps 熱度下滑。軟件架構(gòu)、基礎(chǔ)設(shè)施和運(yùn)維正在向云原生轉(zhuǎn)型。此外，基礎(chǔ)設(shè)施和運(yùn)維的主題愈加熱門，而 DevOps 的熱度卻在下滑。這是某種巧合嗎？可能不是，不過(guò)時(shí)間會(huì)證明一切。
- 機(jī)器學(xué)習(xí)（ML）+ 人工智能（AI）已然崛起，但熱度也下降了。直到 2017 年，ML+AI 一直是平臺(tái)上增長(zhǎng)最快的主題之一。這個(gè)規(guī)模龐大的主題增長(zhǎng)仍然強(qiáng)勁，但在 2018 年的增長(zhǎng)卻放緩了（+13％），在 2019 年則顯著降溫，僅增長(zhǎng) 7％。但在數(shù)據(jù)主題內(nèi)，ML+AI 已從整體的 22％份額增長(zhǎng)為 26％。
- 云依舊熱門，云遷移成為新亮點(diǎn)。云平臺(tái)的強(qiáng)勁使用率（+16％）為云相關(guān)主題貢獻(xiàn)了大部分增長(zhǎng)。值得關(guān)注的是，人們對(duì)云遷移主題的興趣不斷提升（2019 年使用率增長(zhǎng)了 10％，而 2018 年增長(zhǎng)了 30％），使其成為另一個(gè)重要的新興趨勢(shì)。
- 安全熱度飆升。去年，安全性主題總體使用率猛增了 26％，主要?dú)w功于兩大安全認(rèn)證的推動(dòng)：CompTIA Security（+50％）和 CompTIA CySA+（+59％）。業(yè)務(wù)主管、系統(tǒng)管理員、DBA 和開發(fā)人員需要警惕的安全風(fēng)險(xiǎn)其實(shí)一直都是非常多的。
圖1：2019 年 O'Reilly online learing平臺(tái)上熱門術(shù)語(yǔ)的標(biāo)準(zhǔn)化搜索頻率（左）和每個(gè)術(shù)語(yǔ)的變化率（右）
圖2：O’Reilly online learning平臺(tái)上的高級(jí)主題 -2019 年使用率由高至低的排序（左）以及每個(gè)主題的變化率（右）
在編程領(lǐng)域，Python 最流行
與 2018 年一樣，2019 年 Python 仍然是 O’Reilly online leanring平臺(tái)中最受歡迎的語(yǔ)言。與 Python 相關(guān)的主題使用率在 2019 年以 6％的速度穩(wěn)定增長(zhǎng)，比 2018 年略有下降（+10％）。在 2017 年超越 Java 之后，經(jīng)過(guò)數(shù)年的穩(wěn)步攀升，與 Python 相關(guān)的互動(dòng)現(xiàn)在已占整體使用率的近 10％。
但是 Python 是一個(gè)特例：與往年相比，它在 2019 年的增長(zhǎng)其實(shí)主要受到 ML 熱度的推動(dòng)。2019 年如果只將 Python 作為一種編程語(yǔ)言，那么相關(guān)主題使用率僅增長(zhǎng) 4％；相比之下，與 Python 和 ML 相關(guān)的主題使用率（例如在 AI、深度學(xué)習(xí)和自然語(yǔ)言處理的上下文中，或者與幾種流行的 ML/AI 框架結(jié)合使用）增加了 9％?；?Python 的 Web 開發(fā)框架則拖了增長(zhǎng)的后腿，其使用率同比增長(zhǎng)僅 3％。
圖3：O’Reilly online learning平臺(tái)上的頂級(jí)編程語(yǔ)言在 2019 年的標(biāo)準(zhǔn)化搜索頻率（左）以及每種語(yǔ)言的變化率（右）
圖4：在 O’Reilly online leanring平臺(tái)上的編程語(yǔ)言 - 在 2019 年使用率由高至低的排序（左），以及每種語(yǔ)言的變化率（右）
這與我們在其他地方觀察到的情況是一致的：Python 在 AI 和 ML 領(lǐng)域熱度中獲得了新的增長(zhǎng)點(diǎn)。Python 與 R 語(yǔ)言一起都是數(shù)據(jù)分析中最常用的語(yǔ)言。可用的 Python 庫(kù)包括線性或邏輯回歸的預(yù)構(gòu)建庫(kù)、決策樹、樸素貝葉斯、k 均值、梯度遞增等等，幾乎可以滿足開發(fā)人員或數(shù)據(jù)科學(xué)家的一切潛在需求。（Python 庫(kù)在數(shù)據(jù)處理或數(shù)據(jù)工程領(lǐng)域也很有用。）
有趣的是，R 語(yǔ)言自己還在下降。O’Reilly online learning平臺(tái)中與 R 語(yǔ)言相關(guān)的主題使用率在 2017 年 -2018 年下降了 8％，在 2019 年則同比下降 6％。R 很可能會(huì)像 Scala（在 2018 年 -2019 年度使用 33％；2017 年 -2018 年度使用 19%）那樣，成為 Python 崛起的犧牲品。
沒錯(cuò)，考慮到 AI 和 ML 的熱度，很難想象 R 還會(huì)衰退，但這里要考慮兩個(gè)因素：首先，ML 和數(shù)據(jù)統(tǒng)計(jì)不是一回事；其次，R 不是主要面向開發(fā)人員的語(yǔ)言。R 被設(shè)計(jì)用于學(xué)術(shù)、科學(xué)，以及最近興起的商業(yè)用例。隨著數(shù)據(jù)統(tǒng)計(jì)和相關(guān)技術(shù)在軟件開發(fā)中變得越來(lái)越重要，越來(lái)越多的程序員在編程中遇到了統(tǒng)計(jì)數(shù)據(jù)需求。在這種情況下，相比 R 語(yǔ)言來(lái)說(shuō)他們更可能會(huì)使用 Python。
對(duì)某些語(yǔ)言的興趣似乎在呈現(xiàn)上升趨勢(shì)，而其他一些語(yǔ)言的興趣則呈下降趨勢(shì)。情況 A：與 Java 相關(guān)的主題使用率在 2018 年至 2019 年之間下降了 13％，這預(yù)示著某種趨勢(shì)嗎？不一定：在 2017 年至 2018 年期間，與 Java 相關(guān)的搜索量增長(zhǎng)了 5％。另一方面，Java 的表兄弟 JavaScript 也在下降。沒錯(cuò)，他們只有概念上的聯(lián)系，但是對(duì) JavaScript 的興趣似乎也確實(shí)在減弱：O’Reilly online leanring平臺(tái)中與 JS 相關(guān)的主題使用率在 2017 年 -2018 年期間下降了 4％，在 2018 年 -2019 年之間則下降了 7％。有一種可能，那就是微服務(wù)架構(gòu)的興起正在快速將其他語(yǔ)言（如 Go、Rust 和 Python）引入 Web 開發(fā)世界。
在基于 JavaScript 的 Web 應(yīng)用程序框架中，Angular（使用率 12％）在 2018 年至 2019 年間下滑了，而 React 的受歡迎程度增加了（使用率增加了 4％）。Vue.js（React 和 Angular 的競(jìng)爭(zhēng)者）在 2017 年 -2018 年間的使用率幾乎翻了一番（+97％），在 2018 年 -2019 年則進(jìn)入了穩(wěn)定增長(zhǎng)狀態(tài)（使用率增加 8％）。
一種可能的趨勢(shì)是 Go 的步伐逐漸放慢，在使用率連續(xù)數(shù)年快速增長(zhǎng)（其中從 2017 年至 2018 年增長(zhǎng) 14％）之后，Go 的增長(zhǎng)速度在去年有所下降，使用率僅增長(zhǎng)了 2％。但是 Go 現(xiàn)在是第六大最常用的編程語(yǔ)言，僅次于 Python、Java、.NET 和 C++。如果基于統(tǒng)計(jì)方法將.NET 剔除掉的話 [2]，Go 就能進(jìn)入前五名。
軟件架構(gòu)、基礎(chǔ)設(shè)施和運(yùn)維此消彼長(zhǎng)
云原生設(shè)計(jì)是一種思考軟件和架構(gòu)的新方法。但是向云原生的轉(zhuǎn)型不僅影響了軟件架構(gòu)，而且也影響了基礎(chǔ)設(shè)施和運(yùn)維。它利用了新的設(shè)計(jì)模式（微服務(wù)），同時(shí)改良了現(xiàn)有技術(shù)（服務(wù)編排），從而在所有環(huán)境（云或本地環(huán)境）中實(shí)現(xiàn)了類似云的彈性和適應(yīng)性。O’Reilly Radar 使用了術(shù)語(yǔ)“下一代架構(gòu)”來(lái)描述這種轉(zhuǎn)型。
在這種背景下，我們需要了解軟件架構(gòu)、基礎(chǔ)設(shè)施和運(yùn)維中都發(fā)生了哪些變化。在通用軟件架構(gòu)主題中，容器主題的使用率在我們的 2019 年分析報(bào)告中有所增長(zhǎng)，提升了 17％。相比它在 2018 年的增長(zhǎng)率（使用率增長(zhǎng)了 56％）來(lái)說(shuō)這個(gè)數(shù)字要小得多，但依舊令人印象深刻。Kubernetes 已經(jīng)成為在云原生設(shè)計(jì)模式下編排服務(wù)和微服務(wù)的事實(shí)解決方案。Kubernetes 的使用率在 2018 年猛增 211％，在 2019 年則增長(zhǎng) 40％。Kubernetes 的父主題——容器編排也實(shí)現(xiàn)了強(qiáng)勁增長(zhǎng)：2018 年增長(zhǎng)為 151％，2019 年增長(zhǎng)為 36％——這幾乎可以全部歸功于 Kubernetes 的熱度。
圖5：O’Reilly online leanring平臺(tái)上的軟件架構(gòu)主題 - 在 2019 年使用率由高至低的排序（左），以及每個(gè)主題的變化率（右）
這也能用來(lái)解釋微服務(wù)主題使用率的增長(zhǎng)，該主題在 2019 年的增長(zhǎng)率為 22％。確實(shí)，你不一定需要微服務(wù)來(lái)“實(shí)現(xiàn)”云原生設(shè)計(jì)，但在今天很難將它們分離開來(lái)。大多數(shù)云原生設(shè)計(jì)模式都涉及到了微服務(wù)。
這些趨勢(shì)還與基礎(chǔ)設(shè)施和運(yùn)維的興起有關(guān)，這既反映了 DevOps 的局限性，又反映了向云原生設(shè)計(jì)轉(zhuǎn)型所帶來(lái)的挑戰(zhàn)。基礎(chǔ)設(shè)施和運(yùn)維是通用系統(tǒng)管理主題下增長(zhǎng)最快的子主題。對(duì)基礎(chǔ)設(shè)施和運(yùn)維的興趣激增，也解釋了配置管理（CM）和 DevOps 主題使用率的下降。
最受歡迎的那些 CM 工具專注于 DevOps，并且熱度像 DevOps 本身一樣在下降：與所有 CM 工具一樣，CM 主題的使用率在 2019 年顯著下降（-18％）。Ansible 受的影響最小（使用率為 -4％），但 Jenkins、Puppet、Chef 和 Salt 的使用率分別下降了 25％或更多。在 2018 年下降 20％之后，DevOps 的使用率在 2019 年再次下滑（-5％）并非偶然。
圖6：O’Reilly online leanring平臺(tái)上的基礎(chǔ)設(shè)施和運(yùn)維主題 - 在 2019 年使用率由高至低的排序（左），以及每個(gè)主題的變化率（右）
基礎(chǔ)設(shè)施和運(yùn)維主題的興起表明組織可能在擴(kuò)展 DevOps 方面遇到了困難。DevOps 旨在培養(yǎng)能夠在系統(tǒng)“堆棧”的每個(gè)層中都勝任工作的程序員。但實(shí)際上，開發(fā)人員往往對(duì) DevOps 中運(yùn)維組件的投入較少，這一事實(shí)催生了站點(diǎn)可靠性工程（SRE）的思想。就算“全?！遍_發(fā)人員不像獨(dú)角獸那樣稀有，但也不是隨處可見。組織將基礎(chǔ)設(shè)施和運(yùn)維視為實(shí)用的、以運(yùn)維為重點(diǎn)的補(bǔ)充方法，可以在 DevOps 容易失敗的地方準(zhǔn)確地彌補(bǔ)缺陷。
AI 和 ML 增速下降
與數(shù)據(jù)相關(guān)主題的結(jié)果在預(yù)料之內(nèi)，但也無(wú)可避免地令人感到困惑。從數(shù)據(jù)工程開始，所有數(shù)據(jù)工作的核心主題（這一類別包括涉及數(shù)據(jù)管理的那些標(biāo)題，如關(guān)系數(shù)據(jù)庫(kù)、Spark、Hadoop、SQL 和 NoSQL 等）都在這一大塊里?？傮w而言，2019 年數(shù)據(jù)工程的使用率下降了 8％，2018 年下降了 3％。這兩年的下滑都是由于數(shù)據(jù)管理主題的使用率下降所致。
當(dāng)我們關(guān)注更具體的數(shù)據(jù)工程主題（不包括數(shù)據(jù)管理）時(shí)，我們會(huì)看到它的份額很小，但使用率在穩(wěn)步增長(zhǎng)，2018 年增長(zhǎng)了 7％，2019 年增長(zhǎng)了 15％（見下圖）。
在宏觀層面的“數(shù)據(jù)”主題中，數(shù)據(jù)工程（包括數(shù)據(jù)管理）仍在該主題中占有最大份額，在平臺(tái)上的所有使用率中占約十二分之一的份額。這幾乎是數(shù)據(jù)科學(xué)主題份額的兩倍，后者的使用率在 2018 年下降了（-2％）之后，在 2019 年恢復(fù)增長(zhǎng)（+5％）。
此外，對(duì) ML 和 AI 的興趣一直在增長(zhǎng)，盡管速度有所下降。舉個(gè)例子：2019 年，ML/AI 組合主題的使用率增長(zhǎng)了 7％，約為其 2018 年增長(zhǎng)速度（+13％）的一半。
圖7：O’Reilly online leanring平臺(tái)上的數(shù)據(jù)主題 -2019 年使用率由高至低的排序（左），以及每個(gè)主題的變化率（右）
諷刺的是，在數(shù)據(jù)相關(guān)的主題中，ML/AI 的優(yōu)勢(shì)可能沒有它們?cè)谄渌黝}領(lǐng)域（例如編程語(yǔ)言）中那么明顯。在編程語(yǔ)言領(lǐng)域中，Python 使用率的增長(zhǎng)在很大程度上來(lái)自于該語(yǔ)言針對(duì) ML 的實(shí)用性和適用性的推動(dòng)。但是自然語(yǔ)言處理（NLP，2019 年增長(zhǎng) 22％）和神經(jīng)網(wǎng)絡(luò)（增長(zhǎng) 17％）等與 ML/AI 相關(guān)的主題的使用率也在強(qiáng)勁增長(zhǎng)。
數(shù)據(jù)工程作為一項(xiàng)任務(wù)而言當(dāng)然并沒有下滑，對(duì)數(shù)據(jù)工程的興趣可能也沒有下降。數(shù)據(jù)科學(xué)和 ML/AI[3] 都將數(shù)據(jù)工程當(dāng)作一個(gè)實(shí)踐領(lǐng)域。從其他研究中我們知道，數(shù)據(jù)科學(xué)家，機(jī)器學(xué)習(xí)和 AI 工程師等花費(fèi)大量時(shí)間用于發(fā)現(xiàn)、準(zhǔn)備和處理數(shù)據(jù)以開展工作。我們看到，流行的工具和框架通常以自動(dòng)化 / 引導(dǎo)式自助功能的形式來(lái)為用戶提供數(shù)據(jù)工程能力，或者（像 Jupyter 之類的筆記本那樣）可以構(gòu)建和編排調(diào)用 Python、R（通過(guò) Python）等庫(kù)，從而同時(shí)或（如果可能的話）并行運(yùn)行數(shù)據(jù)工程作業(yè)。
與老一代數(shù)據(jù)工程相對(duì)應(yīng)的術(shù)語(yǔ)，例如“關(guān)系數(shù)據(jù)庫(kù)”、“Oracle 數(shù)據(jù)庫(kù)解決方案”、“Hive”、“數(shù)據(jù)庫(kù)管理”、“數(shù)據(jù)模型”、“Spark”等，使用率在 2019 年同比下滑。部分是由于一些更大層面的、市場(chǎng)驅(qū)動(dòng)的因素所致。從我們的研究中我們知道，Hadoop 及其相關(guān)項(xiàng)目（例如 Hive）的生態(tài)系統(tǒng)正處于持續(xù)多年的長(zhǎng)期衰退之中。這種下降趨勢(shì)在我們的使用率數(shù)據(jù)中得到了證實(shí)：Hadoop（-34％）、Hive（也為 -34％）甚至 Spark（-21％）均同比大幅下降。
我們?cè)?a href="index.html"> O’Reilly Strata 大會(huì)講師議題的分析中詳細(xì)討論了造成這種下降的可能因素。
云熱度持續(xù)攀升
在 O’Reilly online leanring平臺(tái)上，與云相關(guān)的概念和術(shù)語(yǔ)的關(guān)注程度仍在不斷增長(zhǎng)，盡管增速有所放緩。從 2017 年到 2018 年，與云相關(guān)的主題使用率激增了 35％；在 2018 年至 2019 年期間，它的增長(zhǎng)率放緩到了不到一半（增長(zhǎng) 17％）。這一情況表明云這一類別已經(jīng)取得了很大份額，以至于增速就沒有那么明顯了。就云而言，雖然它的增長(zhǎng)速度減慢了，但勢(shì)頭仍然強(qiáng)勁。
圖8：O’Reilly online learning平臺(tái)上的云主題 - 在 2019 年使用率由高至低的排序（左），以及每個(gè)主題的變化率（右）
對(duì)云服務(wù)提供商的興趣是整個(gè)云計(jì)算行業(yè)熱度的一個(gè)縮影：與 Amazon 和 AWS 相關(guān)的主題使用率同比增長(zhǎng) 14％；另一方面，Azure 的使用率增長(zhǎng) 29％；而 Google Compute Platform（GCP）增長(zhǎng) 39％。亞馬遜控制著云基礎(chǔ)設(shè)施即服務(wù)（IaaS）產(chǎn)品總體市場(chǎng)的一半。它也已經(jīng)達(dá)到了無(wú)法繼續(xù)維持高增速的節(jié)點(diǎn)。Azure 和 GCP 的增長(zhǎng)速度都比 AWS 快得多，但市場(chǎng)份額也要小得多：Azure 主題在 2018 年的增長(zhǎng)率接近 61％（根據(jù) Gartner），占 IaaS 市場(chǎng)的 15％以上；GCP 增長(zhǎng)率約為 60％，占 IaaS 份額的 4％。
同樣令人感興趣的是，去年 O’Reilly 平臺(tái)上人們對(duì)微服務(wù)和 Kubernetes 領(lǐng)域中與云相關(guān)主題的興趣大大提升。在 2018 年下降之后，與微服務(wù)相關(guān)的主題使用率在 2019 年同比增長(zhǎng) 22％。在 2017 年至 2018 年經(jīng)歷了爆炸式增長(zhǎng)（+190％）之后，Kubernetes 的使用率在 2019 年同比增長(zhǎng) 38％。我們通過(guò)用戶調(diào)查等研究工作所看到的是：微服務(wù)已經(jīng)成為云原生設(shè)計(jì)和開發(fā)的重要組成部分。
更值得關(guān)注的是，現(xiàn)代軟件架構(gòu)的這一關(guān)鍵趨勢(shì)（即強(qiáng)調(diào)抽象、隔離和原子性，重視松散耦合）正在消除我們眼中的“云”與“本地”之間的界限。無(wú)論是本地還是云部署中，人們對(duì)微服務(wù)和 Kubernetes 的興趣都方興未艾，這也為這一趨勢(shì)提供了佐證。
這就是云原生設(shè)計(jì)的邏輯：當(dāng)然，特定的部署上下文仍然很重要——開發(fā)人員在為 AWS 開發(fā)時(shí)需要考慮哪些特性或約束？對(duì)于 Azure 來(lái)說(shuō)呢？GCP 呢？但是，區(qū)分公共云和私有云的清晰界限正在消失。類似的，內(nèi)部私有云與傳統(tǒng)內(nèi)部部署系統(tǒng)之間的界限也正在消失。
對(duì)安全的興趣激增
2019 年，安全性主題的使用率（+26％）顯著增長(zhǎng)。其中部分原因是 CompTIA Security+（50％）和 CompTIA 網(wǎng)絡(luò)安全分析師（CySA+，59％）主題的使用率大漲。
Security+ 是一項(xiàng)入門級(jí)安全認(rèn)證，因此其增長(zhǎng)可以歸因于系統(tǒng)管理員、DBA、軟件開發(fā)人員和其他非專家用戶使用率的增長(zhǎng)。不管是為了提升他們的權(quán)威性，滿足新工作要求（或者行業(yè)法規(guī)要求），抑或只是為了增加自身市場(chǎng)價(jià)值，Security+ 對(duì)他們來(lái)說(shuō)都是一個(gè)非常簡(jiǎn)單的認(rèn)證過(guò)程：通過(guò)考試即可獲得認(rèn)證。另一方面，CySA+ 是相對(duì)較新的認(rèn)證。這可以解釋 2018 年與 CySA+ 相關(guān)的主題使用率激增（+128％）、以及去年強(qiáng)勁增長(zhǎng)的原因。與 CISSP 等備受歡迎的認(rèn)證不同，CySA+ 推薦但不要求受試者擁有現(xiàn)實(shí)經(jīng)驗(yàn)。與 Security+ 一樣，它是系統(tǒng)管理員、DBA、開發(fā)人員等可選的另一項(xiàng)權(quán)威認(rèn)證。
認(rèn)證并不是推動(dòng) 2019 年 O’Reilly 平臺(tái)上與安全性相關(guān)主題使用率增長(zhǎng)的唯一原因，一系列漏洞和潛在攻擊也產(chǎn)生了一定影響。如果說(shuō) 2018 年（安全性使用率增長(zhǎng) 5％、搜索量增長(zhǎng) +22％）讓我們看到了 Meltdown 和 Spectre 的蹤跡，那么 2019 年就讓我們清楚地見證了 Meltdown、尤其是 Spectre 的深遠(yuǎn)影響。在 2019 年，安全性相關(guān)主題的使用率（+26％）和搜索量（+25％）都相應(yīng)地增加了。系統(tǒng)和數(shù)據(jù)庫(kù)管理員、CSA、CISSP 等用戶渴望獲得專業(yè)級(jí)的詳細(xì)信息，用來(lái)修補(bǔ)和加固易受攻擊的系統(tǒng)，以保護(hù)其免受至少 13 種不同的 Spectre 和 14 種不同的 Meltdown 變體的侵害，并減輕與這些修補(bǔ)程序相關(guān)的性能影響。開發(fā)人員和軟件架構(gòu)師在重寫、重構(gòu)或優(yōu)化其代碼以解決這類問(wèn)題時(shí)疑問(wèn)多多。在這種背景下，與安全性相關(guān)的主題使用率激增是可以理解的。
在信息安全和數(shù)據(jù)隱私領(lǐng)域也有著顯著的變化。畢竟，2019 年不僅是歐盟綜合 GDPR 體制產(chǎn)生約束力的第一整年，而且自 2019 年 1 月 1 日起，加拿大也正式啟動(dòng)了類似于 GDPR 的 PIPEDA 體制。全面的《加利福尼亞消費(fèi)者隱私法案》，即加利福尼亞的 GDPR，則于 2020 年 1 月 1 日生效。
如果 O’Reilly 上安全性使用率的持續(xù)增長(zhǎng)是一個(gè)可靠指標(biāo)，那么在日益數(shù)字化的世界中，安全性最終可能會(huì)受到應(yīng)有的關(guān)注。更多企業(yè)可能不得不承認(rèn)：因數(shù)據(jù)泄露或引人注目的黑客行為而遭受財(cái)務(wù)和聲譽(yù)損失的風(fēng)險(xiǎn)太高了，總體來(lái)說(shuō)，花在信息安全上的錢還是很值得的。
但是，相同的分析中也能得出較負(fù)面的結(jié)論：安全支出是周期性的；一波事件后安全支出會(huì)增長(zhǎng)，與此同時(shí)我們得承認(rèn)大家都習(xí)慣于好了傷疤忘了痛。究竟未來(lái)會(huì)如何，只有時(shí)間（或我們將來(lái)的調(diào)查結(jié)果）可以證明一切。
總結(jié)與思考
差不多可以肯定，2019 年最熱門的趨勢(shì)在明年的分析中依舊會(huì)保持自己的大致位置。編程語(yǔ)言都是江山代有人才出，但 Python 似乎有能力保持穩(wěn)定增長(zhǎng)，因?yàn)樗扔袑?shí)力，又具有適應(yīng)性，并且易于使用。從 Python 在 ML 和 AI 中的廣泛使用中我們看到了這一點(diǎn)：它已取代 R 成為了數(shù)據(jù)工程和分析的通用語(yǔ)言。
機(jī)器學(xué)習(xí)和人工智能也是如此。即便（正如一些反對(duì)者所警告的那樣）下一個(gè) AI 冬天即將來(lái)臨，也很難想象人們對(duì) ML 和 AI 的興趣會(huì)很快消失。關(guān)于軟件架構(gòu)的趨勢(shì)，尤其是基礎(chǔ)設(shè)施和運(yùn)維的趨勢(shì)也是可以這樣總結(jié)的。它們都是不斷創(chuàng)新的高地，其從業(yè)人員將被迫緊追潮流。
調(diào)整后的“Overton 窗口”用來(lái)判斷熱度水平是很有用的。Overton 窗口說(shuō)的是在特定時(shí)間、特定位置可用的人類認(rèn)知帶寬是有限的。策略或問(wèn)題或趨勢(shì)的組合不能超過(guò)可用帶寬的 100％。在某種程度上，這也確實(shí)能說(shuō)明 O’Reilly online learing平臺(tái)上主題活躍度的表現(xiàn)。平臺(tái)上主題使用率的減少不一定代表實(shí)踐中的使用率（或有用性）也跟著下降，它只是被其他新興趨勢(shì)擠了出去。
這也說(shuō)明為什么像 JavaScript 這樣的領(lǐng)頭羊主題的使用率下滑會(huì)有很大影響。即使這些主題不再是快速和持續(xù)創(chuàng)新的場(chǎng)所，它們對(duì)于日常用例來(lái)說(shuō)也依舊非常重要，尤其是在日常信息收集或更專業(yè)的問(wèn)題解決領(lǐng)域更是如此。并不是說(shuō) JavaScript 的重要性不如從前了。畢竟，React、Angular 和 Vue.js 都是開發(fā)和創(chuàng)新的焦點(diǎn)所在，而它們?nèi)齻€(gè)都是基于 JavaScript 的。我們將以另一種方式來(lái)理解和思考 JavaScript——對(duì)于數(shù)據(jù)工程、Docker、DevOps 和變更管理也是如此。我們要用不同的方式來(lái)對(duì)待它們。
Radar 要捕捉的正是這種差異。我們要探索的不是每個(gè)人都能看到的顯而易見的變化，而是變化本身的意義和影響。
備注：
[1] 本文的數(shù)據(jù)來(lái)自于 O’Reilly online leanring平臺(tái)中的熱門搜索詞和最常用主題，使用的信息都是非隱私關(guān)聯(lián)的。我們比較了過(guò)去三年的匯總數(shù)據(jù)；2017 年和 2018 年的全年數(shù)據(jù)，以及到 2019 年 10 月底的數(shù)據(jù)。
[2] 相當(dāng)合理的決定。.NET 與其說(shuō)是軟件框架，不如說(shuō)是一種語(yǔ)言：也就是 C# 和一些相關(guān)語(yǔ)言的超集，包括 Visual Basic .NET、J# 和 C++/CLI，后者是特定于.NET 的 C++ 實(shí)現(xiàn)。
[3]ML 和 AI 在任何層面上都不是同一件事。但為了簡(jiǎn)單起見，我們?cè)谶@里將它們放在一起討論。
