[[265349]]

大數(shù)據(jù)文摘出品

編譯：蔣寶尚、曹培信

摩爾定律知道么?

帕金森定律講的又是啥?

作為一名合格的開(kāi)發(fā)人員，除了本身碼力超強(qiáng)外，或多或少要知道幾條“”潛規(guī)則”，例如依賴(lài)倒置原則、魯棒性原則......

關(guān)于開(kāi)發(fā)人員必須要知道的定義、原則以及理論，一位名叫Dave Kerr的小哥哥在Github上專(zhuān)門(mén)開(kāi)了個(gè)科普帖子，為廣大程序員介紹必備的定理。

他將這個(gè)項(xiàng)目稱(chēng)為：黑客信條(hacker-laws)。

下面文摘菌為大家編譯幾條，具體內(nèi)容，請(qǐng)大家移步GitHub☟

https://github.com/dwmkerr/hacker-laws

阿姆達(dá)爾定律

一個(gè)計(jì)算機(jī)科學(xué)界的經(jīng)驗(yàn)法則，因吉恩·阿姆達(dá)爾而得名。它代表了處理器并行運(yùn)算之后效率提升的能力。

并行計(jì)算中的加速比是用并行前的執(zhí)行速度和并行后的執(zhí)行速度之比來(lái)表示的，它表示了在并行化之后的效率提升情況。

可以看出，即使是一個(gè)50%可并行的程序，在超過(guò)10個(gè)處理單元的情況下也幾乎沒(méi)有什么提高，而一個(gè)95%可并行的程序，在超過(guò)1000個(gè)處理單元的情況下，仍然可以顯著提高速度。

炒作周期和阿馬拉定律

Hype Cycle(技術(shù)成熟度曲線(xiàn))是制技術(shù)興奮度度和發(fā)展成熟度的直觀(guān)表現(xiàn)，最初由Gartner公司提出，如下圖所示：

簡(jiǎn)而言之，這個(gè)周期表明，新技術(shù)及其潛在影響通常會(huì)引發(fā)一陣高度關(guān)注。技術(shù)團(tuán)隊(duì)經(jīng)常馬不停蹄進(jìn)入這些技術(shù)領(lǐng)域，但往往無(wú)功而返。這可能是因?yàn)樵摷夹g(shù)還不夠成熟，或者現(xiàn)實(shí)應(yīng)用還沒(méi)有完全實(shí)現(xiàn)。經(jīng)過(guò)一段時(shí)間后，技術(shù)的能力提高，使用它的實(shí)際應(yīng)用機(jī)會(huì)增加，團(tuán)隊(duì)最終可以取得成功。Roy Amara最簡(jiǎn)潔地總結(jié)了這一點(diǎn)——“人們總是高估一項(xiàng)科技所帶來(lái)的短期效益，卻又低估它的長(zhǎng)期影響。”。

霍夫施塔特定律

表面上和帕金森定律截然相反的霍夫施塔特定律表明：“即使將霍夫施塔特定律考慮在內(nèi)，你在一件事上花費(fèi)的時(shí)間總是要比想象得要多。”

該定律與帕金森定律看起來(lái)相互矛盾，但其實(shí)兩者可以并行使用。霍夫施塔特定律表明，在給一個(gè)復(fù)雜的項(xiàng)目制定截止期限的時(shí)候，人們很容易自信過(guò)度。

帕金森定律

帕金森定律(Parkinson's Law)是官僚主義或官僚主義現(xiàn)象的一種別稱(chēng)，被稱(chēng)為二十世紀(jì)西方文化三大發(fā)現(xiàn)之一。也可稱(chēng)之為“官場(chǎng)病”、“組織麻痹病”或者“大企業(yè)病”。

帕金森得出結(jié)論：在行政管理中，行政機(jī)構(gòu)會(huì)像金字塔一樣不斷增多，行政人員會(huì)不斷膨脹，每個(gè)人都很忙，但組織效率越來(lái)越低下。這條定律又被稱(chēng)為“金字塔上升”現(xiàn)象。

將帕金森定律與霍夫施塔特定律結(jié)合會(huì)得出一個(gè)更加悲觀(guān)的結(jié)論：你的工作范圍會(huì)不斷擴(kuò)大，結(jié)項(xiàng)日期遙不可及。

The Unix Philosophy

這一理念表明的是：小即是美，程序做好一件事即可;程序員盡可能早地建立原型 ;可移植性比效率更重要 。另外數(shù)據(jù)應(yīng)該保存為文本文件 ，盡可能地榨取軟件的全部?jī)r(jià)值 。使用shell腳本來(lái)提高效率和可移植性 、避免使用可定制性低下的用戶(hù)界面，所有程序都是數(shù)據(jù)的過(guò)濾器。

具體內(nèi)容，請(qǐng)大家移步GitHub：https://github.com/dwmkerr/hacker-laws

【本文是51CTO專(zhuān)欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)文章，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文