php远景2014技巧_2021技能趋势申报Python最受迎接低代码是重要趋势

有名打算机图书出版公司 O'Reilly 近日根据其在线学习平台天生的数据发布了一份技能行业发展趋势的剖析报告。

报告指出，Python 已经成为了最受欢迎的措辞，而 JavaScript 的利用量只有 Python 的 20%。
低代码和无代码编程将不可避免的改变编程措辞的性子。

另一方面，人工智能领域和 Web 开拓的增长仍在连续。
有关云的利用和安全隐私也都是重点发展的趋势。

调查背景

O’Reilly 对技能行业的趋势剖析是基于其平台天生的数据。
O’Reilly 在线学习的利用量一贯在稳步增长，考虑到 COVID-19 的爆发对技能行业带来的变革，这样的增长趋势并不令人意外。

对技能行业发展趋势的剖析并不是从哪一技能领域在短期内迅速受到关注和盛行来看的，而是通过长期的表现得到的不雅观察。
“趋势”和“潮流”不同，潮流常日是一闪而过的，但趋势是在更长的韶光范围内展现出来的，在这个过程中乃至可能会有倒退的表现，但趋势的发展是不会停滞的，表象的背后有更多参考成分。

从编程措辞的利用情形来看，Python 的利用量是最高的，与去年比较还上升了 27%。
排在第二位的是 Java，比去年低落了 3%，第三是 C++，比去年上升了 10%。
第四和第五分别是 C 和 JavaScript，利用量分别上升了 12% 和 40%。

令人惊异的一点是，JavaScript 虽然排名前五，但利用量却远远掉队于 Python 和 Java，只能达到 Python 的 20% 和 Java 的 33%。
在后面的排名中，Rust 的增长非常明显，达到了 94%。
不过，从一个较小基数开始的 Rust，增长 94% 并不是很难。

从统计数据可以看出，反而是 增长 16% 的 Go 措辞已经清楚地确立了自己的地位。
作为一种用于并发编程的措辞，Rust很可能建立自己的“系统编程”地位：为云操作构建新的操作系统和工具。
作为一种为数学打算而设计的措辞 Julia 是一个有趣的未知成分。
虽然在过去的一年里，它略有低落，但是我们对它的长期机会持乐不雅观态度。

我们不应该将专门用于学习编程措辞的标题与运用该措辞或利用基于该措辞的框架的标题分开利用。
毕竟，许多 Java 开拓职员利用 Spring，搜索“ Java”会遗漏内容，而标题中只有“ Spring”这个词。
对付 JavaScript 也是如此，它包括 React、 Angular 和 Node.js 框架。
在 Python 中，利用最多的库是 PyTorch 和 scikit-learn。
下图显示了将 Python、 Java 和 JavaScript 的内容添加到这些措辞最主要的框架中时所发生的情形。

结果相似是不足为奇的，但是有一些关键的差异。
为 Spring 添加利用和搜索查询数据(增长7%)旋转了 Java 的明显衰退(净增长为零)。
进一步来看 JavaScript，如果把最盛行的框架 React、 Angular 和 Node.js 的利用加进去，那么 JavaScript 利用率就上升到了 Python 的 50% ，只比 Java 及其框架略低一点。
然而，当 Python 被添加到大量利用的框架 PyTorch 和 scikit-learn 中时，它仍旧是明显的领先者。

我们正在考试测验建立一个更全面的措辞利用图景，个中包括各种框架的利用。
我们并不是假装这些框架本身具有可比性。
Spring 紧张用于后端和中间件开拓（只管它包括一个 web 框架）; React 和 Angular 用于前端开拓; scikit-learn 和 PyTorch 是机器学习库。
只管它被广泛利用，但我们并没有将 TensorFlow 分配给任何措辞; 它有 Python、 Java、 c + + 和 JavaScript 的绑定，并且不清楚哪种措辞占主导地位。
此外，我们还忽略了所有这些措辞的成千上万的小型平台、框架和库。
一旦它们超过了前几名，就陷入了混乱。

我们不提倡利用 Python、 Java 或任何其他措辞。
只管随着软件行业的发展，它们的利用量会有不同程度的上升和低落，但这些顶级措辞没有一种会消逝。
但是，在进行比较时，我们须要把稳到更多成分。

如果竞争并不主要，那么编程措辞的主要趋势又是什么呢？我们创造有几个成分在显著地改变着编程：

自去年以来，O’Reilly 在线学习的函数式编程内容利用量增加了 14% 。
然而，Haskell 和 Erlang 这两种经典的函数式措辞并没有得到应有的重视，它们都没有大量的利用，并且都呈低落趋势（与去年同期比较低落了大约20%）。
面向工具编程比函数式编程的发展更快: 自去年以来增长了 29% 。
这表明，实际情形是将函数特性集成到过程措辞和面向工具措辞中。
从 2008 年的 Python 3.0 开始，到 2014 年的 Java 8，编程措辞增加了高阶函数（lambdas）和其他“函数式”特性。
一些盛行的措辞，包括 JavaScript 和 Go，从一开始就具有函数特性。
这种趋势开始于20年前，(与 C++ 标准模板库一起)，我们希望这种趋势连续下去。

用于并发性的平台数据显示，其年增长率为 8% 。
这不是一个很大的数字，但是不要因此错过这个趋势。
Java 是第一个被广泛利用的支持并发的措辞。
在 90 年代中期，线程支持是一种奢望，摩尔定律有很大的发展空间。
现在情形不同了，对并发性的支持，就像对函数式编程的支持一样。
Go、 Rust 和大多数其他当代措辞都内置了对并发性的支持。
不过，并发性一贯是 Python 的弱点之一。

动态类型措辞（如 Ruby 和 JavaScript）和静态类型措辞（如 Java 和 Go）之间的差异可以说比函数式措辞和面向工具措辞之间的差异更为主要。
不久前，在动态措辞中添加静态类型的想法引发了一场辩论。
不过，现在已经没有这种辩论了。
将各种范式结合起来形成一个稠浊体也在这里霸占了主导地位。
Python 3.5 增加了类型提示，最近的版本增加了额外的静态类型特性。
将静态类型添加到 JavaScript 中的 TypeScript 也实现了增长，年增长12%。

对付一个学习平台来说，很难网络关于一种趋势的数据，这种趋势最大限度地减少了学习的须要，但是低代码是真实存在的，而且势必会产生浸染。
电子表格是低代码打算的先驱。
当 VisiCalc 在 1979 岁首年月次发布时，它使数百万人无需学习编程措辞就可以进行主要的打算。
全民化是许多技能领域的一个主要趋势，编程自然也是如此。

主要的不是不同措辞之间的竞争，而是措辞所要得到的功能，以及为什么具有这种特性。
鉴于我们彷佛已经走到了摩尔定律的尽头，并发性将成为未来编程的核心。
我们不能只是得到更快的处理器。
我们将在很长一段韶光内在云中利用微做事和无做事器/功能即做事——这些都是固有的并发系统。
函数式编程并不能办理并发性的问题，但是不变性的原则肯定有助于避免陷阱。
随着软件项目不可避免地变得更大和更繁芜，措辞通过稠浊函数特性来扩展自身是非常故意义的。
我们须要正在考虑如何一起利用功能和面向工具功能的程序员。
在构建企业级并发软件时，哪些实践和模式故意义？

低代码和无代码编程将不可避免地改变编程和编程措辞的性子:

对付让伟大的下层人士进入程序员的领域，可以预见到会有强烈的反对声音。
忽略它。
低代码是民主化运动的一部分，将打算的能力交到更多人的手中，这险些总是一件好事。
意识到这种变革意味着什么的程序员不会被非程序员赶出事情岗位。
他们会变得更有效率，并且写出别人会用到的工具。

无论你是一个技能领导者还是一个新的程序员，请把稳这些缓慢的长期趋势。
他们将改变全体行业的面貌。

DevOps vs SRE

在过去的十年中，IT 发生了根本性的变革。
关于运营文化（常日称为 DevOps）、持续集成和支配（CI/CD）以及站点可靠度（SRE)），已经有了很多谈论。
云打算已经取代了数据中央、托管举动步伐和内部机房。
容器许可开拓职员和运营部门之间进行更紧密的集成，并且在标准化支配方面做了很多事情。

没有 NoOps 这种东西，像功能即做事这样的技能（别号 FaaS，别号 serverless，别号 AWS Lambda）只是改变了它的实质。
管理一个给定规模的根本架构所需的人数已经减少，但是我们正在培植的根本架构已经扩大，聚拢恒河沙数的节点来演习或支配繁芜的 AI 运用程序很随意马虎。
纵然这些机器都在亚马逊巨大的数据中央，并且利用高度自动化的工具进行批量管理，运营职员仍旧须要保持系统平稳运行，监控，故障打消，并确保不会为不须要的资源付费。
无做事器和其他云技能许可同一个操作团队管理更大的根本架构，它们不会使运营消逝。

过去一年中，以 DevOps 为标题的内容的利用量低落了 17％，而 SRE（包括“网站可靠度”）上升了 37% ，“operations”一词上升了 25% 。
虽然 SRE 和 DevOps 是截然不同的观点，但对付许多客户来说，SRE 是谷歌规模的 DevOps ——谁不想要这样的增长呢？SRE 和 DevOps 都强调相似的实践: 版本掌握（GitHub 增长了 62% ，Git 增长了 48%)、测试（利用率很高，但没有逐年增长）、持续支配（减少了 20%）、监视（增加了 9%）和可不雅观察性(增加了 128%)。
Terraform 是 HashiCorp 用于自动化云根本举动步伐配置的开源工具，也显示出强劲的增长（53%）。

有趣的是，从数据来看，Docker 险些没有变革（每年低落5%） ，但是关于容器的内容利用率却飙升了 99% 。
以是，容器化显然是一件大事。
Docker 本身可能已经结束不前了，但是 Kubernetes 作为容器编排工具的主导地位使容器处于中央地位。
Docker 是使能技能，但是 Kubernetes 使得大规模支配集装箱成为可能。

Kubernetes 本身便是另一个超级明星，一年增长了 47% ，同时也是这个群体中利用率最高的（也是最多的搜索查询）。
Kubernetes 不仅仅是一个编排工具，它还是云的操作系统（或者，正如 Kelsey Hightower 所说，“ Kubernetes 将是分布式系统中的 Linux”）。
但是数据并没有显示我们与认为 Kubernetes 太“繁芜”的人们的对话次数。
我们看到三种可能的办理方案：

1.一个“简化”版本的 Kubernetes 虽然不那么灵巧，但是却在很多繁芜性之间进行权衡。
K3s 是朝这个方向迈出的一个可能的步骤。
问题是，这样做的代价是什么？这是我对 Pareto principle 的意见，也被称为 80/20 法则。
给定任何系统（比如 Kubernetes），常日可以通过保留最广泛利用的 80％ 的功能并减少其他 20％ 的功能来构建更大略的东西。
并且某些运用程序将适宜保留的80％的功能。
但是大多数运用程序将至少须要捐躯一些功能以简化系统。

2.一种全新的方法，尚未涌现的某些工具，目前我们还不知道该工具是什么。

3.来自云供应商的集成办理方案（例如，微软的开源 Dapr 分布式运行时）。
不是那些供应 Kubernetes 做事的云供应商。
如果云供应商将 Kubernetes 的功能集成到他们的堆栈中，使得这些功能消逝在某种管理掌握台中会怎么样？然后问题就变成了，你失落去了哪些功能，是否须要它们？环绕着 Kubernetes （Istio、 Helm 和其他）的丰富的工具生态系统显示了它的代价。
但是我们接下来该怎么办呢？纵然 Kubernetes 是管理运行在云中的当代运用程序的繁芜性的精确工具，对更大略办理方案的追求终极将导致更繁芜的需求，它们足够吗？

可不雅观察性在过去一年中增长最快，达到了 128%，而监测只增长了9% 。
虽然可不雅观察性比监测能力更丰富、更强大。
但这种转变在很大程度上只是表面上的。
“可不雅观察性”有可能成为监测的新名称。
如果你认为可不雅观察性仅仅是一个更盛行的监测术语，那就失落去了它的代价。
运行在云中的繁芜系统须要真正的可不雅观察机能力管理。

根本举动步伐便是代码，我们已经看到了很多自动化配置的工具。
但是 Chef 和 Puppet，均大幅低落（分别为 49% 和40% ），Salt 也是如此。
Ansible 是这个中唯一上升的工具，上升了 34％。
有两种趋势造成了这种情形，Ansible 彷佛取代了 Chef 和 Puppet，这可能是由于 Ansible 是多措辞的，而 Chef 和 Puppet 与 Ruby 有关。
第二，Docker 和 Kubernetes 改变了配置。
数据显示，Chef and Puppet 在 2017 年达到顶峰，当时 Kubernetes 开始了险些一个指数增长的爆发。
容器化支配彷佛可以最大程度地减少可重复配置的问题，由于容器是一个完全的软件包。
假如有一个容器，你可以多次支配它，每次得到相同的结果。
实际上，它从来没有那么大略，只是这种表面上的大略性减少了对 Chef 和 Puppet 等工具的需求。

未来，运营团队面临的最大寻衅以及数据工程师面临的最大寻衅将是学习如何有效支配 AI 系统。
在过去的十年里，DevOps 运动产生了很多想法和技能，源代码库快速的自动化支配，不断的测试等等。
它们非常有效，但是人工智能冲破了它们背后的假设，而且支配常常是人工智能成功的最大障碍。

人工智能冲破了这些假设，由于数据比代码更主要。
我们还没有足够的工具来对数据进行版本掌握（只管 DVC 是一个开始）。
模型既不是代码也不是数据，而且我们也没有足够的工具用于版本掌握模型。
频繁支配假定软件可以相对快速地构建，但是演习一个模型可能须要几天韶光。
有人建议模型演习不须要成为构建过程的一部分，但这确实是运用程序中最主要的部分。
测试对付连续支配是至关主要的，但是人工智能系统的行为是概任性的，而不是确定性的，以是很难说这个测试或那个测试失落败了。
如果测试包括公正性和偏见这样的问题，那么测试就特殊困难。

虽然有一个新生的 MLOps，我们的数据并没有显示人们正在利用（或搜索）这些领域的大量内容。
在许多领域中，内容还不存在。
但是无论内容是否存在，用户都会搜索内容，因此少量的搜索表明我们大多数用户尚未意识到问题所在。
运营职员过于频繁地认为人工智能系统只是另一个运用程序，但他们错了。
人工智能开拓职员认为，一个运营团队将能够支配他们的软件，并且能够连续进行下一个项目，但是他们也错了。
随着新一代工具的涌现，这些问题终极将得到办理。
事实上，这些工具已经在开拓之中，但我们还没有做到这一点。

人工智能、机器学习和数据

人工智能的康健发展仍在连续: 机器学习上升了 14% ，人工智能上升了 64% ; 数据科学上升了 16% ，统计学上升了 47% 。
虽然人工智能和机器学习是两个截然不同的观点，但是它们的定义却常常被稠浊利用。
我们非正式地将机器学习定义为“人工智能中事情的部分”，人工智能本身更多的是面向研究的和有抱负的。
如果你接管这个定义，那么关于机器学习的内容被广泛利用也就不足为奇了: 它是关于将研究带出实验室并付诸实践。
我们看到人工智能的稳步发展也不足为奇，由于这正是前沿工程师们探求新思路，将其转化为机器学习的地方。

确实有一些指标可以说人工智能已经结束不前了，许多项目从未投入生产。
虽然去年在自然措辞处理方面取得了惊人的进步，上升了 21% ，比如 OpenAI 的 GPT-3，但像赢得 Go 游戏这样的惊人结果却越来越少。
人工智能（以及机器学习、数据、大数据和他们所有的差错）可能正在进入低谷。
但我们认为，要把当前的研究成果运用到商业产品中，还须要多年的努力。

人工智能的未来与其说是惊人的打破和令人不寒而栗的面部或语音识别，不如说是小巧平凡的运用。
人工智能在 COVID 疫苗的开拓中发挥了巨大的浸染。
人工智能正在扮演一个主要的支持角色。
它使研究职员能够浏览恒河沙数的研究论文和报告，设计可能有效的药物和基因，并剖析数以百万计的康健记录。
如果不能使这些任务自动化，那么很难组织疫情的扩散。

因此，我们看到了人工智能和机器学习的未来:

我们仍旧没有正视人类和人工智能协作的用户界面问题。
我们不止希望人工智能代替人类做某些事情，而是希望人工智能能够与人协作，产生比人类或机器单独所能产生的更好的结果。

TensorFlow 是机器学习平台中的领导者，搜索次数最多，利用率稳定在 6% 。
Python 的机器学习库 scikit-learn 的内容险些同样被大量利用，年增长率为 11% 。
PyTorch 位列第三，但是 PyTorch 内容的利用量同比增长了 159% 。
毫无疑问，这种增长是受到 Jeremy Howard 的《面向程序员的实用深度学习》课程和基于 PyTorch的fastai 库的遍及的影响。
看起来 PyTorch 在研究职员中更受欢迎，而 TensorFlow 在生产中仍占主导地位。
但是随着 Jeremy 的学生进入工业领域，随着研究职员转向生产岗位，我们希望看到 PyTorch 和 TensorFlow 之间的平衡发生转变。

Kafka 是构建数据管道的一个主要工具，它很稳定，增长率和利用率与 Spark 相似，为6％。
Kafka 的“下一代”竞争对手 Pulsar 还没有涌如今排名中。

在过去的一年中，用于自动化AI和机器学习开拓的工具（IBM 的 AutoAI、谷歌的 Cloud AutoML、微软的 AutoML 和亚马逊的 SageMaker）受到了广泛关注。
但是我们没有看到任何迹象表明他们正在市场上取得重大进展。
可能是 AutoAI 相对较新，或者用户认为他们不须要搜索补充演习材料。

那么数据科学呢？这份报告《什么是数据科学》已经出版了10年。
但令人惊异的是，对付一篇 10 年前的论文来说，该报告的浏览量比 2019 年增长了 142% 。
但是工具已经发生了变革，十年前，Hadoop 是数据科学天下的中央，现在它仍旧存在，但是只是一个遗留系统，自 2019 年以来低落了23% 。
Spark 现在是占主导地位的数据平台，而且它肯定是工具工程师们想要理解的。
Spark 内容的利用大约是 Hadoop 的三倍。
但纵然是 Spark，自去年以来也下跌了 11% 。
Ray 是新涌现的，有望让构建分布式运用程序变得更加随意马虎，但是还没有显示与 Spark（乃至 Hadoop）匹配的利用情形，但是它显示了 189% 的增长。
还有一些其他的工具即将涌现，比如，Dask 比 Ray 更新，并且增长了近400% 。

其余，诸如道德、公正、透明度和可阐明性等主题并不会对我们的数据造成影响。
可能是由于很少出版这些方面的书本，也没有供应培训课程，但这本身便是一个问题。

Web 开拓

自从 2 0世纪 90 年代始创造了 HTML，第一个 Web 做事器和第一个浏览器涌现，Web 已经成为了各种平台。
这些平台使得网络开拓变得更加灵巧，它们使得支持大量的设备和屏幕尺寸成为可能。
它们使构建在浏览器中运行的繁芜运用程序成为可能。

那么 Web 框架的天下是什么样的呢？React在内容利用方面处于领先地位，并且也显示出显著增长（同比增长34％）。
只管有传言说 Angular 正在衰落，但它是排名第二的平台，增长了10% 。
而做事器端平台 Node.js 的内容利用率仅次于 Angular，增长了15% 。

更令人惊异的是，Ruby on Rails 在经历了几年稳定的性能之后，显示出了非常强劲的增长（年增长率为77%）。
同样，Django（与 Rails 涌现的韶光大致相同）显示了大量的利用和 63% 的增长。
但这种增长并不适用于所有较老的平台。
只管近 80% 的网站仍在利用 PHP 的内容，但 PHP 的利用率相对较低，而且还不才降（低落了 8%）。
虽然 jQuery 显示了18% 的康健增长，但是 jQuery 内容的利用率比我们看到的任何其他平台都要低。

令人惊异的是，Vue 和 Flask 表现得很弱，对付这两个平台，内容利用量只有 React 的八分之一。
与 Vue 干系的含量在过去一年低落了 13% ，而 Flask 增长了 10% 。
人们很随意马虎认为 Flask 和 Vue 是“新”平台，但它们分别在 2010 年和 2014 年发布。
Svelte 和 Next.js 这两个最有出息的新平台还没有产生足够的数据，可能是由于还没有足够的内容可以利用。
同样地，WebAssembly 也没有涌现。
但是 WebAssembly 代表了对网络编程的重新思考，值得密切关注。
大概会发生能否彻底颠覆 JavaScript 在 Web 开拓领域的统治地位的事，但这不会很快，由于企业用户将不愿意承担从一个老的框架（比如 PHP）转移到一个更时尚的 JavaScript 框架的本钱。

HTML、CSS 和 JavaScript 等根本技能的利用率均呈现出康健增长（分别为 22% 、46% 和 40%），只管它们掉队于领先的框架。
我们已经把稳到，JavaScript 是顶级编程措辞之一，而当代 Web 平台如果不是 JavaScript 的典范，那就什么都不是。
万维网最初的愿景是希望所有人不须要成为一个技能极客，乃至不须要编程，只需在浏览器中点击“查看源代码”，然后从其他网站上复制喜好的内容即可。
但二十五年后，情形已不再如此，虽然仍旧可以“查看源代码”，但看到的只是大量难以理解的 JavaScript。
具有讽刺意味的是，和其他技能一样，Web 开拓越来越多地成为程序员的领域。
我们期待看到这种趋势会被新一代的平台所旋转，还是通过网络本身的重构。

各种各样的云

云打算正在迅速增长，这并不令人惊异。
自去年以来，云打算内容的利用量上升了 41% 。
Amazon Web Services、Microsoft Azure 或 Google Cloud 的利用增长速率更快，达到了 46%。
只管大多数公司都在以某种形式利用云做事，许多公司已经将主要的业务关键运用程序和数据集转移到云打算中，但我们还有很长的路要走。
如果有一个技能趋势你须要节制，那便是它。

领先的云供应商 AWS、 Azure 和 Google Cloud 之间的竞争中，亚马逊的增长已经结束，目前仅为 5%。
有关 Azure 内容的利用显示了 136% 的增长，比任何竞争对手都要高，而 Google Cloud 84% 的增长率并不低。
随着 Azure 和 Google Cloud 的增长，亚马逊的统治地位可能会发生变革。

作为一家云打算公司，微软在重塑自身形象方面做得非常出色。
在过去的十年里，微软重新思考了其业务的方方面面。
现在，微软已经成为开源领域的领导者，它拥有 GitHub 和 LinkedIn。
很难想象还有哪个公司的改革如此激进。

谷歌面临着一系列不同的问题。
12 年前，这家公司可以说是通过 App Engine 实现了无做事。
它开源了 Kubernetes，并且在人工智能领域的领先地位高下了很大的赌注，领先的人工智能平台 TensorFlow 高度优化，可以在谷歌的硬件上运行。
那么，为什么它排在第三位呢？谷歌的问题不在于其供应前沿技能的能力，而在于其打仗客户的能力。
Google Cloud 首席实行官 Thomas Kurian 正试图办理这个问题。

虽然我们的数据显示，云打算内容的利用率增长非常强劲，但对付“多云”和“稠浊云”等术语，以及谷歌的 Anthos 或微软的 Azure Arc 等特定的稠浊云产品，并没有显示出显著的利用情形。
这些都是新产品，很少有内容存在，以是利用率低并不奇怪。
但是在这种情形下，特定云技能的利用并不是那么主要，更主要的是，所有云平台的利用都在增长，尤其是与任何供应商无关的内容。
我们也看到我们的企业客户正在利用超过所有云供应商的内容，很难找到任何人正在探求单一的供应商。

不久前，我们还对稠浊云和多云持疑惑态度。
我们很随意马虎认为这些观点是从排名第二、第三、第四或第五的供应商头脑中产生的空想。
如果你不能从亚马逊赢得客户，至少你可以从他们的业务等分得一杯羹。
云打算实质上是稠浊的，工程师无法为某些项目得到资源，因此他们创建了一个 AWS 帐户，账单记在公司的信用卡上。
然后，另一个团队中的某个人碰着了同样的问题，但是利用了Azure。
接下来是一次收购，这家新公司已经在 Google Cloud 上建立了自己的根本架构。
而且内部存在数 PB 的数据，而且这些数据受到监管哀求的限定，很难移动。
很多人没故意识到须要一个连贯的云计策之前，一些公司早就有了稠浊云。
等到高管们制订总体方案的时候，市场营销、发卖和产品开拓领域已经涌现了一些关键任务的运用程序。

所有的云供应商，包括亚马逊都被一种计策所吸引，这种计策不是将客户锁定在特定的云中，而是促进稠浊云的管理，所有这些供应商都供应支持稠浊云开拓的工具。
他们知道对稠浊云的支持是采取云的关键。
而且，如果存在任何锁定，那将是环绕管理的。
正如 IBM 的 Rob Thomas 常常说的，“云是一种功能，而不是一个位置。
”

正如预期的那样，我们看到人们对微型做事兴趣浓厚，同比增长 10%，虽然不算大，但仍旧康健。
无做事也显示了 10% 的增长，但利用率较低。
虽然它“觉得上”已经结束不前，但数据表明，它正在与微做事并行增长。

安全与隐私

安全问题一贯非常主要，防御者必须精确处理成千上万的东西，而攻击者只需创造一个漏洞。
而且，这个缺点可能是由粗心的用户而不是 IT 职员犯下的。
最主要的是，公司每每在安全方面投资不敷。

然而，过去 10 年发生了很多黑客入侵事宜，牵扯数十亿美元的资金，并导致很多高管辞职和解雇。
对付企业是否吸取了教训，这些数据并没有给出一个清晰的阐明。
虽然我们避免谈论绝对用法，但是有关安全性的内容的利用率非常高，比除了紧张的编程措辞如 Java 和 Python 之外，其它任何主题的利用率都高。
大概更好的比较是将安全性与通用主题（如编程或云）进行比较。
如果采取这种方法，编程的利用量将比安全性大，而安全性仅掉队于云。
因此，有关安全性的内容的利用率确实很高，与去年同期比较增长了35％。

人们普遍利用的是认证资源，CISSP 内容和培训占一样平常安全内容的 66% ，自 2019 年以来略有低落。
关于 CompTIA Security + 认证的内容利用率约为一样平常安全性的 33% ，增长率为 58% 。

人们对黑客行为的兴趣相称浓厚，增长了 16% 。
有趣的是，道德黑客行为（黑客行为的一个子集）的利用率只有黑客行为的一半，并且增长了 33% 。
以是我们在“年夜大好人”和“坏人”之间平分秋色，但是“年夜大好人”的增长速率更快。
渗透测试被认为是一种道德黑客，数据显示了 14% 的低落，这种转变可能只是反响了哪个术语更受欢迎。

除了这些种别之外，我们还看到了长尾效应，网络钓鱼和打单软件等特定主题的内容只有极少的利用，只管打单软件的利用量同比增长了 155%。
这种增长无疑反响了过去一年打单软件攻击的频率和严重程度。
“零信赖”（zero trust）的内容也增加了 130% ，这是一种用于建立可防御网络的技能。
不过，这种技能的利用量仍旧很小。

令人失落望的是，我们险些看不到关于隐私的内容，包括关于 GDPR 等详细监管哀求的内容。
我们没有看到大量的利用，也没有看到增长，乃至没有看到大量的搜索查询。

我们已经浏览了很大一部分技能领域。
各领域间的竞争以及背后更深层次的故事。
趋势不仅仅是最新的盛行，它们也是长期的过程。
容器化可以追溯到 1979 年的 Unix 版本7。
Sun Microsystems 在 20 世纪 90 年代用它的事情站和 Sun Ray 终端发明了云打算。
我们可能会商论“互联网时期”，但最主要的趋势超过了几十年，而不是几个月或几年，而且每每涉及重新发明那些有用但被遗忘的技能，或者那些在时期之前就已经涌现的技能。

考虑到这一点，让我们退后几步，思考一下全局。
我们如何利用人工智能运用所需的打算能力？我们已经谈论并发性几十年了，但它只是一种对付大型数字处理任务非常主要的外来能力。
我们谈论系统管理已经有几十年了，在此期间，IT 职员与打算机管理职员的比例已经从多对一变成了一对几千（对云中的根本架构进行监控）。
作为这一发展的一部分，自动化也从一种选择变成了一种必要。

我们都听说过“每个人都该当学会编程。
”这句话可能是精确的，也可能不是。
这并不虞味着每个人都该当是一个专业的程序员，而是每个人都该当能够有效地利用打算机，这就须要编程。
无代码和低代码产品正在进入市场，许可用户构建从业务运用程序到人工智能原型的统统。
同样，这种趋势可以追溯到 20 世纪 50 年代末，第一种当代编程措辞使编程变得更加随意马虎。
低代码 AI 和繁芜的 JavaScript 网络平台对未来可能带来的意见相互抵牾。

末了，最主要的趋势可能还没有涌如今这些数据中。
就监管和立法而言，技能在很大程度上是免费的。
像医疗保健和金融这样的行业受到了严格的监管，但是社交媒体、大部分机器学习，乃至大部分在线商务都只受到了轻微的监管。
免费的时期即将结束。

这个行业发展太快，毁坏了太多东西。
在这种情形下，该当更加关注隐私和干系话题。
现在，我们面临的问题很大略，那便是该用技能建立什么样的未来。

编译：芒果果 | 发自：思否编辑部

本文是翻译：阅读原文：https://www.oreilly.com/radar/where-programming-ops-ai-and-the-cloud-are-headed-in-2021/