最近由於校招如火如荼，一些小夥伴在後臺以及知乎上問我，在開發和演算法之間猶豫，不知道如何抉擇，想要問問究竟哪一個崗位更好？
恰好我之前在知乎上回答過“對於技術崗位而言，開發崗累還是演算法崗累呢？”的問題，於是將它搬運了過來，希望能給大家一點啟發和幫助。
瞭解我的朋友可能都知道，2015年的時候我在阿里媽媽的演算法崗位實習，然而找工作的時候我陰差陽錯地去了某公司的開發崗位。做了一年之後，由於各種原因，有點後悔當初的選擇於是又想辦法轉回到了演算法崗位上。所以說這兩個崗位我都待過，所以就各自來談談它們的缺點。有的時候我們不知道我們想要什麼，但往往清楚我們不能接受什麼。
這兩個崗位雖然說起來都是工程師、技術崗，但是兩者的工作內容和性質差得真不是一點半點。從業當中，也都有心力交瘁的時候，但是體驗和觸發條件都不太一樣。簡單說一說。
首先說開發，我個人在做開發的時候，蛋疼點主要有以下幾個。
開發篇
on call
on call可以理解成隨時等待召喚的意思，一般來說重要專案的開發人員都是7 x 24小時on call的。
只要線上有問題，一定會有電話打進來。凌晨兩三點也不是沒有可能，而且很多時候，這些問題未必是你的鍋，很有可能只是因為某某專案的負責人上有你的名字。
這點我想應該大小公司都有，之前和螞蟻的同事聊天，他給我吐槽說他凌晨起夜已經成了習慣。因為好像螞蟻到了晚上還有很大的流量，經常hbase抖動，每次抖動都會有電話打過來。還有什麼燒烤吃了一半突然線上GG了，狂奔回公司查問題的，都不算是事。
不僅工作日如此，週末、假期都必須響應。所以基本上電腦隨身攜帶是肯定的，哪怕是過年回家、出國旅遊基本上也都要帶著電腦。而且根據墨菲定律，千萬不要有僥倖，我僥倖過兩次，都中招了。最誇張的一次，在香港太平山上拿著手機看程式碼。。。
什麼？線上故障的時候，你睡得太死了沒聽到電話？
Emmmm，輕則被leader說上幾句，重則，可能你需要準備一下簡歷了。
大促熬夜
**只要是電商公司，沒有不大促的，只要大促，沒有不要熬夜的。**所以可以簡單理解成只要是電商公司，那麼一定會有熬夜。
大促意味著巨大的流量，自然對系統的穩定性是一個頂級的考驗。就拿雙十一舉例，你以為只要在雙十一當天多準備幾臺機器就好了？too young，在真正大促到來之前我們需要做很多輪的模擬流量檢測，怎麼模擬呢？就是搞一堆虛假的請求過來傳送到伺服器，看看伺服器能不能抗住。這種模擬測試在行內稱為壓測，也叫壓力測試。
一般來說每次大促至少兩輪壓測，由於壓測可能導致系統問題，所以不能放在流量高峰期，也就是白天，只能晚上夜深人靜的時候搞壓測。那麼你想嘛，熬夜就是必不可少的。
就算兩次壓測好了，兩次壓測加上大促當天的值班，至少每次大促都需要熬三天夜。每次熬夜，至少要兩三點才能睡覺。
來來來，你告訴我，這樣的大促一年有幾次？
光數的出來的大促就有四次，321， 618， 11.11， 12.12……而且現在這個大促的次數還有明顯地增加的趨勢。
併發工作
工作當中最令人感受不好的就是併發工作，也就是一件事情你還沒忙完，甚至剛剛做出一點眉目，立刻就被其他更加緊急的事情打斷。
比如你在查一個bug，剛剛鎖定了大概導致bug的程式碼區域，還沒有具體檢查出來，突然測試就告訴你她發現了新的bug。或者是產品過來跟你聊一個新的需求，或者是有人找你問一些關於你們系統的問題。這種連軸轉的感覺是最痛苦的，只要很短的時間就會讓人心力交瘁。
當然這個問題並不只是在開發崗位出現，其實任何崗位都有可能出現這個問題。但是相對來說，開發崗位出現這種情況的概率更高。因為開發往往負責的是一個或者多個系統，系統大了可能出現的各種各樣的問題就很多。並且還會有很多使用系統的人問你問題，很容易出現這種情況。
其他問題
除了上面三點之外，其他蛋疼的點也很多。不過相比之下沒有那麼嚴重，所以我就放在一起說了。
比如大多數公司文件都不健全，對於開發來說接收陳年專案非常容易踩坑。而且很多時候需要直接去讀原始碼，如果碰到之前的工程師程式碼能力不行的話，會導致程式碼非常難讀，就跟眼睛被針紮了似的。
還有就是肝deadline的現象非常嚴重，每一個產品提的需求總會給你設一個deadline。有時候總會有各種各樣的意外發生，導致你需要爆肝才能趕得上進度。比如線上出了故障排查了兩天，或者是臨時加了一個緊急的需求等等，無休無止地爆肝真的會讓人崩潰。
另外一點是經常重複性工作，今天增刪改查，明天改查增刪。面試的時候高併發、分散式，進去工作之後curd。經年累月沒有成長，如果是大公司的話，很多人幹幾年也沒有過從0開始真正搭建專案的經驗。
有時候產品或者運營或者是老闆不好溝通也是一個問題。要麼是不懂技術溝通成本很高，要麼就是無腦強勢，不懂裝懂，我不管你覺得，我要我覺得。
演算法篇
SQL boy
很多人被演算法崗吸引，就是覺得演算法崗高大上，機器學習，人工智慧。但其實真正從事之後，會發現根本不是那麼回事。
如果在小公司，整天為資料發愁，不是這個資料沒有，就是平臺或者工具稀爛。如果在大公司，資料、平臺、工具都有了，但是每天當SQL boy。你和業務談演算法，業務說明天上線，先統計上一版。老闆整天告訴你，我想看這個、這個和那個，你去幫我跑一下。
你想說抽空能把某個模型優化一下，結果發現手上排的SQL根本寫不完。機器學習、深度學習的模型我明明會一堆，但是眼下的事情永遠只有SQL和資料。
問題難定位
做演算法的過程，很多時候是一個和自己較勁的過程。
因為模型和開發的程式碼不同，開發用程式碼實現的功能結果是明確的，原因是可追溯的。但是模型不是，經常在別人場景下效果好的方法到你這裡一團稀爛。特別是你老闆報以期望的方法，你很難解釋……太多的可能性導致模型效能不好了，可能是訓練資料有問題，可能是特徵有問題，有可能是流程有bug，但是老闆不管這些，他們需要的是確定的結果。
並且很多人覺得查問題很簡單嘛，你找幾筆資料來看一下不就知道了？還有一些不懂裝懂的路人，哎呀你用這樣這樣不就可以了？
大資料時代，只有相關性，沒有因果性。幾筆資料能夠代表全部嗎？我抽了幾筆看了沒問題，就能代表全部資料沒問題嗎？換句話說幾筆資料有點小問題，就能代表這個是導致模型不行的原因嗎？千萬別信，信了就是大坑等著你。
我最頭疼的就是老闆讓我去查某個問題，簡直是玄學，如果是明顯的問題還好，如果不是，你可能跑一堆SQL，看一堆資料還是一無所獲。更蛋疼的是，可能一切都沒問題，但就是效果不好，你也不知道為什麼，畢竟神經網路是個黑盒。
忽悠和大忽悠
演算法行業的忽悠很多，心態不好的人很有可能會扛不住。
也是因為現在演算法太火了，很多不明就裡的人會用仰望的目光來審視。某些時候這個是好事，比如當和投資人聊錢的時候。但大部分情況下，則未必。
比如某些決策者會有錯覺，會有幻想，比如會提出一些他們自己都不信的口號。喊口號不是問題，但問題是口號裡的指標要你去落實。你會發現你很有可能忍不住想要打人的衝動，其實老闆也不是白痴，他們心裡葉門清，可能也是為了應付更高層的老闆或者是投資人而已。有點像是晚晴鴉片戰爭時期的官員，從上到下都知道打不過英國人，但是總得想出點辦法來去寫篇“捷報”，不然怎麼升官發財？
以前遇到過這麼一檔子事，說是公司的日活使用者一直在降低，公司希望用機器學習的模型來篩選一批貪財的使用者，給他們發5塊錢紅包。這樣他們為了貪這5塊錢就會一直活躍，也就帶來了日活的增長，這樣就可以和更高層的老闆交差了。看起來這個邏輯非常清晰，毫無破綻。
但問題是，當時的日活有三百萬，每天發多少紅包呢？只有幾萬個。你說應該怎麼辦，即使演算法選出來的每個使用者都不流失了，那難道就能增長了？入不敷出的成語學過沒有？老闆才不管，你只管去做，做不好就是你能力不行。這種情況怎麼辦？
同樣，這行吹逼的情況非常嚴重，簡直章口就來。反正別人不知道你到底怎麼做的，面試的時候有些人吹得那叫一個天花亂墜。當很多人都這麼做獲得好處，而你堅持底線，一直默默無聞的時候。你很難不對你的信念產生懷疑，究竟錯的是你呢，還是這個世界？
以上，只是我一家之言，如果言中，請勿對號入座。
最後，世上沒有完美的職業，總要有所得有所失。如果你能明白可以忍受什麼，不能接受什麼， 我想，你一定可以做出不後悔的選擇。
今天的文章就到這裡，衷心祝願大家都能找到稱心如意的工作。如果還喜歡今天的內容的話，請來一個三連支援吧~（點贊、關注、轉發）
本文使用 mdnice 排版
