刘浒的个人博客

《凤凰架构 - 技术方法论 - 治理》 引用 Gartner 技术咨询公司的对治理的定义：“治理就是让产品能够符合预期地稳定运行，并能够持续保持在一定的质量水平上”。
余额宝《服务治理架构》提到一点：度量是治理的前提，只有看的到，才能管的到，如果不能度量，就无法改进。
余额宝在工程实践中积累出的经验，和 “治理” 定义相契合：
符合预期：需要定义预期并量化，明确指标和阈值。要求我们根据度量数据描述治理对象的 “健康” 状态。
持续保持：持续监测指标，对超出阈值的指标，根据治理决策，进行治理动作。

治理三板斧

定义健康指标

量化描述被治理对象的健康状态，在此过程中会产生评价标准或规范，启动阶段输出 Draft 版即可，后续根据治理过程中的实际效果和反馈进行迭代。
初始阶段不需要奢望定义完整的指标项，聚焦重点，识别出最普遍的问题（通常具有高价值），作为切入点进行治理。

收集健康数据

根据定义的指标，进行埋点数据采集，配置告警阈值。这不仅量化描述了治理成果，同时也做了防腐，能够维持健康状态。

复盘总结

从实际的治理活动中总结经验，再次归纳、改进健康指标和规范。整个过程类似于 PDCA 工作法，也符合敏捷的思想，逐步达成治理目标。

一直关注 蔡学镛 老师的微博，可惜老师把微博全部清空了，还好我很早之前在笔记中记录了老师的微博内容，早知道应该全部爬取下来的。这是我整理了蔡老师关于程序员在职场中一些处事技巧和经验，我看了之后非常有共鸣，这里分享给大家。

主管篇

• 当主管的人必须意识到：「下属」只是职级在你之下，不代表他们能力或各方面比你差，也不代表他们没有人格尊严。现在社会，好的主管必须善待下属，否者团队就会出现「逆淘汰」。毕竟能力好的下属不需要接受你的羞辱，他有其他更好的去处。公司不是军队，人才是可以出走的。

• 领导人脾气坏的话，多数的员工本来就已经在跨出公司的临界边缘。这时候来个大的变革，就会导致通常是比较好的员工主动离开，留下的通常比较差。逆向淘汰，越弄越糟糕。

• 推荐领导们阅读这本书《Persuadable: How Great Leaders Change Their Minds to Change the World》，作者 AlPittampalli。有简体中文版《允许被说服》。我读的是繁体中文版《被说服的勇气》

• 任何公司想让软件工程师有幸福感，不想离职，就需要建立工程师文化。工程师文化是：阶级不明显、人与人之间简单、沟通高效、会议和饭局少、分享与学习的氛围强、不会让外行领导内行、部门间不存在明显壁垒、政治任务型的项目少、愿意投资比较长期的项目、让工程师有一定的冗馀时间自我学习新知识。

• 一个领导如果知道事情具体的做法，就可以教导下属、委派下属、监督下属去做事情，但绝对不应该亲自跳下去做，否则不但让下属没有进步的空间，还把自己的工作重点放错，甚至格局做小了。
  PS: 可惜有些领导不太信任下属的能力，亲自上阵，还强制下属按照自己的意志行事，往往让下属成为一颗不会思考的棋子，然而这些领导非但没有意识到这个问题，还自称是“处女座”。

• 有些领导要求下属对他做出提议之前，把一切都调研清楚，让领导只要拍板定案或否决就好，以节省领导的时间。我不是这样的领导，也不觉得这节省了领导多少时间，我反而觉得这可能会浪费了下属的许多时间，相当于浪费了部门的时间。我希望先简单聊聊，如果觉得值得花时间让下属投入调研时再去调研。

• 当一个技术团队的主管，如果完全不懂技术，一切都会很单纯。让下属出技术方案，简单听取一下，拍板定案，然后通过绩效考核来促使下属照着规划走，自己更多的时间在想着如何美化这一切，在上层领导面前显得好看。 但如果是懂技术的主管，因为真懂，看得出下属的技术方案不好，而下属又显然没有能力做得好时，就会很想跳下去自己设计方案。这个时候一定要忍住，不然会累死（事必躬亲不是好事），还会耽搁其他的管理任务。比较好的方式是指导下属，试图让他们进步，真不行只好换人。

• 我希望自己做到：

  • 用人所长、非用人所短。
  • 少用棍棒和胡萝卜，多用发自内在的动力。
  • 在某些方面下属比你懂时，就跟他学习，不要瞎指挥。

• 「你说这需要几年？」「很难说，这要看我们的投入有多少，还有整个公司的制度配合等因素」「不要跟我说这些，你就说几年」… 当领导喜欢简单的答案，简单到连前提条件和客观环境都不顾的时候，你基本可以判断这不是一个合格的领导。

下属篇

• 你认为你在为别人工作？这大错特错。工作（Job）保障已经不复存在，职业生涯（Career）的驱动力必须来自于个人。一定要记得：工作（Job）是公司所拥有的，职业生涯（Career）是你所拥有的。每个阶段选择 Job 的考虑因素，都应该是为了整体的 Career。

• 当你上班时，你是在为这家公司打工，不要认为你是在为你的领导打工。就好像当你信仰宗教时，你信任的是此宗教的核心思想，而不是寺庙的师父或教会的牧师。知道这样的差别很重要，可以帮助你更好地判断事情，避免被人错误地引导。

• 正常的情况下，我们可能每五年就会遇到一次职业生涯转型的困惑。或许是需要技术升级，或许是需要技能汰换，或许是需要转换跑道，或许需要甚至更大的转变。

• 工作之外，为了把工作做得更好，在技术、业务、管理方面，我们都必须再学习，一堆事情都在争夺我们的资源（注意力、时间、脑力）。但别人（同事或领导）会基于他们各自的利益，给我们派任务或请求协助，这个时候一定要衡量自己的状况，凡是对我们利益不大，且耗费太多资源的事情就必须坚定拒绝。不要为了当好人，维系办公室内所谓的人际关系，浪费掉自己大量的资源。

• 正常的情况下是先说存在的问题，再说解决方案。但领导可能常常听到各种问题，听烦了，没有耐心听你讲问题，认为你是在抱怨，立刻打断你，劈头盖脸开始批评你的「负面思想」，使得你连熬到说方案的机会都没有。遇到这类领导，比较好的做法可能是先说方案，再说为什么有这个方案。

• 在正职的工作以外，有个长期的私人的研究项目，对于职业生涯后续的发展，或许会有极大的助益。在应聘某些工作岗位上，可能派上用场。

• 领导阴阳怪气，比 C++ 还复杂，导致你开始怀疑人生？日子太平淡，不甘心导致的悸动正在吸引你接受一个新的挑战？小鲜肉纷纷进入职场，让你对未来没了安全感，觉得需要转型干点别的？ 对于职业生涯感到迷茫者，我推荐阅读《Pivot: the only move that matters is your next one》。

• 写报告的时候，前面三分之一让领导轻易看得懂，中间三分之一让领导勉强看得懂，最后三分之一让领导看不懂。「虽然后面那部分我看不懂，但显然这是个很专业的团队，他们知道自己在干什么。」

• 一件事情本身是否「重要」，这是虚的；它能被配置多少资源，这才是实的。如果某件事被领导认为重要，但同时还有二十件事也被领导认为重要，以至于这件事最终只能拿到百分之一的资源时，你会发现：「重要不重要」根本不重要。

• 30 岁左右，对于传统金融的软件开发人员来说往往是一个瓶颈。因为通常已经上升到一个小组长或技术经理的职位，手下带了几个人。但想要再往上到中级干部的职位，更需要的是「其他能力」，这是技术人目前不具备的，且上面的中级干部职位变得很少。在中级干部的「屏蔽」下，真正干活的小组长也比较难出头，也无法培养出升迁需要的「其他能力」。经过几年的停滞，小组长终于发现升迁渺茫，加上家里的经济压力，于是陷入一种恐慌的心理状态。这时候需要的是痛定思痛，离开目前的岗位，找一个相对扁平的单位（如果是新成立的单位更好），并找一个作风开明，不会阻碍下属成长，甚至会帮助下属成长的领导。这时候需要的是聪明的选择，不是无谓的坚持。

最长上升子序列 是一个经典的动态规划题目：

1
2
3
4
5
6
7
8
9

给定一个无序的整数数组，找到其中最长上升子序列的长度。
示例:
   输入: [10,9,2,5,3,7,101,18]
   输出: 4 
   解释: 最长的上升子序列是 [2,3,7,101]，它的长度是 4。
   说明:
       可能会有多种最长上升子序列的组合，你只需要输出对应的长度即可。
       你算法的时间复杂度应该为 O(n2) 。
   进阶: 你能将算法的时间复杂度降低到 O(n log n) 吗?

解决 DP 问题在之前的 文章 提过，我们可以先通过最简单的例子（实例）找到规律，在将规律范化（抽象），因为我们的大脑习惯思考具体的东西。

以题目中的示例来分析：

根据上述的穷举，我们发现在 “无序整数数组” 中每添加一个元素，就是根据上一次的 “上升子序列” 结果中找出结尾比当前元素小的情况，追加当前元素。 10, 9, 2, 5, 3, 7 的 “上升子序列” 就是在 10, 9, 2, 5, 3 的子序结果中找到结尾比 7 小的子序结果 [2][2,5][2,3] 追加上 7 的结果 [2,7][2,5,7][2,3,7]。

根据这个规律，我可以定义状态，d(i) 表示以第 i 个数组结尾的最长递增子序列的长度。 最长递增子序列长度需要根据[d(0), d(i - 1)] 的结果计算，状态方程是：dp[i] = max(dp[j])+1 (0 ≤ j < i & num[j] < num[i]) ，最终结果是 max(dp[i])。

这个题目的特点是，计算当前层的 DP 结果需要遍历之前所有的 DP 结果找到最值，才能确定当前层的结果。

代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

public int lengthOfLIS(int[] nums) {
    if (null == nums || nums.length == 0) {
        return 0;
    }
    int[] d = new int[nums.length];
    d[0] = 1;
    int max = 1;
    for (int i = 1; i < nums.length; i++) {
        int cur = 0;
        // 计算 0 ~ i 中子序最长
        for (int j = 0; j < i; j++) {
            // nums[i] > nums[j], 则 nums[i] 可追加到原来 d[j] 的结果中
            if (nums[i] > nums[j]) {
                cur = Math.max(cur, d[j] + 1);
            } else { // 否则, nums[i] 自成一个序列
                cur = Math.max(cur, 1);
            }
        }
        d[i] = cur;
        max = Math.max(max, d[i]);
    }
    return max;
}