寫這篇文章，是為了糾正上篇關于編譯技術職業(yè)發(fā)展的帖子中自己的觀點可能帶來的誤導。
盡量讓面臨碩士、博士選方向的學弟學妹了解編譯知識在未來計算機技術職業(yè)生涯中的重要性，以及光明的未來方向。
要想體現(xiàn)自己的價值，就要有一個獨門秘籍。不管是自己開公司，賣產品。還是打工，掙錢。都要有別人做不到，只有你才能做到的才行。
高薪，是因為你能給別人帶來價值。薪水的高低，要看你的技術能否滿足社會的需要，是不是社會所必須的。比如，曾經會點MFC，能做個簡單的網站，就能找到很不錯的工作。但現(xiàn)在可能，Android系統(tǒng)開發(fā)，網絡（協(xié)議棧），手機應用開發(fā)更加火爆。而且一定要學的精，才有好的薪水，才能開能活下來，賺到錢的公司。
那些不可或缺的、高精尖的技術是首選。比如，最底層的微波、電路相信誰都知道它的重要性，不可或缺。大學本科時，師兄說過一句玩笑話：搞微波的，玩多高的頻率，就能掙多少錢。不過學過電磁場理論的人都知道有多痛苦。參考中的鏈接1和2也能說明這個。其中參考2,針對復旦大學畢業(yè)生就業(yè)的分析，有下面一段話：
碩士畢業(yè)生的實際薪水排名前三位的專業(yè)依次是國際法、電路與系統(tǒng)、電磁場與微波技術，調查發(fā)現(xiàn)，這三個專業(yè)的實際薪水比期望薪水高
編譯就是這樣一種獨門秘籍，有很高的門檻，而又不可或缺?？傄腥藢懗绦?。有人要性能更好的程序，但又不想多寫代碼，不想錯誤百出，不想調優(yōu)。編譯器，或者更大點，一個好的編程環(huán)境是所有程序員最歡迎的。
在計算機行業(yè)，這個可能要縮短到20年。并行計算，在計算機剛剛出現(xiàn)的時候，也非常熱門。不過自從上世紀九十年代到04年左右，有關并行計算的研究就非常少了。因為CPU的頻率增加，使得串行程序只要換換CPU就能跑的更快了。但今天，并行計算又成了重要的研究方向。
CPU的結構，從單發(fā)射、順序執(zhí)行的標量處理器，到多發(fā)射、流水線、亂序執(zhí)行的超標量處理器，曾經給處理器性能帶來了很大的提升。但今天，功耗問題、成品率、芯片面積等問題，使得幾乎所有的眾核處理器又回到了順序執(zhí)行的模式。
向量機 90年代的時候也很火爆，但隨著標量處理器的性能提升，漸漸被冷落了。但如今，GPU、Intel的AVX2,又隱隱約約看到了一點向量機的影子。
整個產業(yè)界處在不斷的變化，更新之中。技術和方法基本就那么多，至少不同的歷史時期，需要不同的排列組合方式，把他們放到一起，再加上不斷的技術革新。只有一個因素永遠不會變，就是使用計算機的人。而編譯器正是供計算機從業(yè)人員使用（雖然Office軟件，瀏覽器也是）。另外一個因素，目前來看也還沒怎么變，就是計算機的執(zhí)行模型。而編譯器的最后結果是提供給執(zhí)行模型的。所以編譯器這個技術，更像鐵飯碗。尤其是體系結構比較亂的今天。
內功是最上乘的武功，計算機科學的內功：就是算法和體系結構。
算法，不用多說。實際中遇到的問題，如何利用計算機這種確定的、有限狀態(tài)的、非連續(xù)的工具去解決，就是算法要研究的問題。當然這個算法中，還包括數(shù)據結構，好的數(shù)據結構才能更好的對現(xiàn)實問題做建模，以便供算法處理。
體系結構方面，目前來看，基本就沒有變化，依然是馮-諾依曼的結構，不過多核和眾核的并行執(zhí)行模式，可能會帶來一些新的變化，這也是為什么最近并行研究如此的熱。有了體系結構這種內功，你就知道如何使用計算機。體系結構包括底層相關的，不僅僅是CPU、主存、cache、硬盤，還包括上層的操作系統(tǒng)和編譯器。雖然說執(zhí)行模型很簡單，但操作系統(tǒng)和編譯器里的學問也很大。操作系統(tǒng)牽涉到資源的分配問題，編譯器牽涉到人與機器的交互問題。
其他神馬，從計算機技術的角度看，都是浮云。
比如，上層語言經歷了從匯編，到宏編程，到命令式語言（C），到面向對象編程（C++），到腳本語言（Python），以及編譯+解釋語言（Java）的大致演進過程。語言五花八門，我們不去爭論應該學哪個，不該學哪個。最后這些語言，都要用那些指令在CPU上執(zhí)行起來。不管上層扯什么語言特性，什么編譯執(zhí)行或者解釋執(zhí)行。最后，都是一系列的算術、邏輯、跳轉指令;以及一系列的寄存器。語言到指令的過程，就是編譯器和解釋其（JVM）要做的工作。語言標準只是一些具體的規(guī)定語言如何實現(xiàn)而已。
比如，了解了Java所有對象都基于Object類，C#為底層CPU指令支持的數(shù)據類型，如整型，單/雙精度浮點類型生成更直接的CIL代碼，你就知道為什么使用C++的模板會生成很大的可執(zhí)行文件，為什么Java的模板實現(xiàn)代碼會比C#的模板代碼性能略差一些。
什么基于C語言的Glibc標準庫，基于C++的boost代碼庫，基于Python的Django網站架構，基于Java的J2EE web架構。除去上層的整個系統(tǒng)的結構設計，算法設計外，其他堆砌代碼的工作居多。（搞編譯，調bug最多）
前不久，聽張曉東老師介紹Mapreduce，臺下一個老師疑問，數(shù)據庫方向的研究專家許多年前就意識到需要更大的存數(shù)據的軟件，研究了這么多年好像都沒有太顯著的進展。為什么一個搞搜索的互聯(lián)網公司，卻能發(fā)明這種Map 加 Reduce的機制來應對大規(guī)模的數(shù)據存取?！?張曉東老師的回答是，Google的創(chuàng)始人從函數(shù)式語言中得到的靈感。MapReduce機制的兩位發(fā)明人 Jeffrey Dean 和 Sanjay Ghemawat，一個是做程序設計語言的, 一個是研究面向對象數(shù)據庫的。
前不久，聽 Yuanyuan Zhou 老師講座。周老師也是華人計算機學術界的榜樣之一，其領導的研究組在國際上是絕對數(shù)一數(shù)二的，在最頂級的會議上每年都有數(shù)篇高質量的論文。
不僅僅如此，她們還在將成果做成產品，比如 Pattern Insight.這個公司致力于應用機器學習的方式來協(xié)助程序員編寫程序，發(fā)現(xiàn)代碼bug。這里面有意思的工作包括：結合代碼注釋發(fā)現(xiàn)bug，利用機器學習的方法來尋找操作系統(tǒng)中許多復制粘貼代碼中的bug，利用條件分支語句的邏輯推導增強軟件中的log輸出，以便得到更豐富的log信息等等?？梢詮?a >這里找到許多她們所從事的研究工作?？梢钥吹皆S多針對源代碼的分析工作，都能看到很多編譯的影子，她們的工作應該偏向于利用語法和語義方面的技術。她們的很多工作都是在實際的開源項目，如Linux內核、瀏覽器、apache、mysql中尋找bug，因此公司比較歡迎這種實用的技術創(chuàng)新。
雖然，其他還有很多可以選擇的方向。但當你迷茫，不知道要學點什么的時候，又想以后從事計算機方向的技術類工作時，編譯是個值得考慮的選擇。
這個網站網站常年發(fā)布編譯方向招聘信息，感興趣的可以把握把握技術需求的方向： Compiler Jobs
