kafka概念扫盲

前言

2020年的第一个月里总想写些什么，却又苦于灵感匮乏，所以一直拖到当月最后一日，决定提笔写篇年度计划以作为开年的头一篇博文以便在新的一年伊始，理清思路，全盘规划。

技术

调整技术方向，从过去的ABC转为AAA。ABC指的是AI(人工智能)，Big Data(大数据)与Cloud(云)，AAA则是AI，Algorithm(算法)，Architecture(架构)。

AI方向保持不变，个人还是看好人工智能的发展，但未来的关键是其落地能力，光是学术论文上的繁盛，并不能给人们带来实际的价值。而在应用上的实现正是工程师所熟悉和擅长的领域，这方面感觉仍大有作为。
值得一提的是，微软现任CEO纳德拉(Nadella)在其著书(Hit Refresh)中曾提到其看中的三种技术，混合现实，人工智能及量子计算也包含了这一项，由此可见，在这一点上大家的共识还是一致的。

新增的Algorithm所指的既是通用的算法，也是专门领域的算法。传统上定义计算机的程序等于数据结构+算法，所以在这一行不可避免的需要接触到它。虽然以前写业务代码的场景更多些，但在某些时候，还是需要能够迅速且正确地使用某些通用算法完成特定任务。然而，自己在这方面尚有欠缺，需要持续锤练，以趋完善。有种学习方式称为“刻意练习”，应该针对的就是这样的问题。
同时，因为要研究AI这块，机器学习与深度学习方面的算法也是需要花时间去认真学习的。不能因为着重于工程方面的问题，而忽略了一些本质原理。除了知晓事物的How，也要明白它们的Why，这应当也是工程师所追求的自身特性(Feature)。

大数据与云被移到了Architecture里面，这两块已经是现代系统的标配，无需多言，更值得关注的是作为一个整体，架构对于系统的持续保障以及成本与投入比(ROI)的影响。
架构中所需学习的内容甚广，不仅涉及软件方面，还有硬件，网络等其它因素需要考量。除此之外领域业务知识，沟通协调能力，团队管理技巧等诸多软硬技能也不能成为过于明显的短板。它是一个必须抱有终身学习态度的方向。

数学

也曾体会到数学之美，但之前遗落其过久，重新捡回它还是需要一定时间与精力的。但又不可不为。
数学领域同样十分广阔，与其毫无目的地乱逛，不如针对自己所需，专攻一隅。
人工智能的数学基石在于微积分，线性代数，概率论与数理统计，所以花上一年时间在这些基础知识上应该是十分值得的。

makefile自动依赖生成

语言

英语能力常年偏于读之上，听说与写的能力可谓稀松。虽说这样解决了阅读外文资料的问题，但当需要使用外语进行深层沟通的时候，还是有所不及。这一弊端在当前愈发明显，已经造成了不良的影响，亟待改善。
对于AI中自然语言处理(NLP)这一领域，若是想深究其理，语言能力上的精通可谓必不可少，因此这一方面的投入也是很有价值的。