本文作者:交换机

系统开发难还是软件开发难,系统开发和软件开发

交换机 2024-02-21 60
系统开发难还是软件开发难,系统开发和软件开发摘要: 大家好,今天小编关注到一个比较有意思的话题,就是关于系统开发难还是软件开发难的问题,于是小编就整理了3个相关介绍系统开发难还是软件开发难的解答,让我们一起看看吧。对于技术岗位而言,...

大家好,今天小编关注到一个比较意思的话题,就是关于系统开发难还是软件开发难的问题,于是小编就整理了3个相关介绍系统开发难还是软件开发难的解答,让我们一起看看吧。

  1. 对于技术岗位而言,开发岗累还是算法岗累呢?
  2. IT界的三兄弟开发、测试、运维,大家觉得这三个哪个学起来最快也最好入门找工作?
  3. 后端开发和大数据开发相比,哪个更累?哪个加班更多、压力更大?

对于技术岗位而言,开发岗累还是算法岗累呢?

要比较哪个更累,首先得需要了解这两个岗位的区别

开发岗位通常来说就是应用层的开发,包括各种业务流程处理,数据库访问,软件界面的处理等等,看似是脑力劳动,其实跟偏向于体力劳动,而且费脑又费力。

系统开发难还是软件开发难,系统开发和软件开发
图片来源网络,侵删)

算法岗位通常来说相对于开发岗位更底层,主要就是针对某一个点的问题,提供一个更优的算法,包括处理速度更快,占用内存更小等等,主要是智商脑力的比拼。

那哪一个更累呢,我觉得还是开发岗位更累。就好比如说,视频可视化的,人脸识别,做算法的话只需要提供一个底层的算法告诉我这个人脸是谁,但是技术岗位就需要围绕这个算法做出一整个可实用的项目来,可能包括大量的***处理,大量并发识别等等问题。

算法岗位就好比是一个种子,技术岗位就是在这个***上生根发芽,所以我觉得技术岗位要累些,当然算法岗位是根本,如果是算法问题导致项目遇难,那算法就头疼了,因为一个好的算法不是那么容易的,有时候也需要灵感运气。

系统开发难还是软件开发难,系统开发和软件开发
(图片来源网络,侵删)

希望我的回答对楼主有所帮助。

可以回答你的是,开发岗位更辛苦,因为一个系统的开发完成是非常需要时间的,其中开发人员不仅仅要完成以下几个阶段:开发-联调-测试-综测 ,当系统开发符合基本要求后,推上生产后,如果遇到bug就需要开发人员紧急支持与返工修改代码然后发包上线,就算是运行了一二年的系统,也有可能后期需要大量优化与完善,我之前在华为外包做运维,一个华为供应链系统上线二年了,但是每天都有各种各样的生产问题出现,这些都基本商无法避免,其中有许多是系统的问题,这些问题出现后,都需要开发人员检测代码,修改代码,发包,开发其实也很幸苦。

相对而言开发岗更累,因为开发岗不仅要花费心力在逻辑实现,比如:关注具体的实现方式和展现效果,用户体验,甚至IT 支持,是一个动脑兼动手的过程。而算法岗位只关注算法本身的实现。

系统开发难还是软件开发难,系统开发和软件开发
(图片来源网络,侵删)

IT界的三兄弟开发、测试、运维,大家觉得这三个哪个学起来最快也最好入门找工作

个人感觉应该是测试是最好入门、最好找工作的。

首先开发人员要学习内容还是非常多的, 而且一定是需要有实践经验, 没有几个实践项目, 基本上找工作狗不理。 加上现阶段找工作难, 所以直接排除。

其次就是运维工程师, 运维工程师其实也是学习挺难的。 因为基本上都是在跟服务器打交道,还的自己去找项目工程实践,涉及到的内容是相当的复杂。 但是找工作好找呀, 没有那么卷, 不过入门来说, 真比程序员难!

最后就是测试。 测试分为黑盒测试和白盒测试。 黑盒测试又俗称点点点工程师, 不需要会技术, 只要理解业务, 站在用户和产品视角, 对互联网软件产品进行用户行为测试就行了,最后就输入测试文档就行。 可以说是非技术人员最好入门的一行了。 而且中国测试缺口是非常大的, 国外互联网或者软件开发公司, 开发和测试人员比率一般是 1:1, 但是国内, 开发人员和测试人员是 4:1, 所以测试人员缺口是非常大的。完全可以从黑盒测试入手入行, 然后转白盒测试或者产品经理都行。

入门阶段 认真学三个月 可以 有很明显的提升

鸟哥的私房菜 基础篇 & 服务器架设篇 这两本挺好的,如果你是认真看完,收获会很大。我对认真看完的定义是:

90%以上的内容都看了,且都亲自操作/实践过。

看书的过程中可以配合看相关文档,或者看看他人总结的经验。在这个学习研究的过程中,你肯定或多或少会遇到问题,把它们记录下来,每个问题点和相应解决方案都总结出一篇博客,收获会很大。

Shell,刚开始可以找一个网上的入门文章大致过一下常用语法(这个应该顶多一天),有精力可以直接扫一遍man手册。

Python,入门比较容易,Google搜下入门文章和书籍,或者看官方文档。

不论是Linux,或是Shell和Python,前期入门都差不多,后面主要就是实践,积累经验和技巧。

我觉得三个月时间,安心把我上面提到的做完,应该差不多了。

另外马哥教育的公开课你也可以看一下:***s://ke.qq***/course/119808?tuin=6ceacb80 希望对你有帮助

从入门来说,

测试人员,因为软件做起来就是用来给人用的,测试的工作也就是帮用户来提前使用软件,从而提前发现问题。所以简单的测试只要你足够的心细,并能理解业务就可以进行测试。而开发和运维从最开始就需要相关的技术[_a***_],

对于运维来说我所了解的运维也是需要了解一些命令和脚本语言的,试想如果运维天天只是把代码拷到其他服务器上,一个两个可以,多个呢估计烦死。

开发,就需要学习相关的语言,算法,业务等等相关知识,很多人说开发不就是ctrl+c ctrl+v嘛,但是你不懂相关知识恐怕ctrl c v你都拼不好吧。

从加班次数来说,

开发也是最多的,开发时候加班,测试的时候加班,上线加班[捂脸]

测试就只有测试时间测试,

运维上线的时候才加班

总得来说 开发 运维 测试

不知道大家的意见如何

运维要做好其实需要懂很多东西,基础的网络管理,系统环境,cdn管理,域名管理,各种权限控制管理包括防护墙,每个问题的第一线都会是你去对接,就会涉及到监控管理,原来的lnmp,tomcat, nginx,MySQL相关安装配置使用熟练以上基本必备的,现在都在微服务,对于开发来讲他们更省心了,相对的架构复杂度压力对运维更大了,原来的那种只会写个shell的运维根本撑不住,你得需要慢慢学习Python学习编写一些工具或者运维平台,你就得需要彻底的学习下***, 半个全栈web工程师。以及一些自动化组件的整合,传统的Jenkins, 新的微服务相关的那就更多了,监控的套间也升级了,传统的zabbix.新的普罗米修斯,tick 还是一样你会需要学很多组件,或者写相关插件。写插件的前提是你要掌握这些东西的架构运作。容器 k8s 还有很多***openresty kong的调度 存储 安全如何保障。等等。随便写的 凑合看吧。希望对你有帮助。学到一定层度,一般的开发你绝对肯定吊打。ᕕ😆ᕗ

个人感觉,测试最容易入门。发展的话,开发最好。运维岗位少,而且太吃经验。入门要看机遇,小公司的话,运维要么被开发***了,有也一般只有你一个人,所以一般都是独挡一面的,肯定要有经验。大公司的话,经验学历至少要有一样能拿的出手。

后端开发和大数据开发相比,哪个更累?哪个加班更多、压力更大?

大数据开发通常指的是大数据应用开发,出发点是满足系统的大数据处理任务,为后续的数据分析提供支撑,当然大数据开发岗位还包括大数据平台研发。与后端服务开发不同,大数据开发通常以数据操作为主,仅仅围绕大数据平台提供的API来完成具体的数据操作任务。相对来说,大数据开发往往可以进行功能性封装和复用,这在一定程度上能够减轻一定的开发负担。另外,由于大部分数据处理的任务都可以通过平台提供的功能来完成,所以大数据开发通常并不需要考虑系统级问题

后端开发通常也称作为服务端开发,需要解决的问题要根据实际的应用场景来确定,技术选型与服务规模有直接的关系,如果是大型服务,那么后端服务往往是比较复杂的,需要综合考虑并发处理、事务处理、安全处理、资源调度优化等问题,往往会***用分布式架构来提升系统的处理能力和稳定性。如果服务规模比较小,通常后端服务在实现上也会轻松不少。

大数据开发通常指的是大数据应用开发,出发点是满足系统的大数据处理任务,为后续的数据分析提供支撑,当然大数据开发岗位还包括大数据平台研发。与后端服务开发不同,大数据开发通常以数据操作为主,仅仅围绕大数据平台提供的API来完成具体的数据操作任务。相对来说,大数据开发往往可以进行功能性封装和复用,这在一定程度上能够减轻一定的开发负担。另外,由于大部分数据处理的任务都可以通过平台提供的功能来完成,所以大数据开发通常并不需要考虑系统级问题,这也能够让开发者更加专注。

通常情况下,后端开发和大数据开发都有一定的压力,但是至于哪个压力更大则与开发的业务类型和业务规模有直接的关系,并不能一概而论。当前正处在大数据时代,对于后端开发人员来说,掌握大数据开发的相关知识是有必要的,而且对于后端开发人员来说,学习大数据开发也会比较顺利。

最后,从行业发展的趋势来看,未来与大数据开发相关的工作岗位通常会有更多的发展机会,尤其在产业互联网阶段。

我从事互联网行业多年,目前也在带计算机专业的研究生,主要的研究方向集中在大数据和人工智能领域,我会陆续写一些关于互联网技术方面的文章,感兴趣的朋友可以关注我,相信一定会有所收获。

如果有互联网方面的问题,也可以咨询我,谢谢!

到此,以上就是小编对于系统开发难还是软件开发难的问题就介绍到这了,希望介绍关于系统开发难还是软件开发难的3点解答对大家有用。

文章版权及转载声明

[免责声明]本文来源于网络,不代表本站立场,如转载内容涉及版权等问题,请联系邮箱:83115484@qq.com,我们会予以删除相关文章,保证您的权利。转载请注明出处:http://www.nbdaiqile.com/post/14860.html发布于 2024-02-21

阅读
分享