在有限的果壳创造无限的宇宙

初学计算机，往往会给你一个幻觉，就是这样一台神奇的机器，能够做到很多你想象不到的事情。这一想法，本是无法可厚非。但如果将「计算机科学」看得过分神秘，或多或少，你将会将其当做神秘的巫术，而不是脚踏实地、按部就班的技术科学。即便是在该领域摸爬滚打多年的人，有时候还是能够发现自己潜意识中暗藏的对神秘和未知的膜拜。

计算机科学的一个神奇之处在于，它能够不知疲倦地24小时连轴工作，能够处理海量的数据、能够永不停歇地做计算。这往往会给人一个幻觉，就是：它能够容纳无限的数据，能够有无限的引擎资源做计算。可事实是，计算机科学的艺术的精义是：在有限的果壳里创造无限的世界。它并非具备无限多的存储空间，也并非具备无限多的计算资源，但它能够通过合理的规划，服务于源源不断到来的问题。虽然只有「有限」之身，却能够通过合理的规划，有条不紊地持续输出工作成果。

programming做到高阶，必然避免不了的问题就是对CPU和内存的精细控制，就是对进程/线程、内存的分配与回收。具体地说，就是对线程池的规划，对内存回收的精细控制，如 malloc/free 或 GC（garbage collection）原理与机制的精准掌握。

一般研习programming的道路，一定是以示例为主，在建立起足够多的应用直观之后，才能够逐步加深对某些概念的探讨。这一方式也可以理解，毕竟，代码的世界是一个看不见、摸不着、但又真实存在的形式上的世界。但这就导致了一个问题，即是：这样的入门比起其它一些看得见、摸得着的学科来讲，还太过粗浅，甚至，这根本就不能算作是「学科」的入门，只能算是类似于幼儿园小朋友的「实践活动」课。因为作为「入门」，它没有介绍清楚它的目标、基本核心思想、体系结构。但矛盾的地方在于，如果要能阐述清楚这些东西，又必须事先建立对这些抽象概念的了解。于是，先有鸡还是先有蛋的问题就开始了。而要解决「鸡」「蛋」问题，最好的办法还是先从「直观」的那一端入手。然后等到「直观」建立得差不多的时候，再重新来一遍「入门」的教育。

当你已经具备一定程度的programming实践经验后，你应该重新回到原点出，重新思考一下关于「入门」所应该覆盖到的几个基本要点：这门学科需要解决的问题是什么、它的核心指导方法论又是什么、它的知识体系结构又是什么。这些基本的问题，需要不断地回过头来去审视自己。不断尝试回答这些最基本的东西，能够让你对计算机学科梳理得更为清晰透彻，也能够对其本质做更为深刻的理解。

计算机所提供的核心服务，是快速地执行机械性的工作，即快速执行分配给它的指令。但这样的优势并非毫无限制，它受制于有限的空间，更受制于有限的时间，还受制于将「现实问题」转化为「可执行指令」的准确性、有效性和条理性。而它们分别对应了：

• CPU资源的高效复用。
• 内存、硬盘资源的高效复用。
• 代码实现、软件工程：代码的高效组织，即：代码本身的高效复用。

初阶developer的主要功夫，主要花费在代码的实现，以及一定程度上的软件工程的有效组织。高阶developer则会越来越关注资源的复用效率，即：CPU/内存的管理。更往上走，则是对这些技能的综合考虑，毕竟，这几条目标并非泾渭分明，很多时候，每一条的提升能够促进其它方面的提升，从而形成相互影响的放大效应。这正如「数据结构」同「算法」是密不可分的：算法的提升有赖于数据结构的精准选取，数据结构的创建也有赖于算法提升的需求。

当我们谈论一段代码、一个组件、一个框架时，我们其实需要了解：

• 他们的所服务的目标是什么；
• 他们存在的意义是什么，即它被创造出来的motivation是什么；
• 它实现自身目标的核心机制与原理是什么；
• 这些实现方式，是如何管理计算/存储资源的；
• 实现目标、管理计算资源，是以何种方式被高效统一地组织起来的。

如果你对所使用的工具，无法了解到计算资源是被如何管理的，那么，你对它的掌握就还不够彻底。为何？因为凡是屹立于计算机之上的存在，都受制于这个「大环境」的硬性约束：CPU、内存的资源限制。如果这些「根本性的约束」对你来讲是一个黑箱，那么，你就永远无法这款工具的一些根本性的取舍标准。只有了解到了这个程度，你才能够看到在根本性的限制之下，为何要做一些貌似奇怪的取舍，为何要如此来设计系统。