但與之相對的，40 歲以上的開發(fā)者占比幾乎可以忽略不計。根據(jù)不同年齡段的職位分布表也可見一斑，仍有部分 40 歲以上的開發(fā)者繼續(xù)在技術領域深耕，還有大多數(shù)向管理崗位進行了轉型。而除此之外，許多大齡開發(fā)者們會受到來自家庭和職場的各種生存壓力，因此選擇再擇業(yè)的人也不在少數(shù)。

近五成開發(fā)者月入過萬，架構設計師職位薪資水準最高

在薪資方面，軟件開發(fā)者一直都是公認的高薪人群。報告統(tǒng)計顯示，全國有 48% 以上開發(fā)者月均收入過萬，其中超 6 成來自一線城市。

在一線城市（北京、上海、廣州、深圳）中，月薪過萬的軟件開發(fā)者占比為 63%，該比例遠高于國內(nèi)其它城市。對比 2017 年數(shù)據(jù)也可以發(fā)現(xiàn)，在各級城市中，月入過萬的軟件開發(fā)者比重均有所提升。

調(diào)查結合受教育程度和薪資水平的數(shù)據(jù)特點還發(fā)現(xiàn)，學歷越高的人群中，月薪 2 萬元以上的高收入比例越高，碩士及以上學歷開發(fā)者薪資水準是?？萍耙韵聦W歷的近五倍之多。知識是最大的財富，古人誠不我欺。

而在所有的崗位中，架構設計是最受歡迎的香餑餑。通過數(shù)據(jù)交叉對比分析發(fā)現(xiàn)，從事軟件架構設計崗位的開發(fā)者超 8 成月薪過萬，超 4 成的架構師平均月薪超過 2 萬元。

高薪促進了開發(fā)者學習熱情，6 成開發(fā)者每周學習 6 小時以上

高薪對應的是開發(fā)者在技術上的不斷深耕，事實上，超 9 成開發(fā)者計劃在 2019 年通過學習新技術來提升自己的事業(yè)，近 5 成開發(fā)者愿意參與到開源社區(qū)項目中，有 62% 的開發(fā)者每周學習時長高達 6 小時以上。

新技術的學習上，開發(fā)者最感興趣的培訓方向是人工智能、大數(shù)據(jù)和云計算——這三者毋庸置疑將會主導近些年的技術潮流，也是培訓界的常青樹。

在編程語言方面，Java、R 和 Javascript 成為開發(fā)者使用最多的編程語言，但得益于人工智能的持續(xù)火爆和深度應用，Python 卻是開發(fā)者近期最想學的開發(fā)語言，其次是 Java 和 R，占比分別為 35% 和 26%。

“近些年，編程語言流行度的變化其實不大?！鼻巴愣骨v技術負責人、現(xiàn)輕芒聯(lián)合創(chuàng)始人范懷宇點評表示，Java 一直都是最常用的語言，Java 的 Web 框架經(jīng)過千錘百煉已經(jīng)可以支撐足夠大的并發(fā)，Java 的各種類庫、統(tǒng)一的編程模型、豐富的人才儲備，也可以滿足各種場景的訴求。R 被廣泛應用，也和數(shù)據(jù)相關，在數(shù)據(jù)規(guī)模不大的前提下對專業(yè)或非開發(fā)的人員都十分的友好。此外，Python 依然是最期望被學習的語言，這毫無疑問和人工智能被高度關注有密切聯(lián)系，使得 Python 成為機器學習必修課。

大數(shù)據(jù)應用場景仍呈現(xiàn)單一化，數(shù)據(jù)挖掘或成后續(xù)主流

大數(shù)據(jù)技術應用開始普及，但應用場景仍相對單一

本次調(diào)研數(shù)據(jù)顯示，近八成企業(yè)在進行大數(shù)據(jù)相關的開發(fā)和應用，這一比例與 2017 年基本持平，沒有太過長足的發(fā)展。

在具體應用上，目前 61% 的企業(yè)對大數(shù)據(jù)的應用仍更多地體現(xiàn)在統(tǒng)計分析、報表及數(shù)據(jù)可視化上，占比為 61%，數(shù)據(jù)應用場景相對單一。用戶畫像建模、個性化推薦與精準營銷、機器或設備數(shù)據(jù)實時監(jiān)控、告警與運維管理次之，分別占 34% 和 32%。

Spark、Redis 和 Kafka 正在成為企業(yè)大數(shù)據(jù)平臺通用技術組件

Apache Spark 是一個處理大規(guī)模數(shù)據(jù)的快速通用引擎，可以提升 Hadoop 集群中的應用在內(nèi)存和磁盤上的運行速度，還可以為大數(shù)據(jù)分析和機器學習領域提供更多的能力。在本次調(diào)研中，Spark 是使用最普遍的大數(shù)據(jù)平臺組件，使用率達到 45%，而 MapReduce 使用率僅為 23%。

分布式文件系統(tǒng) HDFS 作為核心組件之一，使用率也達到了 38%。企業(yè)對大數(shù)據(jù)平臺應用最多的場景是統(tǒng)計分析、報表生成及數(shù)據(jù)可視化，30% 企業(yè)使用 ELK（ElasticSearch + Logstash + Kibana）實時日志分析平臺。

基于以上，前餓了么大數(shù)據(jù)平臺總監(jiān)畢洪宇表示，在大多數(shù)開發(fā)者看來“大數(shù)據(jù)實現(xiàn)了更智能的決策，提升了運營效率”，因此統(tǒng)計分析、報表生成及可視化、個性化推薦與精準營銷仍是應用主流。

但在落地障礙方面，報告顯示“如何做大數(shù)據(jù)應用規(guī)劃”超越“缺乏大數(shù)據(jù)技術人才”成為首位——也就是說經(jīng)過 2018 年的發(fā)展，開發(fā)者的關注點正逐漸從大數(shù)據(jù)技術更多轉移到落地數(shù)據(jù)應用、發(fā)揮數(shù)據(jù)價值方面，因此數(shù)據(jù)挖掘相關的技術和產(chǎn)品將會有更多的提升。

云計算已大面積普及，阿里云“笑傲”公有云市場

86% 的企業(yè)正在使用云服務，阿里云仍領跑國內(nèi)公有云市場

2018 年的調(diào)研數(shù)據(jù)顯示，有 86% 的企業(yè)正在使用云服務，相較 2017 年略有提升。這也說明了云計算已相當普及，僅有 1 成企業(yè)對云計算平臺基本不了解或者無意使用，79% 的企業(yè)利用云平臺已經(jīng)開發(fā)應用或正在開發(fā)應用。

另一方面，阿里云繼續(xù)領跑國內(nèi)公有云平臺市場，以 67% 的使用率遙遙領先于其他云服務廠商，排在首位，第二位的騰訊云服務使用率僅為 24%。

Docker 和 OpenStack 是當前云平臺部署的兩種主流框架

Docker 和 OpenStack 是當前最主要的兩種云平臺框架，使用占比遠遠高于其他部署方式。

OpenStack 是 IaaS 組件，操作簡單，在本次調(diào)研中占 30%，位列第一位。而隨著 Docker 技術的不斷成熟，以及其在輕量、配置復雜度以及資源利用率方面的明顯優(yōu)勢，越來越多的企業(yè)也開始考慮通過 Docker 來改進 IT 系統(tǒng)。在本次調(diào)研中，基于 Docker 搭建的云平臺占比為 26%。

但是盡管云計算已經(jīng)得到了普遍應用，數(shù)據(jù)安全仍是企業(yè)在云技術開發(fā)中所面臨的最主要問題。本次調(diào)研中，云模式的數(shù)據(jù)安全（40%）、開發(fā)人員對云環(huán)境不了解（32%）是企業(yè)相對普遍的問題，很多企業(yè)對此表示了擔憂。

“企業(yè)使用云計算的比例在 2017 年有一個突升，2018 年這個比例繼續(xù)升高達到了 86%”，奧思數(shù)據(jù)創(chuàng)始人&CTO 李明宇表示，云計算已經(jīng)普及。但是對于云廠商來說，“在提供了基礎的虛機、存儲和網(wǎng)絡服務之后，下一步就應該首要發(fā)展負載均衡服務。”

此外，OpenStack 和 Docker 成為了應用最廣泛的軟件工具，但我們在調(diào)查報告中也看到 K8S 和 Jenkins 同樣得到了較高比例用戶的使用，將 Docker 與這些工具結合起來，能夠發(fā)揮更大的用途。

區(qū)塊鏈興起，Java 和 Python 成主流開發(fā)語言

區(qū)塊鏈技術逐漸興起，六成開發(fā)者處于初步了解階段

區(qū)塊鏈技術近兩年剛剛興起，27% 開發(fā)者有應用或準備應用，66% 開發(fā)者尚處于初步了解階段，7% 開發(fā)者完全不了解。但是相比于 2017 年，這項技術被了解和關注的程度已經(jīng)大幅度提高了。

“2018 年加密數(shù)字貨幣市場大起大落，充滿戲劇性，而這種戲劇性使得更多開發(fā)者開始關注這項新技術所蘊含的機會。”CSDN 副總裁孟巖如是說。

比特幣和以太坊是當前兩種主流的區(qū)塊鏈開發(fā)平臺

以太坊和比特幣是當前兩種主流的區(qū)塊鏈開發(fā)平臺，本次調(diào)研中，分別占比 44% 和 28%。

另外，報告顯示 Java 和 Python 是區(qū)塊鏈的主流開發(fā)語言。在智能合約的開發(fā)語言中，Java、Python 和 Go 應用較多；在核心應用的開發(fā)中，Java 使用更為普遍（51%），Python 其次（35%）。

不過“在我看來，這個調(diào)查項的結果只是反映了 Python 和 Java 開發(fā)者數(shù)量的龐大。”孟巖認為，當前開發(fā)公鏈智能合約的主流語言，在以太坊上是 Solidity，在 EOS上 是 C++，而開發(fā)公鏈基礎設施不是 C++ 就是 Go，“因此并不能說 Python 和 Java 就能獨占鰲頭?！?/p>

六成以上開發(fā)者認為金融行業(yè)是區(qū)塊鏈未來的主要應用方向

缺少落地的應用和場景、缺少技術資料、缺少開發(fā)經(jīng)驗是當前區(qū)塊鏈開發(fā)的主要挑戰(zhàn)?；诖耍瑯I(yè)界普遍認為金融行業(yè)會是未來主要的行業(yè)方向（63%）。此外，知識產(chǎn)權管理和商品防偽、智能硬件和物聯(lián)網(wǎng)也被認為是主流應用方向，分別占 42% 和 41%。

事實上，金融作為重度監(jiān)管的行業(yè)，區(qū)塊鏈想要撼動這個版塊并不容易。孟巖表示，“在我看來，游戲是區(qū)塊鏈落地應用當中摩擦最小、效率最高的，另一個缺失的就是共享經(jīng)濟，共享經(jīng)濟也是區(qū)塊鏈的最佳拍檔之一。到底金融、游戲和共享經(jīng)濟誰先落地，我們拭目以待?！?/p>

2018 是 AI 技術落地的元年，算法工程師最為緊缺

近 4 成開發(fā)者正在嘗試使用人工智能技術，發(fā)展?jié)摿薮?/p>

當前人工智能的普及率還偏低，但發(fā)展?jié)摿艽?。本次調(diào)研數(shù)據(jù)顯示，已經(jīng)使用 AI/機器學習/深度學習技術的僅占 16%，37% 表示正在嘗試使用，只有 16% 的開發(fā)者表示完全沒有用過。

與此相對的，在團隊規(guī)模上 66% 的開發(fā)者所在團隊規(guī)模小于 10 人，超過 100 人的僅 10%。這也意味著，機器學習/深度學習算法工程師極為緊缺。

此次調(diào)研中，機器學習/深度學習算法工程師、計算機視覺/圖像識別/圖像處理工程師崗位從業(yè)人員較多，分別占比 30% 和 20%。當前最急缺的崗位是機器學習/深度學習算法工程師（58%），以及數(shù)據(jù)科學家/數(shù)據(jù)分析師/數(shù)據(jù)挖掘工程師（44%）。

TensorFlow 是人工智能領域主流機器學習框架

此次調(diào)研中，TensorFlow 使用普及率達到 52%，是第二名的兩倍之多。

此外，線性分類、決策樹是開發(fā)者使用最多的兩種機器學習類型，CNN/IGN是使用最多的神經(jīng)網(wǎng)絡模型，占比 74%。

而在行業(yè)應用上，制造、金融行業(yè)是 AI 技術結合最多的行業(yè)。

“2018 年是 AI 技術落地的元年”，文因互聯(lián) CEO&聯(lián)合創(chuàng)始人鮑捷表示道，落地實踐是一個漫長的過程。在報告中我們可以看到，AI 的應用還有很大的發(fā)展空間，而如何幫助企業(yè)尋找到其業(yè)務痛點，尋找落地場景，進而利用 AI 技術幫助其進行提升和改進、甚至業(yè)務重塑將是這場變革的關鍵點。

物聯(lián)網(wǎng)嵌入式開發(fā)工程師最受歡迎，智能家居應用最廣泛

物聯(lián)網(wǎng)發(fā)展迅速，智能家居是物聯(lián)網(wǎng)最大的應用領域

根據(jù)報告顯示，近 5 成開發(fā)者表示現(xiàn)階段物聯(lián)網(wǎng)發(fā)展迅速。其中智能家居是物聯(lián)網(wǎng)最大的應用領域，39% 的開發(fā)者公司在用 IoT 開發(fā)智能家居業(yè)務，其次應用較為廣泛的領域是智能交通、智能城市，分別占 32% 和 30%。

嵌入式設備開發(fā)工程師、機器學習/深度學習算法工程師最為急缺

此次調(diào)研中，物聯(lián)網(wǎng)領域需求最多的崗位是嵌入式設備開發(fā)工程師，占 25%，其次是機器學習/深度學習算法工程師，占 13%。

對于物聯(lián)網(wǎng)的現(xiàn)狀，葉帆科技創(chuàng)始人兼 CEO?劉洪峰表示，共享單車是非常典型的物聯(lián)網(wǎng)應用，但是共享單車的“廝殺”卻給物聯(lián)網(wǎng)迅速發(fā)展的前景帶來了陰影——這一狀況直到 2018 年初阿里云的介入才改善。

作為后起之秀的物聯(lián)網(wǎng)平臺介入者，阿里云總裁胡曉明宣布“IoT”作為阿里巴巴未來發(fā)展的第五個主賽道，這消息一下子激活了整個物聯(lián)網(wǎng)市場的熱度。本報告也反映出這種變化，48% 的開發(fā)者都認為物聯(lián)網(wǎng)正處于發(fā)展迅速階段。

本文內(nèi)容來源于《2018-2019 中國開發(fā)者調(diào)查報告》，版權屬于CSDN，感謝各位專家顧問的點評指導。

完整報告獲取鏈接：

http://hdg12tzyd1ot89h9.mikecrm.com/8z9C2RJ

可復制鏈接至瀏覽器，或直接掃描下圖二維碼訪問。

Fred

baiyan