通晓多种编程语言的程序员,真香?

多语种程序员能够掌握多种编程语言,这不仅让他们在职场更具竞争力,还能拓宽解决问题的思路,增强学习能力。然而,不断学习新语言也面临挑战,如未能深入掌握可能导致技能泛而不精。

作者 | Ravi Rajan

译者 | 王强

策划 | 张晓楠

你是否遇到过自称"多语种程序员"(polyglot programmer)的人?他们能够掌握多种编程语言。

在程序员的世界里,很多编程高手会被冠以各类称呼,有些称呼听起来很“狗血”,比如:

  • “Code Ninja”(编程小忍者)

  • “Rock Star developer”(摇滚巨星开发者)

  • “Power Programmer”(编程高手)

  • “Open Source Pundits”(开源专家)

  • “Multiprocessing Moguls”(多处理大亨)

  • “Server Monks”(服务器大师)等等……

相比之下,多语种程序员这个称呼还挺正常的。

Merriam-Webster 将“多语种”定义为编程语言或术语的一种混合或融合。

https://www.merriam-webster.com/dictionary/polyglot

一般认为多语种编程这一术语是 Neal Ford 在 2006 年的一篇博客文章中创造出来的。Dean Wampler 在 2010 年的演讲中进一步补充丰富了 Neal 的观点,他重申不同的编程语言在不同领域有各自的优势,且程序员应该使用最好的工具来完成工作。

1 不一定精通每种语言,但要掌握方法论

多语言编程的思想源于 2000 年代中期,是在身处 Java 生态系统的程序员群体中萌发的。那时 Java 语言的发展停滞了,但 JVM 是蓬勃发展的“非 Java”语言社区的基础。2003 年的 Groovy、2004 年的 Scala 和 2007 年的 Clojure 都是很好的例子。所有这些语言都提供了 Java 所没有的功能,高阶函数是其中最明显的例子之一。有了这些新能力的帮助,程序员显然很容易采用它们:使用 Groovy 处理 XML,或使用 Scala 处理嵌套结构,等等。

从那时起已经过了这么多年,多语种程序员的理念依旧方兴未艾。

具体来说,一位通晓多种编程语言的程序员至少要能够熟练掌握三种不同的语言。理想情况下,他们对这些语言的能力、深度和多样性都驾驭得很好。

举个例子大家就明白了:从技术上来说,通晓 Java、C++ 和 ABAP 的开发者可能会被视为多语种程序员,但由于这三种语言都具有相似的面向对象的概念和结构,因此就算学了这三种语言,也没啥用。

正如加州大学欧文分校信息学高级讲师 Richard Pattis 告诉我们的那样:

编程语言不仅是工具,它们还是塑造你的编程观念的技术。如果只是沉迷于学习很多类似的语言,可能不会为你的思维带来多大贡献。

为了拓宽编程思路,Pattis 建议想要掌握多种编程语言的程序员从不同的语言范式中学习,具体来说可以是面向对象的语言(例如 C++ 和 Java)、函数式语言(例如 ML 和 Haskell)、脚本语言(例如 Lisp 和 Python))、基于逻辑的语言(例如 Prolog)或底层语言(例如 C、Java 虚拟机或某种机器语言)。

关键不一定是要精通每种语言,而是要掌握方法论,以新的方法解决问题。优秀的程序员不仅会编写代码,而且还会不断学习和摸索,进而帮助他们用新的方式解决问题,并找到最有效的解决方案。

2 多语种程序员的优势

不过在我看来,成为一名多语种程序员,或者至少向这个方向去努力,肯定会收获良多。

让你在职场更加抢手

精通多种编程语言,不仅能让你的履历表增光添彩,而且还能向雇主表明你很灵活、适应能力强,并且能够使用最合适的工具来完成工作。

它为你提供了许多工作机会,至少也会让你从容面对行业衰退。因为你有能力探索多种编程范例,所以你会感到快乐,充满活力,这也会反映在你的编程风格中。你可以用更好的方法来编写代码,以充分利用业内的所有最佳方案。多语种程序员可以尝试不同的语法、了解不同的社区,而这种持续不断的探索是程序员们能经历的最美妙体验之一。

另一个激动人心的时刻就是,当客户找到你,需要你的专业知识来解决他们的问题时,你的武器库中会有更多工具可选,你可以为他们带来最大的价值。

成为最会解决问题的人

如果我用一句话来定义程序员的工作,那就是“解决问题”。优秀的程序员不一定要编写出色的代码。他需要使用手上的最佳工具来解决业务问题。

这里你可能会争辩说:”嘿,我是 Java 语言的高手,我知道如何使用 Java 来解决所有问题。"如果你是这样想的,那么你已经患上了“锤子和钉子”综合症。这种综合症的表现是,如果你有一把锤子,那么每个问题对你来说都像是一颗钉子。在这个例子中,你只有一把锤子(也就是 Java),你的思维到头来会变成,不管是什么问题都要找出用 Java 解决它的最佳方法。这种说法其实已经很客气了。不客气地讲,如果 Java 无法解决你的问题,你可能会陷入不知所措的困境。

尽管这种糟糕的局面不见得会天天遇到,但现实生活中你的确会遇到这种情况,那就是你要处理的问题与你以前要对付的那些是不一样的。你可能会想出一个效率低下的解决方案,因为这种语言是你唯一了解的语言。

所以学习新的语言可以扩展你解决问题的能力。你的思维将摆脱特定语言的限制,你开始能够从不同的角度看问题。这种观念上的差异将显著提高你使用当前语言的能力,并且你可能会发现自己对如何更有效地解决问题有了新的想法。

学习能力增强

当你开始学习一种新的编程语言时会发生什么?

你会浏览书籍;你会琢磨一段段示例代码;你会尝试很多实例;你会在社区发现很多志同道合者。

简而言之,你会立刻进入学习模式。这就像在健身房锻炼一样,最初你的肌肉在痛苦中尖叫,但是过了一段时间后,它们会根据你的日程安排自我调整,因此你不会再像一开始那样痛苦万分了。肌肉开始生长,进而增强了你的耐力和力量。

学习对你的大脑也有同样的作用。一旦你的大脑适应了像新的编程语言这样新颖概念的学习曲线,最后它会变得更加敏捷,适应能力更强。这意味着你的大脑将帮助你提高日常工作中的生产力,并更轻松地适应你日常使用的各种技术之间的细微差别。例如,一位通晓像 ABAP 这类业务语言的 Java 开发人员,可以很轻松地将共享库的概念与业务术语建立联系并发挥用途。

最后的结果就是你的学习能力增强了。随着时间的流逝,你学习新事物将变得越来越容易、越来越快。

3 多语言能力也可能成为致命弱点

虽然学习多种编程语言有很多好处,但是这种不断的学习也面临着一系列挑战。

Douglas Crockford 在他的《JavaScript:好的部分》(https://www.amazon.in/JavaScript-Good-Parts-ebook/dp/B0026OR2ZY)一书中谈到了 JavaScript 的优缺点。同样,每种语言都有其自身要面对的挑战。如果你经常切换编程语言而又没有花足够的时间来深入研究它们,那么你最后可能会成为“万事通,万事松”。如果你不具备新语言所需的能力,那么你了解多种语言的能力可能反过来会成为你的致命弱点。

不断学习和适应新的语言和技术也可能让开发人员疲于奔命。你很难与所有技术保持同步,还可能会发现自己四处奔波,结果一无所获。关键是要专注于自己可以顺利消化的东西,并在达到自己的极限后及时收手。为工作选出最佳工具并获得最佳表现后,请停下来并专心巩固已有的收益。凡事不要做过头。

请记住,一定要权衡付出和收获是否成正比。我们从多语种编程中获得的收益应该始终超过为其付出的代价。

正如 Alan Perlis 给出的评论:

如果一种语言没有影响到你对编程的思考方式,你就用不着学它了。

作者介绍:

Ravi Rajan 是位于印度孟买一家公司的全球 IT 计划经理。他还是一位狂热的博客作者、俳句诗作家、考古爱好者和历史狂人。

参考链接:

https://levelup.gitconnected.com/the-benefits-of-being-a-polyglot-programmer-5aff466c4efa


往期趣味Python,已经在B站录制成了视频:

点击阅读原文,直达菜鸟玩Python B站

内容概要:本文系统研究了电力系统短期负荷预测问题,提出并实现了基于极限学习机(ELM)及其智能优化改进模型的预测方法。研究涵盖标准ELM、白鲸优化算法(BWO)优化ELM和鹭鹰优化算法(IBOA)优化ELM三种模型,重点通过智能优化算法对ELM的输入权重与偏置参数进行全局寻优,有效克服了传统ELM因参数随机初始化导致的不稳定性和泛化能力不足的问题。文章完整呈现了从数据预处理、特征选择、模型构建、参数优化到预测结果对比分析的全流程,利用Matlab编程实现各模型的仿真验证,显著提升了预测精度与模型鲁棒性,为电力系统调度决策提供了可靠的技术支撑。; 适合人群:具备电力系统基础知识、时间序列预测理论及Matlab编程能力的高校研究生、科研机构研究人员以及电力公司从事负荷预测、电网调度与规划工作的技术人员。; 使用场景及目标:①应用于实际电力系统短期负荷预测业务中,提升电网运行调度的精细化与智能化水平;②作为智能优化算法与神经网络融合的经典案例,服务于学术论文撰写、科研项目申报及算法性能对比研究;③应对新能源大规模接入背景下负荷波动加剧的挑战,为构建高精度、强鲁棒性的现代负荷预测体系提供解决方案。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解ELM网络结构与优化算法的集成机制,重点对比分析不同优化策略在收敛速度、预测误差(如MAE、RMSE、MAPE)等方面的性能差异,进而掌握智能优化技术在提升预测模型性能方面的关键作用。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文提出了一种基于断线解环思想的配电网辐射状拓扑约束建模方法,旨在通过Matlab代码实现确保配电网在重构或运行过程中始终保持辐射状结构,防止环路形成,从而提升系统的安全性与稳定性。该方法通过系统性地识别网络中的潜在环路,并依据拓扑规则自动切断特定支路,有效处理配电网在优化调度、故障恢复及网络重构中的拓扑约束问题。文中详细阐述了算法的核心逻辑、数学模型构建过程、实现步骤及关键判据,并结合标准测试系统进行了仿真验证,充分证明了该方法在复杂配电网络中的有效性与实用性,尤其适用于含分布式电源接入的智能配电网场景。; 适合人群:具备一定电力系统分析基础和Matlab编程能力的高校研究生、科研人员,以及从事配电网自动化、智能电网优化、电力系统运行与控制等相关领域的工程技术人员。; 使用场景及目标:①解决配电网重构过程中的辐射状拓扑可行性验证与约束建模问题;②支撑含高比例分布式电源的配电网在故障恢复、动态重构中的安全运行分析;③为相关高水平EI期刊论文的模型复现、算法验证及科研项目申报提供可靠的代码实现与技术参考。; 阅读建议:建议读者结合Matlab代码与电力网络拓扑理论进行同步学习,重点理解断线解环的图论基础、环路搜索算法及支路断开逻辑的实现机制,并尝试在不同规模的测试系统(如IEEE 33节点系统)上进行仿真调试,以深入掌握该方法的应用技巧与优化潜力。
内容概要:本文围绕基于元模型优化算法的主从博弈多虚拟电厂动态定价与能量管理展开研究,提出了一种结合主从博弈理论与元模型优化方法的协同决策框架,通过Matlab代码实现,旨在解决高比例可再生能源接入背景下多虚拟电厂在复杂电力市场环境中的协调优化难题。研究构建了上层领导者(如主网或运营商)与下层跟随者(各虚拟电厂)之间的非对称互动模型,实现了动态电价制定与多主体能量调度的联合优化,有效提升了系统整体运行效率、经济收益与市场公平性。文中详细阐述了模型构建过程、算法设计思路及仿真验证方案,重点突出了元模型在降低计算复杂度、处理不确定性因素以及加速求解收敛方面的优势,具有较强的工程复现价值与理论参考意义。; 适合人群:具备一定电力系统运行、博弈论基础、优化建模能力及Matlab编程技能的研究生、科研人员,以及从事虚拟电厂运营、能源互联网规划、智能电网调度等相关领域的技术人员。; 使用场景及目标:①用于多主体能源系统中市场机制设计与竞价策略分析;②支撑含分布式能源的主动配电网协同优化调度研究;③为虚拟电厂参与电力市场的动态定价、需求响应与能量管理提供仿真验证平台与解决方案参考。; 阅读建议:建议读者结合Matlab代码逐模块理解算法实现流程,重点关注主从博弈架构的数学建模方式与元模型近似优化技巧的应用细节,同时可通过调整市场参数、负荷场景或可再生能源出力数据进行拓展性实验,以深化对模型鲁棒性与泛化能力的理解。
内容概要:本文围绕列车-轨道-桥梁耦合系统开展动力学交互仿真研究,基于Matlab平台构建多体动力学数值模型,综合考虑列车移动荷载、轨道结构特性与桥梁动态响应之间的耦合作用,实现对列车通过桥梁过程中振动传递规律、结构受力特性和动力响应行为的精确模拟。研究涵盖系统建模、运动方程求解、关键参数设定及仿真结果分析全过程,提供完整的Matlab代码实现方案,有助于深入理解轨道交通基础设施在运营条件下的动力性能,为桥梁结构安全性评估、轨道平顺性优化及减振设计提供理论支持和技术手段。; 适合人群:具备一定结构动力学、振动力学基础知识及Matlab编程能力的研究生、高校教师、科研机构研究人员以及从事铁路与桥梁工程设计、运维的工程技术人才。; 使用场景及目标:①用于高速铁路桥梁在列车荷载作用下的动力响应仿真与安全评估;②支撑轨道-桥梁系统减振降噪设计与结构优化;③作为高等教学与科研中的典型案例,辅助讲授多体系统动力学建模与数值仿真方法; 阅读建议:建议读者结合结构动力学相关理论教材,逐步运行并调试所提供的Matlab代码,重点关注质量-刚度-阻尼矩阵的构建、轮轨接触关系处理、时间积分算法实现等核心模块,深入理解仿真结果的物理含义及其工程应用价值。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值