关于问题的讨论不应停留在人的维度上

关于问题的讨论不应停留在人的维度上
www.zeeklog.com  - 关于问题的讨论不应停留在人的维度上

这句话最开始应该是从老王那里听来的,他的意思是很多管理者对于问题本质的思考到具体的执行人身上就停止了,最终将问题的归因思考停留到了人的维度上。

其实反过头来看,这句话不仅仅适用于管理者,任何行业任何人都适用,当然对于个人来说我们还是要提升个人能力和认知的。

举个例子,挪威是世界上最富裕的国家之一,渔民很有钱,人均GDP8w美金。孟加拉国是世界上最贫困的国家,人均GDP为2k美金。

同样是渔业主要产业的大国,为什么会有如此大的收入差距呢?

有人说因为孟加拉国穷啊,他们的渔业设备肯定落后,生产力决定了生产效率,而且没有系统性的现代化培训,捕鱼能力有限。

其实70年代挪威向孟加拉国赠送了一批现代化的渔船,但在同样设备的前提下,收入并没有提高,这些现代化的渔船最后也锈迹斑斑,由于孟加拉国渔民缺少基础设施和零部件,这些渔船出现问题时不会修理,在他们手里这些渔船的功能并不能发挥其价值。

以渔船角度来说,渔船是否可以发挥其生产力产生价值,是很多因素组织起来的,比如:资本、知识技能、基础设施、销售渠道、供应链产业等。而不是由两个国家渔民是否勤劳努力工作决定的。没有好的基础设施、方法论、流程标准的努力终究会收效甚微,996是没有用的。

其实《贫穷的本质》那本书说了类似的道理:

穷人通常是缺少信息来源的,相信那些错误的事情,他们不清楚给儿童接种疫苗的好处,不明白基础教育的重要性,不知道该使用多少化肥,不知道哪种方法容易感染艾滋病,不知道政治家每天在做什么。当有一天他们发现那些曾经坚定不移的信念是错误的时候,他们会做出更错误的决定。这些决定会引起严重的后果,比如女孩与成年男子发生关系而未采取避孕措施,农民使用两倍的正常量的农药,这些事情的后果都是严重的...

我们可以把这些因素归纳后叫“基本盘”,也就是人的动作是在基本盘之上的,问题应该继续越过人,到达基本盘继续讨论。

就个人而言同样的道理,人和人的收入不同,原因不是因为甲比乙更努力,而是很多外部因素决定的,可能甲更拥有资本、技能、环境,使得甲的层次高于乙,比如餐厅服务员再怎么努力,收入也很难超过基金经理。努力仅仅是一部分因素,你需要提升你的资本、技能、环境。

当然也不是让大家眼高手低,在没有选择机会与能力之前,还是努力提升技能。

我们做工程技术也有同样的道理,我属于那种比较懒的人,所以很多时候我的思考底层逻辑是让我这种懒人也要有同样的效率才行,我叫做提升“人均处理问题效率”。

举个例子,我们在排查一个链路问题时,其实有两种方式,一种是你去N台机器上搜索日志,然后把N台机器的日志汇聚在一起,按时间排序还原整个链路,如果这个问题不是必现的,你需要按关键字排序,找到那些超过某个阈值的请求,还原链路,整个过程需要写shell脚本或python脚本。

方案可行吗?某种情况下是可行的,如果你的机器总数不超过10台没问题,但是如果是个大规模系统,这种事情复杂到难以执行。

例子中的思路其实就是找到某个链路上的tp99之后的值,搞一套链路追踪,监控即可,直观又方便。而且还可以提升人均处理效率,因为一旦涉及到写脚本,人就必须具备很强的脚本能力和精准的排查步骤。

后一种则是将能力沉淀复用,迭代优化,提高人均处理问题效率。

如果说到系统稳定性是同样的道理,光靠人执行的规则、流程、CR、编码规范这些动作归根结底还是“人”的维度,只能收效甚微。我们需要借助工具,有了监控这种天眼,你才能先于业务方发现感知问题并介入处理,减少问题影响。你有了线上可快速操作的限流、熔断、降级能力,才不需要每次都修改代码上线解决问题。你有了可视化链路大盘,才可以知道是机器负载过高问题还是机房间网络问题,还是中间件故障导致,只有不停留到人执行的维度你才有机会让系统更稳定可靠。

说句不太合适的话,人和动物的区别在于人会使用工具。

Read more

超快速,使用ChatGPT编写回归和分类算法

超快速,使用ChatGPT编写回归和分类算法

本文将使用一些 ChatGPT 提示,这些提示对于数据科学家在工作时非常重要。 微信搜索关注《Python学研大本营》,加入读者群,分享更多精彩 以下是一些示例ChatGPT 提示的列表以及数据科学家的响应。 ChatGPT 提示 为决策树回归算法生成 python 代码。 下面是使用scikit-learn在 Python 中进行决策树回归的示例代码: import numpy as np import matplotlib.pyplot as plt from sklearn.tree import DecisionTreeRegressor # Generate random data rng = np.random.default_rng() x = 5 * rng.random(100) y = np.sin(x) + 0.

By Ne0inhk
力扣每日一题:993.二叉树的堂兄弟节点 深度优先算法

力扣每日一题:993.二叉树的堂兄弟节点 深度优先算法

993.二叉树的堂兄弟节点 难度:简单 题目: 在二叉树中,根节点位于深度 0 处,每个深度为 k 的节点的子节点位于深度 k+1 处。 如果二叉树的两个节点深度相同,但 父节点不同 ,则它们是一对堂兄弟节点。 我们给出了具有唯一值的二叉树的根节点 root ,以及树中两个不同节点的值 x 和 y 。 只有与值 x 和 y 对应的节点是堂兄弟节点时,才返回 true 。否则,返回 false。 示例: 示例 1: 输入:root = [1,2,3,4], x = 4, y = 3 输出:false

By Ne0inhk
1239.串联字符串的最大长度 关于字符串的回溯算法!

1239.串联字符串的最大长度 关于字符串的回溯算法!

题目: 给定一个字符串数组 arr,字符串 s 是将 arr 某一子序列字符串连接所得的字符串, 如果 s 中的每一个字符都只出现过一次,那么它就是一个可行解。 请返回所有可行解 s 中最长长度。 提示: 1 <= arr.length <= 16 1 <= arr[i].length <= 26 arr[i] 中只含有小写英文字母 示例: 示例 1: 输入:arr = ["un","iq","ue"] 输出:4 解释:所有可能的串联组合是

By Ne0inhk