接着《程序员的呐喊》读书笔记（上），继续分享下篇，这次干货比较多哦，有静动态类型的优缺点、强弱类型系统的对抗、设计模式、程序员的数学、编译器的重要性以及保守派*派的较量，一时消化不了的建议保存以便read it later。
静态类型和动态类型的优缺点
静态类型的优点
下面列出了静态类型的主要优点：
（1）静态类型可以在程序运行之前，依赖其与生俱来的限制来及早发现一些类型错误。（或是在插入／更新记录，解析XML文档等情况下进行检测。）
（2）静态类型有更多机会（或者说更容易）优化性能。例如只要数据模型完整丰富，那么实现智能化的数据库索引就会更容易一些。编译器在拥有更精确的变量和表达式类型信息的情况下可以做出更优的决策。
（3）在C++和Java这样拥有复杂类型系统的语言里，你可以直接通过查看代码来确定变量、表达式、操作符和函数的静态类型。
这种优势或许在ML和Haskell这样的类型推导语言里并不明显，他们显然认为到哪里都要带着类型标签是缺点。不过你还是可以在有助阅读理解的情况下标明类型一而这些在绝大多数动态语言里是根本做不到的。
（4）静态类型标注可以简化特定类型的代码自动化处理。比如说自动化文档生成、语法高亮和对齐、依赖分析、风格检查等各种“让代码去解读代码”的工作。换句话说，静态类型标签让那些类似编译器的工具更容易施展拳脚：词法工具会有更多明确的语法元素，语义分析时也比较少要用猜的。
（5）只要看到API或是数据库结构（而不用去看代码实现或数据库表）就能大致把握到它的结构和用法。
还有其他要补充的吗？静态类型的缺点如下：
（1）它们人为地限制了你的表达能力。
比如，Java的类型系统里没有操作符重载、多重继承、mix-in、引用参数、函数也不是一等公民。原本利用这些技术可以做出很自然的设计，现在却不得不去迁就java的类型系统。无论是Ada还是C++，或是OCaml等任何一种静态类型系统都有这样的问题。差不多半数的设计模式（不光是Gof的那些）都是扭曲原本自然直观的设计，好将它们塞进某种静态类型系统：这根本就是方枘圆凿嘛。
（2）它们会拖慢开发进度。
事先要创建很多静态模型（自顶向下的设计），然后还要依据需求变化不断修改。这些类型标注还会让源代码规模膨胀导致代码难以理解，维护成本上升。（这个问题只在Java里比较严重，因为它不支持给类型取别名。）还有就是我上面已经提到过的，你得花更多的时间来调整设计，以适应静态类型系统。
（3）学习曲线比较陡。
动态类型语言比较好学。静态类型系统则相对挑剔，你必须花很多时间去学它们建模的方式，外加静态类型的语法规则。另外，静态类型错误（也可以叫编译器错误）对于初学者来说很难懂，因为那时程序根本还没跑起来呢。你连用printf来调试的机会都没有，只能撞大运似的调整代码，祈求能让编译器满意。因此学习C++比C和Smalltalk难，OCaml比Lisp难，Nice语言比Java难。而Perl所具备的一系列静态复杂性—各种诡异的规则，怎么用，什么时候用等—让它的难度比Ruby和Python都要高。我从来没见过有哪门静态类型语是很好学的。
（4）它们会带来虚幻的安全感。
静态类型系统确实能减少运行时的错误，提升数据的完整性，所以很容易误导人们觉得只要能通过编译让程序跑起来，那它基本上就没什么bug了。人们在用强静态类型系统的语言写程序时似乎很少依赖单元测试，当然这也可能只是我的想像罢了。
（5）它们会导致文档质量下滑。
很多人觉得自动生成的javadoc就足够了，哪怕不注释代码也没关系， Sourceforge 上充斥着这样的项目，甚至连Sun JDK也常常有这个问题。（比如，Sun很多时候都没有给static final常量添加javadoc注释。）
（6）很难用它们写出兼具高度动态和反射特点的系统。
绝大多数静态类型语言（大概）都出于追求性能的目的，在运行时丢弃了几乎所有编译器生成的元数据。可是这样一来这些系统通常也就很难在运行时作出修改（甚至连内省都做不到）比如，若要想给模块加一个新函数，或是在类里加个方法，除了重新编译，关闭程序然后重启之外别无他法。受此影响的不单是开发流程整个设计理念也难逃波及。你可能需要搭建个复杂的架构来支持动态功能而这些东西会无可避免地和你的业务代码混在一起。动态类型的优缺点：
只要把上面的列表对调一下，你基本上就可以列出动态类型语言的优缺点了。动态语言的表达能力更强，设计灵活度也更大；易学易用，开发速度快；通常运行时的灵活性也更高。相对地，动态语言无法及时给出类型错误（至少编译器做不到），性能调优的难度也比较高，很难做自动化静态分析，另外，变量和表达式的类型在代码里很不直观，没办法一眼看出来。
静态语言最终会向用户屈服开始添加一些动态特性，而动态语言常常也会尝试引入一下可选的静态类型系统（或是静态分析工具），此外它们还会设法改善性能增加错误检测，以便及早发现问题。很遗憾，除非一开始设计语言的时候就考虑到可选的静态类型，否则强扭的瓜怎么也不会甜的。
强类型与弱类型系统的较量
-
下面我会以稍微有点戏谑的方式解释这两种理念（指的是强类型和弱类型）的工作流程，尽可能将它们本质区别展现出来。
强类型阵营基本是这样工作的：首先是按照当前的需求进行设计；制定出文档哪怕只是初稿也没关系；然后定义接口和数据模型。假设系统要承受巨大流量，因此每个地方都要考虑性能。避免采用垃圾收集和正则表达式这类抽象。（注意：即便是Java程序员，通常也会努力避免触发垃圾收集，他们总是在开始写程序之讨论对象池的问题。）
他们只有在无计可施的情况下才会考虑动态类型。例如，一支采用Corba的团队只有在极端情况下才会在每个接口调用上添加一个XML字符串参数，这样他们就能绕开当初选择的死板的类型系统了。第二个阵营基本是这样工作的：先搭建原型。只要你写代码的速度比写同等详细程度的文档快，你就可以更早地从用户那里获得反馈。按照当下的需求定义合理的接口和数据模型，但是别在上面浪费太多时间。一切以能跑起来为准，怎么方便怎么来。假设自己肯定要面对大量的需求变化，所以每个地方首先考虑的是尽快让系统运行起来。能用抽象的地方就尽量用（比如如每次都去收集数据而先不考虑缓冲，能用正则的地方就先不用字符串比较）就算明明知是牛刀也没关系，因为你换回的是更大的灵活性。代码量比较少，通常bug的数量也会更少。
他们只有在被逼无奈的情况下才会进行性能调优以及禁止修改接口和数据定义。例如，一支Perl团队可能会将一些关键的核心模块用C重写，然后创建XS绑定。时间—长，这些抽象就渐渐变成了既定标准，它们被包裹在数据定义和细致的OO接口里，再也无法修改。（就算是Perl程序员也常常会忍不住祭出银弹，为常用的抽象编写OO接口）
那你觉得最终采用这些策略的结果会怎么样？
设计模式
- 不过现在大家都清醒过来了，不是吗？设计模式不是特性。工厂不是特性，委托、代理、桥接也都不是。它们只是提供了漂亮的盒子，以松散的方式来装载特性。但是别忘了，盒子、袋子和隔板自己也是要占用空间的。设计模式也不例外（至少在“*”的书里所介绍的大多数模式都是这样）。更悲剧的是“*”模式里唯一能精简代码的解释器（Interpreter）模式却被那些恨不得把设计模式纹在身上的程序员忽略了。
依赖注入是另一个新型的Java设计模式，Ruby、Python、Perl还有Javascript，程序员大概听都没听过吧。就算他们听过，他们也能正确地得出他们根本不需要这种玩意儿的结论。依赖注入是一种惊人的描述式架构，让Java能在某些方面和更高级的语言一样，变得更动态一点。你猜得没错，依赖注入会让Java代码变得更大。变大是Java中无法回避的东西。成长是生活的一部分。Java就像是俄罗斯方块，不过积木和积木之间的空隙都填不满，结果只能越堆越高。me：现在Java程序员相信都知道依赖注入了，因为它太重要了，用在各大框架里，比如spring，依赖注入使得能够在文件里配置类及其各种关系，当然使得Java更灵活更强大了。
程序员需要了解的是哪些数学分支？
- 实际生活中，计算机科学家常用的数学和上面那个列表几乎没有重叠。其一，小学和中学里教的绝大部分数学都是连续的，也就是实数上的数学。而对计算机科学家来说，95％有趣的数学都是离散的，也就是整数上的数学。
me：程序员所要解决的数学问题一般都是离散数学，其中最有用的课程应该就是组合数学和概率论统计。
- 除了概率论和离散数学，其他数学分支也是有助于程序员的。可惜除非你去辅修数学，否则学校是不会教你的。它们包含了：
（1） 统计。我的离散数学书里讲到了一点。但是统计是一门完整的学科，而且是非常重要的学科，重要到根本不需要额外介绍。
（2）代数和线性代数（比如矩阵）。线性代数应该紧跟在代数后面教。它不是很难，而且在很多领域都非常非常有用，比如机器学习。
（3）数理逻辑。
（4）信息论和柯氏复杂度。信息论（粗略地讲）主要是关于数据压缩的，而柯氏复杂度（同样粗略地讲）则是关于算法的复杂度（比如最小空间是多少，需要多长时间，程序或者数据结构有多优雅等）的。它们都是好玩，有趣，实用的学科。
当然还有其他的分支，而且有些学科互有重叠。但重点在于：对你有用的数学和学校觉得有用的数学是非常不同的。 - 微积分的本质就是连续一变化的速度，曲线下的面积，固体的体积。很有用，记忆和很多烦琐的步骤程序员通常不需要这些东西。知道大致概但是需要大量的概念和技巧就可以了，细节方面等到需要的时候再查也来得及。
编译器，你懂吗？
- 我在招人的时候有一个诀窍。就是在寻找优秀的软件工程师“通才”的时候，通常在简历上你可以看到到各种让你觉得不行的关键字和词，但“编译器”是我唯一感兴趣的词。
me：作者强烈要求程序员学编译器原理，你还记得吗？
- 编译器会接收一串符号流，根据预先定义好的规则，分析出这串符号的结构，然后把它转换成另一串符号流。是不是很笼统？的确是。一幅图片能不能被当成是符号流？当然可以。它可以是每一行像素所组成的流。每个像素就是一个数字。每个数字就是一个符号。编译器当然可以转换图片。英语可以被当做符号流叫吗？当然可以。规则或许会很复杂，但是自然语言处理的确可以被看成是某种很炫的编译。
-
编译过程中第一个大阶段就是解析，即把输入的内容变成一棵树。中间要经过预处理，词法分析（也叫单词化）然后是语法分析和中间代码生成这几个步骤。词法分析通常是由正则表达式来完成的。语法分析则是根据语法完成。你可以采递归向下（最常见）或是解析器生成器（在小语言中比较常见）或是更炫的算来实现，只不过相应的执行速度也会慢一点。无论如何，最后的结果通常都是某解析树。
第二个大阶段是类型检查。这是一群*的学术分子（包括他们的组织以及或者手下的研究生）他们自信可以写出非常聪明的程序，能分析出你的程序想干什么，并且在你出错的时候帮你指出。不过奇怪的是，他们并不觉得自己是在研究人工智能毕竟人工智能界已经（明智地）放弃确定性的方法了。
第三个阵营是代码生成，他们通常都被边缘化了。只要你对递归有足够的了解，知道自己的祖先不是亚当和夏娃，那么代码生成还是挺直观的。这里要讲的其实是优化就是那种生成足够正确的代码，让绝大多数用户都意识不到有问题的艺术。等等不好意思，这是亚马逊化。优化是指根据你那些昂贵的菜鸟程序员写出来的垃圾代码生成“正确”代码的艺术。
保守派和*派，你属于哪派？
- 软件工程有自己的政治轴心，—端是保守派，另—端是*派。
毕竟“保守的”这个形容词基本上和谨慎、厌恶风险就是同义词。金融上的保守主义常常（也是显而易见的）和年龄以及财富联系在一起。公司会随着时间逐渐变得保守起来，因为它们熬过过了各种法律诉讼、技术失败、公共危机、金融风暴等危机。连蚂蚁和蚱蜢的寓言故事都告诉我们寒冬将至，要储存食物。
本质上，保守主义就是风险管理。
同样*派的观点常常和年轻、理想主义、天真无邪联系在一起。在企业里，创业公司往往是典型的*派，一部分原因是他们本来就是为了（在一定程度上）改变世界而存在的（而*主义原本就意味着变化），另一部分则是他们必须全力以赴完成投资人设定的目标，所以放弃一点软件安全也就变得合理（不得已）了。me：保守派，尽量修复所有bug，回避错误，学不会新语法，通过编译器安全检查，数据必须遵循事先定义好的格式，公共接口必须严格建模，生产系统里绝不允许存在危险过有风险的后门，安全性有疑虑就不能上线，快比慢好，注重性能。*派则相反。
各大语言的分派：（作者自己使用语言的经验，仅供参考）
难以言喻的*：汇编语言
极端*：Perl、Ruby、PHP、脚本
非常*：Javascript、VB、Lua
*：Python、Common Lisp、Smalltalk/Sqeak
温和*：C、Object-C、Schema
温和保守：C++、Java、C#、D、Go
保守：Clojure、Erlang、Pascal
非常保守：Scala、Ada、Ocaml、Eiffel
极端保守：Haskell、SML（1）Facebook是极端*的。他们主要用的是C++和PHP，他们的数据都放在memcached里：只有键值对，没有数据库结构。他们把数据导出来放到一个后台Hⅳe数据仓库里，然后用Hadoop来进行离线数据分析。每两个星期左右他们仍然会举办通宵黑客马拉松，反正他们的程序员大多都是单身男青年（至少我上次去参观的时候还是如此），股票的估值也还很高（我上次查价格的时候好像已经没那么好了）。作为一家公司，Facebook是非常紧密的，具有很强的执行力，十分注重程序员在网站上发布新功能的单兵能力，没有什么官僚主义。这对一家规模这么大、用户那么多多的公司来讲是难能可贵的。保守派毫无疑问会厌恶蔑视他们。但是Facebook证明了不管具有什么世界观的程序员，只要联合起来，就能解决很多问题。
（2）Amazon是*的。
（3）Google是保守的。开始是有点*的 ，然后就变得越来越保守了。只有在刚刚开始的时候才是软件*的，那时候的搜索引擎是用Python写的。随着公司不断壮大，他们很快就转向了软件保守主义，而这完全是由工程师自己主导的。他们写了很多宣言警告太多语言所带来的危险，而仅有的几门语言里，也里，也有严格的风格指南，限制使用那些端保守，险”或者“难以阅读”的语言特性。
（4）微软是难以言喻的保守。