北京2020年3月2日 /美通社/ -- “求知若饑，虛心若愚”--這個原本出自《全球概覽》的俳句，因為喬布斯在斯坦福大學畢業(yè)演講中的引用而備受推崇，流傳成為IT界的至理名言之一。在編程界，亦有“代碼勝于雄辯”、“Done is better than perfect”等警句，寥寥數(shù)語將編程工作者的形象特質(zhì)描摹到了極致。程序員，就是技術(shù)至上、唯代碼是瞻且必須不斷武裝自己的群體。
21世紀，高薪、高端、高技術(shù)范兒已成為程序員的固有標簽，在這個新的元年，CSDN將基于一年一度的開發(fā)者大調(diào)查數(shù)據(jù)，以全新的視角深入發(fā)掘中國開發(fā)者群體的整體現(xiàn)狀、應用開發(fā)技術(shù)以及開發(fā)工具/平臺的發(fā)展趨勢，呈現(xiàn)更真實、更全面且更有學習價值的開發(fā)者畫像。
CSDN最早從2004年開始針對中國開發(fā)者進行大規(guī)模調(diào)查，是迄今為止覆蓋國內(nèi)各類開發(fā)者人群數(shù)量最多，輻射地域、行業(yè)分布最廣的調(diào)查活動。2019-2020年中國開發(fā)者大調(diào)查針對軟件開發(fā)技術(shù)、應用開發(fā)領(lǐng)域等方面對問卷進行了重新設計，在本次調(diào)研中有如下主要發(fā)現(xiàn)：
軟件開發(fā)準入門檻持續(xù)降低，近2成開發(fā)者月薪超過1.7萬
30歲以下開發(fā)者人數(shù)占比超八成，軟件開發(fā)從業(yè)門檻持續(xù)降低
從2015年到2019年的調(diào)研數(shù)據(jù)來看：30歲及以下的開發(fā)者人群占比在8成以上，一直是軟件開發(fā)領(lǐng)域的主力軍；全國近半數(shù)的開發(fā)者工作在一線城市（北京、上海、廣州、深圳、天津）；物聯(lián)網(wǎng)、軟件、IT制造三個技術(shù)領(lǐng)域涵蓋了國內(nèi)84%以上的開發(fā)者；本科及以上學歷占8成；92%的開發(fā)者是男性。
和國外開發(fā)者年齡分布趨勢大概一致，國內(nèi)的軟件開發(fā)群體一直呈現(xiàn)出越來越年輕化的特點。這是因為，一方面軟件開發(fā)行業(yè)蓬勃發(fā)展，各行各業(yè)都需要軟件開發(fā)相關(guān)人才，也有越來越多的畢業(yè)生選擇從事該行業(yè)；另一方面，是因為編程語言、框架、云服務等基礎設施的持續(xù)完善，從事軟件開發(fā)的門檻在持續(xù)降低，更容易接納新鮮血液，報告統(tǒng)計發(fā)現(xiàn)，本科學歷是開發(fā)者的主力軍，66%的開發(fā)者擁有本科學歷，而碩士研究生、博士研究生僅占11%、1%。
八成以上開發(fā)者月薪在5千~3萬元之間，19.6%開發(fā)者月薪超過1.7萬元
通過結(jié)合受教育程度和薪資水平的數(shù)據(jù)特點來看，學歷越高的人群中，月薪1.7萬元以上的高收入比例越高。在一線城市（北京、上海、廣州、深圳、天津）中，月薪超過1.7萬元的開發(fā)者占比為30%，該比例遠高于國內(nèi)其它城市。
開發(fā)者屬于相對高薪的職業(yè)，尤其是在一線城市中，但不同開發(fā)者之間收入差距較大。軟件開發(fā)是一個智力密集型的工作，不同開發(fā)者能夠提供的價值差別很大，這就使得一個優(yōu)秀開發(fā)者的收入遠高于普通開發(fā)者：碩士和博士畢業(yè)的高收入者比率要遠高于本科及以下的；金融和互聯(lián)網(wǎng)行業(yè)的高收入比率最高。
自學是開發(fā)者持續(xù)學習的主要路徑
軟件開發(fā)行業(yè)日新月異，只有保持持續(xù)學習才能跟上技術(shù)變化的腳步，終身學習是現(xiàn)代人保持競爭力甚至是維持生存的必要手段。
從調(diào)研中可以看到，53%的開發(fā)者會通過在未參加正式課程的情況下，自學一門新語言、框架或工具。但同時，也有半數(shù)的人參加過在職培訓或者線下課程，相對于自學的靈活性而言，這類培訓會更為系統(tǒng)和完整，對于長期的個人提升有所裨益，開發(fā)者可以適當選擇。但與之相悖的是，只有不到40%的開發(fā)者，愿意為學習付費，這可能會導致參與的課程質(zhì)量不夠高。
Java雄踞語言榜，Visual Studio受開發(fā)者歡迎
Java長盛：使用最多，開發(fā)者最想學
從編程語言來看，Java是最多人使用的語言，而JavaScript和SQL分別是第二第三位。這三門語言，使用場景都很廣泛，Java一方面后端開發(fā)最常使用，生態(tài)成熟度無人可比；另一方面，Java依然是Android上最重要的開發(fā)語言，與之相比，新興的Kotlin只有2%的開發(fā)者在使用。而JavaScript不僅是前端開發(fā)的必備語言，還用在Web開發(fā)、小程序開發(fā)等場景下。
Java和Python依然是開發(fā)者最希望學習的語言之一，只是相比之下，Python的熱度有所降低，這可能和機器學習沒有去年那么火熱有所關(guān)聯(lián)。變化比較大的是Go語言，與去年相比，今年的調(diào)研中想學Go語言的開發(fā)者降低到了4%，與之相似，Kotlin、R的學習意愿也大幅降低。
從這個趨勢也可以看到，如今的開發(fā)者更意愿去學習一些相對成熟度、用途更為廣泛的語言，對一些代表新模式的語言樂衷程度有所降低。
七成以上在使用Windows操作系統(tǒng)，83%在使用MySQL數(shù)據(jù)庫
72%開發(fā)者在使用Windows操作系統(tǒng)，18%在使用Linux系列操作系統(tǒng)。在存儲服務的使用上，MySQL繼續(xù)擴大其使用率到達了83%，幾乎是開發(fā)者必備的技能。和去年相比，Elasticsearch出現(xiàn)在數(shù)據(jù)庫使用的調(diào)研中，在大數(shù)據(jù)時代，Elasticsearch作為提供搜索服務的第一選型，也必然會被越來越多的開發(fā)者學習和使用。
Node.js是相對使用普遍的技術(shù)框架
在Web開發(fā)上，前端使用Vue.js后端使用Spring是最常見的選型方案，與之相對應，Node.js是最多被用到的框架，這和當今多端開發(fā)的趨勢密不可分。后端用微服務架構(gòu)，中間用Node.js粘合出適合Web、Android、iOS等不同端和場景使用的APIs，是當下主流的部署方案之一，既可以前后端分離提高開發(fā)效率，又可以在保障服務穩(wěn)定性的同時提升靈活性。而TensorFlow成為開發(fā)者最期望學習的框架，這說明開發(fā)者依然對機器學習保持關(guān)注和熱情。
Visual Studio是最為普遍使用的開發(fā)環(huán)境
在開發(fā)環(huán)境的選擇上，Visual Studio是最為普遍使用的開發(fā)環(huán)境，這和微軟對開發(fā)者的投入密不可分。微軟投入了大量的研發(fā)力量，使得Visual Studio可以在各種操作系統(tǒng)進行各種編程語言的開發(fā)，其強大且完善的插件系統(tǒng)可以滿足開發(fā)者的各種需求，使其可以超過IntelliJ。
大數(shù)據(jù)平臺以私有云部署為主，Spark使用率高達44%
私有云部署解決方案是企業(yè)構(gòu)建大數(shù)據(jù)平臺的主要方式
隨著分布式計算和云平臺的逐步成熟，目前大部分公司都有能力搭建自己的大數(shù)據(jù)平臺。調(diào)研數(shù)據(jù)顯示，81%企業(yè)在進行大數(shù)據(jù)相關(guān)的開發(fā)和應用，50%的企業(yè)選擇私有云解決方案來部署大數(shù)據(jù)應用，28%的企業(yè)選擇自主研發(fā)。
僅19%企業(yè)使用商業(yè)發(fā)行版Hadoop版本搭建數(shù)據(jù)平臺
調(diào)查報告發(fā)現(xiàn)，有30%以上的企業(yè)并沒有使用相對成熟的Hadoop技術(shù)搭建數(shù)據(jù)平臺，這些企業(yè)的算法性能會很大程度上受限于低效的平臺，更不可能開發(fā)出更高效的數(shù)據(jù)分析算法。但幸運的是大部分企業(yè)都基于商業(yè)版或者社區(qū)版Hadoop搭建了數(shù)據(jù)平臺，這些公司的側(cè)重點主要在應用發(fā)現(xiàn)和算法的設計層面，更有可能在不久的將來實現(xiàn)大數(shù)據(jù)的價值。
Spark是企業(yè)大數(shù)據(jù)平臺最普遍的組件
Apache Spark是一個處理大規(guī)模數(shù)據(jù)的快速通用引擎，它可以獨立運行，也可以在Hadoop、Mesos、云端運行，它可以訪問各種數(shù)據(jù)源包括HDFS、Cassandra、HBase和S3，可以提升Hadoop集群中的應用在內(nèi)存和磁盤上的運行速度。Spark生態(tài)系統(tǒng)中除了核心API之外，還包括其他附加庫，可以為大數(shù)據(jù)分析和機器學習領(lǐng)域提供更多的能力。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44%，而MapReduce使用率僅為21%。
分布式文件系統(tǒng)HDFS作為核心組件之一，使用率也達到了39%。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，38%企業(yè)使用ELK（ElasticSearch+Logstash+Kibana）實時日志分析平臺。
綜上所述，目前大數(shù)據(jù)的發(fā)展熱潮令人歡欣鼓舞。一個優(yōu)秀的大數(shù)據(jù)團隊，需要有對產(chǎn)品開發(fā)具有高敏感性同時對技術(shù)有一定理解的人才，同時需要理論基礎極其扎實，能對實際問題進行抽象建模和算法設計的人才。只有雙管齊下，在產(chǎn)品和技術(shù)方面進行深層次探索，才能真正實現(xiàn)大數(shù)據(jù)產(chǎn)業(yè)的繁榮。
區(qū)塊鏈質(zhì)變
22%的開發(fā)者正在用或者準備用區(qū)塊鏈技術(shù)解決技術(shù)問題
區(qū)塊鏈技術(shù)的發(fā)展，是一個量變到質(zhì)變的過程。相比于2018年，對區(qū)塊鏈了解的人從22%增長到32%，準備嘗試用區(qū)塊鏈技術(shù)解決一些問題的人數(shù)從14%增長到16%，僅有4%的人對區(qū)塊鏈完全不了解。
43%的受訪者在從事公有鏈的開發(fā)
本次調(diào)研中，43%的受訪者在從事公有鏈的開發(fā)。目前行業(yè)側(cè)重發(fā)展的方向為解決方案、公鏈及聯(lián)盟鏈，公有鏈由于其自帶激勵機制，對于普通開發(fā)者有直接的回饋，所以上面開發(fā)者占比高也比較合情理。行業(yè)解決方案從去年的27%增加到今年的36%，說明傳統(tǒng)行業(yè)開發(fā)者對區(qū)塊鏈的認可度在增加。
區(qū)塊鏈本質(zhì)上是技術(shù)，落地場景及實際應用才是連接社會效益的關(guān)鍵。
金融是普遍認為的行業(yè)應用方向
金融行業(yè)是普遍認為的行業(yè)應用方向，占36%。區(qū)塊鏈本身具備的防篡改、可追溯的特點，能大大降低金融行業(yè)監(jiān)管成本，不過金融的進入門檻相對也較高，需要各方面技術(shù)的配合。其次，智能硬件和物聯(lián)網(wǎng)也被認為是主流應用方向，占14%。不過相比其他眾多已經(jīng)很成熟的技術(shù)，依托區(qū)塊鏈的解決方案在實際使用中，往往面臨必要性缺失的問題，因此區(qū)塊鏈應用發(fā)展仍任重道遠。
在區(qū)塊鏈結(jié)合行業(yè)之前，更加要重視與其他新技術(shù)的結(jié)合和協(xié)同：物聯(lián)網(wǎng)設備能夠提供大量數(shù)據(jù)，5G能夠提供高速傳輸，存儲可以解決區(qū)塊存放的問題等。
算法工程師最急缺，TensorFlow占據(jù)AI深度學習框架榜首
64%的企業(yè)尚未實現(xiàn)智能化
在經(jīng)歷了2019年的行業(yè)低谷期之后，無論是行業(yè)巨頭還是新興獨角獸，都開始審視AI能夠切實落地的場景。調(diào)研數(shù)據(jù)顯示，14%的企業(yè)尚無信息化基礎，27%的企業(yè)實現(xiàn)了事務處理數(shù)字化，22%的企業(yè)具備商業(yè)智能基礎設施，實現(xiàn)描述性分析。使用機器學習實現(xiàn)預測性分析和決策優(yōu)化的企業(yè)占16%，而在業(yè)務中全面使用AI系統(tǒng)、機器人和其他自動化工具的僅占12%。
機器學習/深度學習算法工程師最急缺
在崗位分布上，由于深度學習是以大數(shù)據(jù)為基礎的，而感知智能中的計算機視覺又是目前深度學習較為成熟的應用，所以，機器學習和深度學習工程師，以及數(shù)據(jù)工程師、計算機視覺工程師排行在前三位。當前最急缺的崗位也是機器學習/深度學習算法工程師、數(shù)據(jù)科學家/數(shù)據(jù)分析師/數(shù)據(jù)挖掘工程師崗位。
53%的開發(fā)者表示其團隊急缺機器學習/深度學習算法工程師，37%表示急缺數(shù)據(jù)科學家/數(shù)據(jù)分析師/數(shù)據(jù)挖掘工程師。
TensorFlow是人工智能領(lǐng)域主流深度學習框架
此次調(diào)研中，TensorFlow使用普及率達到48%。從技術(shù)本身的角度來看，較為成熟的TensorFlow成為AI工程師的首選深度學習框架，Torch/PyTorch由于其開發(fā)效率較高，也得到了較多支持。
35%開發(fā)者選用國產(chǎn)AI芯片應用于自己的AI開發(fā)
在AI芯片領(lǐng)域，國內(nèi)廠商也開始彎道超車，越來越多的開發(fā)者也開始關(guān)注國內(nèi)AI芯片的進展。調(diào)查數(shù)據(jù)顯示，選用國產(chǎn)AI芯片應用于自己的AI開發(fā)時最看重的因素方面，對主流AI框架的支持能力是最普遍的因素，占35%。
物聯(lián)網(wǎng)云平臺三足鼎立：阿里物聯(lián)、華為云、百度IoT
69%的開發(fā)者認為未來5G網(wǎng)絡的傳輸速率能達到4G的10倍以上
每一代新型的通信系統(tǒng)總是能帶來更大的帶寬。據(jù)報告顯示，近七成開發(fā)者認為未來5G網(wǎng)絡的傳輸速率能夠達到4G網(wǎng)絡的10倍以上。
影響5G普及的三大因素：5G套餐價格未定、運營商的開發(fā)程度、需要更換手機
由于目前5G網(wǎng)絡使用者較少，費用較低廉的套餐還沒有推出，第一代5G終端不太成熟等原因，目前87%的開發(fā)者認為5G套餐費用過高，并且大部分開發(fā)者認為5G網(wǎng)絡目前覆蓋范圍有限，因此將近40%的開發(fā)者正處于觀望階段。
值得一提的是，本次調(diào)查中62%的開發(fā)者認為，5G時代應該加強對個人隱私的保護，這反映出目前社會對數(shù)據(jù)隱私越來越重視的整體趨勢。
阿里物聯(lián)和華為云是應用相對普遍的IoT云平臺
根據(jù)調(diào)查，2019年物聯(lián)網(wǎng)云平臺呈現(xiàn)三足鼎立的趨勢：阿里物聯(lián)、華為云、百度IoT成為用戶最多的三種物聯(lián)網(wǎng)平臺，并且和第四名中移物聯(lián)遠遠拉開了差距，這和我們的實際使用體驗一致。
未來的基礎物聯(lián)網(wǎng)平臺可能會繼續(xù)呈現(xiàn)以偏硬件實現(xiàn)為主的華為云和以偏軟件體驗為主的阿里、百度物聯(lián)平臺的三足鼎立局面。
物聯(lián)網(wǎng)技術(shù)開發(fā)：Linux和Windows是使用較多的操作系統(tǒng)
Linux和Windows是較普遍的操作系統(tǒng)，使用率分別為51%、44%。目前在物聯(lián)網(wǎng)設備開發(fā)過程中，Linux、Windows和Android較為普遍，依然延續(xù)了PC平臺的開發(fā)者操作系統(tǒng)份額。雖然華為、阿里等公司在2019年均發(fā)布了自己的物聯(lián)網(wǎng)專用操作系統(tǒng)，但還并未得到開發(fā)者的大規(guī)模認可，大公司的物聯(lián)網(wǎng)操作系統(tǒng)發(fā)展之路依然任重而道遠。
Wi-Fi是應用最普遍的物聯(lián)網(wǎng)通信技術(shù)
在本次調(diào)研中，近距離通信（比如Wi-Fi和藍牙）是現(xiàn)存物聯(lián)網(wǎng)開發(fā)者最主要的通信方式。然而這種比重可能會隨著未來3~4年內(nèi)車聯(lián)網(wǎng)的大規(guī)模商業(yè)化產(chǎn)生變化，汽車、工業(yè)物聯(lián)、智能電網(wǎng)這類高移動性、高可靠和低延遲物聯(lián)網(wǎng)場景會更適合需要整體規(guī)劃的運營商網(wǎng)絡。
物聯(lián)網(wǎng)行業(yè)和傳統(tǒng)互聯(lián)網(wǎng)行業(yè)不同，相比而言更加需要注重“軟硬結(jié)合”。物聯(lián)網(wǎng)產(chǎn)品的硬件維護成本遠遠大于傳統(tǒng)互聯(lián)網(wǎng)行業(yè)，因此設計、實現(xiàn)出真正可靠、用戶喜歡且實用的產(chǎn)品不僅僅涉及軟件服務，也需要考慮硬件可靠性和實用性。這對于直接面向用戶的物聯(lián)網(wǎng)企業(yè)，特別是從傳統(tǒng)互聯(lián)網(wǎng)廠商或者硬件廠商轉(zhuǎn)型的企業(yè)來說存在非常嚴峻的挑戰(zhàn)，需要靜下心來深入了解垂直市場的需求。
六成開源開發(fā)者無收入，Apache項目最受喜歡
77%開發(fā)者每周在開源上投入時間不超過5小時
無論是大數(shù)據(jù)、區(qū)塊鏈、人工智能還是物聯(lián)網(wǎng)領(lǐng)域，其中最為重要的、最受歡迎的技術(shù)都是開源的。但是報告統(tǒng)計發(fā)現(xiàn)，有超過一半的開發(fā)者很少參與開源項目，每周在開源上投入不超過5小時的占77%，其中，1小時以內(nèi)的占31%。此外，65%的開發(fā)者不曾在開源上獲得收入，獲得不錯收入的僅占一成。
開發(fā)者最喜歡的開源項目是Apache
25%開發(fā)者最喜歡Apache，24%開發(fā)者最喜歡Linux。作為全球最大的軟件基金會，開發(fā)者用過的諸多項目，例如Dubbo、Log4j、Maven、RocketMQ和Tomcat等，均孵化自Apache。
國內(nèi)開源的現(xiàn)狀雖然近年來已經(jīng)有了很大的發(fā)展，但是一個殘酷的事實是，老兵正在離開這個行業(yè)，離開一線開發(fā)的隊伍：報告數(shù)據(jù)顯示，30歲以下的開發(fā)者人數(shù)超過82%，接觸開源的時間在5年以內(nèi)的開發(fā)者超過83%。隨著那些經(jīng)驗豐富的老兵轉(zhuǎn)行或是進入管理層，不再寫代碼、也不再參與開源的事實也就凸顯出來……未來開源的建設，依然任重而道遠。
在數(shù)據(jù)中尋找共性，《2019-2020中國開發(fā)者調(diào)查報告》全面且真實地展現(xiàn)中國開發(fā)者及技術(shù)現(xiàn)狀，希望對您的學習或工作有所幫助。
歡迎大家通過以下鏈接，在PC端免費下載完整版報告：
