22個2022年軟件開發的趨勢預測及其解讀
發布時間：2022-10-26閱讀次數：3158
Md Kamaruzzaman是Medium的一位科技博文作者，更新頻率比我強不了多少，但他對軟件開發行業的認識比我要強太多，畢竟專業出身的差距擺在這兒。Kamaruzzaman個人介紹是一位解決方案架構師，同時也是一位科技作者、全棧開發，專注在云和大數據方向，base德國。
2019年底，我還在InfoQ的時候就策劃翻譯過他對2020年軟件開發的趨勢預測20個2020年軟件開發趨勢預測，反響非常好，好到出乎我的意料。坦白說過去幾年的開發者社區工作經歷讓我深刻地認識到，愿意抬頭看天的人永遠是少數，愿意每年去分析一下軟件開發行業的過去現在和未來的人就更少了，畢竟「墨菲定律」的存在就意味著永遠有人的預測會翻車，貽笑大方，遠不如報道幾篇某某云宕機了，某某研發刪庫了的八卦新聞性價比來得高。
很有意思的一個事情是，研發同學往往并不直接與客戶打交道，多數市場動向和認知觀察也往往來自于市場部門或開發者關系，但技術發展的趨勢往往卻與商業化直接掛鉤，這就導致了一個很有意思的現象，即——運營/市場拿著研發一半的工資，卻還要時刻掌握市場動向，行業脈搏，用工程師能聽懂的語言反哺給研發，最終保證技術發展、產品迭代的路線不至于出現大的紕漏。
這對于做開發者社區的同學來說，是先天的弊病和必須的要求，也是開發者運營同學實現個人品牌能力和增值的一大出路。所以，其實各個行業都類似，愿意保持思考，持續學習的人，總是可以跑贏很多人，研發同理。
廢話不多說，切入今天的正題。
1、集中式基礎設施：云優先是新的規范
同往年一樣，第一條預測依舊跟云有關，今年在基礎設施這個關鍵詞前面多出了一個集中式（Centralized）的前綴，這跟當前云計算行業的下沉還是有關系的，如果關注互聯網行業比較多的人，可能會覺得分布式云是現在的發展趨勢，但其實對于正在數字化轉型的非互聯網行業而言，集中式的基礎設施仍舊是第一選擇。
2022年，仍舊會是公有云快速發展的一年，Gartner預測2022年公有云的收入將增長16%，在互聯網以外的各個行業，金融、政務、出行、工業、民生等多個行業，公有云都會得到有效的利用。所以如果你是非互聯網企業的決策者或從業者，現在開始認真關注云計算還來得及。
2、去中心化基礎設施：邊緣的云
邊緣計算開始被廣泛關注，大概也就是最近兩年的事情，我看了一下2019年做的那篇趨勢預測里，其實沒有寫邊緣計算，但2021年的版本里已經有了。跟公有云希望將存儲、計算能力和AI/ML集中在一個中心位置（可用區域）的特點不同，邊緣計算本身是一種去中心化的方式，它希望將存儲、計算能力和AI/ML部署在靠近用戶的地方。低延遲場景(游戲)、低網絡帶寬(離岸站點)、無網絡、監管要求、實時用例(聯網車輛)、智能設備(物聯網)這些都是需要邊緣計算的場景。
再加上5G和Web 3等關鍵技術的興起，邊緣計算在2022及以后得到廣泛采用是很合理的預判。事實上最近兩年各大云廠商已經在開始有意識地推邊緣計算的能力和產品了，我印象中國內幾大云廠商都有相關的案例，比如我之前采訪過的華為云的KubeEdge。
Kamaruzzaman提到了一項比較關鍵的動議——“State of the Edge”，旨在標準化邊緣計算技術。“標準化”這個詞是我特別敏感的一個點，因為從商業化的角度看，在沒有實現事實標準之前，商業化的拓展往往是雜亂無序或者說沒有核心優勢的，而形成事實上或人為認定的標準以后，商業化的動向才能更為明朗。畢竟三流企業做產品，一流企業做標準。
3、公有云：多云將獲得更多的動力
阻礙企業上云的一大絆腳石，就是廠商鎖定的問題。畢竟云廠商在商業信譽這塊上，總是或多或少存在一些黑歷史，要么硬盤壞了，要么剽合作伙伴方案，要么抄開源項目代碼。你把企業安身立命的核心資產、數據都放在某一家云上，且不說安全的問題，以后要想遷移都是個麻煩。
所以多云、混合云的發展趨勢是實實在在肉眼可見的，Kamaruzzaman提到了很多致力于提供云服務中立性的API服務，比如MinIO（兼容S3）、Aviatrix（云原生網絡）、Volterra（分布式云服務）、LightOS（云原生存儲）等。
還有一點比較有意思的是，Google正在致力于將他們的流行服務，比如Big Query引入到其公有云競爭對手AWS、Azure里，但這種現象在國內的云計算行業是否有類似案例或者說未來會不會有類似案例，我個人表示懷疑……
4、容器：K8s將成為基礎，而Docker將會反彈
如果要對現代IT產業的關鍵技術做個排名，容器毫無疑問將占據一席之地。在容器化技術的普及化中，K8s發揮了巨大的作用。背靠大廠（Google）、足夠努力、精心設計、快速迭代，才有了今天成為事實標準的K8s。
但另一方面，隨著K8s技術的成熟，未來關于K8s本身的吸引力會持續減少，這有點類似于跨越鴻溝理論中的技術采用生命周期，K8s我認為已經到了晚期大眾這個階段。所以Kamaruzzaman表示，K8s已經成為現代軟件開發的引擎，但也由于其本身的成熟度而導致進展緩慢。從這個角度看，有點類似于Java。
Docker是另一個在容器化歷史進程中發揮了關鍵作用的技術，不幸的是，即便在全盛時期，Docker也沒有找到商業化的終南捷徑，加上公司一系列的騷操作，在與K8s的正面對決中敗下陣來。
2022年起，Docker宣布推出新的訂閱模式，繼續做著商業化的艱難探索。坦白說，這個小標題預測的結論并非定論，更多是Kamaruzzaman基于Docker的歷史功績提出的美好祝愿，我其實也一樣。Docker是我對開源行業產生濃厚興趣的開始，希望它能有一個好的未來。
延展閱讀：
Docker麻煩大了
5、網絡安全：每個人都會認真對待安全
對初創公司或者中型公司來說，網絡安全就像“房間里的大象”，他們可以看到網絡安全的需求，卻沒有足夠的資源去實現他。這其實也是公有云能迅速落地下沉的一大原因，初創企業不需要自己去搭建底層的基礎設施，也省去了網絡安全的防護，只要部署在公有云上就行，其他的事交給云廠商。
可當云廠商遭到網絡攻擊，或者出現故障時，受到影響的就絕不只是一家公司而已。事實上，2021年曝出來的云廠商高危漏洞也不在少數，2022年公有云廠商和Linux都要在安全方面更努力地工作。
除了云安全，另一個常見的網絡安全來源于開源軟件。之前奇安信有過相關數據報告，90%的開源軟件存在安全漏洞，這對于在開源軟件基礎上構建起來的互聯網本身就是個令人不寒而栗的問題。幸運的是，高危漏洞的利用沒有那么容易。不幸的是，很多世界流行的開源軟件，背后的維護者甚至只有兩三個人，比如2021年最受關注的log4j漏洞，影響了全世界近一半的IT公司。
我們需要思考一個問題，為什么世界流行的開源項目卻得不到應有的收益？為眾人抱薪者，不可使其凍斃于風雪。
6、區塊鏈：加密貨幣之外的生活終于開始了
區塊鏈經常與加密貨幣聯系在一起，每次有人被加密貨幣嘎了腰子，就有人開始痛罵區塊鏈技術。但從技術上來講，加密貨幣只是區塊鏈技術的一個實現方式，卻并非區塊鏈的全部或唯一用例。
2021年區塊鏈一個非常流行的新用例是NFT（Non-Fungible Tokens），之前勇士隊球星庫里花了18萬美元買了一張NFT的頭像就火出了圈。雖然，我也不懂這玩意兒貴在哪了……
圖片
NFT目前更多用在數字藝術方面，但顯然可以期待它未來的使用場景。從這個點延伸出去可以看到，區塊鏈技術正在越來越為人所正視，注意是正視。IDC預測2022年區塊鏈技術的解決方案增長將達到75%，考慮到目前該項技術的普及程度，我覺得這個數字不算盲目樂觀。
區塊鏈一個為人所詬病的點在于能源消耗，在國內雙碳政策的前提下，區塊鏈要想獲得長遠發展，必然還是需要做出一些改變的，像以太坊那樣，在2022年由能源密集型的“proof of work”模型轉向綠色的“proof of stake”模型。
7、機器學習：AutoML和無代碼人工智能將使機器學習民主化
我之前策劃「稀土開發者大會」的時候，用過一句文案叫「機器都在學習，你憑什么例外」。這個點說的就是機器學習，但從實際的行業發展來看，機器學習的應用規模還是受到不小的制約，最大的原因是——搞機器學習的專家太少了。第二個原因是——大多數公司不需要完全的機器學習，有限的使用就夠了。
AutoML就是在有限情況下實現機器學習使用的一種方式。某種意義上，它就相當于低代碼/無代碼，不同之處在于，低代碼/無代碼是降低開發的門檻，而AutoML是降低機器學習的使用門檻。
8、人工智能：狹義人工智能將被廣泛采用
我最近在看阿西莫夫的科幻系列，里面提到過的「機器人三大準則」、由機器人協助建立的行星文明等等故事，講述的就是人工智能的終極目標之一——讓AI可以和人一樣聰明，甚至更聰明。但從AI發展的60多年歷程里，我們離這個目標還差得遠。
跟機器學習一樣，深度學習在過去十年間獲得了大量采用和快速增長，預計在未來仍將如此。人工智能發展的終極目標在肉眼可見的當前觸不可及，但讓人工智能代理在特定領域協助/增強人類還是問題不大的。
9、深度學習庫：TensorFlow將繼續統治
深度學習的輪子有很多，但你基本上可以只看這兩個：Google的TensorFlow，Meta的PyTorch。
TensorFlow在其2.0版本中進行了自我更新，并引入了動態圖形、Python友好和許多其他變化。它還提供了Tensorflow.js以在瀏覽器中使用AI庫。其另一個創新是Tensorflow Lite，它提供了在移動和Web上部署Tensorflow的功能。Tensorflow還發布了Tensorflow Extended(TFX)，這是一個用于部署生產ML管道的端到端平臺。
PyTorch是另一個主要的人工智能庫，它引入了動態圖形和Python，對開發人員也更友好。它還發布了PyTorch Mobile，支持在Android/iOS設備上使用PyTorch。它通過PyTorch Profiler為開發人員提供了更多的友好性來調試大型AI模型。
從Stack Overflow的調查數據來看，TensorFlow繼續保持統治地位似乎并沒有什么懸念。
圖片
10、數據庫：多模型、多用途數據庫正在興起
過去幾年間，數據庫領域的一個趨勢就是用一種特定的數據庫去匹配特定的用例，比如：
RDBMS：用于結構化數據的事物
Wide-Column Database：用于低延遲，分布式數據庫
Key-Value Store：用于分布式緩存
Graph Database：用于極端關系數據
Document Database：用于具有半結構化數據的事物
Distributed SQL：用于具有事務保證的低延遲，分布式數據庫
OLAP Database：用于數據倉庫和數據分析
這種方法的一個缺點是，我們經常需要為一個應用程序使用多個數據庫。現在有一個新的趨勢，即每個數據庫將提供一個以上的模型并服務于一個以上的用例。PostgreSQL(Multi-Model)、Azure CosmosDB(Multi-Model,Multi-purpose)、SingleStore(OLAP和OLTP)是這些數據庫的先驅。
11、數據密集型計算：Spark VS公有云
Kamaruzzaman介紹道，Apache Spark幾乎已經取代Hadoop生態系統成為默認的數據密集型計算框架。Spark還使用相同的API提供接近實時的流處理。
另一個獲得很多關注的開源框架是Apache Beam，其提供了一個統一的編程模型來定義和執行數據處理管道：批處理和流處理。這個背后的身影少不了GCP、Azure和AWS。
所以如果你不想用云，或許只有Spark一個選擇。
12、實時流計算：Flink VS公有云
這個點的意思跟上一條頗為類似，簡單來說就是，實時流計算這里，除了Flink啥都不推薦。即便要在公有云上用，也建議用Flink，感覺無腦上就行了。話說回來，確實在這個領域里我目前也沒見過有能跟Flink掰掰手腕的輪子。
13、DevOps：現代DevOps的智能可觀測性
幾年前，可觀測性只對大型企業至關重要。然而，伴隨著云本地開發和微服務架構的迅速崛起，可觀測性對整個現代軟件開發都至關重要。除了傳統的日志記錄、監控、跟蹤，還需要K8s集群的遙測、拓撲數據等等。
其實DevOps這種理念一直處在持續的發展中，當它跟AI結合時就變成了AIOps，當它強調安全時，就有了DevSecOps，輪子的實現有各種形態，歸根結底還是看需求是什么。
14、快速應用開發：低代碼/無代碼(LCNC)將繼續蓬勃發展
低代碼/無代碼（Low Code/No Code，簡稱LCNC）旨在降低開發Web/移動應用的障礙，而無需開發人員（或少量開發人員）。在未來的幾年里，我們仍然需要開發人員來開發應用程序。但也有很多用例表明，低代碼/無代碼框架/工具確實可以顯著加快應用程序開發。
整個2021年稱之為低代碼元年都不為過，這一年光是我見過的低代碼創業公司就不下三五家，一場關于低代碼是否業界毒瘤的爭論更是引爆了行業沸點。預計2022年，這些場景下會有更多低代碼/無代碼的身影：
Web/移動App開發
網站和登陸頁面
使用對話流的智能聊天機器人
電子商務
機器學習
人工智能(視頻、音頻、圖像)
工作流管理
使用RPA的過程自動化
15、軟件架構：面向企業的微服務和微前端
目前主流的后端架構有三種選擇：單體、微服務和Serverless，三者各有優勢、劣勢和適用的場景。對于微服務而言，其是云原生場景下絕佳的架構選擇，從企業發展角度來看，不論是上云后的改造，還是云原生的架構設計，都以微服務為首選。
前端領域的程序復雜性往往受到輕視，而微前端的思想內核跟微服務是一樣的，都是為了解決復雜性而生，化整為零。因此可以暢想的是，微前端也會是未來前端開發的首選架構模型，另一個好消息是，主流的JS框架都支持微前端。
16、軟件開發：人工智能將協助開發人員和QA
軟件開發本身很有意思的一個地方在于，開發人員不喜歡做那些乏味的、可預測的、重復的臟活累活，所以各種輪子應運而生。研發們享受的是創作解決問題的解決方案，而非享受問題。人工智能在實現終極目標之前，更多的價值往往就體現在這些地方上，比如使用GPT-3和NLP庫自動地完成這些任務。
另外就是去年剛推出的一些自動生成代碼的工具，比如GitHub的Copilot。很多人喜歡玩梗說，AI已經可以自己寫代碼，自己Debug了，程序員還有人要嗎？但實際上目前AI的能力仍舊是狹義層面的，但如果你只能、只會做臟活累活，那你確實比較危險，不是嗎？
17、編程語言（主流）：Python將引領潮流
我剛入行那會兒，Python還沒今天這么火，那個時候大家討論的是Java和C語言，甚至Go語言在中國的熱度感覺都不比Python差。可一瞬之間，Python就在TIOBE編程語言排行榜上干到了第一名：
圖片
Python具有簡潔、解釋性、動態、門檻低等特性（然而我卻沒學會，從入門到放棄），這些在Python之禪里都有很直觀的體現，更關鍵的是，Python并不僅僅局限在軟件開發行業里，很多做數據、圖表的行業同樣可以用Python實現很多工作。加上數據科學的火熱，Python的火爆不難理解。2021年Python的登頂不會是曇花一現，懸念或許在于，以后誰會把它頂下來？我個人期待Rust。
18、編程語言（企業）：Java反擊
主流的企業級編程語言，很長一段時間里代名詞就是Java。Java的語言設計，JVM的強大，共同構筑了Java生態。但在云原生興起以來，Java其實受到了非常大的挑戰。我年前發過一條朋友圈專門聊過這個話題：
目前看有兩個技術趨勢會對Java造成比較大的影響，一個是云原生，一個是Serverless。造成影響的原因跟Java語言的特性有關，這門語言設計就是為了大型應用復雜場景，而云，尤其是Serverless，更加適合輕量化、業務邏輯簡單的應用。話說回來，其實制約云原生和Serverless發展的，也恰恰是在大型應用復雜場景下的管理問題、安全問題。
一個好消息是：Java社區一直在持續地迭代創新，保證Java的生命力。比如GraalVM等現代化的特性，在Java近幾年保持周期發布的當下，憑借現代化特性的更新和嚴格且無與倫比的向后兼容性，你可以不用再問Java老矣，尚能飯否。而是，接著奏樂，接著舞！
19、客戶端Web框架：面向企業的React和Angular
前端三大框架早已是耳熟能詳的存在：來自Meta的React，來自Google的Angular和來自尤雨溪的Vue。Kamaruzzaman給出React和Angular會在企業中得到更多重用，而非Vue的原因是：前兩者背靠兩大企業，而Vue過于依賴尤雨溪，且提到了Vue的安全考慮。
我不知道這個安全考慮指的是軟件方面的安全，還是地緣方面的安全，這里不做評價。但我想提的是，如果Vue在過于依賴尤雨溪的情況下，仍舊做到了如此流行，豈非更加說明Vue的牛逼所在？你覺得呢？
圖片
20、服務器端框架（Java）：用于微服務和無服務器應用程序的本地框架
Spring MVC/Spring Boot是Java里最主要的服務器端框架，它遇到的問題跟Java遇到的問題是伴生問題，因為Java受到了云原生趨勢的挑戰，導致了它的問題。在Redhat推出Quarkus后，云原生開發的首選框架易主，因為后者使用了GraalVM而非傳統的OpenJDK。終于，Spring也聲明了將發布Spring Native，同樣使用GraalVM進行云原生開發。
2022年如果開發云原生Java應用程序，可以考慮使用Java原生框架。如果場景仍舊是單體Java應用開發，繼續使用傳統框架亦無不可。
21、應用開發：更靈活的原生應用
移動應用開發一直是個龐大的市場，并且仍將持續膨脹下去。目前主流的移動應用開發有四種模式：原生開發、跨平臺開發、混合開發和云開發。
原生開發和跨平臺開發是應用最廣的開發模式，前者提供了最大的靈活性，后者提供了“Write once，Run everywhere”的誘人可能。
去年寫過一篇蘋果發布會的文章蘋果：沒想到吧，我自己做了“小程序”，里面借著蘋果生態分析了一下原生開發的發展，重點在于其軟硬件的協同。Kamaruzzaman預測2022年原生開發將占據主流，重點在于跨平臺開發不如原生靈活。未來如何，且走且看。
22、API技術：REST、gRPC和GraphQL將共存
現代軟件開發通常是API驅動的開發?，API輪子可以說是多如牛毛，但知名度最高的也就這三個了：REST、gRPC和GraphQL。
這三個主流API技術，一個最古老，同時也是最成熟、最廣泛使用（REST）；一個由Google創建，在服務和服務通信方面更快更高效（gRPC）；一個由Meta開發，以為特定的用例定義數據結構的形狀，并在一次訪問中獲取所有數據。
這簡直是完美體現軟件開發沒有銀彈一詞的場景，各有各的擅長，也各有各的弊病，企業按需使用，每個輪子都有前景。我們都有光明的未來！
