2017年11月期技术雷达正式发布！

技术雷达是由 ThoughtWorks 技术战略委员会（TAB）经由多番正式讨论给出的最新技术趋势报告，它以独特的雷达形式对各类最新技术的成熟度进行评估并给出建议，为从程序员到CIO/CTO的利益相关者提供参考。

image

技术雷达的内容来自于 ThoughtWorks 的观察、对话以及在应对最令客户棘手的业务挑战时所沉淀下的一线经验，其中既包含现有技术，也包含新兴技术。技术雷达报告使用可视化的方式将技术趋势分为四组，分别涵盖技术、平台、工具和语言与框架，每个领域又进一步细分为暂缓、评估、试验或采用。

---

本期四大主题

崛起的中国开源软件市场

星星之火，已成燎原之势！在态度和政策发生转变之后，包括阿里巴巴和百度在内的众多大型中国企业正在积极发布开源框架、工具和平台。中国软件生态正伴随着经济扩张而加速成长。从这个巨大而繁荣的软件市场向 GitHub 等开源网站发布的开源项目的数量必将持续增多，质量也将持续提高。中国企业为何热衷于将他们的众多资产开源出来？与硅谷等其他活跃的软件市场一样，各个企业对开发人员的争夺十分激烈。紧紧提升薪酬水平是不够的，让聪明的开发者一起在最前沿的开源软件上共事才能够持续激励他们，这是一个放之四海而皆准的通则。我们预期主要的开源创意会继续保持 README 文件中先有中文版后有英文版的趋势。

容器编排首选Kubernetes

Kubernetes 及其在许多项目中逐渐增强的主导性推动了大量雷达条目的更新，以及更多的讨论。似乎软件开发生态系统正在 Kubernetes 及其相关工具的周边稳定发展，以解决有关部署、规模化和容器操作这些常见问题。诸如 GKE，Kops 和 Sonobuoy 这些雷达条目提供了托管平台服务和工具，以改善采用和运行 Kubernetes 的整体体验。事实上，它具备用一个调度单元来运行多个容器的能力，可以让服务网格（service mesh）和能够实现端点安全的 sidecar 得以实现。 Kubernetes已经成为容器的默认操作系统——许多云提供商已经利用其开放的模块化架构来采用和运行Kubernetes，而它的工具则可以利用其自身开放的API来访问诸如负载、集群、配置和存储等功能。我们看到更多的产品正在把Kubernetes作为一个生态系统来使用，使其成为继微服务和容器之后的下一个抽象层次。更多迹象表明，尽管面临分布式系统固有的复杂性，开发人员仍然可以成功地驾驭现代的架构风格。

成为新常态的云技术

本期技术雷达讨论中的另一个普遍性话题，无疑是近期的“多云”天气。 随着云提供商的技术能力越来越强大，且可以提供同样好用的功能，公有云正在成为许多组织中新的默认选择。当启动新项目时，许多公司已经不再问“为什么放在云端？”，而是问“为什么不放在云端？”。 诚然，某些类型的软件仍然要在公司内部私有地部署，但随着价格的下降和功能的扩展，云原生（cloud-native）开发的可行性越来越高。尽管主要的云解决方案提供商提供的基本功能都很相似，但它们也都提供了一些独特的产品特性，以针对特定类型的解决方案来实现差异化。因此，我们看到一些公司通过“多云”（Polycloud）策略来同时使用几个不同的云提供商，从中分别挑选最能满足其客户需求的平台专业能力。

各方对区块链的信任稳步增强

尽管加密货币市场仍然处于混沌状态，我们的许多客户已经开始尝试利用基于区块链的解决方案来处理分布式账本和智能合约的需求。雷达中的一些条目展示了区块链相关技术运用的成熟度，它们使用各种新技术和编程语言并以一些有趣的方式来实现智能合约。区块链解决了“分布式信任”与“共享且不可篡改的账本”这些老大难问题。如今，许多公司正致力于增强其用户对将区块链作为系统的底层实现机制的信心。许多行业存在着明显的“分布式信任”问题，我们期待区块链技术能持续找出解决这些问题的方法。

---

部分亮点预览

技术篇：

image

DesignOps：受DevOps运动的启发，包含一系列实践和文化转变的DesignOps横空出世。它可以帮助组织不断重新设计产品，而不在质量、服务一致性和团队的自主性上妥协。 DesignOps提倡创建并不断演进设计的基础，最大限度降低创造新的UI概念及其变体的工作量，并与最终用户建立快速可靠的反馈机制。使用DesignOps，设计正在从一种具体的实践演变成每个人工作内容的一部分。

Chaos Engineering：在早期的技术雷达中，我们讨论了Netflix的Chaos Monkey。Chaos Monkey可以随机终止生产系统中的运行实例，并对结果进行度量，从而帮助验证系统在运行时对生产中断的应对能力。今天，人们有了一个新兴术语来描述这一技术的广泛应用：混沌工程。在生产环境的分布式系统中运行这些实验，可以帮助我们建立系统在动荡环境下依旧能够按预期工作的信心。如果想要更好地理解这个技术方向，请参阅混沌工程原理。

Service Mesh：现在越来越多的大型组织在向更加自组织的团队结构转型，这些团队拥有并运营自己的微服务，但他们如何在不依赖集中式托管的基础架构下，确保服务之间必要的一致性与兼容性呢？为了确保服务之间的有效协作，即使是自组织的微服务也需要与一些组织标准对齐。服务啮合在服务发现、安全、跟踪、监控与故障处理方面提供了一致性，且不需要像API网关或ESB这样的共享资产。服务啮合的一个典型实现包含轻量级反向代理进程，这些进程可能伴随每个服务进程一起被部署在单独的容器中。反向代理会和服务注册表、身份提供者和日志聚合器等进行通信。通过该代理的共享实现（而非共享的运行时实例），我们可以获得服务的互操作性和可观测性。一段时间以来，我们一直主张去中心化的微服务管理方法，也很高兴看到服务啮合这种一致性模式的出现。随着 linkerd 和 Istio 等开源项目的成熟，服务啮合的实现将更加容易。

平台篇：

image

TensorFlow Serving：机器学习模型已经开始渗入到日常的商业应用中。 当有足够的训练数据可用时，这些算法可以解决那些以前可能需要复杂的统计模型或试探法的问题。 随着机器学习从试验性使用转向生产环境，需要一种可靠的方式来托管和部署这些可远程访问的模型，并能随着消费者数量的增加而进行扩展。TensorFlow Serving 通过将远程gRPC接口暴露给一个被导出来的模型，解决了上述部分问题。这允许以多种方式部署训练完成的模型。TensorFlow Serving 也接受一系列的模型来整合持续的训练更新。其作者维护了一个Dockerfile来简化部署过程。 据推测，gRPC 的选择应与 TensorFlow 执行模型保持一致。 但是，我们通常都会对需要代码生成和本地绑定的协议保持警惕。

LoRaWAN：LoRaWAN是一种低功耗广域网，专为低功耗、远距离和低比特率的通信场景而设计。它提供了边缘设备与网关设备之间的通信能力，能够通过后者将数据转发至应用程序或者后台服务。LoRaWAN通常用于分布式传感器组或物联网这些必须具备长电池寿命和远距离通信能力特点的设备上。它解决了在使用一般的WiFi进行低功耗广域网通信时的两个关键问题：通信距离和功耗。LoRaWAN已有若干实现，其中值得注意的是一个免费的开源实现——The Things Network。

Language Server Protocol：那些大型 IDE 的威力很大程度上源于利用源代码分析出的抽象语法树（AST）来进一步分析和操作源代码的能力，比如代码补全，调用分析和重构。语言服务器将这种能力提取到单独的进程中，从而让任意文本编辑器都可以通过 API 来使用 AST。微软从他们的 OmniSharp 和 TypeScript 服务器项目中，提炼并引领了"语言服务器协议"（Language Server Protocol, LSP）的拟定。编辑器只要使用 LSP 协议就可用于任何具备 LSP 兼容服务器的编程语言。这意味着我们可以继续使用自己喜爱的编辑器，同时也不必放弃各种编程语言的高级编辑功能——这对于很多 Emacs 瘾君子来说尤其利好。

工具篇：

image

Gopass：gopass是一个基于GPG和Git的团队密码管理解决方案。它的前身是pass，并在此基础上增加了诸如多用户密码管理、层级式密码存储、交互式查找、基于时间的一次性密码（TOTP）,以及二进制存储格式等功能。由于它的存储格式与pass基本兼容，因此可以直接从pass迁移过来。这意味着只需调用一次存储密钥就能将其集成到迁移的整备工作流中。

Jupyter：过去几年间，我们注意到分析笔记本应用（analytics notebooks）的流行度在持续上升。这些应用都是从 Mathematica 应用中获得灵感，能够将文本、数据可视化和代码活灵活现地融入到一个具备计算能力的文档中。在上个版本的技术雷达中我们所提到的基于Clojure 的GorillaREPL，就属于此类工具。但随着人们对机器学习的兴趣不断增加，以及该领域中的从业者们逐渐将Python作为首选编程语言，大家开始集中关注Python分析笔记本了。其中 Jupyter 看起来在ThougthWorks团队中格外引入注目。

Rendertron：JavaScript Web 富应用的一个老问题是如何使这些页面的动态渲染部分可供搜索引擎检索。为此开发人员采用了各种各样的技巧，包括使用 React.js 的服务端渲染，外部服务或预渲染内容。现在谷歌 Chrome 新的 headless 模式又贡献了一个新的技巧—— Rendertron，即 Chrome的headless 渲染解决方案。它在一个 Docker 容器中封装了一个 headless 的 Chrome 实例，可以作为独立的HTTP服务器来部署。无法渲染JavaScript的爬虫机器人可以被路由到此服务器来进行渲染。 虽然开发人员也可以部署自己的 headless Chrome代理并配置相关的路由机制，但 Rendertron 简化了配置和部署过程，并提供了令爬虫机器人进行检测和路由的中间件示例代码。

语言&框架：

image

Gobot：Go语言能够被编译为裸片上运行的目标程序，这使得嵌入式系统开发领域对它的兴趣与日俱增 。GoBot是一个用于机器人、物理计算和物联网(IoT)的框架，它基于Go语言编写，并且支持多个平台。我们在一个对实时性响应没有要求的实验性机器人项目中使用了GoBot，并且用GoBot创建了开源的软件驱动。GoBot的HTTP API使其与移动设备的集成十分容易，从而能创建更丰富的应用。

Solidity：智能合约编程需要一种比交易处理脚本更具表现力的语言。在众多为智能合约设计的新编程语言中，Solidity是最受欢迎的。这是一种面向合约的静态类型语言，其语法类似于JavaScript。 它抽象了智能合约中自我实现的业务逻辑。围绕Solidity的工具链也在快速成长。如今，Solidity是Ethereum平台的首选编程语言。

CSS-in-JS：CSS-in-JS是一种用JavaScript编写CSS样式的技术，通过鼓励采用一种通用模式，编写样式以及应用样式的JavaScript组件，使样式和逻辑的关注点得到统一。该领域中的新秀——诸如JSS，emotion和styled-components，依靠工具来将CSS-in-JS代码转化成独立的CSS样式表，从而适合在浏览器里运行。这是在JavaScript中编写CSS的第二代方法，与以前的方法不同，它不依赖于内联样式，这意味着它能支持所有CSS特性，使用npm生态共享CSS以及跨平台使用组件。我们的团队发现styled-components很适合像React.js这样基于组件的框架，并且可以使用jest-styled-components做CSS的单元测试。这是个新兴的领域且变化迅速。用该方法时，在浏览器里人工调试生成的class名称会需要费些功夫，并且可能不适用于那些前端架构不支持重用组件并需要全局样式的项目。

以上是我们在最新一卷技术雷达中随机摘取的几个Blips，欲获取整版技术雷达，请点击这里！

image