【年度总结】我的2022年-职业生涯大转折

作者分享了2022年在大厂中台工作的压力与挑战,包括大量的服务维护和告警处理。年中遭遇裁员后,经历了找工作的焦虑,意识到持续学习和刷题的重要性。最终加入一家中型音视频直播公司,发现并解决了一系列技术问题,计划2023年继续刷题、学习和重拾博客写作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述

在漩涡中疯狂挣扎的一年

2022总结

大厂的苦与乐

上半年主要在搞中台,需要对接的其他团队比较多,每天都在对接需求、优化需求。同时还有手头上其他系统需要维护(大约有30个服务,离职交接时交接同事都十分惊讶),整体上比较累,下班到家都不想动弹,感觉身体被掏空。也间接导致自己状态和情绪不好。

这么多服务和系统在手上,监控和告警的压力非常大。基本上每个告警都要点开看看,判断是故障还是正常波动,故障就需要第一时间处理,由于中台影响范围比较大,一旦出故障,被影响的团队很多,心理压力比较大。

当然了,公司福利也还是不错的,晚上可以上去跑跑步,每次我都跑个5公里,跑完身心都会舒服很多。

找工作的焦虑

年中的时候,很不幸被裁员了。我是有点懵的,主要因为好久没有刷题和刷八股文了,感觉自己出去面试除了项目经验啥也拿不出来。心里很慌,真实的感觉到了职业危机。

[生于忧患死于安乐]真是至理名言!要是平时有刷算法题就好了,要是自己平时注意积累八股文知识就好了。可是没有那么多如果。

一开始想去其他大厂的,但是字节人满为患,养蛊式招聘还是让我心有余悸,当时裁员厉害,他们也不缺简历,要求很高,我最后也没过。后续我把目标投入到中厂和一些小而美的公司,还是有所收获,有一家公司让我至今都觉得很遗憾,buff叠满都到了最后一轮hr面了,没想到这轮把我筛掉了,唉,我当时还挺期待入职这家公司的。

这期间的复盘我也整理了一下复盘

再起启航

求职的结果就是到了目前这家中型公司,做海外音视频直播的,规模还可以。

我入职以来整理了几个问题:

  • 基建较差,包括发布和监控告警,比较原始且复杂
  • 不太注重开发侧的测试,包括单元测试和接口测试
  • 代码没有统一的规范和风格
  • 技术方案设计上也比较简单,不太考虑非功能性的需求

我自己也被坑了好几次,例如测试和正式环境的数据库结构不一样啦,双客户端实现逻辑不一样导致bug啦(我只有安卓手机,所以自测是用安卓测试的,但提测给测试端也没测出bug就有点离谱,导致我后面又从家里翻出来一个二手iphone7来覆盖)等等等等。

为了解决以上问题,我也是提供了自己的解决方案,例如写监控脚本一键配置监控、编写了自动化接口测试的二进制文件和自测全面双端覆盖。自己每次写方案设计时保证规范和全面,希望能影响下其他人。

2023展望

持续刷题

吃一堑长一智

继续刷刷算法题,对提升自己思考能力还是有所帮助的。中间有几天阳了,忘记刷了,可恶
leetcode

持续学习

leetcode的电子书还是值得一看,可以开个会员。
最近买了极客时间的一门课程[郭东白的架构课],强烈推荐,值得反复阅读,里面都是郭老师的肺腑之言。

微信读书风格也该变一变了,之前我一直以人文社科类为主的,这次裁员对我影响还是比较大,打算后续以技术书籍为主,其他类型的书籍偶尔看看就行了。

捡起博客

我的csdn博客是在2019年建立的,当时正值我想从上上家公司离职的时候,想着写点文章沉淀一下,但是后续进大厂了,大厂内部也有类似的文章平台,我当时想在csdn发文章还不如在内部发,毕竟晋级啥的还是看内部影响力。事实证明,我这个想法非常愚蠢,一旦离职,啥也不是。

所以还是觉得继续在csdn上写吧。自己之前也看过不少技术书籍,遇到过不少问题,我觉得可以沉淀下来,写写读书笔记,写写自己对方案的思考,也是很不错的。

2023放平心态,继续加油!

### 解决 PP-OCRv4 出现的错误 当遇到 `WARNING: The pretrained params backbone.blocks2.0.dw_conv.lab.scale not in model` 这样的警告时,这通常意味着预训练模型中的某些参数未能匹配到当前配置下的模型结构中[^2]。 对于此问题的一个有效解决方案是采用特定配置文件来适配预训练权重。具体操作方法如下: 通过指定配置文件 `ch_PP-OCRv4_det_student.yml` 并利用已有的最佳精度预训练模型 (`best_accuracy`) 来启动训练过程可以绕过上述不兼容的问题。执行命令如下所示: ```bash python3 tools/train.py -c configs/det/ch_PP-OCRv4/ch_PP-OCRv4_det_student.yml ``` 该方案不仅解决了参数缺失带来的警告,还能够继续基于高质量的预训练成果进行微调,从而提升最终检测效果。 关于蒸馏的概念,在机器学习领域内指的是将大型复杂网络(teacher 模型)的知识迁移到小型简单网络(student 模型)。这里 student 和 teacher 的关系是指两个不同规模或架构的神经网络之间的指导与被指导的关系;其中 teacher 已经经过充分训练并具有良好的性能,而 student 则试图模仿前者的行为模式以达到相似的效果但保持更高效的计算特性。 至于提到的 `Traceback` 错误信息部分,由于未提供具体的跟踪堆栈详情,难以给出针对性建议。不过一般而言,这报错往往涉及代码逻辑错误或是环境配置不当等问题。为了更好地帮助定位和解决问题,推荐记录完整的异常日志,并仔细检查最近修改过的代码片段以及确认依赖库版本的一致性。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值