1、Python
在鸡泽等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供网站制作、做网站 网站设计制作按需搭建网站,公司网站建设,企业网站建设,成都品牌网站建设,网络营销推广,成都外贸网站制作,鸡泽网站建设费用合理。
政府报告中多次提及到的人工智能，就是用Python语言编写的。除了人工智能用到了Python，Python还可以应用于众多领域，如：数据分析、组件集成、网络服务、图像处理、数值计算和科学计算等众多领域。
目前业内几乎所有大中型互联网企业都在使用Python，如：Youtube、Dropbox、BT、Quora(国外版知乎)、豆瓣、知乎、Google、Yahoo!、Facebook、NASA、百度、腾讯、汽车之家、美团等。
目前，浙江、北京以及另外几个省市已经确定将把Python编程基础纳入信息技术的课程。
2、大数据
在大数据行业火热的发展下，大数据几乎涉及到所有行业的发展。国家相继出台的一系列政策更是加快了大数据产业的落地。
在《智能制造发展规划2016-2020》中，明确提出2025年前，推进智能制造实施“两步走”战略：“第一步，到2020年，智能制造发展基础和支撑能力明显增强，传统制造业重点领域基本实现数字化制造，有条件、有基础的重点产业智能转型取得明显进展；第二步，到2025年，智能制造支撑体系基本建立，重点产业初步实现智能转型”。而在大数据细分市场中行业解决方案占比最高达34.3%，将在智能制造产业发展中起到重要作用。
3、前端开发
近几年前端领域不断地涌现出新的技术，旧的技术也不断地进行更新换代。随着技术的不断进步，前端开发涉及的领域，也变得越来越广！
随着5G时代的到来，之后在移动互联网领域将会出现新的开发场景，包括自动驾驶、车联网、物联网、人工智能、智能家居还有可穿戴设备等领域将带来大量的前端开发需求。
根据有关数据显示，前端开发行业是目前平均收入较高的行业之一，以北京前端开发工程师为例，北京前端工程师平均月薪高达19820元（数据来源职友集）。
4、云计算+网络安全
云计算市场全面崛起，百度云、阿里云、腾讯云等云服务层出不穷，互联网巨头企业重点发力，Linux运维工程师有了新的发展方向，与此同时，美国云计算行业高度发展。
随着云计算全面崛起、人工智能无所不在、大数据透析世界，社会生活越发便利，然而，没有了网络安全就等于没有了隐私，一切便利都将成为噩梦，因此，网络安全尤为重要，未来，白帽子黑客将成为保护网络安全的最后一道防线。
全国范围内，日均招聘岗位13005个，大中型企业持续招聘，对很多人来说云计算、网络安全是进名企的好契机。
5、Java
Java在保留C++优势精华的同时，还剔除了一些亢余或难以理解的特性，拥有功能强大和简单易用的特征，它具有简单性、面向对象、分布式、健壮性、安全性、平台独立与可移植性、多线程、动态性等特点。
Java涉及领域广泛，桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等都可以用其编写，因而企业用人需求量也巨大，Java工程师成为世界上软件工程师需求量最大的职位。同时Java的发展“钱”途非常可观，最高可达80万/年。
6、Unity游戏开发
目前国内的游戏研发人才缺口巨大，移动端人才需求最为迫切。随着网络快速发展和不断成熟，我国游戏产业呈现快速稳定发展的良好趋势，拥有庞大的群众基础，与此同时，亦需要一大批游戏研发人员，助兴游戏产业开发。
数据显示，现在我国对于中高级游戏开发工程师的需求在10万以上，很多企业面临招不到工程师的问题。
7、区块链
从产业细分领域分布状况来看，行业应用类公司达到7家，主要是互联网企业（阿里巴巴、京东、腾讯）应用于公益和商品溯源，以及金融企业（平安、招行、中行）演化的创新金融科技应用，如供应链金融、票据及交易清算。
由于区块链可以实现信息的不可篡改，从根源上杜绝了数据作伪的可能性，特别是对真实数据要求较高的金融业，将更积极地拥抱区块链。
Go语言现在常常被用来做去中心化系统（decentralised system）。以太坊和超级账本两个超级区块链项目的加持让Go语言成为了很多区块链项目的首选！
8、软件测试
随着人工智能时代的到来，IT行业受到了越来越多人的重视。软件测试作为把控软件质量必不可少的环节，其重要性可见一斑。
据业内统计，目前国内IT技术岗有300万~400万，其中软件测试人才缺口至少30万，在未来5-10年中这一数字还将继续增大。
9、互联网营销
第六届世界互联网大会发布《中国互联网发展报告2019》，报告展示截至2019年6月，我国网民规模为8.54亿人，其中农村网民规模达2.25亿人，互联网普及率达61.2%。
人们对于网络的依赖性越来越严重，在这个档口上，互联网运营顺势而行，发展前景非常光明，社会上出现了很多互联网运营型的企业，这无疑加大了对于网络营销人才的需求。
不管是SEM竞价推广，信息流广告优化，还是新媒体运营、市场策划……这些领域随便哪一个，只要掌握了它的技能，都能在互联网行业里面迅速找到合适的位置，拿到满意的薪资。
10、UI/UE设计
据最新能统计到的UI设计师招聘量，中国共有40多万的职位缺口。而随着人们对互联网产品用户体验度的提升（即对产品交互和外观审美的要求），未来的UI更加是企业产品关注的核心。
首先需要了解网络通信方面的相关内容，其次是数据储存、加密技术、共识机制和安全技术，最后是跨链技术和链下技术。个人认为要学习区块链应该从实践出发，如果是程序员可以去区块链相关的公司接触相关的业务，在工作中学习。我之前在煊凌科技工作，公司在区块链开发方面的实力和经验都很不错，不管是工作还是合作都是不错的对象。
从名字上可以看出“区块链”是由“区块”和“链”组成的。一个个的区块（数据块）通过某种方式连接在一起就形成了一个区块链。
区块数据包含哪些呢？通过什么方式连接在一起呢？
可以看到区块中包含区块头和前个区块头的哈希值，这样就确定了所有的区块可以按照一定的顺序链接在一起。其中哈希值是按照哈希加密的函数来实现的。在C/C++语言中有指针这个概念：指针就是地址，一块内存数据在内存中的地址。区块链也是根据类似的概念把每个区块的哈希值作为下一个区块的地址。
什么是哈希值？
哈希值就是一组数据的“摘要”，是通过哈希加密算法生成的一组字符串。而且秘钥有一组秘钥，公钥和撕咬，公钥提供给外界来加密数据，用来解密数据。通过公钥加密好的数据，只能通过私钥来解密，即使别人有拿到数据有公钥也无法解密数据。这样就保证了数据安全性。私钥也可以作为这个节点的唯一身份验证，这样就保证了每个节点的隐私，实现了匿名。如果其中一个节点修改了其中的某部分数据，那么这个区块的哈希值就会发生变化，从而导致后面的所有区块都会发生变化，当这个区块把修改好的数据通知其他区块时，其他的区块发现发过的数据与自己保存的数据不一致，就拒绝接受数据写入自己的账本中。从而保证了数据的一致性。
什么是去中心化？
通常大家所有的QQ、微信等，都是有一个后台服务器的，统一的处理各个手机传过来的数据，通过服务器统一来处理。区块链技术就是取消统一的服务器处理，每个节点即使客户端又是服务器。当某个节点通过网络发送数据后，其余的节点接收到数据然后通过一系列的验证，确认数据没有问题后，写入到自己的区块中。这个节点就是服务器，其他节点就是客户端。同样的，当这个节点接收到数据后，其他某个节点就是服务器，这个节点就是客户端。这样做的好处就是去除了服务器，每个节点可以独立的处理数据，节约成本。
如何保持数据一致性？
所谓数据一致性就是所有节点的数据或者状态在同一时刻保持一致。区块链的本质是一个分布式的应用软件，如果是中心化的场景，达成一致是不成问题的，因为只有个数据备份。分布式环境中，是通过网络来传递数据，而且在网络环境中可能是不可靠的、延时甚至出现故障、关机重启等各种各样影响数据一致情况。
FLP定理 :不要浪费时间去为了异步分布式系统设计在任意场景下都能实现共识的算法，在允许节点失效的情况下，纯粹异步系统无法确保一致性在有限的时间完成。
CAP定理：分布式计算系统不可能同时确保一致性、可用性和分区容错性，这三者不可能兼得。
1. 介绍
最近在研究一些消息中间件，常用的MQ如RabbitMQ,ActiveMQ,Kafka等。NSQ是一个基于Go语言的分布式实时消息平台，它基于MIT开源协议发布，由bitly公司开源出来的一款简单易用的消息中间件。
官方和第三方还为NSQ开发了众多客户端功能库，如官方提供的基于HTTP的nsqd、Go客户端go-nsq、Python客户端pynsq、基于Node.js的JavaScript客户端nsqjs、异步C客户端libnsq、Java客户端nsq-java以及基于各种语言的众多第三方客户端功能库。
1.1 Features
1). Distributed
NSQ提供了分布式的，去中心化，且没有单点故障的拓扑结构，稳定的消息传输发布保障，能够具有高容错和HA（高可用）特性。
2). Scalable易于扩展
NSQ支持水平扩展，没有中心化的brokers。内置的发现服务简化了在集群中增加节点。同时支持pub-sub和load-balanced 的消息分发。
3). Ops Friendly
NSQ非常容易配置和部署，生来就绑定了一个管理界面。二进制包没有运行时依赖。官方有Docker image。
4.Integrated高度集成
官方的 Go 和 Python库都有提供。而且为大多数语言提供了库。
1.2 组件
1.3 拓扑结构
NSQ推荐通过他们相应的nsqd实例使用协同定位发布者，这意味着即使面对网络分区，消息也会被保存在本地，直到它们被一个消费者读取。更重要的是，发布者不必去发现其他的nsqd节点，他们总是可以向本地实例发布消息。
NSQ
首先，一个发布者向它的本地nsqd发送消息，要做到这点，首先要先打开一个连接，然后发送一个包含topic和消息主体的发布命令，在这种情况下，我们将消息发布到事件topic上以分散到我们不同的worker中。
事件topic会复制这些消息并且在每一个连接topic的channel上进行排队，在我们的案例中，有三个channel，它们其中之一作为档案channel。消费者会获取这些消息并且上传到S3。
nsqd
每个channel的消息都会进行排队，直到一个worker把他们消费，如果此队列超出了内存限制，消息将会被写入到磁盘中。Nsqd节点首先会向nsqlookup广播他们的位置信息，一旦它们注册成功，worker将会从nsqlookup服务器节点上发现所有包含事件topic的nsqd节点。
nsqlookupd
2. Internals
2.1 消息传递担保
1）客户表示已经准备好接收消息
2）NSQ 发送一条消息，并暂时将数据存储在本地（在 re-queue 或 timeout）
3）客户端回复 FIN（结束）或 REQ（重新排队）分别指示成功或失败。如果客户端没有回复, NSQ 会在设定的时间超时，自动重新排队消息
这确保了消息丢失唯一可能的情况是不正常结束 nsqd 进程。在这种情况下，这是在内存中的任何信息（或任何缓冲未刷新到磁盘）都将丢失。
如何防止消息丢失是最重要的，即使是这个意外情况可以得到缓解。一种解决方案是构成冗余 nsqd对（在不同的主机上）接收消息的相同部分的副本。因为你实现的消费者是幂等的，以两倍时间处理这些消息不会对下游造成影响，并使得系统能够承受任何单一节点故障而不会丢失信息。
2.2 简化配置和管理
单个 nsqd 实例被设计成可以同时处理多个数据流。流被称为“话题”和话题有 1 个或多个“通道”。每个通道都接收到一个话题中所有消息的拷贝。在实践中，一个通道映射到下行服务消费一个话题。
在更底的层面，每个 nsqd 有一个与 nsqlookupd 的长期 TCP 连接，定期推动其状态。这个数据被 nsqlookupd 用于给消费者通知 nsqd 地址。对于消费者来说，一个暴露的 HTTP /lookup 接口用于轮询。为话题引入一个新的消费者，只需启动一个配置了 nsqlookup 实例地址的 NSQ 客户端。无需为添加任何新的消费者或生产者更改配置，大大降低了开销和复杂性。
2.3 消除单点故障
NSQ被设计以分布的方式被使用。nsqd 客户端（通过 TCP ）连接到指定话题的所有生产者实例。没有中间人，没有消息代理，也没有单点故障。
这种拓扑结构消除单链，聚合，反馈。相反，你的消费者直接访问所有生产者。从技术上讲，哪个客户端连接到哪个 NSQ 不重要，只要有足够的消费者连接到所有生产者，以满足大量的消息，保证所有东西最终将被处理。对于 nsqlookupd，高可用性是通过运行多个实例来实现。他们不直接相互通信和数据被认为是最终一致。消费者轮询所有的配置的 nsqlookupd 实例和合并 response。失败的，无法访问的，或以其他方式故障的节点不会让系统陷于停顿。
2.4 效率
对于数据的协议，通过推送数据到客户端最大限度地提高性能和吞吐量的，而不是等待客户端拉数据。这个概念，称之为 RDY 状态，基本上是客户端流量控制的一种形式。
efficiency
2.5 心跳和超时
组合应用级别的心跳和 RDY 状态，避免头阻塞现象，也可能使心跳无用（即，如果消费者是在后面的处理消息流的接收缓冲区中，操作系统将被填满，堵心跳）为了保证进度，所有的网络 IO 时间上限势必与配置的心跳间隔相关联。这意味着，你可以从字面上拔掉之间的网络连接 nsqd 和消费者，它会检测并正确处理错误。当检测到一个致命错误，客户端连接被强制关闭。在传输中的消息会超时而重新排队等待传递到另一个消费者。最后，错误会被记录并累计到各种内部指标。
2.6 分布式
因为NSQ没有在守护程序之间共享信息，所以它从一开始就是为了分布式操作而生。个别的机器可以随便宕机随便启动而不会影响到系统的其余部分，消息发布者可以在本地发布，即使面对网络分区。
这种“分布式优先”的设计理念意味着NSQ基本上可以永远不断地扩展，需要更高的吞吐量？那就添加更多的nsqd吧。唯一的共享状态就是保存在lookup节点上，甚至它们不需要全局视图，配置某些nsqd注册到某些lookup节点上这是很简单的配置，唯一关键的地方就是消费者可以通过lookup节点获取所有完整的节点集。清晰的故障事件——NSQ在组件内建立了一套明确关于可能导致故障的的故障权衡机制，这对消息传递和恢复都有意义。虽然它们可能不像Kafka系统那样提供严格的保证级别，但NSQ简单的操作使故障情况非常明显。
2.7 no replication
不像其他的队列组件，NSQ并没有提供任何形式的复制和集群，也正是这点让它能够如此简单地运行，但它确实对于一些高保证性高可靠性的消息发布没有足够的保证。我们可以通过降低文件同步的时间来部分避免，只需通过一个标志配置，通过EBS支持我们的队列。但是这样仍然存在一个消息被发布后马上死亡，丢失了有效的写入的情况。
2.8 没有严格的顺序
虽然Kafka由一个有序的日志构成，但NSQ不是。消息可以在任何时间以任何顺序进入队列。在我们使用的案例中，这通常没有关系，因为所有的数据都被加上了时间戳，但它并不适合需要严格顺序的情况。
2.9 无数据重复删除功能
NSQ对于超时系统，它使用了心跳检测机制去测试消费者是否存活还是死亡。很多原因会导致我们的consumer无法完成心跳检测，所以在consumer中必须有一个单独的步骤确保幂等性。
3. 实践安装过程
本文将nsq集群具体的安装过程略去，大家可以自行参考官网，比较简单。这部分介绍下笔者实验的拓扑，以及nsqadmin的相关信息。
3.1 拓扑结构
topology
实验采用3台NSQD服务，2台LOOKUPD服务。
采用官方推荐的拓扑，消息发布的服务和NSQD在一台主机。一共5台机器。
NSQ基本没有配置文件，配置通过命令行指定参数。
主要命令如下:
LOOKUPD命令
NSQD命令
工具类，消费后存储到本地文件。
发布一条消息
3.2 nsqadmin
对Streams的详细信息进行查看，包括NSQD节点，具体的channel，队列中的消息数，连接数等信息。
nsqadmin
channel
列出所有的NSQD节点:
nodes
消息的统计:
msgs
lookup主机的列表:
hosts
4. 总结
NSQ基本核心就是简单性，是一个简单的队列，这意味着它很容易进行故障推理和很容易发现bug。消费者可以自行处理故障事件而不会影响系统剩下的其余部分。
事实上，简单性是我们决定使用NSQ的首要因素，这方便与我们的许多其他软件一起维护，通过引入队列使我们得到了堪称完美的表现，通过队列甚至让我们增加了几个数量级的吞吐量。越来越多的consumer需要一套严格可靠性和顺序性保障，这已经超过了NSQ提供的简单功能。
结合我们的业务系统来看，对于我们所需要传输的发票消息，相对比较敏感，无法容忍某个nsqd宕机，或者磁盘无法使用的情况，该节点堆积的消息无法找回。这是我们没有选择该消息中间件的主要原因。简单性和可靠性似乎并不能完全满足。相比Kafka，ops肩负起更多负责的运营。另一方面，它拥有一个可复制的、有序的日志可以提供给我们更好的服务。但对于其他适合NSQ的consumer，它为我们服务的相当好，我们期待着继续巩固它的坚实的基础。
有编程基础还是对于学习区块链很有优势的。
Go语言+区块链培训课程可以了解一下：
从语言本身特点来看，Go 是一种非常高效的语言，高度支持并发性，Go 语言的本身，它更注重的是分布式系统，并发处理相对还是不错的，比如广告和搜索，那种高并发的服务器。
Go语言优点：
性能优秀，可直接编译成机器码，不依赖其他库，Go 极其地快。其性能与 Java 或 C++相似。
语言层面支持并发，这个就是Go最大的特色，天生的支持并发，Go就是基因里面支持的并发，可以充分的利用多核，很容易的使用并发。
内置runtime，支持垃圾回收，这属于动态语言的特性之一吧，虽然目前来说GC不算完美，但是足以应付我们所能遇到的大多数情况，特别是Go1.1之后的GC。
简单易学，Go语言的作者都有C的基因，那么Go自然而然就有了C的基因，那么Go关键字是25个，但是表达能力很强大，几乎支持大多数你在其他语言见过的特性：继承、重载、对象等。
丰富的标准库，Go目前已经内置了大量的库，特别是网络库非常强大，我最爱的也是这部分。
内置强大的工具，Go语言里面内置了很多工具链，最好的应该是gofmt工具，自动化格式化代码，能够让团队review变得如此的简单，代码格式一模一样，想不一样都很困难。
跨平台编译，快速编译，相较于 Java 和 C++呆滞的编译速度，Go 的快速编译时间是一个主要的效率优势
Go语言缺点：
软件包管理：Go 语言的软件包管理绝对不是完美的。默认情况下，它没有办法制定特定版本的依赖库，也无法创建可复写的 builds。相比之下 Python、Node 和 Ruby 都有更好的软件包管理系统。然而通过正确的工具，Go 语言的软件包管理也可以表现得不错。
缺少开发框架：Go 语言没有一个主要的框架，如 Ruby 的 Rails 框架、Python 的 Django 框架或 PHP 的 Laravel。这是 Go 语言社区激烈讨论的问题，因为许多人认为我们不应该从使用框架开始。在很多案例情况中确实如此，但如果只是希望构建一个简单的 CRUD API，那么使用 Django/DJRF、Rails Laravel 或 Phoenix 将简单地多。
异常错误处理：Go 语言通过函数和预期的调用代码简单地返回错误(或返回调用堆栈)而帮助开发者处理编译报错。虽然这种方法是有效的，但很容易丢失错误发生的范围，因此我们也很难向用户提供有意义的错误信息。错误包(errors package)可以允许我们添加返回错误的上下文和堆栈追踪而解决该问题。
另一个问题是我们可能会忘记处理报错。诸如 errcheck 和 megacheck 等静态分析工具可以避免出现这些失误。虽然这些解决方案十分有效，但可能并不是那么正确的方法。