大家好，今天和大家聊一个老生常谈的的话题，作为程序员，我们怎么提升我们的代码能力?
在回答这个问题之前，我们需要先给代码能力下一个定义，搞清楚究竟什么是代码能力。只有找对了路才方便发力，很多同学对这个问题其实是不够清楚的。往往会觉得代码能力就是算法能力，就是去刷LeetCode或者是算法题。还有些同学觉得代码能力就是要多刷项目，项目做得多了，代码能力自然就上来了。
其实这两种看法我个人感觉都是有一点误区的，下面简单聊聊我自己的看法，希望能够帮助到大家。
语言基础
很多人看到这里估计要吐槽了，这不是废话么，程序员写代码语言没学会还怎么写代码?
其实还真不是废话，不同的语言有不同的特性，甚至有不同的原理，如果没有对语言基础有比较扎实的掌握，很容易犯一些低级错误。
举个简单的例子好了，之前认识的一个实习生，有一次写了这么一段Python代码，大家不妨看看有什么问题。
- def funcA(param):
- if param is not None:
- return funcB(param)
- return None
-
-
- def funcB(param):
- pass
不知道有多少同学能够看出问题在哪里，有一些同学可能会觉得是is not None的判断不对，应该写成not is None。其实问题不在这里，is not None才是标准判断的写法，只是这个问题当中的障眼法。真正的问题是在函数调用的部分，他把funcB写在了funcA的后面。
funcB写在后面有什么问题?
大家试一下就会知道，这样写Python解释器是会报错的，我们必须要把funcB写在funcA的前面。因为Python不是编译型语言是解释型语言，它是由解释器逐行执行的。所以它会先执行funcA再执行funcB，当它执行funcA的时候会发现funcB这个函数没有出现过，所以会抛出错误。
当时这位同学debug了半天也没有找到问题所在，甚至还一度以为是Python版本的问题。这其实不是他代码能力不行，而是对语言基础掌握不够扎实。
类似的例子非常多，因为每一门语言往往拥有大量自己的特性，如果我们对某一门的语言只是浅尝辄止，那么写出来的代码一定是非常不规范的。比如Java如果不知道抽象类，Python不知道可变参数、装饰器的话，很多时候写出来的代码看起来就是不舒服的，因为没有做到最简，会给人一种费了很大劲实现了一个很基础的功能的感觉。
所以语言基础也是代码能力的基础，大家不要看不起这个，觉得只要会基本的语法会写就可以了。其实这是大错特错的，一些特性和语法糖可能用得少，但是关键时候用起来是可以大大简化代码量以及增加代码可读性的。
代码规范
不知道大家有没有读过那些特别不规范的代码，我读过一些，真的是感觉眼睛被针扎了一样。
代码规范其实更多的不是能力，而是工程师自己的素养。素养高的工程师会自己主动了解当前这门语言的编码规范，绝不会怎么舒服怎么来。大家可以百度一下代码规范，每一门语言基本上都有自己的代码规范，而且这个规范是非常细致的，具体到变量名、类名、方法名、文件名、常量名怎么命名都有对应的规范。
不仅如此，还对一些特殊情况也做了限制，下面是我从Google的Java编码规范当中截取的一段，大家可以看下：
我们写出来的代码和这份规范越贴合，那么可读性也就越强，也就体现我们编码的素养越高。
代码规范其实并不仅仅包含编码的方面，同样还包含其他很多领域。比如数据库的连接池的使用，比如kafka的设置和使用，以及多线程的使用等等，都会有自己的规范。这些内容不仅是起到一个规范作用，当中的每一个点里面都是有对应的原理的，值得我们去深挖学习。
比如很多人都知道数据库需要用数据库连接池，那么请问为什么要用连接池呢?连接池的连接数又是怎么设置呢?其中的原理是什么呢?
看起来好像是面试题，但其中包含的就是我们对数据库连接底层的理解。我们弄懂了可能不仅在编码的时候用得到，也许在以后学习其他内容的时候也能串联起来。知识不是由许多点组成的，知识是一张网，需要把很多点串联起来。在我们串联之前，我们首先需要足够多的积累。
系统能力
系统能力是代码能力当中最高的要求，也是最贴合一个架构师能力的部分。
同样，我们来举个例子。比如你承接了团队当中的一个任务，开发一个新的系统。这个系统需要承接每秒100K请求的访问。这些请求的数据我们不是全部都要，需要做一定的抽样，并且还需要查询一些存储系统进行特征填充。最后把完整的数据存储下来。
现在这个任务交给了你，请问，这当中的性能瓶颈是什么?你该怎么设计这个系统当中的细节?
估计很多同学会把眼光放在100K这个数字上，觉得这个请求量非常大，可能系统能不能抗住是最大的风险点。但其实100K并不是重点，因为这些请求不需要返回，只是单纯的接收，100K并不是非常大。但是当中有许多隐藏的问题，比如说我们抽样怎么抽，是在线抽，还是先把所有请求存储起来一段时间之后再进行抽样?如果是存储起来再抽样，会不会内存扛不住?再比如我们会对存储系统发起的查询请求是什么量级?会不会影响存储系统?
实际上后来实践的过程果然发生了存储系统扛不住，导致抖动很厉害的情况。那这个问题发生了之后，我们又该怎么解决?
对这些问题的敏感、理解以及解决，需要的就是系统能力。也就是我们理解系统的能力，这当中涉及很多，需要我们有一定的操作系统的知识、分布式的知识，还需要对上下游的系统都有一定的了解。比如知道存储系统的性能不是很好，大批量的请求可能扛不住。这当中有一些是经验，更多的还是我们的基础能力。
提升之道
其实这三点看完，相信大家对于怎么提升应该都或多或少地有了一些自己的想法。
说穿了也没有什么大不了的，无非是三点，我们来做个简单的总结。
- 需要夯实语言基础，对于学习的语言不能浅尝辄止，需要有比较深刻的理解。当然这一点也不是说说而已，肯定需要针对性的做很多练习，也需要阅读其他大牛的代码进行学习。
- 需要遵守代码规范，不仅仅是变量的命名、一些特殊case的处理，还需要理解一些场景下的系统使用规范
- 需要充分理解系统，对每一个环节仔细推敲，需要积累一些操作系统、分布式的知识点和技能点。
从这三点总结来看，好像没什么大不了的，每个人都能很轻易做到的样子。但实际情况告诉我们，往往越是简单的道理，越是难以做到，希望大家不要轻视了它们。
本文转载自微信公众号「TechFlow」，可以通过以下二维码关注。转载本文请联系TechFlow公众号。
