导语：本文是基于我github上的项目server-tech-tree的演绎版本，更详细内容（各门派核心技术原理分析）要去github上看。
自20世纪30年代现代计算机诞生至今，服务端软件技术（本文简称服务端技术）已经发展成为IT领域一大重要分支。大到操作系统，小到仅一行代码的工具，数以亿计的服务端软件运行在无数服务器和各类硬件设备上，支撑着现代人类文明的运转。
时至今日，服务端技术分化出了九大门派，我在server-tech-tree上称为九大元问题，分别是开发效率、资源管理能力、可用性、伸缩性、性能、安全、质量、数据、智能。这九大派掌管并解读了服务端技术宇宙中几乎所有的奥义。
各大门派都有众多门徒，比如数据派有我们常用的MySQL关系型数据库、NoSQL以及各类大数据技术。有些技术一开始只属于某一门派，后来修炼了多门技艺，加入了多个门派，和牛顿既属于物理学家又属于数学家一个道理，比较典型的就是开发框架，比如Spring，一开始主要解决开发效率问题，后来不断发展到可用性、性能、安全、质量等方面。而有些技术从诞生之初就自带多门派属性，比如Serverless技术，既有开发效率又有资源管理能力。
在九大派中，开发效率是最古老的门派之一，自计算机技术诞生之初起，人类就在开发效率上竭尽脑汁。最直观的当属计算机语言，从机器0/1到汇编再到高级语言，发展趋势是越来越远离晦涩的硬件，那些对人类更友好简单、能更快开发出功能的高级语言成为主流。上世纪90年代是高级语言的黄金时代，89年Python、94年PHP、95年Java和JavaScript、00年C#，这些90后语言占据了当今计算机语言绝对统治地位，70后C语言、80后C++、00后代表Golang短时间内根本无法撼动他们。与此同时，由于人类对性能门派的拥护，或者由于习惯难以改变，或者由于升级成本较大，现在很多企业、机构或个人还在使用对程序员不太友好但性能杠杠的C语言，参见下图的TIOBE 2019年11月榜单，C语言占据16.037%份额，排在第二位，仅落后Java。
数据真正的开宗立派要追溯到1970年，那年47岁的IBM研究员埃德加·科德，发表了关系型数据库的奠基论文《大型共享数据库数据的关系模型》。时间一晃到了21世纪，Google一口气连续发表3篇划时代论文，03年GFS、04年MapReduce、06年BigTable，以此开创了大数据时代，数据派也迎来了第二春。
安全也是古老门派之一，上世纪70年代发明的诸多密码学（比如RSA）是该门派祖师爷级别的传家之宝。虽然不可或缺，但该门派向来都比较低调，直到08年中本聪第一次提出区块链，该门派迅速成为网红，迎来久违的高度关注。
2006年，Google CEO埃里克·施密特首次提出云计算的概念，同年亚马逊推出AWS，标志着云计算真正意义上的诞生，从此资源管理能力门派开始冒头。
还有，不得不提的是当前最火的智能，虽然该门派也已历史悠久，最早可追溯到首次提出AI概念的1956年，此间浮浮沉沉了多次，最近几年由于算力提升和数据加持，迎来了强势回归，其门徒活跃在各行各业，其发展已上升到国家战略级别。
最后，还有一些近年来未产生革命性技术的门派，比如伸缩性、可用性、质量，这属于自然发展历史规律，相信不久将来这些门派会迎来自己的爆发。
如果你创建了一门新技术，它到底属于哪个门派，要看该技术主要解决什么问题。比如，为了解决应用的性能问题，我们自研了一套缓存技术，它可能就属于性能门派。为了方便大家分清各大派，避免加错组织，各大门派定义了自己的事务范畴，一门技术所解决的问题只要在某个门派事务范畴内，就可以自称归属该门派，各大派事务范畴的定义如下：
开发效率：指开发完成需求的速度。我们常见的软件复用性、可移植性、可理解性等问题，归根结底都是要解决开发效率问题。
资源管理能力：指对资源（软件及其使用的硬件）进行部署、监控、调配、备份、采集、存取、展示、故障处理等管理的能力。解决此问题要靠提升管理能力，具体就是减少管理成本和提升管理全面性，详见指标。云计算、运维人员、DevOps尤其关注此问题。
可用性：也称稳定性，是指系统开始运行之后，不发生故障（能正常提供服务）的概率和能力。
伸缩性：指系统（尤其分布式系统）在增加或减少硬件资源时能够继续服务的能力。
性能：指系统的运行速度和消耗资源量。
安全：指系统的漏洞问题，由漏洞频率、漏洞周期等若干指标组成。漏洞指的是软件中存在能被攻击者利用来实施窃取信息、瘫痪系统等攻击的地方。
质量：指系统的缺陷问题，由缺陷频率、缺陷周期等若干指标组成。缺陷和漏洞很容易混淆，缺陷是软件功能未实现、实现不完整、实现不正确的地方。测试人员尤其关注此问题。
数据：指数据在存取和分析过程中的效率、管理能力、可用性&一致性、伸缩性、性能、安全、质量问题。
智能：特指当前软件人工智能问题，其指标主要对标机器学习的模型评估标准。当前机器学习主要关注在分类、回归、聚类三个子问题上，所以指标也以这三个问题来划分。
同一个门派里，有些人是九段高手，有些人是菜鸡，这是怎么分出来的呢？原来，各大派都制定了一套森严的标准，谁指标完成得好谁就厉害，非常透明。各大派具体的指标详见元问题定义和指标。
如果你对各门派主要核心技术和原理感兴趣，可以关注我github上的项目server-tech-tree，那里会不间断更新各门各派核心技术的原理分析，包括热门的Spring (Boot/Cloud)、MySQL、ABCD(AI/Blockchain/CloudComputing/Data)等。
有疑问加站长微信联系（非本文作者）
