Thoughtworks洞见

莫让研发效能的度量变成目标本身。让度量指标和数据收集尽量真实，需要关注的是趋势和阻塞。无法拆解的度量指标，可能不是一个好的度量指标。而可持续扩展的度量，才可能驱动价值流的增效。

现在当人们说到MPP架构时，它们实际上指代的是“分布式数据库”，而Hadoop架构指的则是以Hadoop项目为基础的一系列分布式计算和存储框架。不过由于MPP的字面意思，现实中还是经常有人纠结两者到底有什么联系和区别，两者到底是不是同一个层面的概念。

新一期 Thoughtworks 技术雷达即将发布！

为什么写代码是一件很爽的事情? 我的看法是：及时反馈，确定性强，有成就感，被需要感。因为这些感觉/感受，写代码成为了一件很爽，甚至会上瘾的事情。其实会上瘾的事情，通常也有这些特质。

知识诅咒，指的就是一旦我们自己知道某样东西，就会发现我们很难想象不知道它的时候会是什么样子。

每个微服务拥有独立的数据库作为微服务架构风格提倡的实践之一，和其他实践一起，像鲁班锁中的积木一样巧妙组合在一起，共同支撑了微服务架构风格所具备的优点，在软件开发实践过程中，只有遵守微服务架构风格所推荐的这些实践，才能最大化的发挥微服务架构的优势。

企业的敏捷转型，本质上属于教育和赋能。要想在敏捷赋能时做到“持经达变”，可以参考三个原则：用户思维原则、赋能假说原则和分享警示原则。

工具选型是一个复杂的过程，需要综合很多信息才能做出合适的选择。我们知道任何技术决策都是权衡利弊的结果。将决策上下文和最终选择的Cons & Pros记录下来，即便将来发现这个选择不再合适的时候，也能清楚的追溯到先前决策的细节，会为下一步决策提供更加充分的依据。

项目工时估算是一个系统性工作，基本上很难有一个万能的方法。因此大多数情况下都是玄学，但是毕竟是 “估” ，也不能要求 100% 精确。

当您在为团队寻找研发效能指标时，其实并没有一个恒定不变的模板，需要分析多个因素，选择最适合您的指标，并与团队一起不断的使用它们，不断的根据价值交付为导向来修改和迭代。

Data Mesh引入了新的组织视角，并且它与特定技术无关。 其关键思想是将领域驱动设计（DDD）和产品思维，应用到数据和分析领域的难题中。

数据流水线通常指从若干数据源中迁移数据，将迁移的数据进行复杂的数据处理之后，并加载到目标数据系统中的一系列流程，且数据的价值正是在每一步的流转中逐步产生的。数据流水线通常也是实现机器学习模型、数据分析、业务报表等技术的基础。

这篇文章尝试通过讨论不同质量问题，来澄清软件交付中不同角色对质量的认识，达成更好的团队协作，以交付更高质量的软件产品。

在国际化应用中，对日期/时间的处理远比你想象中的更难，特别是当涉及到时区的时候。为什么会这么难？我们该如何解决它？请听我为你一一解析。

本文介绍一种常见的函数式架构，特别是如何通过函数式语言实现DDD，进而利用函数式组合的特性，创建函数pipeline。