21世紀，高薪、高端、高技術範兒已成為程序員的固有標籤，在這個新的元年，CSDN將基於一年一度的開發者大調查數據，以全新的視角深入發掘中國開發者群體的整體現狀、應用開發技術以及開發工具/平臺的發展趨勢，呈現更真實、更全面且更有學習價值的開發者畫像。
CSDN最早從2004年開始針對中國開發者進行大規模調查，是迄今為止覆蓋國內各類開發者人群數量最多，輻射地域、行業分佈最廣的調查活動。2019-2020年中國開發者大調查針對軟件開發技術、應用開發領域等方面對問卷進行了重新設計，在本次調研中有如下主要發現：
- 30歲以下開發者人數佔比超八成，全國有19.6%開發者月薪超過1.7萬元；
- 六成開發者在使用Java語言，近五成開發者近期最想學Python語言；
- Spark、Redis和Kafka正在成為企業大數據平臺通用技術組件；
- 區塊鏈技術近兩年是熱點；
- 人工智能技術日益受到企業和市場的關注，但64%企業尚未實現智能化，機器學習/深度學習算法工程師最為急缺；
- 近七成開發者認為未來5G網絡的傳輸速率能達到4G網絡的10倍以上；
- Apache項目和Linux是開發者較為喜歡的開源項目；
- 半數開發者很少參與開源項目的開發、維護、運營和社區發展等。
軟件開發准入門檻持續降低，近2成開發者月薪超過1.7萬
30歲以下開發者人數佔比超八成，軟件開發從業門檻持續降低
從2015年到2019年的調研數據來看：30歲及以下的開發者人群佔比在8成以上，一直是軟件開發領域的主力軍；全國近半數的開發者工作在一線城市（北京、上海、廣州、深圳、天津）；物聯網、軟件、IT製造三個技術領域涵蓋了國內84%以上的開發者；本科及以上學歷佔8成；92%的開發者是男性。
和國外開發者年齡分佈趨勢大概一致，國內的軟件開發群體一直呈現出越來越年輕化的特點。這是因為，一方面軟件開發行業蓬勃發展，各行各業都需要軟件開發相關人才，也有越來越多的畢業生選擇從事該行業；另一方面，是因為編程語言、框架、雲服務等基礎設施的持續完善，從事軟件開發的門檻在持續降低，更容易接納新鮮血液，報告統計發現，本科學歷是開發者的主力軍，66%的開發者擁有本科學歷，而碩士研究生、博士研究生僅佔11%、1%。
八成以上開發者月薪在5千~3萬元之間，19.6%開發者月薪超過1.7萬元
通過結合受教育程度和薪資水平的數據特點來看，學歷越高的人群中，月薪1.7萬元以上的高收入比例越高。在一線城市（北京、上海、廣州、深圳、天津）中，月薪超過1.7萬元的開發者佔比為30%，該比例遠高於國內其它城市。
開發者屬於相對高薪的職業，尤其是在一線城市中，但不同開發者之間收入差距較大。軟件開發是一個智力密集型的工作，不同開發者能夠提供的價值差別很大，這就使得一個優秀開發者的收入遠高於普通開發者：碩士和博士畢業的高收入者比率要遠高於本科及以下的；金融和互聯網行業的高收入比率最高。
自學是開發者持續學習的主要路徑
軟件開發行業日新月異，只有保持持續學習才能跟上技術變化的腳步，終身學習是現代人保持競爭力甚至是維持生存的必要手段。
從調研中可以看到，53%的開發者會通過在未參加正式課程的情況下，自學一門新語言、框架或工具。但同時，也有半數的人參加過在職培訓或者線下課程，相對於自學的靈活性而言，這類培訓會更為系統和完整，對於長期的個人提升有所裨益，開發者可以適當選擇。但與之相悖的是，只有不到40%的開發者，願意為學習付費，這可能會導致參與的課程質量不夠高。
Java雄踞語言榜，Visual Studio受開發者歡迎
Java長盛：使用最多，開發者最想學
從編程語言來看，Java是最多人使用的語言，而JavaScript和SQL分別是第二第三位。這三門語言，使用場景都很廣泛，Java一方面後端開發最常使用，生態成熟度無人可比；另一方面，Java依然是Android上最重要的開發語言，與之相比，新興的Kotlin只有2%的開發者在使用。而JavaScript不僅是前端開發的必備語言，還用在Web開發、小程序開發等場景下。
Java和Python依然是開發者最希望學習的語言之一，只是相比之下，Python的熱度有所降低，這可能和機器學習沒有去年那麼火熱有所關聯。變化比較大的是Go語言，與去年相比，今年的調研中想學Go語言的開發者降低到了4%，與之相似，Kotlin、R的學習意願也大幅降低。
從這個趨勢也可以看到，如今的開發者更意願去學習一些相對成熟度、用途更為廣泛的語言，對一些代表新模式的語言樂衷程度有所降低。
七成以上在使用Windows操作系統，83%在使用MySQL數據庫
72%開發者在使用Windows操作系統，18%在使用Linux系列操作系統。在存儲服務的使用上，MySQL繼續擴大其使用率到達了83%，幾乎是開發者必備的技能。和去年相比，Elasticsearch出現在數據庫使用的調研中，在大數據時代，Elasticsearch作為提供搜索服務的第一選型，也必然會被越來越多的開發者學習和使用。
Node.js是相對使用普遍的技術框架
在Web開發上，前端使用Vue.js後端使用Spring是最常見的選型方案，與之相對應，Node.js是最多被用到的框架，這和當今多端開發的趨勢密不可分。後端用微服務架構，中間用Node.js粘合出適合Web、Android、iOS等不同端和場景使用的APIs，是當下主流的部署方案之一，既可以前後端分離提高開發效率，又可以在保障服務穩定性的同時提升靈活性。而TensorFlow成為開發者最期望學習的框架，這說明開發者依然對機器學習保持關注和熱情。
Visual Studio是最為普遍使用的開發環境
在開發環境的選擇上，Visual Studio是最為普遍使用的開發環境，這和微軟對開發者的投入密不可分。微軟投入了大量的研發力量，使得Visual Studio可以在各種操作系統進行各種編程語言的開發，其強大且完善的插件系統可以滿足開發者的各種需求，使其可以超過IntelliJ。
大數據平臺以私有云部署為主，Spark使用率高達44%
私有云部署解決方案是企業構建大數據平臺的主要方式
隨著分佈式計算和雲平臺的逐步成熟，目前大部分公司都有能力搭建自己的大數據平臺。調研數據顯示，81%企業在進行大數據相關的開發和應用，50%的企業選擇私有云解決方案來部署大數據應用，28%的企業選擇自主研發。
僅19%企業使用商業發行版Hadoop版本搭建數據平臺
調查報告發現，有30%以上的企業並沒有使用相對成熟的Hadoop技術搭建數據平臺，這些企業的算法性能會很大程度上受限於低效的平臺，更不可能開發出更高效的數據分析算法。但幸運的是大部分企業都基於商業版或者社區版Hadoop搭建了數據平臺，這些公司的側重點主要在應用發現和算法的設計層面，更有可能在不久的將來實現大數據的價值。
Spark是企業大數據平臺最普遍的組件
Apache Spark是一個處理大規模數據的快速通用引擎，它可以獨立運行，也可以在Hadoop、Mesos、雲端運行，它可以訪問各種數據源包括HDFS、Cassandra、HBase和S3，可以提升Hadoop集群中的應用在內存和磁盤上的運行速度。Spark生態系統中除了核心API之外，還包括其他附加庫，可以為大數據分析和機器學習領域提供更多的能力。本次調研中，Spark是使用最普遍的大數據平臺組件，使用率達到44%，而MapReduce使用率僅為21%。
分佈式文件系統HDFS作為核心組件之一，使用率也達到了39%。企業對大數據平臺應用最多的場景是統計分析、報表生成及數據可視化，38%企業使用ELK（ElasticSearch+Logstash+Kibana）實時日誌分析平臺。
綜上所述，目前大數據的發展熱潮令人歡欣鼓舞。一個優秀的大數據團隊，需要有對產品開發具有高敏感性同時對技術有一定理解的人才，同時需要理論基礎極其紮實，能對實際問題進行抽象建模和算法設計的人才。只有雙管齊下，在產品和技術方面進行深層次探索，才能真正實現大數據產業的繁榮。
區塊鏈質變
22%的開發者正在用或者準備用區塊鏈技術解決技術問題
區塊鏈技術的發展，是一個量變到質變的過程。相比於2018年，對區塊鏈瞭解的人從22%增長到32%，準備嘗試用區塊鏈技術解決一些問題的人數從14%增長到16%，僅有4%的人對區塊鏈完全不瞭解。
43%的受訪者在從事公有鏈的開發
本次調研中，43%的受訪者在從事公有鏈的開發。目前行業側重發展的方向為解決方案、公鏈及聯盟鏈，公有鏈由於其自帶激勵機制，對於普通開發者有直接的回饋，所以上面開發者佔比高也比較合情理。行業解決方案從去年的27%增加到今年的36%，說明傳統行業開發者對區塊鏈的認可度在增加。
區塊鏈本質上是技術，落地場景及實際應用才是連接社會效益的關鍵。
金融是普遍認為的行業應用方向
金融行業是普遍認為的行業應用方向，佔36%。區塊鏈本身具備的防篡改、可追溯的特點，能大大降低金融行業監管成本，不過金融的進入門檻相對也較高，需要各方面技術的配合。其次，智能硬件和物聯網也被認為是主流應用方向，佔14%。不過相比其他眾多已經很成熟的技術，依託區塊鏈的解決方案在實際使用中，往往面臨必要性缺失的問題，因此區塊鏈應用發展仍任重道遠。
在區塊鏈結合行業之前，更加要重視與其他新技術的結合和協同：物聯網設備能夠提供大量數據，5G能夠提供高速傳輸，存儲可以解決區塊存放的問題等。
算法工程師最急缺，TensorFlow佔據AI深度學習框架榜首
64%的企業尚未實現智能化
在經歷了2019年的行業低谷期之後，無論是行業巨頭還是新興獨角獸，都開始審視AI能夠切實落地的場景。調研數據顯示，14%的企業尚無信息化基礎，27%的企業實現了事務處理數字化，22%的企業具備商業智能基礎設施，實現描述性分析。使用機器學習實現預測性分析和決策優化的企業佔16%，而在業務中全面使用AI系統、機器人和其他自動化工具的僅佔12%。
機器學習/深度學習算法工程師最急缺
在崗位分佈上，由於深度學習是以大數據為基礎的，而感知智能中的計算機視覺又是目前深度學習較為成熟的應用，所以，機器學習和深度學習工程師，以及數據工程師、計算機視覺工程師排行在前三位。當前最急缺的崗位也是機器學習/深度學習算法工程師、數據科學家/數據分析師/數據挖掘工程師崗位。
53%的開發者表示其團隊急缺機器學習/深度學習算法工程師，37%表示急缺數據科學家/數據分析師/數據挖掘工程師。
TensorFlow是人工智能領域主流深度學習框架
此次調研中，TensorFlow使用普及率達到48%。從技術本身的角度來看，較為成熟的TensorFlow成為AI工程師的首選深度學習框架，Torch/PyTorch由於其開發效率較高，也得到了較多支持。
35%開發者選用國產AI芯片應用於自己的AI開發
在AI芯片領域，國內廠商也開始彎道超車，越來越多的開發者也開始關注國內AI芯片的進展。調查數據顯示，選用國產AI芯片應用於自己的AI開發時最看重的因素方面，對主流AI框架的支持能力是最普遍的因素，佔35%。
物聯網雲平臺三足鼎立：阿里物聯、華為雲、百度IoT
69%的開發者認為未來5G網絡的傳輸速率能達到4G的10倍以上
每一代新型的通信系統總是能帶來更大的帶寬。據報告顯示，近七成開發者認為未來5G網絡的傳輸速率能夠達到4G網絡的10倍以上。
影響5G普及的三大因素：5G套餐價格未定、運營商的開發程度、需要更換手機
由於目前5G網絡使用者較少，費用較低廉的套餐還沒有推出，第一代5G終端不太成熟等原因，目前87%的開發者認為5G套餐費用過高，並且大部分開發者認為5G網絡目前覆蓋範圍有限，因此將近40%的開發者正處於觀望階段。
值得一提的是，本次調查中62%的開發者認為，5G時代應該加強對個人隱私的保護，這反映出目前社會對數據隱私越來越重視的整體趨勢。
阿里物聯和華為雲是應用相對普遍的IoT雲平臺
根據調查，2019年物聯網雲平臺呈現三足鼎立的趨勢：阿里物聯、華為雲、百度IoT成為用戶最多的三種物聯網平臺，並且和第四名中移物聯遠遠拉開了差距，這和我們的實際使用體驗一致。
未來的基礎物聯網平臺可能會繼續呈現以偏硬件實現為主的華為雲和以偏軟件體驗為主的阿里、百度物聯平臺的三足鼎立局面。
物聯網技術開發：Linux和Windows是使用較多的操作系統
Linux和Windows是較普遍的操作系統，使用率分別為51%、44%。目前在物聯網設備開發過程中，Linux、Windows和Android較為普遍，依然延續了PC平臺的開發者操作系統份額。雖然華為、阿里等公司在2019年均發佈了自己的物聯網專用操作系統，但還並未得到開發者的大規模認可，大公司的物聯網操作系統發展之路依然任重而道遠。
Wi-Fi是應用最普遍的物聯網通信技術
在本次調研中，近距離通信（比如Wi-Fi和藍牙）是現存物聯網開發者最主要的通信方式。然而這種比重可能會隨著未來3~4年內車聯網的大規模商業化產生變化，汽車、工業物聯、智能電網這類高移動性、高可靠和低延遲物聯網場景會更適合需要整體規劃的運營商網絡。
物聯網行業和傳統互聯網行業不同，相比而言更加需要注重“軟硬結合”。物聯網產品的硬件維護成本遠遠大於傳統互聯網行業，因此設計、實現出真正可靠、用戶喜歡且實用的產品不僅僅涉及軟件服務，也需要考慮硬件可靠性和實用性。這對於直接面向用戶的物聯網企業，特別是從傳統互聯網廠商或者硬件廠商轉型的企業來說存在非常嚴峻的挑戰，需要靜下心來深入瞭解垂直市場的需求。
六成開源開發者無收入，Apache項目最受喜歡
77%開發者每週在開源上投入時間不超過5小時
無論是大數據、區塊鏈、人工智能還是物聯網領域，其中最為重要的、最受歡迎的技術都是開源的。但是報告統計發現，有超過一半的開發者很少參與開源項目，每週在開源上投入不超過5小時的佔77%，其中，1小時以內的佔31%。此外，65%的開發者不曾在開源上獲得收入，獲得不錯收入的僅佔一成。
開發者最喜歡的開源項目是Apache
25%開發者最喜歡Apache，24%開發者最喜歡Linux。作為全球最大的軟件基金會，開發者用過的諸多項目，例如Dubbo、Log4j、Maven、RocketMQ和Tomcat等，均孵化自Apache。
國內開源的現狀雖然近年來已經有了很大的發展，但是一個殘酷的事實是，老兵正在離開這個行業，離開一線開發的隊伍：報告數據顯示，30歲以下的開發者人數超過82%，接觸開源的時間在5年以內的開發者超過83%。隨著那些經驗豐富的老兵轉行或是進入管理層，不再寫代碼、也不再參與開源的事實也就凸顯出來……未來開源的建設，依然任重而道遠。
（美通社,2020年3月2日北京）
閱讀全文: CSDN：兩成開發者月薪超1.7萬，算法工程師最緊缺
閱讀更多 美通社摘要 的文章
