做投資，有個思路是：抓住不變量。
無論世界形勢怎麼變化，時代怎麼發展，創新永遠是最難跟蹤的，但那些不變的確實非常確定的。
茅臺酒的商業模式基本不變，研發投入是固定的，很難因爲時代發展，突然被人顛覆。
格力空調，商業模式總體不變，生產製造會做一些優化。
而科技股需要不斷創新，醫藥股需要不斷創新研發新藥，投入巨大，收穫卻不一定大。只要不努力，隨時被顛覆。
從2019年開始，我也明確把這個思路用到技術領域。
技術永遠也學不完，天天去學習新技術，今天有精力，明天有精力，總有一天會筋疲力竭。
相反，應該專注自己的持續積累。
今天的積累，明天可能就過時了，所有可以側重那些永不過時、長期有效、長期有價值的技術。
下面列一些後端研發人員，幾乎必須掌握的一些技術，尤其是做業務系統的。
2019到2020，儘可能全部掌握，目標是熟練使用，靈活解決實際問題，不追求源碼原理的掌握。
1、登錄
PC端：Cookie登錄
App端：Token登錄
第三方登錄：微信、支付寶等
2、權限控制
功能權限攔截，最好用攔截器實現
3、權限系統
準確說是，權限配置系統，統一的權限配置。
權限的控制，由具體業務系統去實現。
4、爬蟲
爬取互聯網公開非隱私數據，非結構化數據，然後結構化存儲，也可能是非結構化存儲。
python語言據說有個強大的爬蟲工具庫。
java裏，還沒注意到特別強大的，WebMagic值得學習。還有其他一些Spider庫。
5、索引和搜索
ES，已經非常普及了。主要解決文本索引，文本搜索。
使用爬蟲，再索引，多用來實現 站內搜索，甚至是 全網搜索。
全網搜索引擎比較少，某個領域的搜索引擎還是不錯的小錢思路。
6、同步和異步
程序員，大多都是API工程師，各種API調用。理想情況下，只需要學一些邏輯，調用各種API滿足需求就行了。
本地API調用，生產服務能力有限，因此出現了RPC遠程方法調用。
另外一些，非緊急實時的事情，也可以用異步調用。
同步：PRC框架，Dubbo,Spring Cloud。
異步：MQ。MQ主要是後端的異步。
7、消息通知
移動端，消息通知的需求比較強烈一些。
PC端，有些網站也會主動去拉去新的消息。
比如，一些社交網站，本頁面不刷新的情況下，如果有新消息來了，也會給予通知提示。
8、緩存
每個系統都在用的。
最簡單的用Map緩存不過期的數據，比如配置文件。
還可以使用一些本地緩存組件，比如Guava工具包中的Cache模塊。還有專門的JCache/EhCache等。
如果沒有分佈式的需求，用EhCache基本夠用。
如果需要多節點，分佈式，用Redis更好一些。首先是網上吹的比較好。實際感受是，Redis特別穩定，幾乎沒有出現異常停止的情況。也沒出現過訪問Redis延時的情況。
一些建議，如果用了Redis作爲分佈式緩存，或者Session保存，最好不要再使用本地緩存。
一是沒必要，Redis一般在內網，訪問很快，也很穩定。二是會增加技術複雜度，本地有緩存，遠程有緩存，排查問題不方便。
三是針對“踢下線”等特定需求，也不方便實現。
9、支付
銀聯、微信支付寶等第三方支付，已經非常普及了。
支付和收錢是剛需中的剛需，這個如果做不好，生意根本沒法玩了。
10、SEO優化
PC Web端的站點，現在增量沒那麼多了。
比較適合官網和一些內容社區，SEO的優化需求還是有一些的。
SEO做得好，節省流量。
移動端也有這個需求，方便別人找到自己，總是有好處的。
11、自動化
Jenkins是比較知名和普及的，和Git、Maven、Shell腳本結合起來，實現“一鍵更新”。
12、代碼生成器
做業務系統，項目型，或者產品持續升級，側重功能的，代碼生成器非常有用。
一個人寫的代碼，風格套路通常應該是固定的。
來一個新的模塊，自動化生成標準通用代碼。
代碼生成器的核心，其實不是“自動生成”，而是“避免重複勞動”、“減少重複勞動”、“提高生產效率”。
13、軟件複用
企業發展，會不斷積累 品牌影響力、客戶、關係、資金。
而技術人員，如果沒有積累，那遲早要完蛋。
思想經驗可以積累，需要輸出，或者分享給別人擴大價值。
而工具庫、通用代碼、某個場景下的成型解決方案等，可以拿來即用，極速提高生產力。
14、跨平臺開發能力
PC站點、移動站點、PC客戶端、移動客戶端（Android、iOS、平板）、小程序（百度、微信、支付寶）。
系統的終端、渠道、場景，越來越豐富。
後端怎麼去支撐，前端怎麼跨平臺。
後端，其實還好，做好接口定義，通用性，相對容易。
前端，看需求複雜度，Uniapp, Taro等值得研究。
15、可選的
1、人工智能A。今後的趨勢是，大廠搞定原理和實現，輸出API。普通企業，調用API即可。
這是一個門檻較高的技術行業。
普通企業適合，搞搞模型調優之類的。
對於個人，大廠的人工智能API絕對有必要去學習和掌握，花不了多少時間。
你如果不會，就會被某些人的花言巧語所矇蔽，還以爲很高端的樣子。
2、大數據B
比較接地氣一些。
現在IT、軟件、互聯網、物聯網，應用越來越多，數據大大增加了。
高效處理，已經有了實際需求。
以微信爲例，10億用戶，假設就是統計下數據，傳統的sql統計，肯定不行了。
Spark、Flink、Storm之類的，可以研究學習下。
3、雲計算C
這個有點鬼扯蛋。新瓶裝舊酒。
只有極少數企業有這個資金去做這個。
4、Docker和K8s
若干企業有這個需求。