本文是关于《程序员底层思维》的阅读笔记，读后有较大收获，分享给大家。书中介绍了程序员应该具备的16中底层底层思维能力，只有意识到思维能力的存在，我们才有可能去学习、练习和提升。
基础思维能力
抽象思维
抽象思维是程序员最重要的思维能力之一，抽象的过程就是通过归纳概括、分析综合来寻找共性、提炼相关概念的过程。
软件工程师每天都要动用抽象思维，首先对问题域进行分析、归纳、综合、判断、推理，然后抽象出各种概念，挖掘概念和概念之间的关系，再对问题域进行建模，最后通过编程语言实现业务功能。
抽象具有层次性，抽象层次越高，内涵越小，外延越大，扩展性越好；反之，抽象层次越低，内涵越大，外延越小，扩展性越差，但语义表达能力越强。
逻辑思维
逻辑思维基本包含3个方面的要素。(1)概念：概念是思维的基本单位。(2)判断（proposition，在逻辑学中也叫命题）：通过概念对事物是否具有某种属性进行肯定或否定的回答，就是判断。(3)推理（argument，在逻辑学中也叫论证）：由一个或几个判断推出另一判断的思维形式，就是推理。
判断是概念的展开，没有判断，就不能揭示和说明概念。同时，判断也是推理的前提，是正确运用各种推理的必要条件。所谓推理，就是研究语句、判断、命题之间相互关系的学问。建模是一个归纳工作，我们通过抽象问题域里具有共同特性的类来建立模型。为了验证模型的有效性，我们会使用演绎的方法去推演不同的业务场景，看看模型是否能满足业务的需要。
大多数情况下，我们的思维逻辑链都比较短，短就意味着肤浅，找不到问题的根本原因。延长思维逻辑链的方法之一是5Why思考法，它能够帮助我们找到问题的根本原因。5Why思考法，是指对一个问题连续多次追问为什么，直到找出问题的根本原因。
丰田汽车公司前副社长大野耐一曾经举了一个通过5Why提问法找到问题根本原因的实例。有一次，大野耐一先生见到生产线上的机器总是停转，虽然修过多次但仍不见好转，便上前询问现场的工作人员。
问："为什么机器停了？"(1Why)
答："因为机器超载，保险丝烧断了。"
问："为什么机器会超载？"(2Why)
答："因为轴承的润滑不足。"
问："为什么轴承会润滑不足？"(3Why)
答："因为润滑泵吸不上来油。"
问："为什么润滑泵吸不上来油？"(4Why)
答："因为油泵轴磨损、松动了。"
问："为什么油泵轴磨损了？"(5Why)
答："因为没有安装过滤器，润滑油里混进了铁屑等杂质。"
结构化思维
结构化思维是一种以逻辑（事物内在规律）为基础，从无序到有序搭建结构的思维过程，其目的是降低复杂度和认知成本，因为大脑更喜欢概念少、有规律的信息。
结构是万物之本，小到分子，大到宇宙，只有了解其结构才能真正认识它。
批判性思维
批判性思维中的"批判"一词其实不太准确，甚至在中文里有点否定、批评和抨击的负面意思。批判的英文是critical，这个词来自古希腊词kriticos，是分辨力、决断力或决策能力的意思。它强调的是理性和逻辑在思维中的重要性，目的是形成正确的结论，并做出明智的决策和判断。所以批判性思维并不是让你批评、否定或者抨击别人，而是教你如何提升分辨能力、判断力。
简而言之，批判性思维就是对思维过程的再思考。古希腊哲学家苏格拉底说，未经审视的人生不值得过。同样，未经批判性思维审视过的结论也是不值得相信的。
维度思维
一个人的思维层级与其思考的维度是正相关的，这一点可以通过我们的日常语言得到佐证。当我们说这个人很"轴""一根筋"的时候，实际上是在说他只有一维的线性思维；高手的思考会更加"全面"，因为涉及"面"，所以至少是两个维度的思考；而真正的高手，其思考是成"体系化"的，"体"至少是三维的，也就是说他考虑到了"方方面面"。
多维度思考是思考的高级阶段，是体系化思考的必备，是解决复杂问题的一把利器。
分类思维
当信息量过大时，归类分组能帮助我们理解和处理问题。分类是人类大脑的识别模式，是我们化繁为简的不二法宝。在我们处理问题，特别是复杂问题的时候，分类思维扮演了极其重要的角色。
分类的目的是找到问题域中的"核心抽象"，基于这些"核心抽象"，我们才能设计相应的领域模型和数据模型；基于这些模型，我们才能构建相应的系统。
没有完美的分类，任何分类都与进行分类的观察者的视角和目的有关。
分治思维
分治的价值在于，我们不应该试着在同一时间把整个问题域都塞进自己的大脑，而应该试着以某种方式去组织问题，以便能够在一个时刻专注于一个特定的部分。
分治算法主要包含3个步骤：分、治、并。"分"是递归地将原问题分解成小问题；"治"是在解决了各个小问题之后（各个击破之后）合并小问题的解，从而得到整个问题的解；"并"是按原问题的要求，将子问题的解逐层合并，构成原问题的解。
软件中存在大量的分治思想，比如管道模式、分层架构、分布式架构等，无不体现了分治的强大。
简单思维
把一件事情搞复杂是一件简单的事，但要把一件复杂的事变简单，这是一件复杂的事。
简化本质上是一个熵减活动。所有的事物都在缓慢熵增，就像凯文·凯利在《必然》一书中提到，世间万物都需要额外的能量和秩序来维持自身，无一例外。这就是著名的热力学第二定律，即所有的事物都在缓慢地分崩离析。而熵减就是逆向做功，即通过更多的努力让混乱的系统重新归于秩序。
简单不是一个简单的目标，而是一个非常高的目标。所有的UNIX哲学浓缩为一条铁律就是KISS原则。
简单不是简陋。简单是一种洞察问题本质、化繁为简的能力，简陋是对问题不加思考地简单处理，二者有本质区别。简单需要我们付出很多的精力，对问题深入思考，进行熵减逆向做功。往往需要经历简单---复杂---简单的演化过程。
成长型思维
想要培养自己的成长型思维，首先要学会正确评价自己，也就是要学会客观地看待自己的状况和水平，不要自视过高，也不要妄自菲薄。其次，不要过分相信天分。一个人一旦相信了天分，就等于相信了自己的水平是基本不变的，就会给自己设限，觉得我只能做这个，我不适合干那个，甚至会觉得努力是一件丢脸的事情，只有笨人才需要努力。
看过《刻意练习：如何从新手到大师》一书的人应该知道，很多所谓的天才，其实靠的并不是天分，而是努力！想要让自己获得成长和改变，就一定要学会用成长型思维去看待和处理问题，其关键在于不要自我设限。
专业思维能力
解耦思维
在软件领域，"耦合"是指两个事物之间联系的紧密程度。联系越紧密，耦合性越高；联系越少，耦合性越低。解耦就是要减少事物之间联系的紧密程度。
"计算机中的任何问题，都可以通过加一层来解决"，中间层的价值也在于解耦。
"高内聚、低耦合"是软件设计追求的重要目标之一，组件、模块、层次设计都应该遵循"高内聚、低耦合"的设计原则。
应用架构之道，就是要实现业务逻辑和技术细节的解耦。
契约思维
"人是生而自由的，但却无往不在枷锁之中"，同样，"写代码是自由的，但无往不在规则之下"。这里的规则包括工程师必须要遵守的程序语言语法、编程规范，以及协议标准。
为了保证软件编程风格的一致性，减少随心所欲带来的复杂度，我们有必要使用契约思维制定一定程度上的编程规范，去约束团队的行为。规范的价值，就在于它能保证代码的一致性，而一致性在很大程度上可以降低认知成本和复杂度。
通过在团队中落实命名规范、异常处理规范、架构规范等，可以有效地帮助团队治理代码复杂度。
社会大规模分工协作离不开契约思维，编程在很大程度上是一种"制定契约"。
模型思维
在软件工程中，有两个高阶工作，一个是架构，另一个是建模。如果把写代码比喻成"搬砖"，那么架构和建模就是"设计图纸"了。相比于编码，建模的确是对设计经验和抽象能力要求更高的一种技能。
简单来说，模型就是对现实的简化抽象。
领域模型将现实世界抽象为了信息世界，把现实世界中的客观对象抽象为某一种信息结构，而这种信息结构并不依赖于具体的计算机系统。
领域模型对软件开发至关重要。因为从本质上来说，软件开发就是从问题空间到解决方案空间的映射转化，而领域模型是连接问题和解决方案的桥梁。
领域模型关注的是领域知识，是业务领域的核心实体，体现了问题域中的关键概念，以及概念之间的联系。领域模型建模的关键在于模型能否显性化、清晰地表达业务语义，其次才是扩展性。
数据模型关注的是数据存储，所有的业务都离不开数据，以及对数据的CRUD。数据模型建模的决策因素主要是扩展性、性能等非功能属性，无须过多考虑业务语义的表征能力。
工具化思维
我们可以把"懒"分为3个境界。(1)最低境界是"实在懒"，拖延症，不到万不得已，不去完成任务。(2)其次是"开明懒"，迅速做完不喜欢的任务，以摆脱之。(3)最高境界是"智慧懒"，使用工具完成不喜欢的任务，以便再也不用做无谓的重复工作，从而一劳永逸。
量化思维
No measurement，no improvement.（没有量化，就无法优化。）------"科学管理之父"温斯洛·泰勒
一个量化的过程大体上可以分为以下3步。(1)定义指标：仔细分析问题，找到那个可以用来量化问题的关键指标。(2)将指标数字化：围绕关键指标，明确需要哪些数据来实现指标的计算，通过数据收集、数据存储、数据展现去呈现指标，也就是数字化的过程。(3)优化指标：有了数据指标之后，要围绕指标数据迭代优化，达成业务目标。
量化工作本身是一件非常困难和极具挑战的事情，但量化思维要求我们不要轻易放弃关于量化的思考和尝试。没有量化的目标，就像是断了线的风筝，没有方向，缺少指引，飞到哪里是哪里，而量化后的目标可以为我们清楚地指引方向。
数据思维
一切业务数据化，一切数据业务化。
用户在App上的每一次浏览、每一次点击、每一次搜索等业务行为，都会被沉淀为数据保存起来，这种保存业务过程数据的做法叫作业务数据化。这些数据会帮助App更好地认识用户，当用户下次打开App时，利用这些数据，App就可以更精准地为用户进行智能推荐和广告精准投放，这种用数据赋能业务的方法叫作数据业务化。
产品思维
工程思维和产品思维是不一样的。工程师追求技术至上，产品经理追求商业价值和用户体验；工程师关注细节，产品经理关注全局；工程师关注How（如何做），产品经理关注Why（为什么）。结合两种思维方式，可以让思考更全面和系统化。
作为技术人员，我们必须要具备一定的产品思维，这样才能辨别产品需求的真伪，把伪需求挡在外面，从而可以把时间放在真正有价值的项目上，少做一些无效的投入。对于团队的技术负责人来说，这种把关尤为重要。
了解产品思维，关键要理解产品的三个核心要素：用户、需求、场景。（1）用户是产品要服务的对象，即使用产品的人。（2）需求即产品要解决的核心问题是什么。需要注意的是，需求是分层次的，最浅一层是需求的表象；第二层是观点和背后的目的；最深一层是人性，每个需求挖到最后，都可以归结到人性层面。（3）场景即用户何时何地需要使用产品。
后记
希望读者能够把这些底层思维能力内化成自己的"不知道自己知道"。这些底层思维中蕴藏着解决问题的强大力量，当它们与软件设计相遇时，会擦出耀眼的"火花"。
软件开发行业的匠心和传统行业的匠心不一样，不是重复做简单的事情，你就能把它做好。这就好比你即使做了10年的收银员，也只是一个收银员，无法成为财务总监。在软件开发行业，你需要不断地学习、不断地思考、不断地积累、不断地尝试、不断地失败、不断地创新，才有可能做得好。
优秀的工程师，心中都有一团火------一种对美的追求和渴望。这需要我们经历无数个不眠之夜，承受很大的压力，受很多委屈，看很多的书，尝试很多别人没有实践过的东西，要具有一颗"不妥协、不将就、不放弃"的倔强的心。这样我们才能做出一些不同凡响的东西，才能活成自己所期望的样子。