读技术性文本的技巧

 

难于理解的技术文本，之因此难，在于文本自己，以及阅读者的阅读方式。

 

咱们能够先想一下咱们感到难的时候，是什么样的状态。

　　从文献的角度讲：

　　好比，读到一份日志文本，这个日志是咱们第一次碰到的。这个文本有什么特征呢？

　　大量的之前没有碰见过的信息。像这样：

　　

　　再好比，咱们阅读一份科技文献。就让咱们以前没有在这个领域作过深刻研究，后果就是满篇都是新概念——大量的之前没有碰见过的信息。

 

　　大量的之前没有碰见过的信息是一份文本难于理解的缘由之一。

　　除此以外，从细节上讲，还有其余缘由：

　　　1.模型的复杂程度。也就是说，若是是一个很复杂的模型，那么理解起来困难也是很正常的。好比我第一次接触reactor设计模式的时候，也是读了差很少3到5遍才弄清楚reactor设计模式是怎么个意思的。

　　　2.文本的表述水平。有不少文本自己表述的时候会把不一样层面的知识混杂在一块儿。好比我在阅读《hadoop权威指南》的时候，时常一不注意就陷入一个不知道本身在读什么的状态。由于这本书老是喜欢把模型（也就是抽象的东西）和具体的实现细节混在一块儿讲，假如我不注意将模型从细节里面剖开，就会陷入不知道本身在读什么的状态。

　　   3.文献章节之间的组织结构。不论是从基础开始到高阶知识，仍是从结论开始往底层构建逐步推导，一个很重要的原则是按部就班。这一层很容易理解。并且大部分的较正式的文献均可以作到这一点，由于这一点写做的人都知道。

　　　

 

　　从读者的角度讲

　　读者在不一样的状况下每每会用不一样的方式去阅读。

　　好比本身有充足的时间的时候，极可能会过度关注细节；而当本身时间比较紧张的时候，就会懒得理会那些细节，想要直接得出最终结果。

　　我对阅读的理解是：检讨、分层与关键词。

　　检讨：给本身提问。每当读到一个关键词的时候，提一个或几个简单的问题：这个东西提出来的目的是什么？怎么达到目的的？假如我想要对所学的东西有一个更加深刻的理解，能够问这样一个问题：假如我来设计这个东西，我怎么作？

　　分层：抽离出不一样层面的知识。对于一个模型，咱们要深刻理解其内在知识，能够考虑暂时无视那些细节。举个例子，在第一次阅读MapReduce框架下的shuffle过程的时候，我当时陷入了细节的泥沼里面：由于hadoop自己是一个综合性很强的系统，从操做系统细节，当算法、数据结构知识，都有涉及，再加上mapreduce自己的工做流程特色，能够想见shuffle是一个比较复杂的过程。我当时并无刻意去将shuffle过程抽离出来。最近有人问我：你知道shuffle怎么回事么？我不知道说什么好，由于我真的没有理解这个过程。好了，若是我如今讲，什么是shuffle，我会这么讲：

　　　　shuffle分为好几步：

　　　　　　　　　　　　　Map1:map=>{partition=>sort=>merge（+combine）=>A1,B1,C1

　　　　　　　　　　　　　Map2:map=>{partition=>sort=>merge（+combine）=>A2,B2,C2

　　　　　　　　　　　　　Map3:map=>{partition=>sort=>merge（+combine）=>A3,B3,C3

　　　　　　　　

　　　　　　　　　　　　　ReduceA:merge(A1+A2+A3)}=>reduce

　　　　　　　　　　　　   ReduceB:merge(B1+B2+B3)}=>reduce

　　　　　　　　　　　　   ReduceC:merge(C1+C2+C3)}=>reduce

　　　　上述过程是一个高度简化了的shuffle过程。可是这也足以表达shuffle所起的做用了。至于数据存在内存仍是磁盘，merge的算法，combine要注意的细节等等等等，都属于另外一个层面的事情。至少在模型上，shuffle已经被剖离出来了。并且很容易理解。这就是我想要讲的分层的意思。

　　 关键词：有不少时候，咱们学一个知识，每每学的是这个知识包含的关键词。作到尽可能不去忽视那些“刚认识”的关键词（特别是在看日志的时候），加上对关键词的检讨和分层阅读，就能够很快创建一个阅读的脉络了。

　　

　　还有一个问题，如何把握精读和泛读的度呢？

　　对关键词进行分层。越是底层和抽象概念的东西越要优先掌握，而后看你打算花多少时间了。