如果业界中不用高级算法和数据结构，那为什么还要学？

源自 Quora，题主还补充说：

我和我认识的人从未用过任何高级算法和数据结构，我们中的有些人已经在业界工作 20 年了。你是如何激励自己去学习高级算法和数据结构的呢？或许，参加编程比赛会有点用…

下面是来自 Jerason Banes 的回答，1.4 K+ 顶

恭喜你！我刚把你的简历扔到“不要”的那堆中去了，嘴里还碎碎念叨着，「为什么怎么会有你这样的小孩，业界出什么问题了，我为什么要重新训练每一个我招来的工程师」。你也很可能认为数据库很神奇，只要再丢一个索引到里面，就可以解决你的所有问题，对么？

我为什么要这样做？我是一个脾气暴躁的老头，喜欢随心所欲得给应聘者设置难题吗？

事实上，答案正好相反。如果你学习过，而且是一名接受过训练的工程师（注意我一直使用这个词），你会发现面试过程相当的简单。我经常问一些很简单的问题，例如「写一个FizzBuzz程序」，「JavaScript是函数化语言？」。电话面试中有几个超级难的问题，我并没有问。因为这些问题会吸引你学习，并为我工作。

如果我不是在设置难题，我到底是做什么的？

我正在设计一个系统，可以基于千兆兆(10的15次方)字节规模的数据提供分析结果。由于 Google 让每个人相信，他可以在全网查找他输入的东西，所以我也必须要在自己的网络应用程序中提供类似表现。

要做到这个，异常困难。我找了一下  EMC SAN 磁盘规格说明，上面都告诉我没有足够的吞吐量。虽然我可以寻求一些无限带宽的昂贵硬件，但是我不为 Google 工作的，我预算有限啊。我需要找到一个方法，利用一堆廉价货，让它们在一起来提供交互速度。一个超级强大的设备不能做到的，但一堆平行 IO 却可能实现。

我现在所要做的，就是要求我的工程师们对这些结构写查询代码……卧槽，刚才有个童鞋尝试把整个代码加载到内存中，结果把整个结构的栈搞挂掉了。我们回退了他的代码。他说这代码在他的测试环境上是可以工作的，他不理解为什么会这样。我摇摇头，把他拉到白板前，给他解释内存背后的原理，内存就像数据的蓄水池，容量是有限的。一个直管的通过量（数据流），只受限于时间（数据移动的速度），而不是容量。

他说他明白了，以后会避免犯类似的错误。嗯，他可能会避免，也可能还会犯错。有智力解决复杂计算机问题的人凤毛麟角。大部分人看上去有机会，但做到的只是极少数人。特别是这个世界还有很多愚蠢的想法，比如“为什么我要学习数据结构和算法”之类的？

我最终可能会炒掉那个工程师。这相当糟糕（译注：艰难的决定），因为在其它方面我还是很喜欢他的。他只是不适合这个工作。

你要知道，你对编程的理解，会体现在你自己选择的工作态度上。毕竟这些不是有趣的工作，赚的也不是很多。你做的事情也不是真正重要的。

如果你觉得作一个低工资的程序员也还好，你最终会改行去做其它的事情，那你不用去学算法和数据结构。如果计算机科学真的吸引你，你知道该做什么。

后记

首先，感谢大家对这个帖子如此关注。也有批评者花时间给了有理有据的反驳，得以让这个对话继续下去。对于成为这样重要主题的中心，我诚惶诚恐。

接下来，我想和那些觉得这帖子有些刺耳的人解释下。当我决定回这个问题时，我想让答案比以往的更有影响力。以往的答案有些是很好的，但缺少和年轻人的内在联系，让他们不容易理解。电影会以呈现原始场景的方式引起观众的共鸣，我发帖目的也是一样的。

我收到的另外一类质疑，觉得这是一个虚构的故事。请理解，这只是对我所处理问题的一种提炼。这些情况都出现过，只是顺序不是你在帖子里看到的。例如，上次我谈到有个工程师在流代码中间使用 ArrayList 缓冲区，他并没有被解雇的风险。事实上他是一个相当优秀的工程师，只是当时没有考虑到。

他的代码在代码审查事被发现，并没有进入产品。我给他和他的同事们作了关于数据仓库的培训，让他们理解内在的原理，希望避免类似问题再次发生。

解雇人是一件困难的事情。你必须这样开始，“我做错了什么？”，“我要怎样解决这个问题？”。找到满足他们个人和适合他们的学习方式，通常需要一个漫长的过程。很多人都回答好的领导力和培训。有一些已经超过我的能力范围。

因为一开始就把重点放在不要招不合适的人，那些我不得不解雇的人，都是不适合团队的（例如，社会问题没有得到改善），或者很长时间都没有掌握他们学习的东西。后面这种情况，对我这样善解人意的领导而言很难，因为他们的表现看上去有改善，但之后又回落到之前的表现。幸好这样的情况很少，但却让人印象深刻。

我现在停下来说一些我见过很棒的工程师，他们在构建大规模代码上没啥经验，但他们对出现的机遇会很兴奋。在某些情况下，这些人会比那些对自己技能有信心的人，更加主动学习和提高。这远不是一个硬性规则，只是一个有趣的观察。

第三点，我注意到有人质疑我的经历只是例外。我建议你们去看下“自我选择的态度”部分。我不得不招技能不好的工程师，是因为大公司们（Google，Orbitz，NavTec，SalesForce等）展开了对工程师的抢夺大战，尽可能快地去得到他们。大数据带来对熟练工程师的需求激增，结果导致整个市场的短缺。这也就是为什么我不得不冒险招人，并且希望我提供的训练是足够的。我们找到剩下的这些工程师，希望把他们训练出来。这对软件工程师有利，前提是你愿意认可计算机科学，理解事物工作的本质是相当重要的。否则你会在电话面试中败下阵来，可能永远不知道原因。

最后，有些人对我描述的工作环境很感兴趣。我目前正在招人，如果你在芝加哥而且觉得你很适合，可以直接和我联系。

让你了解一下你所要进入的领域，我为健康分析中心服务。这行业中的事务处理代码很可能占 95 %，大多数函数库和软件都关注在这些上。分析只占 5 % ，只能使用少数 BI 工具。这些工具在我的行业中不好用，因为我们关心这些数据的细节（比如每个病人），并通过摘要方式找到那些事例，而不是结束它们。这带来很大的挑战，让我不停工作下去。一言以蔽之，你需要了解数据库优化的思想，你会从事定制大规模的谓词引擎，你将开发定制化的 OLAP 逻辑，你将始终面对复杂问题的恐惧和解决它们的成就感。