所以我曾在谷歌（还有Facebook）工作过，这真的让我明白了硬件到底有多便宜，以及大多数时候优化代码是多么不值得。十多年前，谷歌不得不开始管理数据中心的资源使用。每个项目都有预算。CPU核心、硬盘空间、固态存储、硬盘转轴、内存等等。这些通常可以相互转换，你可以看到它们的相对成本。有趣的是：尽管当时固态存储的价格是硬盘存储的约20倍，但由于转轴瓶颈，它往往更便宜。总之，所有这些都可以转化为软件工程师的工作时间，通常称为“毫-SWE”，即1个SWE一年工作量的千分之一。因此，项目可以在硬件上节省开支，雇佣更多人，或者在现有预算内雇佣更少的人但获得更多的硬件。我不记得一个SWE相当于多少个CPU核心，但据我回忆，大概是几千个。……
源讨论如果软件优化是优先事项，世界可以用更旧的硬件运行原帖 814 条评论 · 导入时统计把你的经验，加入这段讨论。
除非你选择的是一个具有高工程成本的公司，拥有较大的利润率来承担额外的硬件成本，并且有很多项目供工程师们工作。 评估需要在利润率中进行，即使每年每美元节省几美分，也最好让这些工程师去做这件事，而不是让他们闲置。 问题在于几乎没有人这样做，因为我们的决策方式与背后的经济计算毫无关系，大多数人只是“效仿谷歌的做法”，这解释了为什么会有这么多的不协调。
完整原文我也在那工作过，你所说的性能是指每个项目中CPU的最优使用。 谷歌确实投入了大量精力在性能的另外两个方面：延迟和整体机器利用率。这两方面都是自上而下的指令，消耗了数千名工程师大量的时间和注意力。薪资成本非常高。但是，如果你的机器受到限制，你真的不希望有很多核心闲置，即使它们单独来看很便宜（因为等待新数据中心建设的机会成本很高）。如果你的使用对延迟非常敏感，那么为了业务指标而削减毫秒级的时间是合理的，而不是为了节省硬件成本）。
完整原文> 我不记得单个软件工程师（SWE）对应的CPU核心数量的具体数字，但据我回忆，大概是数千个。 我认为这在像谷歌这样的公司中是成立的，因为1）在他们的规模下，“一个核心”比平均水平要便宜得多，2）他们的薪资远高于平均水平。但对于一般的公司，甚至是大型公司呢？情况就大不相同了。 我认为这是一个典型的“Facebook/谷歌/奈飞等公司属于一个独特的类别，它们的大多数做法对你来说并不适用”的情况。
完整原文谷歌并不是为了好玩而开发更好的压缩和二进制序列化格式——这会改善他们的利润。
完整原文我不知道如何解决这个问题，甚至不知道它是否会被‘解决’。它不会被‘解决’，因为它根本不是一个真正的问题。 你可以做一个思想实验，想象一个不同的宇宙，人类资源被用于优化，这个宇宙看起来会和我们现在的完全不同。一个额外的工程师专注于优化，意味着另一个工程师不能专注于功能开发。为了什么？为了节省一些CPU周期吗？别逗我了。
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。