真的应该担忧一下了），当新框架取代当前的框架时，你在几年内将不得不重新洗牌。所以，这也许是你真正的最好投资，但也可能不是。另一方面，数学是不会很快消逝的。在我们领域中所做的一切，都是建立在稳固的数学原理之上（算法和数据结构正是这样的例证），所以用在数学上的时间绝不是浪费，这不可辩论。再重复一次，总结起来就是：要真正理解东西，而不是非死记硬背地使用。当涉及到计算机时，数学能有助你更深入地理解你所做的。事实上，正如SteveYegge所言，作为程序员我们所做的事很像数学，只是我们甚至都没有意识到这一点。
谁造就了与众不同？
f（唐纳德）
你不相信我？那请你想想：在我们的领域中，几乎人人普遍尊敬的卓越程序员同样也是大数学家。我是说像唐纳德克努斯Do
aldErvi
K
uth、艾兹格迪杰斯特拉EdsgerWybeDijkstra、诺姆乔姆斯基AvramNoamChomsky、彼得诺维格（Google研究院总监）这一类人。但是这些家伙并非真正的开发人员，他们是计算机科学家，这能真正算数么？我再一次觉得，在我们写出的纯代码行数能达到这些人所写的十分之一之前，也许我们不应该再去讨论这些问题了。当然，不当科学家，你也能获得成功和名誉，大家都听过加文金（Gavi
Ki
g，Hiber
ate创始人）或戴维海涅梅艾尔汉森（DHH，Rubyo
Rails创始人）。这还挺真实的（是不是有很多人听说过加文和戴维，虽然这还有待确认），但是“听说过”和普遍尊敬是不同的，这种差别就如同创建一个框架，和在你的领域中为人类知识所做出的全部重大推动两者之间的差别。（不要误会我，我尊重加文和戴维，他们所做的事，远远超过我，但是这不能影响我所说的事实）。所有的这些相关么？我不知道，可能不相干，但在我们反省之后，我想无论如何要把它“扔掉”。
如今的世界正充满着数据，每日都增加更多的数据。而在以前，我们在相对少量的数据下享受工作。我们今日编写的软件必须高效处理海量数据。甚至在协作世界，这也是愈加明显的事实。这也就是说，你更不可能只“启动东西”，就想看其如何运作，因为你要处理的数据量将困住你，除非你非常了解它。我的预测是：算法分析将对于LayProgrammer越来越重要，以前不仅
f如此，以后也更加如此。如果要成为一位体面的算法设计专家，需要什么r