自己寫資料庫，自己寫分散式儲存方案，根據資料庫連結協議自己寫代理，參與各種開源資料庫與儲存方案專案等等。搞搞大資料也行，比如非結構資料儲存方案，音影片儲存方案等等，可以看看機器視覺類大資料架構。不太確定你說的喜歡資料庫是哪種情況，我也見過自吹資料庫工程師卻連聚集索引非聚集索引都不知道的人。

對於已經有三年工作經驗的程式設計師來說，如果未來不想走研發路線，可以考慮走“行業專家”路線。行業專家需要具備一定的行業背景，能夠在工作的過程中積累大量的行業解決方案，並根據技術發展趨勢不斷對已有方案做出針對性的調整，可以從事行業資訊、架構設計、開發團隊搭建、開發團隊管理等相關崗位。

如果對資料庫比較感興趣，可以圍繞資料庫進行解決方案的積累，在當前的大資料時代背景下，資料庫是軟體解決方案的重要組成部分，可以圍繞資料庫來構建一系列應用場景，比如BI領域、資料分析、資料倉儲等。

在完成方向選擇之後，接著需要豐富自身的知識結構。目前大資料正處在落地應用的初期，以NoSql為代表的大資料儲存方式在未來將有廣闊的發展前景，尤其在物聯網逐漸普及的情況下，NoSql將成為主要的資料儲存方式之一，所以掌握NoSql資料庫的應用對於從事資料方向的開發人員來說是比較重要的。

資料庫的解決方案通常與應用場景有密切的關係，不同場景通常會採集不同型別的資料，比如傳統的資訊系統（ERP等）採集的資料大部分是結構化資料，結構化資料採用關係型資料庫就可以完成儲存和管理，而Web系統和物聯網系統採集的資料就有可能是非結構化資料，或者是半結構化資料，此時就需要採用NoSql資料庫來完成資料的管理。

總之，行業專家的發展路線需要對傳統行業有深刻的認知，能夠根據不同的應用場景給出針對性的解決方案，所以需要程式設計師在日常的工作中注重案例的蒐集和整理，並最終形成自己的解決方案。

作為一位7年老程式設計師來強答一波。

技術這個東西，沒有什麼能成為“鐵飯碗”的。所以哪怕這三年你落後於平均水平，未來會怎麼樣還真不好說。

現在就怕你對資料庫的“感覺”是由於你對軟體開發的“反感”而產生的錯覺，所以Z哥帶你來理性的分析一下這個問題。

雖然沒有長久的“鐵飯碗”，但是在軟體開發這個領域內，分工還是比較細的。在不同的崗位下所需的技能的「生命週期」還是有些差異的。

以新技術產生的速度來看，從快到慢大致是這樣：前端程式設計師 -> 後端程式設計師 -> DBA -> 運維。可以發現，做的事情越底層、越接近硬體、離使用者越遠的崗位新技術迭代速度越慢。

知道了這個區別後，再來審視你自己。你是一個樂於接受變化、接受挑戰的人，還是相對是尋求保守和穩定的人。如果是後者，那麼選擇DBA的確是可以一試，否則可能選擇繼續做程式設計師更好，當然了也可以衍生出去做產品經理（有一些經驗的程式設計師做產品經理有天然優勢）。

當然，如果你內心還是想繼續做程式設計師，只是對自己缺乏信心的話，我想對你說，完全不用太悲觀。

首先我們要認識到，在新技術的普及同時也意味著相應的老技術漸漸淘汰，因為從業人員數量，或者說行業對技術的需求總量是擺在那的。一個蛋糕就那麼大，這裡多了，那裡自然少了。

這背後也意味著，新技術的更新迭代是一個外道超車的好機會。我身邊藉助這類機會進行外道超車的例子也不在少數。移動網際網路、人工智慧，這些都是進行“大躍進”的機會。

所以，“程式設計師的三年”並不能決定未來你會怎麼樣，因為這是一場“長跑”。

其實不管你選擇做什麼，但是你必須要考慮的一點是，你背後所依附的是一個怎麼樣的「價值網路」。什麼意思呢？

比如，你在外包公司做程式設計師，和在人工智慧公司做程式設計師。前者會逐漸不被市場喜歡，為什麼呢？因為近2年saas平臺的蓬勃發展，必然會導致外包公司的日子逐漸不好過，大家直接購買別人的saas服務了。而後者則是剛剛進入“朝陽”狀態，除了因為這是社會發展的必經之路（提升「效率」永遠有價值），也受到了國家層面的大力扶持。

所以選擇方向很重要。這裡非常適合用阿里的參謀長曾鳴提出的「點線面體」框架來思考。

你自己這個個體就是「點」，你所在的企業就是「線」，你所在的企業所處的行業就是「面」，行業所依附的社會載體就是「體」。

比如你是阿里的一名程式設計師，阿里巴巴公司就是「線」，電商行業就是「面」，網際網路就是「體」。

那麼選擇方向最理想的就是找到「體」、「面」、「線」都是趨勢向上的組織。它會讓你事半功倍，同樣付出一份力，獲得的回報卻是多倍的。

不知道大家是怎麼認為的呢？

內容包括：架構設計丨分散式系統丨產品丨運營丨個人深度思考。

如果覺得對資料庫方面感興趣，能力強的話可以參與資料庫開發，但是國內應該很少有資料庫開發的崗位，外企的資料庫開發工作核心基本也都是在國外，國內大部分是運維和實施，但這方面的工資可能不會特別的高。如果對資料分析有興趣的話，也是個不錯的選擇，我覺得資料分析這塊也還是挺有前景的，像AI結構化後生成的大量資料，都是需要資料分析和挖掘的。