编程时，你在思考什么 1 - 抽象
初衷
这个系列叫思考编程。有趣的话题，不是吗？当你使用一种编程语言你在思考什么？如何开始思考这个问题？
更重要的，作为一个程序员，编写代码是我们的工作也是乐趣所在，我们需要思考我们编程的思维过程，这对理解、学习计算机语言有非常大的帮助。
另外，还以一个重要的话题需要思考，就是如何阅读代码，这也是这个系列想要解决的问题的。
抽象
我会从 抽象 开始思考。抽象有很多定义，比如：隐藏细节，暴露接口；有时候 API 会被直接等价成抽象；抽象也有语义，semantic ，的意思，就是这个抽象在运行时的行为是怎么样的。
当然，我也可以从具体的抽象对象思考。一个编程语言最基础的要提供两种抽象：计算资源抽象 和 存储资源抽象。
- 计算机资源包括：CPU 指令，进程，线程，协程。
- 存储资源包括：缓存，内存，硬盘，网络。
这些抽象想我们隐藏了计算机硬件的诸多细节，暴露给我们语义明确的接口，或者API。这就是我们编程的基本模块，编程的时候我们就是用这些模块的组合和互动完成我们的计算任务。
当然这些仅仅是最基础的模块，开发人员还会在此基础上，进一步封装抽象，提供更加高级、但目的性更强的抽象。
举个例子，Python 的数据处理 pandas ，这是一个专门处理 table like 数据的库，它提供了一套 API 可以进行一些数据处理相关的运算，比如 groupby mean sort 等等。而这些 API 隐藏了内部线程和内存配置的细节，因为 Pandas 库内部有独立的Block manager 利用 python 提供的更加底层的没错抽象，管理自己的内存空间。这样，使用者就不必关心内存和CPU 的抽象了，直接可以在 pandas api 层面进行数据处理。
比如当我们初始化一个 DataFrame ，我的脑子里想的是一个表格，他有3列，100行，数据类型都是小数行。
我可能不会去想：我有一片内存的Buffer ，它是线性的，我的stride是3，头部的x字节包含了这个buffe的各种信息，比如列的名字，数据类型等等。不过，当你遇到性能瓶颈的时候，这种次级抽象的理解就可以帮助你解决问题了。
我可能会想：pandas 的内部其实大部分是另一个库的抽象，numpy，比如我的数据其实可以被一个 ndarray 代表，ndarray 就是更加底层的一个库提供的抽象。这样思考有时候会帮助我们更好的使用 pandas。
所以，当我们编程的时候，我们已经不自觉的按照语言和库提供给我们的抽象进行思考了。意识到这一点很重要，因为不同语言提供了迥然不同的抽象。也决定了这个语言可以做哪些事情，不可以做哪些事情。比如 Python 通过一个运行时的垃圾回收器进行内存管理，用户基本不能控制内存的分配跟回收，因此你就不能操作内存上的比特；而 Rust 提供了丰富的内存抽象，你可以控制那些东西分配在栈中，那些分配在堆中，那些是可变的，那些是可变的，那些是不可变的，那些可以被清理，那些不可以等等。
下一期
这一期就到这里，下一期我们具体谈谈不同语言提供的抽象，后面我们谈谈那些代码是写给人看的，那些代码是写给编译器看的等等问题。