为什么很多看起来不是很复杂的网站，比如 Facebook、淘宝，都需要大量顶尖高手来开发？

为什么很多看起来不是很复杂的网站，比如 Facebook、淘宝，都需要大量顶尖高手来开发？
先说你看到的页面上，最重要的几个：
【搜索商品】——这个功能，如果你有几千条商品，完全可以用select * from tableXX where title like %XX%这样的操作来搞定。但是——当你有10000000000（一百亿）条商品的时候，任何一个数据库都无法存放了，请问你怎么搜索？这里需要用到分布式的数据存储方案，另外这个搜索也不可能直接从数据库里来取数据，必然要用到搜索引擎（简单来说搜索引擎更快）。好，能搜出商品了，是否大功告成可以啵一个了呢？早着呢，谁家的商品出现在第一页？这里需要用到巨复杂的排序算法。要是再根据你的购买行为做一些个性化的推荐——这够一帮牛叉的算法工程师奋斗终生了。

【商品详情】——就是搜索完毕，看到你感兴趣的，点击查看商品的页面，这个页面有商品的属性、详细描述、评价、卖家信息等等，这个页面的每天展示次数在30亿以上，同样的道理，如果你做一个网站每天有10个人访问，你丝毫感觉不到服务器的压力，但是30亿，要解决的问题就多了去了。首先，这些请求不能直接压到数据库上，任何单机或分布式的数据库，承受30亿每天的压力，都将崩溃到完全没有幸福感，这种情况下要用到的技术就是大规模的分布式缓存，所有的卖家信息、评价信息、商品描述都是从缓存里面来取到的，甚至更加极致的一点“商品的浏览量”这个信息，每打开页面一次都要刷新，你猜能够从缓存里面来取吗？淘宝做到了，整个商品的详情都在缓存里面。

【商品图片】——一个商品有5个图片，商品描述里面有更多图片，你猜淘宝有多少张图片要存储？100亿以上。这么多图片要是在你的硬盘里面，你怎么去查找其中的一张？要是你的同学想拷贝你的图片，你需要他准备多少块硬盘？你需要配置多少大的带宽？你们的网卡是否能够承受？你需要多长时间拷贝给他？这样的规模，很不幸市面上已经没有任何商业的解决方案，最终我们必须自己来开发一套存储系统，如果你听说过google的GFS，我们跟他类似，叫TFS。顺便说一下，腾讯也有这样的一套，也叫TFS。

【广告系统】——淘宝上有很多广告，什么，你不知道？那说明我们的广告做的还不错，居然很多人不认为它是广告，卖家怎么出价去买淘宝的广告位？广告怎么展示？怎么查看广告效果？这又是一套算法精奇的系统。

【BOSS系统】——淘宝的工作人员怎么去管理这么庞大的一个系统，例如某时刻突然宣布某位作家的作品全部从淘宝消失，从数据库到搜索引擎到广告系统，里面的相关数据在几分钟内全部消失，这又需要一个牛叉的后台支撑系统。

【运维体系】——支持这么庞大的一个网站，你猜需要多少台服务器？几千台？那是零头。这么多服务器，上面部署什么操作系统，操作系统的内核能否优化？Java虚拟机能否优化？通信模块有没有榨取性能的空间？软件怎么部署上去？出了问题怎么回滚？你装过操作系统吧，优化过吧，被360坑过没，崩溃过没？这里面又有很多门道。

不再多写了，除了上面提到的这些，还有很多很多需要做的技术，当然并不是这些东西有多么高不可攀，任何复杂的庞大的东西都是从小到大做起来的，里面需要牛叉到不行的大犇，也需要充满好奇心的菜鸟，最后这一句，你当我是别有用心好了。
2012-10-30 102 条评论 感谢 分享 收藏 更多  赞同

反对，不会显示你的姓名
 219
 覃超，Facebook工程师. 前Googler. CMUer (…
219 票，来自 赵地震、庞随、张昕 更多 功能上面虽然不复杂,但是要完成的细节却很多.　比如news feed里面的推荐算法就很重要,要根据用户之前的记录和与好友的关系来生成.　另外就是根据用户的信息和行为,要做机器学习和数据挖掘,从而来挑出最匹配的广告.这也是比较花人力的事情.

另外Facebook的用户量奇大无比.　假设你只是做一个学校内部用的社交网站,　那肯定很简单.　但是如果考虑到上亿人在上面用.　你首先服务器就必须是一个分布式的机群,还要保证能抗住那么大的流量.　同时为了性能够好,不得不加上mem cache和网页分块加载等功能.　还有就是每天用户产生的总数据量(状态,留言,照片,分享等)有TB的数量级,你数据库是否撑住等等.

另外树大招风,你要一个很强的安全小组来保证网站在受攻击的时候能防御好,还有要防止垃圾信息和恶心广告或者程序的散播.　另外还有为了全球化而带来的多语言问题.

总之,一个网站做大了之后,很多问题就会产生,不是在校园里面做一个学期作业那么简单.
2012-06-19 7 条评论 感谢 分享 收藏 更多  赞同

反对，不会显示你的姓名
 73
 狼大人，奔着「把开放注册之后所有新用户拉黑」这…
73 票，来自 知乎用户、知乎用户、gebi 更多 某个历史上的大神曾经说过一句话：

要判断一个算法的好坏，只要给它足够的数据。

当用户、数据和系统规模上到一个程度之后，所有曾经可以忽视的问题都会变得必须用从来不可想象的精力和技术去解决。
73 票，来自 杨静、庞一、胡悦旻 更多 刚看了一篇很有意思的文章，讲的很清楚——《你刚才在淘宝上买了一件东西》
你发现快要过年了，于是想给你的女朋友买一件毛衣，你打开了http://www.taobao.com。这时你的浏览器首先查询DNS服务器，将http://www.taobao.com转换成ip地址。不过首先你会发现，你在不同的地区或者不同的网络（电信、联通、移动）的情况下，转换后的IP地址很可能是 不一样的，这首先涉及到负载均衡的第一步，通过DNS解析域名时将你的访问分配到不同的入口，同时尽可能保证你所访问的入口是所有入口中可能较快的一个 (这和后文的CDN不一样)。
　　你通过这个入口成功的访问了http://www.taobao.com的实际的入口IP地址。这时你产生了一个PV，即Page View，页面访问。每日每个网站的总PV量是形容一个网站规模的重要指标。淘宝网全网在平日（非促销期间）的PV大概是16-25亿之间。同时作为一个独立的用户，你这次访问淘宝网的所有页面，均算作一个UV（Unique Visitor用户访问）。最近臭名昭著的http://12306.cn的日PV量最高峰在10亿左右，而UV量却远小于淘宝网十余倍，这其中的原因我相信大家都会知道。
　　因为同一时刻访问http://www.taobao.com的人数过于巨大，所以即便是生成淘宝首页页面的服务器，也不可能仅有一台。仅用于生成http://www.taobao.com首页的服务器就可能有成百上千台，那么你的一次访问时生成页面给你看的任务便会被分配给其中一台服务器完成。这个过程要保证公正、公平、平均（暨这成百上千台服务器每台负担的用户数要差不多），这一很复杂的过程是由几个系统配合完成，其中最关键的便是LVS(Linux Virtual Server)，世界上最流行的负载均衡系统之一，正是由目前在淘宝网供职的章文嵩博士开发的。
　　经过一系列复杂的逻辑运算和数据处理，用于这次给你看的淘宝网首页的HTML内容便生成成功了。对web前端稍微有点常识的童鞋都应该知道，下一步浏览器会去加载页面中用到的css、js、图片、脚本和资源文件。但是可能相对较少的同学才会知道，你的浏览器在同一个域名下并发加载的资源数量是有限制的，例如IE6-7是两个，IE8是6个，Chrome各版本不大一样，一般是4-6个。我刚刚看了一下，我访问淘宝网首页需要加载126个资源，那么如此小的并发连接数自然会加载很久。所以前端开发人员往往会将上述这些资源文件分布在好多个域名下，变相的绕过浏览器的这个限制，同时也为下文的CDN工作做准备。
　　据不可靠消息，在双十一当天高峰，淘宝的访问流量最巅峰达到871GB/S。这个数字意味着需要178万个4Mb带宽的家庭宽带才能负担的起，也完全有能力拖垮一个中小城市的全部互联网带宽。那么显然，这些访问流量不可能集中在一起。并且大家都知道，不同地区不同网络（电信、联通等）之间互访会非常缓慢，但是你却发现很少发现淘宝网访问缓慢。这便是CDN(Content Delivery Network)，即内容分发网络的作用。淘宝在全国各地建立了数十上百个CDN节点，利用一些手段保证你访问的（这里主要指js、css、图片等）地方是离你最近的CDN节点，这样便保证了大流量分散在各地访问的加速节点上。
　　这便出现了一个问题，那就是假若一个卖家发布了一个新的宝贝，上传了几张新的宝贝图片，那么淘宝网如何保证全国各地的CDN节点中都会同步的存在这几张图 片供用户使用呢？这里边就涉及到了大量的内容分发与同步的相关技术。淘宝开发了分布式文件系统TFS(Taobao File System)来处理这类问题。
　　好了，这时你终于加载完了淘宝首页，那么你习惯性的在首页搜索框中输入了'毛衣'二字并敲回车，这时你又产生了一个PV，然后，淘宝网的主搜索系统便开始为你服务了。它首先对你输入的内容基于一个分词库进行分词操作。众所周知，英文是以词为单位的，词和词之间是靠空格隔开，而中文是以字为单位，句子中所有的字连起来才能描述一个意思。例如，英文句子I am a student，用中文则为：“我是一个学生”。计算机可以很简单通过空格知道student是一个单词，但是不能很容易明白“学”、“生”两个字合起来才表示一个词。把中文的汉字序列切分成有意义的词，就是中文分词，有些人也称为切词。我是一个学生，分词的结果是：我 是 一个 学生。
　　进行分词之后，还需要根据你输入的搜索词进行你的购物意图分析。用户进行搜索时常常有如下几类意图：（1）浏览型：没有明确的购物对象和意图，边看边买，用户比较随意和感性。Query例如：”2010年10大香水排行”，”2010年流行毛衣”， “zippo有多少种类？”；（2）查询型：有一定的购物意图，体现在对属性的要求上。Query例如：”适合老人用的手机”，”500元 手表”；（3）对比型：已经缩小了购物意图，具体到了某几个产品。Query例如：”诺基亚E71 E63″，”akg k450 px200″；（4）确定型：已经做了基本决定，重点考察某个对象。Query例如：”诺基亚N97″，”IBM T60″。通过对你的购物意图的分析，主搜索会呈现出完全不同的结果来。
　　之后的数个步骤后，主搜索系统便根据上述以及更多复杂的条件列出了搜索结果，这一切是由一千多台搜索服务器完成。然后你开始逐一点击浏览搜索出的宝贝。你开始查看宝贝详情页面。经常网购的亲们会发现，当你买过了一个宝贝之后，即便是商家多次修改了宝贝详情页，你仍然能够通过‘已买到的宝贝’查看当时的快照。这是为了防止商家对在商品详情中承诺过的东西赖账不认。那么显然，对于每年数十上百亿比交易的商品详情快照进行保存和快速调用不是一个简单的事情。这 其中又涉及到数套系统的共同协作，其中较为重要的是Tair，淘宝自行研发的分布式KV存储方案。
　　然后无论你是否真正进行了交易，你的这些访问行为便忠实的被系统记录下来，用于后续的业务逻辑和数据分析。这些记录中访问日志记录便是最重要的记录之一， 但是前边我们得知，这些访问是分布在各个地区很多不同的服务器上的，并且由于用户众多，这些日志记录都非常庞大，达到TB级别非常正常。那么为了快速及时 传输同步这些日志数据，淘宝研发了TimeTunnel，用于进行实时的数据传输，交给后端系统进行计算报表等操作。
　　你的浏览数据、交易数据以及其它很多很多的数据记录均会被保留下来。使得淘宝存储的历史数据轻而易举的便达到了十数甚至更多个 PB(1PB=1024TB=1048576GB)。如此巨大的数据量经过淘宝系统1:120的极限压缩存储在淘宝的数据仓库中。并且通过一个叫做云梯的，由2000多台服务器组成的超大规模数据系统不断的进行分析和挖掘。
　　从这些数据中淘宝能够知道小到你是谁，你喜欢什么，你的孩子几岁了，你是否在谈恋爱，喜欢玩魔兽世界的人喜欢什么样的饮料等，大到各行各业的零售情况、各类商品的兴衰消亡等等海量的信息。
　　说了这么多，其实也只是叙述了淘宝上正在运行的成千上万个系统中的寥寥几个。即便是你仅仅访问一次淘宝的首页，所涉及到的技术和系统规模都是你完全无法想 象的，是淘宝2000多名顶级的工程师们的心血结晶，其中甚至包括长江学者、国家科学技术最高奖得主等众多大牛。同样，百度、腾讯等的业务系统也绝不比淘宝简单。你需要知道的是，你每天使用的互联网产品，看似简单易用，背后却凝聚着难以想象的智慧与劳动。
56 票，来自 Sui Yan、胡惠娜、张晓锋 更多 如果要把一件简单的事情搞复杂，你需要的是市场总监
如果要把一件简单的事情搞简单，你需要的是产品经理
如果要把一件复杂的事情搞复杂，你需要的是一堆码农
如果要把一件复杂的事情搞简单，你需要的是顶尖高手

明白了吧，顶尖高手的意义就在于让你觉得这个东西看起来很简单。
11 票，来自 侯锐、知乎用户、Pigadd 更多 来来来 看看这个 刚看到的
当用户点击“举报”后，Facebook在后台会做哪些事情
 知乎用户，一檐停风聚天下闲士 半阁藏卷窃古今名家
17 票，来自 张航、李小五、知乎用户 更多 首先支持和赞成@子柳 和@覃超 的答案，他们都从实际的案例上有力得说明了问题的难度所在，我只是锦上添花，展开来说一下。

不单局限于网站，对于所有的软件来说，从软件工程学的角度来说，其需求大体可以分为功能性需求（functional Requirements）和非功能性需求（nonfunctional Requirements）两个大的部分。

功能性需求，一般是我们显性易见的，就是一般实现了什么功能，提供了什么服务，大体我认为问题中提到，或者我们日常所说的：“看起来复杂不复杂”，基本上都会是针对功能性需求而言的。如果拿google的搜索服务举例来说，那就是：
提供一个输入框， 提供一个按钮，用户在输入框里输入关键字，按了按钮以后，可以搜索出相应结果。
功能性需求，会因为不同的网站，不同的软件，不同的业务和使用目的，大相径庭，五花八门，不一而论。

非功能性需求，以下应用维基百科的定义（虽然有些晦涩和绕口，但是我认为是比较精到和准确的）

在系统工程及需求工程中，非功能性需求（Non-functional requirement）是指依一些条件判断系统运作情形或其特性，而不是针对系统特定行为的需求。和非功能性需求相对的是功能需求，后者会定义系统特定的行为或功能。非功能性需求也可以视为为了满足客户业务需求而需要符合，但又不在功能需求以外的特性。
一般会在系统设计（英语：Systems design）中详细列出实现功能需求的计划，而会在系统架构（英语：Systems architecture）中详细列出实现非功能性需求的计划。一般而言，功能需求会定义系统的行为，而非功能性需求会定义系统的特性。
非功能性需求一般会称为系统的“品质”，有时也会称为“限制”、“品质属性”、“品质目标”、“品质属性”、“品质服务需求”或“非行为性的需求”。有许多非功能性需求的英文都是以“ilitiy”结尾，例如稳定性（stability）及可移植性（portability），因此非功能性需求有时也称为“ilities”。
非功能性需求可以分为以下的二类：
运行品质（Execution qualities），可以在系统运作时观察到的品质，例如保安性及易用性等。
发展品质（Evolution qualities），和软件系统结构及开发过程有关的品质，例如软件可测试性（英语：software testability）、可维护性、可扩展性、可伸缩性（scalability）等
非功能性需求一般是隐性的，容易被菜鸟程序员，设计师们忽略。非功能性需求不同于功能性需求，它在不同的网站，软件上，拥有一定的共性，就例如@子柳 提到的海量文件存储的问题上，淘宝，腾讯，google都遇到了一样的问题，研发了类似的解决方案（TFS,TFS和GFS）。
非功能性需求的分类方法较多，并没有业界通行和一致的标准，但是大多数殊途同归，名称/叫法以及分类方法上可能略有差异，但是其含义和指向一般是趋向一致的，我简单介绍一下我一般较多采用的分类：

1.性能/容量：性能和容量比较利于理解，包括像需要支持的用户的数量啊（尤其是峰值的并发用户数量），用户能够接受的响应时间啊，数据规模啊（例如@子柳 提到的百万级的惊人数据规模，上亿的文件存储啦等等。这里小小纠正一下@子柳 的一个观点，百万级的数据支撑，还是有一些商业数据库产品可以支持的，TPC-C/TPC-D以及新一代的业界性能测试标准中还有千万级数据规模的测试项目，也有数据库厂商报名参加的，当然，对于淘宝这样的业务模式和实际情况/要求来说，性价比和实用性可能确实就比较低了）
2.可靠性/可用性/可复原性： 可靠性之与在规定的一段时间和条件下软件维持其功能服务以及性能水平的能力有关的一组属性（可用性是另外一种说法）。例如说我们要求系统7x24小时运行，全年持续运行故障停运时间累计不能超过10小时等等，都属于这方面的要求。 可复原性与在是发生错误和故障后重建其性能水平并恢复直接受影响数据的能力。例如支付宝需要保证如果在交易提交失败以后，需要保证回滚，不能这头银行的钱没有付成功，那头却显示付款成功或者反之这头银行扣款了，那头在改变交易状态的时候缺因为冗塞或者其他原因导致交易还是未付款状态。
3.可维护性/可管理性：包括系统在无人工干预条件下的稳定性，自排错能力，可测试性都属于这个范畴。故障的可排查能力，系统的修正，升级，备份，恢复机制以及方便与否，都属于这个范畴。这通常会极大决定系统的运行维护成本及维护难度。
4.安全：包括传输加密，存储加密，可破解性，以及各种未被授权的用户行为如何防范和控制，都是安全范畴，这里的安全不单针对外部普通用户，也针对内部不同级别的权限用户的的控制。小到如何防范和处理用户在输入框里输入特殊字符来获得设计者未曾预料的结果，大到防范外部黑客和内部内鬼。安全很多时候不单依赖技术实现，同时非常依赖相应的制度和审计。
5.易用性：好吧，这个话题现在最热了，这可能是非功能性需求中现在唯一被高亮出来，被各种人等都关注，都拿出来说事的一个领域了。易用性设计现在已经上升到了一个新的高度，叫做人机体验，UE设计，虽然现在UE到底是划分在功能性需求还是非功能性需求上，尚有一些争议，但是主流观点（包括我自己）都认为，这是非功能性需求的一个典型部分。
6.数据一致性：包括数据的编码和语言，冗余数据的一致性要求（含时间要求）等等。例如为了性能的考虑，数据库整体设计未采用巴斯克范式，而采用了第二或者第三范式的要求来设计，一些信息（例如用户注册信息），可能同时存在于系统的多个地方（例如多个表中），当发生注册信息变更时，如何保证多处地方记录的信息都被修改，以及这个全部修改的时限要求是多少等等都是这个范畴的内容。
7.系统/环境 条件及限制：现有的软硬件条件，平台的条件，网络的条件都属于这个范畴。典型的例如很多移动互联网产品，必须要考虑移动网络的带宽条件，终端运算性能和能力，以及其移动网络稳定性等等。
事实上，从我的经验来看，一般来说，很多软件项目及产品，其在非功能性需求上的成本，难度和工作量，是要超过功能性需求的。在特定的软件领域，例如网站（尤其是淘宝，facebook这样海量用户规模的网站），金融（银行证券），电信领域，其非功能性需求实现的重要性，工作量，技术难度要远远远远大于功能性需求的实现。

而且，功能性的需求的实现，其实在大多数情况下，更依赖于业务的高手（或者好的产品经理）而不是技术的高手，而非功能性需求的实现，恰恰是挑战技术高手的重要课题。

一个最典型的极限非功能性需求的例子就是电信的计费系统，其实基本功能很简单，获取通话时长，按照费率公式算个钱出来，但是放到海量的用户，实时的计费要求中来看，这是一个极具技术挑战的活。

还有一个经典的案例是，中国某地方性银行（注意仅仅是地方性的银行），想要引入一个柜面服务的系统，找到了新家坡的一个厂商，他们在东南亚银行业有很多案例，而且功能设计非常完善合理和先进。但是这家地方性银行引入这个系统以后，2周之内发行了几十万张信用卡，这系统就顶不住崩溃了。这就是典型的功能性需求实现完美，但是非功能性缺陷的例子。

从我的经验来看，一般来说，非功能性需求中，性能/容量，以及安全的要求，一般是技术挑战最多，内涵最丰富，成本最高，最值得关注的领域，当然，现在易用性（UE）也是一个极度收到重视的领域。

有志于架构师取向的IT技术人员，非功需求实现的领域，是一个必须关注，必须熟悉的领域。

而本问题最大的根源在于，只看到了网站功能性需求的部分，而没有注意到非功的部分，对于非专业的IT技术人员来说，这很正常，但是对于IT技术人员来说，是需要认真关注的必修课。

最后，举一个可能不太恰当的例子来说明一下：
100米的路，从这头到那头，看起来是件很简单的事情。
但是要求10秒之内要从这头跑到那头，这就需要田径高手了。
如果还要求，10秒之内跑完，要连着反复跑好几趟，路上可能有积水湿滑障碍物，那我觉得就只有去找博尔特刘翔之类的顶尖高手去聊聊了
9 票，来自 李凯、alswl、知乎用户 更多 其实很简单，当你这个应用的使用者〉一个数量后，数量级带来的问题本身就是个无法逾越的高山。
18 票，来自 linkinmars、曹雄峰、張旭 更多 很多东西并不是表面看到的那样简单

身为前端攻城师，就这方面说一下这样一个Facebook看起来“很简单的网站”需要顶尖高手来开发和维护

写前端程序要考虑很多，如下：可维护性，JS的执行高效性，JS文件的大小，用户体验等等

1. 可维护性
并不是所有人写的程序都具有可维护性，清晰易懂的，这个区别在刚接触编程和高手直接的差异体现的特别明显
2. JS的执行高效性
一个网页加载JS并执行，浏览器执行并渲染了半天还在渲染，相信很多用户都不想看到吧？非常上海用户体验。
如何提升JS的执行速度呢？相信我，初学者大部分都是不知道的（排除写过浏览器内核的同学），了解浏览器如何执行JS，如何渲染DOM能帮助开发者提升执行速度
3. JS文件的大小
JS文件或者HTML或者CSS文件过大，有很多缺点
第一，受网速影响，文件大，加载速度慢
第二，Facebook的用户量非常巨大，每个人访问就算多加载1KB（即使有cache，第一次总需要加载吧），可想而知，这个流量非常巨大，流量都是要钱的啊
4. 用户体验
略之

高手往往比非高手要注意的东西要多很多，这点相信大家不会质疑吧，只是就前端方面发表一些建议
20 票，来自 田瑞利、沈奕聪、Renfei Song 更多 楼上的诸位都在讨论大数据的问题，我来说一下大数据的副产品，数据中心。
当你有一百亿件商品要检索的时候，一台计算的计算能力肯定是不够用的。于是Facebook，淘宝就需要建一个大车间，里面装满了各种性能强劲的电脑来做计算。这些电脑能耗是多少？Google有3亿瓦，Facebook 6000万瓦。其实这些能源有很多都在CPU空转的时候被浪费了。假如有一种方法能让数据中心的能耗降低10％，你愿意花多少钱配多少人员去研究这个方法？

问题规模大到一定级别，任何微小的改进都能带来巨大的回报。但是这样的改进往往不是那么容易做到，所以这样“简单”的网站需要大量高手来开发。
4 票，来自 子不语-orz、卢奇、饭牛 更多 身为做业务系统的工程师，我表示其实你看到的和使用的只是Facebook、淘宝这些网站的主站部分。你想过淘宝每天那么多货物，商家怎么上的货吗？所以必须有一套给商家用的系统。你想过 Facebook、淘宝上的广告是怎么来的吗？所以必须有一套管理广告投放的系统。
身为互联网公司，公司内部其实有很多信息系统是自己做的，比如工资、考勤、人事等等。当然这些可以买第三方的。
最后现在是移动互联网时代，Facebook、淘宝也有很多移动客户端，ios、android，另外提供接口的后台服务器端。
8 票，来自 刘纪成、李勇、bandon 更多 这是否验证了一句话，让用户察觉不到技术的存在（最牛的就是让技术人员察觉不到技术的存在）。

这些顶尖的人他们不是在为某个程序，某个网站服务，而是在为用户服务。
这部份顶尖的人更多的是在研究行为，而非写代码。

如果单纯的理一堆的编码的话，那真的不需要多少人。
5 票，来自 程诚、吴宇平、魏东 更多 这些网站在初期也根本不需要多少人的。数据量和交易量大到一定程度，复杂度会急剧上升。
举个例子：
要你管理一个班级60个人，那你可能做个纸质的花名册就差不多了，所有人名和个人资料，个把月都能背下来了，一个人一个本子一支笔搞定。
要你管理一个年级400-1000人，你至少得有个电子表格和打印机，手写一份年级名单都已经不科学了。
要你管理一个学校几千上万人，没有个增删改查系统，和一个方便的统计报表，能要了你的命，可能还得请助手。
要你管理一个地区的人口，那首先得建立一个管理队伍，这已经不是一两个人能做的了的了，得成组织，而这个组织本身也需要管理。。
3 票，来自 顾磊磊、胡威、春雷 从实际工作中数据看吧， 解决一个性能问题时间大约等于平均值的3～5倍。到达一个临界值后每提高1%都很困难，就那拿我们部门半开玩笑的说法，谁有办法挖5个点出来就能直接评定为N级专家了。

规模下的性能问题，与随机问题，介个不是一般层次的攻城狮能搞定的，所以对牛人的需求很大。
6 票，来自 王汀、柏青、灰角 更多 到11月4日为止，已经有37个答案和22个折叠，这是一个充分好问题。