众所周知：
科技公司，尤其是硅谷的科技公司，
在员工薪资上都出手很大方。
而在这些硅谷科技公司中，
又有一个公司特别突出。
它，就是Netflix。
到底有多突出呢？来感受一下：
再来看看美国求职网站Salary Project Blog提供的数据：
Netflix软件工程师的平均基本薪资
$325K—$600K/年，中位数$380K/年
居然是Google、Facebook
程序员薪资的2倍多...
不过有的小伙伴可能会说：
Netflix工资高,还不是因为没有股票，没有奖金….
没错，Netflix和Google、Facebook等FLAG公司不一样，一般不给员工发股票。
但即便如此，同样是拥有2-5年工作经验的程序员，在Netflix的总年收入是340K，在Facebook是257K（暂且不考虑股票有可能带来长远价值），Netflix还是高了不少。
没错，Netflix也没有年终奖这一说。
不过这主要是因为，Netflix认为公司所有员工的能力和水准，都应该达到能拿最高一档奖金的水平，因此按照同行最高一档奖金的标准来发工资。
美国的网友们对于Netflix为程序员开出如此高的价码，并没有采取“酸”的态度，而是大写的respect：
“那些Netflix的程序员得到了他们应得的”
“Netflix观影这么流畅都是他们的功劳，
公司在他们身上花的每一分钱都值了”
....
那么，Netflix的程序员，到底创造了多少辉煌？
据统计，目前Netflix全球用户高达1.2亿人，美国本土订阅用户已经超过有线电视；高峰时段Netflix占据北美互联网1/3的带宽，市场占有量肉眼可见。
去年艾美奖，Netflix更是拿到112项，将获得108项提名的HBO赶下提名数量最多的宝座。
除了电视和移动端，Netflix还在冲击大荧幕：
Netflix自制电影《罗马》斩获4个金球奖，并提名了今年的奥斯卡金像奖！
同时，Netflix还加入美国电影协会，成为协会里唯一一家“硅谷血统”的技术公司。
看看协会其他成员公司： 迪士尼、华纳、环球、福斯、派拉蒙、索尼.....
你也许想问，Netflix的这些成就跟程序员有什么关系？
Netflix每一个“吸粉”产品，都离不开背后强大的技术支持
01 | 每一个高清流畅大片都由算法支撑
你有没有想过，为什么在Netflix上的观影感受那么好？为什么那么流畅？那么高清？
大多数流媒体公司都会根据用户的网络带宽来决定传输的画质，Netflix也是如此，每一个视频都要做多个不同画质、不同压缩程度的视频文件来支持。
但是问题来了，若使用同一种encoding技术，把《流浪地球》和《小猪佩奇》都压缩到同一带宽标准，效果是完全不同的。前者画质将遭遇严重损失。
于是Netflix的算法小组花了4年时间来重新coding这一切。
他们摒弃了统一粗暴的一刀切，而采用精细化处理，每一部片子都会用到不同的算法。Netflix的工程师愿意做到多精细？他们认为即使是同一个剧集，每一集都是不同的，每一集都应该有自己的encoding。
在他们的努力下，每位用户在观影时不仅节省了20%的带宽，还提高了画面的质量。
今天，你观看的每一部高清流畅的大片，都“淌着”这些工程师诚意的“血汗”！
02 | 算法+数据，颠覆内容生产方式！
Netflix的大数据和优化推荐算法，已经被津津乐道多年。随着订阅用户的持续增长，Netflix也掌握了越来越多的数据（包括观影内容、观影设备、观影时间等等），并以此为出发点进行个性推荐和自制原创内容。
在内容生产方面，Netflix用大数据拍“大数剧”，该公司挖掘了大量有关其订阅用户口味的数据，借此确定哪些节目可以投资；
在内容分发方面，Netflix利用推荐系统，帮助用户“无脑”挑片。
就连用户点进Netflix首页后看到的所有剧集预览图（thumbnail)，都是为他们量身定制的。
（同一部剧，每个用户看到的预览图都不一样）
针对每一个剧集，Netflix都会有一个数据库(Metadata)，收录视频的每一帧。然后数据库再根据Visual、Contextual、Compositional这三个准则对每一帧截图的质量进行排序。
最终通过A/B testing挑选出高质量的、最有可能被用户喜欢的一帧作为预览图。
在推荐系统几乎是所有IT公司获取利润的来源的今天，
会推荐算法的程序员，都是各公司争抢的人才。想学习工业界热门的推荐算法？
想动手做相关项目？
不妨了解一下来Offer【全栈开发项目实践课程】的王牌项目之一：基于AWS的Event推荐系统设计项目。
本项目将带你实际设计和开发一个Event推荐API和门票的搜索系统。同时，你将学会如何在AWS上部署一套可靠的后端服务与数据库，并学习如何对其进行测试和维护。
* 需要这类技术人才的公司：Google, Facebook, Amazon, Airbnb, Tripadvisor, Yelp等等。
更多科技求职咨询，请关注“来Offer”！
閱讀更多 來Offer 的文章
