大神，能问一个题外话吗，关于自己人生规划，水平和眼界所限，想不通，
都说大神级见识很广也多，能给我这个35岁只维护过四五十台linux服务器的运维指条路吗？
现在很迷茫和压力大~~
能力如下：
一.网络：CCNA水平，自过了CCNP忘记了，当过2年网管
二、维护过asp.net电商网站，3年，只有简单的，兼职网管
三、linux运维，只在一家电商做了3年多，会
1.web：nginx、tomcat配置（少用）+php:nignx的rewirte和反代
2.数据库：mysql、mongoDB、redis 配置及主从，不会mycat、Cetus之类
3.反代：会nginx、haproxy简单配置
4.存储：NFS、fastDFS、hadoop简单看了一下
5.版本控制：只会git及搭建gitlab+jenkins（简单的CI/CD）
6.监控：简单配置zabbix+shell脚本
7.虚拟化：kvm安装及配置、docker(k8s还没学)
8.云计算：openstack只会安装做过实验
9.测试：只会ab工具
10.日志：ELK安装配置，还没结合java（在学中）
11.大数据：没使用过（不会flume、storm、spark、flink、kafka）
12.脚本：主要是shell为主、会点python

四、编程能力：自学，没项目经验
1.前端：
  1）HTML（HTML5不怎看）
  2）css（laiui、学了一下vue）
  3) js、jquery框架、ES6简单看了一下
2.PHP：语法简单的thinkphp5框架
3.java：考虑要维护java web在学
    只看了java、jsp及servet、spring、springMVC、spring Boot（这个为主）
4.python：考虑运维用到
    python：会简单的脚本
    django：只会官网简单的
    
问题是：现在已35岁了，失业，怎办？年龄摆在那里，能力好像不强，学历大专。
能给个建议吗？非常感谢~~

王争老师，我把代码输入运行，并把过程打印出来，发现代码运行的过程跟您说的A*算法的三点区别中的第三点不一样，不会在遍历到目标顶点时退出while循环。您看是不是27行的break只是退出了for循环，无法退出while循环，是不是需要增加以下的修改：
                if (nextVertex.id == t) {
                    queue.clear();
                    break;
                }

仔细阅读了下代码，感觉代码中存在错误点，每次应该是取最小的 min(e.w + e.f)，但是在下面的代码中只看到了计算出了估值量f，并没有看到对其进行比较大小，不知道争哥觉得对不对？


if (minVertex.dist + e.w < nextVertex.dist) { // 更新 next 的 dist,f
        nextVertex.dist = minVertex.dist + e.w;
        nextVertex.f = nextVertex.dist+hManhattan(nextVertex, vertexes[t]);
        predecessor[nextVertex.id] = minVertex.id;
        
        if (inqueue[nextVertex.id] == true) {
          queue.update(nextVertex);
        } else {
          queue.add(nextVertex);
          inqueue[nextVertex.id] = true;
        }
      }

算法解析
    * 这是一个非常典型的搜索问题。
    * 人物的起点就是他当下所在的位置，终点就是鼠标点击的位置。
    * 我们需要在地图中，找一条从起点到终点的路径。
    * 这条路径要绕过地图中所有障碍物，并且看起来要是一种非常聪明的走法。所谓“聪明”，笼统地解释就是，走的路不能太绕。理论上讲，最短路径显然是最聪明的走法，是这个问题的最优解。

实际上，像出行路线规划、游戏寻路，这些真实软件开发中的问题，一般情况下都不需要非得求最优解（也就是最短路径）。
在权衡路线规划质量和执行效率的情况下，我们只需要寻求一个次优解就足够了。
如何快速找出一条接近于最短路线的次优路线呢？
A* 算法：A* 算法是对 Dijkstra 算法的优化和改造。最优出行路线规划问题中，如果图非常大，Dijkstra 最短路径算法的执行耗时会很多
Dijkstra 算法有点儿类似 BFS 算法，它每次找到跟起点最近的顶点，往外扩展。这种往外扩展的思路，其实有些盲目。

可以避免“跑偏”吗？
当遍历到某个顶点时，从起点到这个顶点的路径长度是确定的，记作 g(i)（i 表示顶点编号）
    * 虽然从这个顶点到终点的路径长度是未知的，但可以用其他估计值来代替。
    * 可以通过这个顶点跟终点之间的直线距离(欧几里得距离)，近似估算这个顶点跟终点的路径长度（注意：路径长度跟直线距离是两个概念）
    * 把这个距离记作 h(i)（i 表示这个顶点的编号），专业的叫法是启发函数（heuristic function）。
    * 因为欧几里得距离的计算公式，会涉及比较耗时的开根号计算，所以一般通过另外一个更加简单的距离计算公式，那就是曼哈顿距离（Manhattan distance）。
    * 曼哈顿距离是两点之间横纵坐标的距离之和。计算的过程只涉及加减法、符号位反转，所以比欧几里得距离更加高效。

原来只是单纯地通过顶点与起点之间的路径长度 g(i)，来判断谁先出队列，现在有了顶点到终点的路径长度估计值，通过两者之和 f(i)=g(i)+h(i)，来判断哪个顶点该最先出队列。
综合两部分，就能有效避免“跑偏”。f(i) 的专业叫法是估价函数（evaluation function）

A* 算法就是对 Dijkstra 算法的简单改造
在 A* 算法的代码实现中，顶点 Vertex 类的定义，跟 Dijkstra 算法中的定义，稍微有点儿区别，多了 x，y 坐标，以及刚刚提到的 f(i) 值。图 Graph 类的定义跟 Dijkstra 算法中的定义一样。

A* 算法的代码主要有 3 点区别：

 * 优先级队列构建的方式不同，
            A* 算法是根据 f 值（ f(i)=g(i)+h(i)）来构建优先级队列，
            Dijkstra 算法是根据 dist 值（g(i)）来构建优先级队列；

  * A* 算法在更新顶点 dist 值的时候，会同步更新 f 值；
  * 循环结束的条件也不一样。Dijkstra 算法是在终点出队列的时候才结束，A* 算法是一旦遍历到终点就结束。


 A* 这是为什么不能找到最短路线呢？
要找出起点 s 到终点 t 的最短路径，最简单的方法是，通过回溯穷举所有从 s 到达 t 的不同路径，然后对比找出最短的那个。但回溯算法的执行效率非常低，是指数级的。

Dijkstra 算法在此基础之上，利用动态规划的思想，对回溯搜索进行了剪枝，只保留起点到某个顶点的最短路径，继续往外扩展搜索。动态规划相较于回溯搜索，只是换了一个实现思路，但它实际上也考察到了所有从起点到终点的路线，所以才能得到最优解。

    * A* 算法之所以不能像 Dijkstra 算法那样，找到最短路径，主要原因是两者的 while 循环结束条件不一样
    * Dijkstra 算法是在终点出队列的时候才结束，A* 算法是一旦遍历到终点就结束
    * 对于 Dijkstra 算法，当终点出队列时，终点的 dist 值是优先级队列中所有顶点的最小值，即便再运行下去，终点的 dist 值也不会再被更新了。
    * 对于 A* 算法，一旦遍历到终点，我们就结束 while 循环，这个时候，终点的 dist 值未必是最小值。
    * A* 算法利用贪心算法的思路，每次都找 f 值最小的顶点出队列，一旦搜索到终点就不在继续考察其他顶点和路线了。

所以，它并没有考察所有的路线，也就不可能找出最短路径了。