为什么部分外行人看起来不太复杂的网站，比如Facebook，需要大量顶尖高手来开发？

为什么部分外行人看起来不太复杂的网站，比如Facebook，需要大量顶尖高手来开发？

因为你看到的，只是你看到的呀！
你没有从上帝的视角去看一下，在你点击某个按钮的一瞬间，全世界几千万人可能也在点同一个按钮！
Scale，scale！
Scale带来大量的直接开销，而这些直接的开销会带来大量的第二级的间接的开销，第二级的会带来第三级的……
比如：
你开始就一台服务器，做个小网站，会java或者python或者世界最XX语言就行，花了一天。
然后幸福的烦恼来了，流量上去了，你开始认真了，你就得想着，准备个热备份吧，那就有同步问题了，你那点Java知识就没啥用了，得找懂得数据库和服务器系统的人了。
然后流量继续增大，你发现服务器压力太大，得进行分布式了，搞个最简单的Master Slave模式，slave分流点读请求吧。这时候一般的服务器管理人员也不行了，得找一两个有分布式系统经验的人了。
然后流量继续增大，你发现简单的Master Slave也搞不定了，你需要更复杂的服务器集群，这时候你发现光管理这些服务的人就一大坨了，他们自己就能成立个部门叫Infrastructure。
这时你发现，你这么多机器，代码总不能让程序员自己一台台的登录上去部署吧，于是又得找专门的人，成立一个组，叫Deployment。
然后你发现，这么多机器，现在除了和外面的用户通信，自己之间也要互相通信，也要做AAA（Authentication，Authorization，Auditing），也要做很多和外面用户请求没啥关系的脏活累活，于是你把原来做网站的人分了两组，一组叫后端，一组叫前端。
然后你发现你的程序员太多了，需要好多内部开发的工具，比如搜代码的，比如搜办公室的，比如内部通讯的，于是你又得雇一大堆人做Internal Tools。
由于你完美的管理，网站流量继续增大，你发现一个服务器集群都不够，你得开专门的数据中心了，于是你又得买地，又得雇一帮运行维护人员维护数据中心。
然后你发现你的员工实在太多了，人的管理成了新的头痛，于是你需要专门的HR部门，财务部门，法务部门，于是你的员工变的更多了……
然后你发现你的员工实在太多太多了，你得雇一大批为这些干正事的员工服务的人员，比如清洁工，厨师，保安，shuttle司机，前台招待，托儿所老师……
……
……
最后你发现你做了一个按钮，似乎只用到了一个前端，
然后为了能让这个按钮同时被几千万人用，后面需要2个数据中心，2000台机器，200个后端，50个QA，100个Infra，100个Deployment，200个运维 ……
然后为了能让这些人正常上班，后面需要100个Internal tools，100个保安，50个HR，20个财务，20个法务，20个shuttle司机，50个厨师，100个清洁工，20个前台招待，10个托儿所老师 ……

说了这么多，
最后你，作为一个用户，所看到的，当然只有那个“看起来不太复杂”的按钮了……

我觉得吧，前面高票答案说的很好了，不过我要补充一下，除了"简单的功能随着用户规模增长工作量几何级数增加"之外，还有两个点：

• 其实这些网站说不上"不太复杂"，尤其是Facebook真的很复杂，题主觉得简单是因为题主只会用自己熟悉的一小部分功能，每个用户都是如此，但是网站这种东西其实一个小小的链接点进去就是个新世界，再小众的功能，它的工作量也不会变小。
  
• 公司雇佣的员工，大部分都是在做未来的尝试，而不是改版或者维护，大量的业务死在上线前或者小规模试运营阶段。
  

PS. 这玩意怎么看都不像是"不复杂"吧？

转载下
@陈萌萌 之前的答案：

我有 20 个整数，一把全装进内存，调用个 sort，完事了。
我有 2GB 那么多的整数，一把全装进内存……恩恩，如果机器不那么破，勉强也完事吧。
我有 20GB 那么多的整数，对，往你家 PC 里多插几条 8GB 的内存条试试？
那我现在有 200GB 那么多的整数……看你丫的怎么装内存，哈哈哈哈哈哈！
吓尿了吧！？写外排序？你写啊！It's ONLY the beginning！很多人可是连内存里的快排都写不出的哦~

好，现在有 200GB 的整数，排个序吧……呃，给你 10 台机器吧。

• 这 200GB 的整数，如何分配？
  
• 这 10 台机器之间如何通讯？没错，我不止坑了你去写外排序，我还得坑你去玩网络编程。
  
• 假设每一台机器上的数据都已经完全排好，如何多快好省地把各自排序好的结果 merge 在一起？
  
• 如何设计有效的 merge 逻辑减少 10 台机器之间的网络IO。
  
• 别以为 10 台机器不需要维护，万一在排序的时候其中一台机器挂了，怎么办？具体包括但不限于：他在挂之前有响应其他机器发给他的 request 吗？他在挂之前自身的任务完成了多少了？假设这台机器在挂的时候正在跟隔壁的机器互相传输数据肿么办？
  
• 谁去监听这 10 台机器的健康？或者是其他机器怎么知道某台机器挂了？如果是连接超时，怎么知道是网络阻塞还是目标机真的挂了？
  
• 如果某台机器真的挂了无法恢复，又或者由于隔壁的黄大牛要打魔兽了劫走了一台（集群升级，集群中的节点被临时撤走的事常有哦），如何把那台机器上那 20GB 的数据分给其余的 9 台？
  

如果数据不是 200GB，而是 2TB，2PB……

排序简单么？简单。
但是给很多数字排序就不简单了。

就拿淘宝来说说，当作给新人一些科普。
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。

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.