美文网首页程序员想法
数据拆分和基础行为

数据拆分和基础行为

作者: ulysses830 | 来源:发表于2019-05-23 18:19 被阅读30次

    全无设计的代码会将数据一股脑的扔到一个结构或类中,最终导致上帝类,超长的函数和超长的文件的出现。这样的实现是难以扩展,难以应对变化的。如果你的系统并不需要扩展,那怎么写都行。同时不需要扩展的系统一般意味着它基本没有价值。

分工带来能力提升

    分解系统,使之有明确的分工和结构,看起来使系统变得复杂,但这种复杂性是系统功能增强的必要的代价。人类社会和软件架构一样,复杂的社会结构(政治经济法律)和愈加细化分工带来生产力的大发展;拆分明晰/组合灵活/层次清楚的软件结构也能带来软件能力的大幅提升,这种能力就是软件更容易响应变化(或者说降低变动成本)。

    另一个角度看,如果一个系统完成的功能足够复杂,那它的本质复杂度就很高。这种本质复杂度要通过某种明确的结构展现出来,才有可能被有效管理。就好像人群,了解每个人的能力特长性格爱好等等信息,给每个人建档才能做到精细的组织管理。当然,你如果只是要这群人去挖白波运河(好比斯大林同志当年干的),那给每个人一个编号就够了。

拆分的依据

    系统拆分的拆分,首先应该选择一个明确的,预先定义的骨架结构。预先定义是指骨架设计的原则应该是讨论明确成文的,且骨架结构不同维度上元素列表应该在架构层面被定义出来。基于这个结构,我们才能对系统中的数据和行为做一致性的拆分。一致性指 data/behavior之间的一致性,以及开发者之间理解的一致性。

    假设已经设定系统有 <module>和<feature>两个维度作为骨架结构,并且已经给出了<M>和<M>的list,那么data拆分的最大粒度就应该是一个<m,f>的交点。

结构

WHY FEATURE

    Feature是一个用户视角的概念,用户可以单独使用或者购买某个feature。系统开发早期,我们往往希望按feature来拆分module,但最终一定会出现某些或者很多feature会波及多个module。Feature之间冲突了。一个现实是,系统经常被使用的feature可能只占整个feature集合的一小部分,二八原则在这里仍然成立。想想你怎么用微信或者vscode?feature集合一天天长大,带来的问题很多,缺乏设计的代码中,出现了大量重复和复杂的判断条件,内存开销急剧增加,系统性能逐渐恶化。性能恶化对于pc和手机app可能还不是个致命问题,你不太关心今天的游戏和软件能不能跑在五年前的机器上,但有些场景可能会是致命的问题,比如电信设备,比如机载车载系统。这些硬件的生命周期可能会在10年以上。

数据和基础行为的一致性

    feature可以被关掉,意味着它对应的数据和行为都可以被有条件的忽略。忽略的前提是,需要将它们拆分出来,并提供合适的访问形式。接口访问是基础,不要暴露实现。更好的是封装行为,数据通过行为展示其功用。 

    拆分后的data应该只为一个<m,f>点服务,这是data使用的条件,feature关闭的时候依赖它的data就不应该被访问。Module存在公用数据,也存在大量有条件的数据。一个基础行为(bbhv)访问若干data,这个bbhv可用的条件就是它涉及的所有data使用条件的并集。好的bbhv的拆分,它的使用条件应该足够简单,也尽量只为一个<m,f>点服务。一个bhv在不同feature中有不同的实现,这时就需要借助abstract behavior机制了。

总结

    总结一下,要管理复杂度提升扩展性就应该对系统进行拆分,拆分之前要先给出骨架结构。<M,F>是一种可行的结构(完整的结构模型另文描述)。依据此结构拆分的data和behavior使用条件应满足一致性。

   

相关文章

  • 数据拆分和基础行为

    全无设计的代码会将数据一股脑的扔到一个结构或类中,最终导致上帝类,超长的函数和超长的文件的出现。这样的实现是难...

  • 数据库拆分

    数据库拆分有垂直拆分和水平拆分两种 垂直拆分:把数据库中不同业务的数据拆分到不同的数据库中。 水平拆分:把同一个表...

  • 单细胞分析1(一文读懂单细胞测序分析流程)

    基础流程(cellranger)(细胞管理员) cellranger 数据拆分 cellranger mkfast...

  • 第36期:MySQL 原生水平拆表

    引言 上一章节我们探讨过数据垂直拆分,今天我们来继续讨论数据拆分:水平拆分! 水平拆分和垂直拆分有些不一样,垂直拆...

  • 使用Sharding-Jdbc进行数据拆分

    数据拆分的三种方案 当数据库的数据量变得特别大,影响到查询和更新效率的时候,我们就得考虑做数据拆分了。数据拆分一般...

  • 2019-04-08

    1.用户画像怎么做? 1.基础数据收集:收集用户在网站内外的静态数据和动态数据; 2.行为建模:基于用户的基础数据...

  • 1-数据基础能力建设-从数据仓库到数据分析

    完整的数据框架,从数据源到处理数据,使用数据: 拆分各个层面来看,先看最底层的 数据仓库(数仓) 1.数据基础平台...

  • 第七章 数据治理之数据规范

    系统架构体系: 数据域:对于业务过程和维度的抽象。如:交易域、用户域业务过程:不可拆分的行为事件。如:下单、支付时...

  • Python机器学习基础教程学习笔记(2)——KNN处理Iris

    Python机器学习基础教程学习笔记(2)——KNN处理Iris数据集 1 常规引用 2 加载数据集 3 拆分训练...

  • 边际分布曲线图的绘制

    思路和方法,学习重点是数据的筛选拆分、用多个表格的数据绘制分组图表,图层(Layer)的管理。 数据的筛选与拆分 ...

网友评论

    本文标题:数据拆分和基础行为

    本文链接:https://www.haomeiwen.com/subject/cknbzqtx.html