关于软件的核心,莫被算法和使用技术完全忽悠了(转)

2024-02-18 03:08

本文主要是介绍关于软件的核心,莫被算法和使用技术完全忽悠了(转),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

关于软件的核心,莫被算法和技术完全忽悠了 
很多人开发多年,对技术一腔热忱,甚至一些企业,居心叵测的企业,打着“招”最聪明的程序员进行“欺骗”和“误导”,在网络上和乃至社会形成了一种风气,这种风气已经严重影响到软件的开发。 

计算机自诞生以来,经历了语言上的成熟,我们逐渐把眼光转向了解决实际问题的问题空间,特别是面向对象的语言诞生以来,因为对象的粒度十分恰当好处,一方面我们很容易把一些语言上的技术添加到面向对象,例如多态,继承等等,另外一方面,也极大地方便我们模块化问题模型(封装和抽象我们的问题),我们越来越认识到,软件的核心是模型,特别是复杂的问题域(Problem Domain)更需要精炼的模型。 

在现实的世界,我们知道,对数据的管理能力尤为重要,而算法并非是其中很重要的因素,懂得一些基础算法是对编程有帮助,但是往往非常有限,为了达到软件高可靠性,可重用,易于扩展,易于维护,我们发现,往往不是运算的逻辑实现比较复杂,而是运算逻辑要封装在哪里,放在哪里成了重要的问题。同样的逻辑,放在不同的逻辑水平层次和不同的封装实体(Software Entity)给扩展性,维护性,可测试性产生了巨大的影响,如果做的不好,一起的结果就是带来软件稳定性差,软件成本急剧增加,甚至导致项目失败,公司破产。这就需要我们合理的切分我们的问题,垂直和水平上(参见SoC和AOP),最总归纳出良好的模型,以解决我们所遇见的问题。 

关于软件使用到得技术,非常重要,但是不是全部,我们经常看见很多人什么软件都是用过,Hibernate,Spring,Struts,但是往往发现会用和懂技术完全是两回事情,因为他们只知道怎么使用,而不知道为什么使用,导致使用这些技术软件并未给他们带来太多变化。 

记得前段时间,一位朋友让我给他们团队的软件做顾问,我看到,他们使用了Spring ORM,每个service方法的代码却都大致如下: 

Java代码 
  1. public Result serviceName(…){  
  2.     SessionFactory sf = new Configuration().configure().buildSessionFactory();  
  3.         //…  
  4. }  


使用Spring ORM却没有带来一点好处,而且,每调用一次service方法,都会buildSessionFactory(),创建一个新的连接,而他们对Spring ORM的例子却头头是道。这种事严重的只会使用技术框架,却不懂得技术的一个经典例子。 

不管是你在开发一款分布式缓存的软件,还是开发一个购物网站,只要你想开发出易于维护,易于扩展,可靠性高的软件,那你就得好好为你的问题域建模。 

使用面向对象的语言来开发面向对象的系统,十分不容易,GoF汇总了23个面向对象常用的模式来避免重复的解决类似的问题,但最终还是希望大家自己会使用OO的眼光分析问题,建立模型,因为你遇见的问题和23个经典的问题总是类似有出入的,完全的使用而不加以变化往往引起不好的开发,但如果你学会使用OO眼光抽象和归纳问题,建立合理的模型,那时候,模式还重要吗? 

对于模式的学习,请勿流于表面,也请勿认为模式有多神奇,有的人一直使用工厂模式,但是却说不清楚为什么要使用,结果在不应该的场合使用,影响了系统。模式就是对一个常见的问题提出的一个通用的解决方案,常见的问题不至于23个。 

别沉浸在百花齐放的使用技术和简单的基础算法中,软件远远不至于如此! 

转自:iteye

这篇关于关于软件的核心,莫被算法和使用技术完全忽悠了(转)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/719850

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖