REST API的好的、坏的及难堪的实践

本文探讨了REST API设计中的最佳实践与常见误区,包括如何使API模型与数据消费行为相匹配、提供语义丰富的错误消息、确保文档的完备性及正确处理安全性和流量控制等问题。

InfoQ上REST相关的一番有趣讨论之后,George Reese最近发表了一篇颇有意思的博文——REST API的好,坏和难看之处,文中谈到了在REST API开发过程中许多的该做与不该做。

\\

Reese强调的创建REST API的较好的实践有:

\\
  • API模型应该与数据的消费行为映射,而不要与数据模型或对象模型映射。 \\
    API调用的数据看上去不应该像高度规范化的数据库表的表象;而应该以对API的消费者有意义的模型呈现。
    \\

    该提法类似于这一SOA原则:将消息模型与底层数据访问模型分离。

    \ \\
  • 语义丰富的错误消息很有用。创建API时,有必要 \\
    思考人们在学习使用该API过程中可能会犯的各种错误。
    \\

    对于做错的事情返回一个详细解释。此演示中给出了一些这类消息的不错的示例。

    \ \\
  • 完备的文档将减少寻求外部帮助的需要。 \\
    完备的API文档技能帮助人们理解简单的快速入门的例子,又能帮助人们完成一些复杂的事情,如通过API完成高级任务。
    \ \\
  • 使用恰当的安全API。比如,Reese提到的常常与REST一起使用的OAuth认证,在API向浏览器提供内容的场景中它能很好地工作,但对于系统到系统的整合它却不适用。更多有关REST API安全的讨论可从“RESTful API认证模式”找到。 \\
  • REST好,SOA不好。Reese说, \\
    当目标客户使用多种不同的编程语言时,实施和支持SOA的难度极大。
    \\

    他进一步断言,

    \\
    JSON好,XML不好。
    \\

    而“支持JSON的REST比强制XML的SOAP更好”这一观点遭到Gerald Loeffler的直接批判,他在InfoQ新闻\"REST在企业中使用得成功吗?\"的回复中说到:

    \\
    ……若不从纯技术角度去比较这些技术,我们就会丢失任何技术都需要的那种严谨……当人们沉浸在自己看到的世界里(你可以称之为理想主义者;比如WS-*或REST;或者静态类型或动态类型),他们就不可避免地认为他们看到的就是真实——因为一切都如此的明显而真实。但事实并非如此:这只是认知和推理的一家之言而已(该认知包含特定的特征和属性——正因为这样,我们仍然需要纯技术的论战)。不幸的是,在软件开发中,人们对自己观点的支持常常以反对者这样的冒犯而告终:“他们根本不懂”。
    \ \

Reese列出的较差(和难堪)的实践有:

\\
  • 流量控制是极难处理的事情。 \\
    如果你要使用流量控制……那么你就要实现一些非常智能的手段:a)它能识别出合法的流量,如测试流和常规的轮询。此外,b)减低误判所造成的负面影响。要避免基于无端猜测去限制流量,要咨询客户哪些人可能会受影响。
    \ \\
  • 罗嗦的API最可恶。根据Reese,罗嗦的API就是那种要求使用者执行多次调用才能完成一次普通操作的API。当然,怎样算是罗嗦的API要取决于人们一般对API的期望。 \\
  • 在响应中返回HTML。Reese建议,即便服务响应不能与API服务端交互,它仍然应该是一个有效的JSON或XML。 \\
    只要API使用者看到HTML,就意味着你做了一件非常,非常错误的事情。
    \ \\
  • 处理500以上的错误带来的副作用是噩梦。API应总是能保证产生500以上错误的那些调用的幂等性——回滚产生错误的过程中作过的任何更改。\

Reese的博客为读者带来了一组很好的REST API实施的最佳实践,文中既描述了哪些该做和哪些不该做,还描述了原因——藏在好与坏背后的理由。这些最佳实践并非REST所特有的——它们不关乎REST设计定义资源选择正确的参数传递机制——不论对于哪种API,它们都是很好的设计实践。

\\
查看英文原文: The Good, the Bad, and the Ugly of REST APIs
代码下载地址: https://pan.quark.cn/s/bc087ffa872a "测控电路课后习题详解"文件.pdf是一份极具价值的学术资料,其中系统地阐述了测控电路的基础理论、系统构造、核心特性及其实际应用领域。 以下是对该文献的深入解读和系统梳理:1.1测控电路在测控系统中的核心功能测控电路在测控系统的整体架构中扮演着不可或缺的角色。 它承担着对传感器输出信号进行放大、滤除杂音、提取有效信息等关键任务,并且依据测量与控制的需求,执行必要的计算、处理与变换操作,最终输出能够驱动执行机构运作的指令信号。 测控电路作为测控系统中最具可塑性的部分,具备易于放大信号、转换模式、传输数据以及适应多样化应用场景的优势。 1.2决定测控电路精确度的关键要素影响测控电路精确度的核心要素包括:(1)噪声与干扰的存在;(2)失调现象与漂移效应,尤其是温度引起的漂移;(3)线性表现与保真度水平;(4)输入输出阻抗的特性影响。 在这些要素中,噪声干扰与失调漂移(含温度效应)是最为关键的因素,需要给予高度关注。 1.3测控电路的适应性表现测控电路在测控系统中展现出高度的适应性,具体表现在:* 具备选择特定信号、灵活实施各类转换以及进行信号处理与运算的能力* 实现模数转换与数模转换功能* 在直流与交流、电压与电流信号之间进行灵活转换* 在幅值、相位、频率与脉宽信号等不同参数间进行转换* 实现量程调整功能* 对信号实施多样化的处理与运算,如计算平均值、差值、峰值、绝对值,进行求导数、积分运算等,以及实现非线性环节的线性化处理、逻辑判断等操作1.4测量电路输入信号类型对电路结构设计的影响测量电路的输入信号类型对其电路结构设计产生显著影响。 依据传感器的类型差异,输入信号的形态也呈现多样性。 主要可分为...
(IHAOAVOABPvsAOBPvsAVOABPvsPSOBP)非洲秃鹫融合天鹰优化BP天鹰优化BP非州秃鹫BP粒子群(Matlab代码实现)内容概要:本文档主要围绕多种智能优化算法在不同工程领域的应用展开,重点介绍了非洲秃鹫优化算法(AVOA)、天鹰优化算法(AO)与BP神经网络的融合改进,并与其他经典算法如粒子群优化(PSO)进行对比分析。所有案例均提供Matlab代码实现,涵盖电力系统优化、路径规划、微电网调度、无人机控制、信号处理等多个方向,强调算法的科研复现能力与实际仿真价值。文档还展示了丰富的技术服务体系,涉及机器学习、深度学习、路径规划、通信与电力系统等多个前沿领域。; 适合人群:具备一定Matlab编程基础,从事科研工作或工程仿真的研究生、高校教师及企业研发人员,尤其适用于从事智能优化算法研究与应用的相关技术人员。; 使用场景及目标:①用于学术论文复现,特别是SCI/EI期刊中关于优化算法的实验部分;②为电力系统、无人机、储能调度等领域提供算法仿真技术支持;③帮助研究人员快速掌握多种智能算法的实现方法并进行性能对比。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习,重点关注算法原理与Matlab实现的结合方式,同时可将文中案例作为自身课题的参考模板进行二次开发与创新。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值