由Bug延伸的一点有关“兼容与重构”思考

今天在解决Bug00174317时有一点思考,BUG是个小问题,就是在2.5.2的时候新增了需求,在码率为64K纯音频会议时,会议信息框中的清晰度显示为:“纯音频(64K)”,而不是“标清(64K)”,跟踪检查了一下原因,原因是平台传过来的结构体中有关清晰度的描述只有

 

u8        byConfMode;//会议模式:0-高清、1-标清、2-流畅、3-自定义

 

四种类型,没有音频类型,其实这个BUG在上层根据会议码率来判断,也能够解决,但是还是跟终端与平台沟通了一下,看能不能添加一个4-音频标识。

在沟通后,因为以前旧终端版本的显示兼容问题,就决定不加此标识,由TrueLink局部修改。

这让我有点踌躇,在开发过程中,我们要如何解决这个“兼容与重构”命题,这个名字起得有点大,不过我想大的问题,也是由这样一个个小问题抛出,更大一点还可以说是“稳定与发展”的关系。

 

在系统设计的初期,依据架构师的经验,来尽可能得设计简单,高效,可扩展的模型,但是也不太可能面面俱到,何况面对后续纷繁更新的需求,更难以企及。而我们在遵循前人设计的基础上,总时不经意之前遇到这样的细小问题,这种小问题应该如何处理。在处理这些问题时应该秉承一种什么态度。

一般的看法是,这种小问题,在终端层修改即可,这样代价最小,兼容性高,也确实如此。

而就这个问题上,我的看法是增加一个类型,这样的好处显尔易见。往近了看,能够良好地搞定此Bug,稍远点看,这样终端在判断清晰度时,就会码率与清晰度的耦合降低,而是一种单独的清晰度类型来决定,更况且我们已经有了这样的字段。比如说高清,如果按照码率来判断,可能今年768以上的算是高清,H265出来后,可能明年业内普遍认通的是1080,甚至2160以上才是高清,那如果按照之前的逻辑,直到老的架构被推翻,新的架构推出来的那天前,这个永远都无法更改。

 

     如果在解决问题的同时能让结构朝着合理的方向改变,一定是种欣然的感觉。在历炼的道路上,总要做出一点取舍,如果觉得方向是向前的,Why not?

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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