敏捷开发的必要技巧:移除重复代码

本文作者介绍了重复代码的出现场景, 以及如何消除重复代码.

敏捷开发的必要技巧:移除重复代码

Wingel 发表于 2006-12-18 10:37:25
作者:Wingel     来源:http://www.matrix.org.cn/
摘要:
本文作者介绍了重复代码的出现场景, 以及如何消除重复代码.
 
 
重复代码是怎么产生的?

请观察下面的代码,我们已经有一个根据出租记录的id取出租用客户姓名的方法:getCustomerName。

   public class BookRental { //该类描述出租记录
        String id;
        String customerName;

        ...

    }
    public class BookRentals {
       private Vector rentals;
       public String getCustomerName(String rentalId) { 根据出租id取出客户姓名
           for (int i = 0; i < rentals.size(); i++) {
              BookRental rental = (BookRental) rentals.elementAt(i);
              if (rental.getId().equals(rentalId)) {
                  return rental.getCustomerName();
               }
           }
           throw new RentalNotFoundException();
        }
    }
    public class RentalNotFoundException extends Exception {

        ...

    }


假定现在你要增加一个新的方法,该方法是根据出租记录的id删除该记录,你把这方法命名为deleteRental(String rentalId)。现在你已经考虑到,就像getCustomerName这个方法一样,也要一个一个遍历出租记录。所以你就将getCustomerName这个方法里面的一些代码拷出来,然后稍微修改一下:

    public class BookRentals { 
        private Vector rentals;
       public String getCustomerName(String rentalId) {
           for (int i = 0; i < rentals.size(); i++) {
              BookRental rental = (BookRental) rentals.elementAt(i);
              if (rental.getId().equals(rentalId)) {
                  return rental.getCustomerName();
               }
           }
           throw new RentalNotFoundException();
        }
        public void deleteRental(String rentalId) {
             for (int i = 0; i < rentals.size(); i++) {
                 BookRental rental = (BookRental) rentals.elementAt(i);
                 if (rental.getId().equals(rentalId)) {
                     rentals.remove(i);
                     return;
                  }
              }
             throw new RentalNotFoundException();
         }
     }


现在这样的代码看起来怎么样?不怎么样,两个方法有大多的同样的代码了。


移除重复代码吧!

要移除所有的重复代码,你可以将BookRentals这个类修成如下的样子(也就是“重构”了):

    public class BookRentals { 
        private Vector rentals;
        public String getCustomerName(String rentalId) {
           int rentalIdx = getRentalIdxById(rentalId);
           return ((BookRental) rentals.elementAt(rentalIdx)).getCustomerName();
        }
        public void deleteRental(String rentalId) {
           rentals.remove(getRentalIdxById(rentalId));
        }
        private int getRentalIdxById(String rentalId) { //新增加的一个方法
            for (int i = 0; i < rentals.size(); i++) {
               BookRental rental = (BookRental) rentals.elementAt(i);
               if (rental.getId().equals(rentalId)) {
                   return i;
               }
            }
           throw new RentalNotFoundException();
        }
     }


为什么我们要移除重复代码?

我来向各位程序员同学稍微说一下,在BookRentals这个类中,rentals这个属性的类型是Ventor,如果我们需要将它改为数组,那我们就必须将所有的"rentals.size()"改为"rentals.length". 在重构以后的版本中,我们只需要在getRentalIdxById这个方法中修改一次,而在原来的版本,我们就得在getCustomerName跟deleteRental两个方法中都改一次。类似的,我们还要将所有的"rentals.elementAt(i)" 改为 "rentals[i]". 又是改一次跟改两次的比较!

大多数情况中,如果类似这样的代码在10个地方重复,当我们修改代码的时候,就要修改10个地方,我们并不能保证能把这10个地方都记住了,而一旦漏掉了几个地方,等待我们的,是一处一处的错误去修复。而最致命的是,当我们修改的是业务逻辑时,这时候,不管我们漏掉了几个地方,IDE都不会报错,那么,等待我们的,将是一堆Bug去检查,而造成的一些bug中,很可能是短时间内还发现不了的. 惨-_-!!

资源:
pdf下载
【无线传感器】使用 MATLAB和 XBee连续监控温度传感器无线网络研究(Matlab代码实现)内容概要:本文围绕使用MATLAB和XBee技术实现温度传感器无线网络的连续监控展开研究,介绍了如何构建无线传感网络系统,并利用MATLAB进行数据采集、处理与可视化分析。系统通过XBee模块实现传感器节点间的无线通信,实时传输温度数据至主机,MATLAB负责接收并处理数据,实现对环境温度的动态监测。文中详细阐述了硬件连接、通信协议配置、数据解析及软件编程实现过程,并提供了完整的MATLAB代码示例,便于读者复现和应用。该方案具有良好的扩展性和实用性,适用于远程环境监测场景。; 适合人群:具备一定MATLAB编程基础和无线通信基础知识的高校学生、科研人员及工程技术人员,尤其适合从事物联网、传感器网络相关项目开发的初学者与中级开发者。; 使用场景及目标:①实现基于XBee的无线温度传感网络搭建;②掌握MATLAB与无线模块的数据通信方法;③完成实时数据采集、处理与可视化;④为环境监测、工业测控等实际应用场景提供技术参考。; 阅读建议:建议读者结合文中提供的MATLAB代码与硬件连接图进行实践操作,先从简单的点对点通信入手,逐步扩展到多节点网络,同时可进一步探索数据滤波、异常检测、远程报警等功能的集成。
内容概要:本文系统讲解了边缘AI模型部署与优化的完整流程,涵盖核心挑战(算力、功耗、实时性、资源限制)与设计原则,详细对比主流边缘AI芯片平台(如ESP32-S3、RK3588、Jetson系列、Coral等)的性能参数与适用场景,并以RK3588部署YOLOv8为例,演示从PyTorch模型导出、ONNX转换、RKNN量化到Tengine推理的全流程。文章重点介绍多维度优化策略,包括模型轻量化(结构选择、输入尺寸调整)、量化(INT8/FP16)、剪枝与蒸馏、算子融合、批处理、硬件加速预处理及DVFS动态调频等,显著提升帧率并降低功耗。通过三个实战案例验证优化效果,最后提供常见问题解决方案与未来技术趋势。; 适合人群:具备一定AI模型开发经验的工程师,尤其是从事边缘计算、嵌入式AI、计算机视觉应用研发的技术人员,工作年限建议1-5年;熟悉Python、C++及深度学习框架(如PyTorch、TensorFlow)者更佳。; 使用场景及目标:①在资源受限的边缘设备上高效部署AI模型;②实现高帧率与低功耗的双重优化目标;③掌握从芯片选型、模型转换到系统级调优的全链路能力;④解决实际部署中的精度损失、内存溢出、NPU利用率低等问题。; 阅读建议:建议结合文中提供的代码实例与工具链(如RKNN Toolkit、Tengine、TensorRT)动手实践,重点关注量化校准、模型压缩与硬件协同优化环节,同时参考选型表格匹配具体应用场景,并利用功耗监测工具进行闭环调优。
评论
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