4、架构现代化:关键策略与商业理由

架构现代化:关键策略与商业理由

1. 可持续技术实践的重要性

为了确保系统长期保持健康、不积累技术债务,并且在未来几年内无需进行大规模的现代化改造,投资于可持续的技术实践至关重要。可持续的技术实践能够保证代码设计良好、易于理解和测试,从而降低维护成本,便于进行修改。

测试驱动开发(TDD)和结对/多人编程是值得关注的技术实践。这些技术通过精心设计和持续重构,专注于开发高质量、经过充分测试的软件。虽然从外部看,这些技术可能会花费更多时间和成本,但实际上,它们在短期、中期,尤其是长期内都能带来可观的投资回报率。不过,并非所有团队都喜欢TDD和多人编程,因此找到最适合自己团队的技术实践非常重要。

如果组织在技术实践方面缺乏专业知识,在进行现代化改造之前解决这个问题至关重要。可以为团队提供培训和提升技能的机会,也可以引入外部帮助。

2. 避免“螺栓式”现代化

在现代化改造过程中,常见的问题是试图在不解决基本架构挑战的情况下对系统进行现代化改造。例如,重写一个系统,使其外观看起来不错,但内部仍然与遗留系统和数据库紧密耦合,这种做法就像是给猪涂口红。虽然这种方法可以作为过渡步骤,但在很多情况下,基本的遗留系统问题并未得到解决,仍然会对产品造成严重限制。

比如,在构建政府服务时,新网站虽然提供了比遗留应用更好的用户体验,但由于仍需与无法更改的遗留系统和数据库集成,无法满足用户提出的改进需求。同样,一些组织认为购买现成的工具(如规则引擎)可以让业务人员在无需程序员的情况下快速进行更改,但如果购买这些工具是为了避免解决技术债务,那更多是一厢情愿而非深思熟虑的做法。

在准备进行现代化改造时,要了解领导者是在寻求“螺栓

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  | 博主筛选后可见
 
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