7、业务应用设计的约束与原则

业务应用设计的约束与原则

1. 业务规则变更与时间控制

在业务应用中,可使用事件来表示规则变更。当应用实例化事件时,会将规则变更事件作为标记来调整其行为。把业务规则变更纳入事件日志,能丰富作为事实来源的事件日志。

这种想法的实现方式多样。事件可以非常具体,在实例化过程中调用特定代码;若规则经常调整(如短期促销活动),事件还可包含参数。

通过控制时间,我们能在应用中实现更丰富的功能,也能更深入地回答“发生了什么”和“为什么发生”,因为数据和规则都可供内省。

1.1 关键要点总结

  • 跟踪数据随时间的变化。
  • 明确事件和命令的定义。
  • 区分事件发生时间和系统感知到事件发生的时间。
  • 管理业务规则随时间的变化。

2. 设计约束

在设计业务应用时,有两个关于应用向用户界面(UI)呈现方式的约束:
- 支持UI以支持数据实时更新的方式构建。
- 使用GraphQL驱动UI体验。

2.1 从REST到图

可以将系统内的数据视为一个巨大的图。URL的分层路径部分曾用于对这个概念图进行索引,这是构建数据API的基础。例如, /api/v3/customers 端点会列出客户,要访问特定客户,可在路径后追加客户ID,如 /api/v3/customers/42 。客户可能有多个地址,可通过 /api/v3/customers/42/addresses 枚举,访问特定地址则

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
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