大道至简与过度设计

前段时间,由于系统需要扩展一下发送事件通知,一个服务可以发送多个通知,而且通知里需要有一些逻辑判断。冥思苦想后,在抽象模板方法中增加了一个扩展点,又通过interceptor拦截服务的方法名,当时还在为自己高深的设计窃喜。

1. 找了一位同事帮我review下代码。大概1分钟之后,给出的评价是设计比较抽象,太复杂了。
回头好好想了想,软件系统中的设计是干嘛的?搞的那么花花稍稍,真的可以通过花哨的设计来提高软件的可维护性吗?可以通过抽象来解耦合吗?软件是用来的维护的,维护就需要人来读懂,太过抽象的设计并不利于软件的维护。一个功能的实现也许有很多方法,但是真正适合我们的不是最抽象的,而是实实在在的、易读的、易维护的设计。想起了以前读过的X核心和Y核心的代码,X核心以JBPM的工作流状态为核心,几乎任何的操作服务都要经过状态变更,几十个方法都要经过业务引擎的才能完成任务,导致很多业务都只能在业务引擎中增加代码,越来越难读,越来越难维护;还有那个产品模型,据说是伯克利大学的一个什么东西,hoho,看起来真的很累,最后只能是越来越臃肿;而Y核心以计价模型为中心,但是我们现在的业务只涉及到计价模型的1/3,初读者看起来会很痛苦,这也是过度设计吗?也许是还没有两位架构的功底,也许是确实有点过度设计,也许更多的是需要时间和经验去评判吧。

2.按照同事建议,花了一个晚上重构了代码。其中涉及到一个对象的深拷贝,网上搜搜,用java序列化的方法实现了深拷贝。接着又请教了另外一位同事,给出的意见是大道至简,这种深拷贝平时用到很少,而只是需要这个拷贝对象的个别属性,不需要搞这么复杂。

突然想起来刚来公司的《大道至简》的作者周爱民,此君已报道几个月,作为业务架构师异常低调,想起刚加入公司时tony的原话“这里的技术不简单,这里的业务很复杂”,看来就算大师来了也得熟悉熟悉咱公司的情况。牛人尚且如此啊,咱小菜鸟还需努力啊

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析仿真验证相结合。
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