5、Salesforce开发:触发器架构与执行控制

Salesforce开发:触发器架构与执行控制

1. 技术债务与自动化工具使用

在开发过程中,技术债务偿还的概念较为常见,但在Salesforce领域相对较少。部分大型组织会在每个开发周期专门安排时间审查现有代码,确保更新时消除技术债务。这对于支持Salesforce提供的API版本尤为重要,应尽量减少代码库中不同API版本代码的差异。

使用自动化工具和代码时,需谨慎预估 governor 限制的使用并尽量减少。例如,当对象上同时有触发器和流程进行更新时,应考虑合并二者以避免重复的DML操作或更新。因为在“after update”触发器和流程中更新记录会使保存执行顺序触发两次,这不仅可能不必要地消耗 governor 资源,还会因执行顺序的重复运行而降低终端用户的体验。

因此,在使用多个自动化工具时,建议为每个对象合并为单一工具,若使用Apex触发器,很可能是因为存在 Process Builder 或 Flow 无法满足的需求。重要的是针对每个对象进行处理。若在账户对象上运行的代码会更改相关联系人,可考虑用代码管理两个对象的自动化;若没有代码,则继续使用点选式自动化工具。

2. 触发器架构
  • 单触发器原则 :与每个对象仅使用一个 Process Builder 流程一样,每个对象仅使用一个触发器也是最佳实践。多个触发器无法保证执行顺序,可能导致意外后果;而单个触发器可控制更新顺序,因为代码会在触发器内顺序执行。
  • 单触发器与单上下文触发器对比 :有人会问为何是每个对象一个触发器,而非每个对象每个上下文一个触发器。例如,是使用
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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