结对编程,为什么大部分程序猿不喜欢?

本文探讨了结对编程带来的好处及潜在挑战,如促进新成员融入团队、减少bug出现率等,同时也指出了可能降低效率和个人发展的问题。作者强调正确的心态和有效的沟通是成功的关键。

我是结合自身以及团队的因素来说明一下感想的,仅供参考。

当我们部门出现要组织大家结对编程的话题时,大家是非常反对的,问题就是担心效率下降了,学习成本增加了,没有自己的隐私了等等,在IT行业有很大一部分程序猿是不愿意改变的,不愿意学习新的知识和技能的,这样的人本来就应该淘汰或者转岗,要净化程序猿的技术氛围。最后我们经过数次的尝试也获得一些见解,如下:


我说下结对编程的好处是什么呢?

    1、可以让新同事一进来就参与结对编程,有利于新同事快速的融入新集体,并且可以考察一个新同事的技术水平,也是一个间接的培训

2、 工位空间大的话,还可以减少工位开支

3、会减少bug的出现率,也较少后期的维护成本,主要编写者讲述思路,边上的人查漏补缺

4、能够对两个人或者多个人的技术水平的提高,有一定的沟通

5、每个人投入更集中了,更不会被其他人员打断了

6、代码设计的扩展性更强了


再说下结对编程有哪些弊端呢?

1、很容易暴露一些员工的真实水平,不利于某些人的发展

2、降低工作效率(只是在某些情况下才是这样的)

3、需要更大的工作空间,容得下两个人的位置

4、两人结对编程,不利于公司对员工的高认可度以及升职加薪

5、有的人员速度比较快,有的人思维反应慢,就会降低效率,也有人会说,和XX一起没有任何所得,破坏同事之间的信任


总结:

1、要正确的对待结对编程,要把这个过程,当做是自己技术水平提高的时机,而不是担心又暴露了自己的实力,这个正式你学习和进步的时间

2、结对编程要有足够的时间来沟通,以此才能达到更高的默契,效率以后才是真正的提高,要给一定的试验时间

3、当出台一些政策或者规定时,往往就是需要考虑大家的心里变化,需要提前把这些工作做到位,并且再出台政策之前做一些调查,让大家了解一下我 们将要普及的内容和概念是对我们多么的有意义

4、当然也有人会说我们出现bug之后,不是还有代码审查嘛,照样可以解决掉问题啊,可是那样会浪费很多时间,有的bug是一个月之前写的,等到集成测试的时候已经把逻辑忘得差不多了;或许在定位问题的时候还会发生推诿的事件,总是把责任归结于别的小组或人员

5、结对编程的人员最好实力相当,这样效率才是最快的

6、其实不管做与不做,总是有利弊的,就是看使用者如何看待,如何使用

7、最重要的就是为大家创造一个能够让开发人员安全的学习、大胆的犯错、快速的尝试、技能能够持续提升的环境。

a、我们要鼓励大家结果编程,并且把初期结对编程所犯的错误给予谅解,也可以请技能高的人员来做带头作用

b、同时组织大家尽快的尝试,最好能够更多的收取大家的匿名反馈,已获得大家的看法

c、给大家一定的创新空间,可以及时调整

以上也是对于大家领导力的一个培养。更重要的是看最终的结果,结果好才是对大家最有利的,即使当初有很多反对的声音!


写在后面:在接下来的日子里我也会和团队不断的使用结对编程来coding。


另外一篇我感觉比较好的文章:http://www.techug.com/post/10-ways-improve-your-pairing-experience.html




本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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