写点什么

Michael Feathers 希望消除错误能驱动设计

  • 2018-09-26
  • 本文字数:1296 字

    阅读完需:约 4 分钟

Michael Feathers 因其著作《高效操作遗留代码》( Working Effectively With Legacy Code )一书而广为人知。他发现错误中存在着一些值得关注之处,但他也承认大部分开发人员并未投入时间去关注这些错误。在他看来,很多错误解决机制就是采取某种程度上的放弃。在 Explore DDD 2018 大会上,Feathers 做了主题演讲,探讨消除错误如何驱动软件系统的设计。

针对领域驱动设计(DDD)大会的主题,Feathers 在演讲一开始就给出了对“领域”(Domain)的五种定义。他在这些定义中发现了一个共性,即领域就是一种范围,一些领域是随意构造的,也有一些是人们创造的。正因为领域是随意构造的,因此人们可以重新塑造和扩展领域。虽然人们可以直接使用 DDD 模拟并适应不断变化的业务流程,但为了更好地应对乃至消除错误,Feathers 建议应对领域做尽可能类似的更改。

Feathers 指出,领域扩展可能会导致一些不和谐因素,因此必须慎重。Feathers 就此举了两个例子,一个是在可选日期中输入了二月三十日,另一个是在编程语言中允许对数组赋以负的索引值。对于前者,人们非常易于理解简单域模型是如何允许这种非法情况的发生。但是对于负的数组索引值,情况则恰恰相反,对此应抛出一个错误。一旦这样的技术可用,并被人们按有效的语法采纳,那么我们就会意识到领域扩展对此类情况是非常有用的。

Feathers 提及,他探索错误的部分灵感来自于 Joe Duffy 博客中对微软的Midori 操作系统研究项目的论述,尤其是对错误模型l 的分析。Duffy 提及,“错误模型试图回答的一个基本问题就是,'错误’是如何传递给程序员和系统用户的?”这个看似简单的问题,自然导致了“如何定义错误”的挑战。Feathers 沿此思路继续推理,最终得到人们希望知道的是“为什么我们会存在错误?”。换句话说,如果“错误”只是一个用于指代我们领域中不匹配概念的用词,那么我们应该怎么做?

演讲进而从领域的概念延伸到如何实际处理错误。在遇到错误时,人们主要存在三种做法。第一种做法是简单地返回空值。这种做法消除了对任何错误原因的解释,需要人们对空引用做额外的检查工作,并且混淆了人们仍在处理错误的事实。另一种做法是抛出异常。这种做法也许要优于返回空值,因为它可以给出了问题的一些相关信息,但它仍需要调用者去处理异常情况。第三种做法是将错误作为领域的一部分。Feathers 认为,“错误就是我们领域的一部分,因为错误可能会发生在我们的工作中”。很显然,Feather 提倡采用第三种做法。

扩展领域意味着提出问题,“我们真正希望会发生什么?”。不应只是告诉他人错误的相关信息,而应引入一些新概念去提供可操作信息。一个例子就是使用空对象模式返回 ItemNotFound对象,其具体实现取决于具体的情况。

在演讲中的最后,Feathers 给出了 Erlang 的设计理念,并按英式风格概括为“保持冷静,任其崩溃”。计算是与现实世界紧密联系的,因此在现实中计算可能会产生失败。Erlang 通过将现实情况囊括在领域之中,扩展了应用的领域。如果一种语言的整个领域可以使用这种方式扩展,那么即便是更小的系统,都一定能受益于涵盖错误的领域扩展。

查看英文原文: Michael Feathers Wants Error Elimination to Be a Design Driver

2018-09-26 05:301333
用户头像

发布了 391 篇内容, 共 152.1 次阅读, 收获喜欢 257 次。

关注

评论 1 条评论

发布
暂无评论
发现更多内容

FocalPO:通过聚焦正确偏好排序增强偏好优化技术

qife122

机器学习 偏好优化

室外全彩LED广告牌一体化解决方案

Dylan

广告 LED LED display LED显示屏 LED屏幕

用 Go 写桌面应用?试试 Wails 吧!

左诗右码

GitHub 上 Star 数量前 20 的开源 AI 项目

NocoBase

GitHub 开源 AI openai MCP

慢SQL优化实战:从一例线上慢SQL探究执行引擎工作过程

vivo互联网技术

数据库 索引 MySQL调优

知识蒸馏提升多任务学习收敛效果

qife122

机器学习 多任务学习

在Python代码中安全隔离依赖项的沙箱技术

qife122

Python安全 依赖隔离

语音技术跨学科研究新趋势

qife122

语音识别 自然语言理解

天猫商品评论API指南

tbapi

天猫商品评论接口 天猫API 天猫评论数据采集 天猫评论API

CST软件新功能介绍:EMI接收机仿真

思茂信息

仿真 EMI滤波电路 电磁仿真 CST Studio Suite

Golang笔记之Redis

Hunter熊

golang redis 哈希 有序集合

基于偏置图采样的关联产品推荐优化

qife122

图神经网络 数据采样

哈尔滨等保流程优化:如何缩短测评周期至30天?

等保测评

HR Path战略性收购PredictiveHR

财见

MyEMS:2025 年能源管理系统性价比之巅的实力担当

开源能源管理系统

开源 能源管理系统

区块链U卡APP的开发周期

北京木奇移动技术有限公司

区块链开发 软件外包公司 web3开发

《AI-Assisted Programming》读后感

codists

Python

评估LLM标注可靠性:人口偏见与模型解释

qife122

自然语言处理 可解释AI

Sunrun漏洞披露计划(VDP)正式上线 - 携手共建更安全的未来

qife122

漏洞赏金 漏洞披露

使用DPO在SageMaker中定制Nova模型

qife122

人工智能 DPO优化

哈尔滨等保价格指南:影响成本的4大因素与省钱策略

等保测评

大数据-62 Kafka Topic 管理与运维实战:命令详解 + 副本分配策略 + JavaAPI

武子康

Java 大数据 kafka 架构 分布式

MyEMS 开源能源管理系统:技术内核与三级监测体系中的应用价值

开源能源管理系统

开源 能源管理系统

大模型训练故障恢复效率提升方案

qife122

机器学习 容错机制

基于 Amazon Q Developer CLI 进行智能混沌工程实验

亚马逊云科技 (Amazon Web Services)

什么是企业级IM,IM工具选型怎么选?

BeeWorks

即时通讯 IM 私有化部署

今日立秋 | 夏尽秋来,万物从容

中烟创新

安全加密的即时通讯,企业IM内部聊天软件即时通讯工具推荐

BeeWorks

即时通讯 IM 私有化部署

ONES 参编|《央国企数智化转型发展报告(2025)》重磅发布

万事ONES

中国信通院 行业报告 央国企数智化转型 ONES研发管理

解锁硬件潜能:Java向量化计算,性能飙升W倍!

poemyang

Java虚拟机 simd JIT编译器 #java 向量化

【IoTDB 线上小课 18】Apache 软件基金会是什么?开源世界的“超级孵化器”!

Apache IoTDB

Michael Feathers希望消除错误能驱动设计_语言 & 开发_Thomas Betts_InfoQ精选文章