技术

下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论及实践 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 LLM部分技术源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 容器日志采集 Kubernetes 控制器模型 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

大模型推理服务框架 模型服务化(未完成) 大模型RHLF 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 LLM工具栈 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 容器和CPU那些事儿 kubevela源码分析 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 helm tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 机器学习中的python调用c 机器学习训练框架概述 embedding的原理及实践 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 tensorflow学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 容器和CPU那些事儿 kubevela源码分析 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 helm 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件

代码腾挪的艺术

2018年06月29日

简介

以笔者目前的开发经历,碰到各种框架,可以分为两类

  1. 针对具体业务,为提高代码可读性的 腾挪。最大程度的 隔离control 和 logic。程序的本质复杂性和元语言抽象指出:程序=control + logic
  2. 代码在线程/主机之间腾挪。为了性能。

如果每次修改都要动很多东西, 这就是代码的“坏味道”,说明抽象的 不是足够好。

如何写好代码?

  1. 虽然代码最后的执行者是机器,但是实际上代码更多的时候是给人看的。一段代码的生命周期:开发 –> 单元测试 –> Code Review –> 功能测试 –> 性能测试 –> 上线 –> 运维、Bug修复 –> 测试上线 –> 退休下线。开发到上线的时间也许是几周或者几个月,但是线上运维、bug修复的周期可以是几年。在这几年的时间里面,几乎不可能还是原来的作者在维护了
  2. 代码本身就是一种交流语言,并且一般来说编程语言比我们日常使用的口语更加的精确。在保持代码逻辑简单的情况下,使用良好的命名规范,代码本身就很清晰并且可能读起来就已经是一篇良好的文章。特别是OO的语言的话,本身object(名词)加operation(一般用动词)就已经可以说明是在做什么了。重复一下把这个操作的名词放入注释并不会增加代码的可读性。

一个加班多新人多团队,我们的代码问题与重构

回调很有用

以按行读取文件代码为例

public void readFile() throws IOException {
    FileInputStream in = new FileInputStream("test");
    BufferedReader reader = new BufferedReader(new InputStreamReader(in));
    String str = null;
    while((str = reader.readLine()) != null) {
        System.out.println(str);
    }
    //close
    in.close();
    reader.close();
}

在本例中,一行内容读取后,直接输出System.out.println(str);,逻辑不复杂。但若是每行的内容是一个复杂的json,且需要进行复杂的业务处理, 代码就很长了。此外,本例是读取一个磁盘文件,但若是读取hdfs文件,则读取代码至少扩充一倍。若是hdfs 很大,多线程读取时更为复杂。

最后,读取文件一般是只关注读取的数据,弄一堆文件读取代码 和 数据处理逻辑写在一起,“坏味道”很大。

public void readFile(LineHandler lineHandler) throws IOException {
    FileInputStream in = new FileInputStream("test");
    BufferedReader reader = new BufferedReader(new InputStreamReader(in));
    String str = null;
    while((str = reader.readLine()) != null) {
        lineHandler.handle(str);
    }
    //close
    in.close();
    reader.close();
}
public void test(){
    ...
    readFile(new LineHandler(){
        public void handle(String str){
                System.out.println(str);
        }
    })
    ...
}

使用回调分离关注

从这个例子还可以看到

  1. 逻辑是分层的,读取逻辑和数据处理逻辑 不要混在一起。换句话说,如果一个事情有两个明显不同的部分,那么代码应该写在两个地方
  2. 程序=逻辑 + 控制,在这个具体的例子中, 读取文件是控制,数据处理是逻辑
  3. 实现同样的效果,在java 里要定义一个接口,在scala 则可以直接写。如果一个逻辑,你用不同的语言实现,最后发现样子差别好大,就说明你没有做好抽象,任由语言特性干扰了代码结构。 随需求所欲,不滞于物。你要先知道理想状态是什么样子,然后用具体的语言、技术实现,而不是受困于语言和技术。
  4. 我们写在代码的时候,天然受语言的影响,过程式的、序列化的叙事/代码逻辑。但写代码 应该先想“应该有什么”,而不是“怎么做”。比如,从业务逻辑看,应该有一个观察者模式

    1. 实现时应该先写观察者、监听者等代码, 然后再根据语言 将其串起来。观察者 模式java 与 go的实现很不一样,若是先从语言层面出发,则极易受语言的影响。对于本例来说,在写代码时,最好是先文件读取和数据处理分开写,然后将想办法它们串在一起(学名叫胶水代码 系统设计的一些体会)。
    2. 观察者模式 本身的代码与 业务逻辑 不应混在一起,java 通过提取父类 等形式,将观察者模式本身的代码 与 业务逻辑分开。

抽取一个类

假设原来有一个比较复杂的类

class A{
    void func(){
        1.xx
        2.xx
        3.xx
        4.xx
        5.xx
    }
}

现在我们代码重构,要将步骤234抽出一个类B来,类B需要A的数据初始化,类A需要类B的计算结果。一般有两种方案

  1. 方案1

     class A{
         void func(){
             1.xx
             2.B b = new B(xx);    // b作为A的类成员跟这个差不多
             3.xx = b.func();
             4.xx
         }
     }
    
  2. 方案2

     class A{
         void func(){
             1. xx
             2. xx
         }
     }
     class B{
         void func(A a){
             1. xx = a.getxx();
             2. xx
             3. a.setxx();
         }
     }
     class Main{
         main{
             A a = new A();
             B b = new B();
             b.func(a);
         }
     }
    

比如spring ioc初始化的一段代码便是如此

// 定义配置文件    
ClassPathResource res = new ClassPathResource(beans.xml);
// 创建bean工厂
DefaultListableBeanFactory factory = new DefaultListableBeanFactory();
// 定义读取配置文件的类
XmlBeanDefinitionReader reader = new XmlBeanDefinitionReader(factory);
// 加载文件中的信息到bean工厂中
reader.loadBeanDefinitions(res);

两种方式的不同在于:

  1. 前者只是将相关代码抽取为一个函数,然后到了另一个类里。(本质上只算是抽取了一个函数)
  2. 后者将相关代码完全抽出来,A类中不用保有任何痕迹,可以算是抽取出了一个类

代码在别的函数中执行

public class App {
    public static void main(String[] args) {
        Task task = new App().print("hello world", new Callback() {
            @Override
            public void callback() {
                System.out.println("print finish");
            }
        });
        task.run();
    }
    Task print(final String str, final Callback callback) {
        return new Task() {
            @Override
            public void run() {
                System.out.println(str);
                callback.callback();
            }
        };
    }
    interface Callback {
        void callback();
    }

    interface Task {
        void run();
    }
}

此处代码的一个特点就是 执行了new App().print("hello world",callback) 却并没有触发 print 动作的执行。从函数式编程的角度来说,实现了从一个函数 到另一个函数的 转换/高阶函数。

换个思路看

腾挪代码,本质上都是基于一个抽象,接管你的顺序流,只留一两个logic 部分交给你实现。

程序员的编程世界观

  1. 过程化编程的步骤是:将待解问题的解决方案抽象为一系列概念化的步骤。然后通过编程的方式将这些步骤转化为程序指令集
  2. 过程化语言的不足之处就是它不适合某些种类问题的解决,例如那些非结构化的具有复杂算法的问题。问题出现在,过程化语言必须对一个算法加以详尽的说明,并且其中还要包括执行这些指令或语句的顺序。实际上,给那些非结构化的具有复杂算法的问题给出详尽的算法是极其困难的。

破解遗留系统重构问题的 6 步心法

  1. 遗留系统典型特征
    1. 从整个工程上来看它是呈大泥球的架构,通常代码是百万行起而且随意依赖。
    2. 里面存在大量的 ALL In Class,也就是我们通常说的上帝类,并且整体的代码冗余、重复,没有任何抽象。
  2. 在这个项目里落地重构时,我们通常会遇到很多挑战。第一个挑战是没有时间重构,开发同学经常会提到这个问题。第二个挑战是重构以后背锅怎么办?这个问题使得很多同事不愿做重构。第三个挑战是重构以后又变成了一个遗留系统,这也是我们经常遇到的情况。
  3. 针对没有时间进行重构。其实我们更应该把重构按不同的修改范围去分类,在这里我们将重构分为了三种类型:小型重构、中型重构和大型重构。
    1. 小型重构的修改范围主要针对的是对单个类内部的重构优化,比如一些非常基础的重命名、提取变量、提取函数等操作,我建议这种重构随时进行。
    2. 中型重构主要修改的是多个类间的重构优化,比如提取接口、超类、委托等操作。此刻分享的 ALL In Class 重构到 MVP 的模式就属于中型重构。我建议这类型重构的时机是在开发新需求或者修复 Bug 的时候,预留时间做重构优化。
    3. 大型重构是对系统组件架构进行重构优化,比如一些单体应用,或者微服务的架构等,这一类型的重构涉及范围非常大,通常会通过项目上立专项来落地。
  4. 重构以后又成为了遗留系统怎么办?做整个重构时应该确定一些相关度量,比如代码质量、圈复杂度、代码的重复率等,以及通过重构以后是不是会得到有效的收敛。最后是一些有效的自动化测试,通过重构以后这些用例数、覆盖率是不是得到有效的提升。