Anda memoles kode yang tidak ada yang menyentuh sementara hotspot nyata terbakar 
 
 TL;DR: Jangan membuang-buang waktu untuk merefleksi kode yang tidak pernah berubah; fokus pada area masalah yang sering dimodifikasi. TL;DR: Jangan membuang-buang waktu untuk merefleksi kode yang tidak pernah berubah; fokus pada area masalah yang sering dimodifikasi. Masalah 
 
 
 
 
 
 
 Upaya yang terbuang Prioritas yang salah Kegagalan masalah nyata Produktivitas Tim Menurun Penyalahgunaan Sumber Daya Perasaan kemajuan palsu Solusi 
 
 
 
 
 
 Analisis Frekuensi Perubahan Mengidentifikasi hotspot Menggunakan Data Kontrol Versi Fokus pada area aktif Menggunakan Code Churn Perkembangan ️ https://hackernoon.com/refactoring-021-remove-dead-code?embedable=true Konteksnya Ini adalah bau anti kode. Anda menemukan kode yang jelek dengan kondisi yang kompleks, fungsi yang panjang, dan penamaan yang buruk. Anda ingat motto Paman Bob untuk meninggalkan kampus lebih baik daripada ketika Anda menemukannya. Insting refactoring Anda memulai, dan Anda menghabiskan hari-hari membersihkannya. Anda merasa produktif, tetapi Anda telah membuang-buang waktu Anda. Kode yang buruk hanya bermasalah ketika . you need to change it Kode yang stabil, bahkan jika ditulis dengan buruk, tidak membahayakan produktivitas Anda. Hutang teknis yang sebenarnya terletak pada hotspot kode: area yang bermasalah dan sering dimodifikasi. Kebanyakan basis kode mengikuti distribusi ekstrim di mana . 5% dari kode menerima 90% dari perubahan Tanpa menganalisis riwayat kontrol versi, Anda tidak dapat mengidentifikasi kode yang benar-benar penting. Anda akhirnya memperbaiki hal-hal yang salah sementara masalah nyata tetap tidak tersentuh. Anda perlu mengatasi hutang teknis dengan memprioritaskan kode dengan kualitas yang buruk dan frekuensi perubahan yang tinggi. Semua yang lain adalah optimasi prematur yang disamarkan sebagai kerajinan. Kode sampel Salah ya 🙂 # This authentication module hasn't changed in 3 years
# It's deprecated and will be removed next quarter
# But you spend a week "improving" it

class LegacyAuthenticator:
    def authenticate(self, user, pwd):
        # Original messy code from 2019
        if user != None:
            if pwd != None:
                if len(pwd) > 5:
                    # Complex nested logic...
                    result = self.check_db(user, pwd)
                    if result == True:
                        return True
                    else:
                        return False
        return False

# After your "refactoring" (that nobody asked for):
class LegacyAuthenticator:
    def authenticate(self, user: str, pwd: str) -> bool:
        if not self._is_valid_input(user, pwd):
            return False
        return self._verify_credentials(user, pwd)

    def _is_valid_input(self, user: str, pwd: str) -> bool:
        return user and pwd and len(pwd) > 5

    def _verify_credentials(self, user: str, pwd: str) -> bool:
        return self.check_db(user, pwd)

# Meanwhile, the actively developed payment module
# (modified 47 times this month) remains a mess
 yang benar 🙂 # You analyze git history first:
# git log --format=format: --name-only | 
# grep -E '\.py$' | sort | uniq -c | sort -rn

# Results show PaymentProcessor changed 47 times this month
# And it does not have good enough coverage
# LegacyAuthenticator: 0 changes in 3 years

# Focus on the actual hotspot:
class PaymentProcessor:
    # This gets modified constantly and is hard to change
    # REFACTOR THIS FIRST
    def process_payment(self, amount, card, user, promo_code,
                       installments, currency, gateway):
        # 500 lines of tangled logic here
        # Changed 47 times this month
        # Every change takes 2+ days due to complexity
        pass

# Ignore stable legacy code
# But you can use IA to cover existing functionality
# With acceptance tests validated by a human product owner

class LegacyAuthenticator:
    # Leave this ugly code alone
    # It works, it's stable, it's being deprecated
    # Your time is better spent elsewhere
    def authenticate(self, user, pwd):
        if user != None:
            if pwd != None:
                if len(pwd) > 5:
                    result = self.check_db(user, pwd)
                    if result == True:
                        return True
        return False
 Deteksi [X] Semi-Otomatis Anda dapat mendeteksi bau ini dengan menganalisis riwayat kontrol versi Anda. Ikuti file mana yang paling sering berubah dan korelasi itu dengan metrik kualitas kode. Alat seperti , analisis log git, atau skrip kustom dapat menunjukkan hotspot Anda yang sebenarnya. Kodifikasi Track Anda Kode yang sering Anda ubah. Kekurangan Pengecualian Kadang-kadang Anda harus refactor kode stabil ketika: 
 
 
 
 
 Perkembangan fitur baru membutuhkan perubahan adaptif Kerentanan keamanan membutuhkan perbaikan Kepatuhan regulasi membutuhkan perubahan Anda akan mengaktifkan kembali fitur tidur Kunci adalah pengambilan keputusan yang disengaja berdasarkan data nyata, bukan asumsi. Tanggal ️ 
 
 hutang teknis Tingkat [x] yang menengah Mengapa pernikahan sangat penting ️ Ketika Anda membangun sebuah antara kode Anda dan perilaku dunia nyata, Anda akan melihat beberapa bagian dari sistem Anda berubah lebih aktif daripada yang lain. Peta Anda harus mencerminkan realitas ini. bias Ketika Anda refactor kode stabil, Anda memecahkan korelasi antara upaya pengembangan dan nilai bisnis yang sebenarnya. Anda memperlakukan semua kode sama dalam model mental Anda, tetapi dunia nyata menunjukkan pola penggunaan ekstrim di mana persentase kecil kode menangani sebagian besar perubahan. Anda mengoptimalkan untuk dunia imajinasi di mana semua kode sama pentingnya. Generasi yang Beberapa generator kode menyarankan refactoring tanpa mempertimbangkan frekuensi perubahan. Alat dan linter AI menganalisis kode secara statis dan merekomendasikan perbaikan berdasarkan pola saja, bukan penggunaan. Mereka tidak mengakses riwayat kontrol versi Anda untuk memahami perbaikan apa yang benar-benar penting kecuali Anda Beritahu mereka untuk melakukannya. secara eksplisit AI dapat menandai setiap fungsi panjang atau kondisional kompleks, memperlakukan metode 500-line legacy yang tertidur sama seperti fungsi yang sama-sama membingungkan yang Anda ubah setiap hari. Untuk deteksi AI dapat membantu Anda memperbaiki bau kode ini jika Anda memberikan konteks yang tepat. Anda perlu memberikan data kontrol versi yang menunjukkan frekuensi perubahan. tanpa informasi itu, AI akan membuat kesalahan yang sama yang dilakukan manusia: merekomendasikan refaktoring berdasarkan struktur kode murni. Coba saja ya! 🙂 Ingat: Asisten AI membuat banyak kesalahan 
 
 Prompt yang disarankan: Analisis riwayat git dari basis kode ini untuk mengidentifikasi file dengan frekuensi perubahan yang tinggi. Kemudian periksa metrik kualitas kode untuk file tersebut. merekomendasikan refactoring hanya persimpangan kode berkualitas tinggi dan rendah. mengabaikan kode berkualitas rendah yang stabil. Prompt yang disarankan: Analisis riwayat git dari basis kode ini untuk mengidentifikasi file dengan frekuensi perubahan yang tinggi. Kemudian periksa metrik kualitas kode untuk file tersebut. merekomendasikan refactoring hanya persimpangan kode berkualitas tinggi dan rendah. mengabaikan kode berkualitas rendah yang stabil. Tanpa instruksi yang tepat 
 
 
 
 
 
 
 
 
 
 
 ChatGPT Claude yang Persepsi Anak Pilot Anda Gemini DeepSeek Target yang Gokil Qiang Dengan instruksi khusus 
 
 
 
 
 
 
 
 
 
 
 ChatGPT Claude yang Persepsi Anak Pilot Anda Gemini DeepSeek Target yang Gokil Qiang Kesimpulan Anda tidak dapat meningkatkan produktivitas dengan memoles kode yang tidak pernah berubah. Ini hanya penting ketika itu memperlambat Anda, yang terjadi dalam kode yang sebenarnya Anda ubah. hutang teknis Fokuskan upaya refaktoring Anda di mana mereka melipatgandakan dampak Anda: hotspot di mana kualitas buruk bertemu dengan perubahan yang sering. Semua yang lain adalah Disembunyikan sebagai keunggulan teknik. procrastination Biarkan stabil kode jelek beristirahat dalam damai. Waktu manusia terlalu berharga untuk membuang-buang pada masalah yang tidak ada. Relasi https://hackernoon.com/code-smell-06-trying-to-be-a-clever-programmer?embedable=true https://hackernoon.com/how-to-find-the-stinky-parts-of-your-code-part-iv-7sc3w8n?embedable=true https://hackernoon.com/how-to-find-the-stinky-parts-of-your-code-part-xxx?embedable=true https://hackernoon.com/how-to-find-the-stinky-parts-of-your-code-part-xii?embedable=true Informasi lebih lanjut https://www.youtube.com/v/F5WkftHqexQ?embedable=true Disclaimer Aroma adalah milikku . Pendapat Kredit Foto oleh adalah Viktor Keri Unsplash yang 
 
 Aturan pertama dari optimasi adalah: Jangan melakukannya.Aturan kedua adalah: Jangan melakukannya belum. Aturan pertama dari optimasi adalah: Jangan melakukannya.Aturan kedua adalah: Jangan melakukannya belum. oleh Michael A. Jackson https://hackernoon.com/400-thought-provoking-software-engineering-quotes?embedable=true Artikel ini adalah bagian dari seri CodeSmell. https://hackernoon.com/how-to-find-the-stinky-parts-of-your-code-part-i-xqz3evd?embedable=true

The code in this story is for educational purposes. The readers are solely responsible for whatever they build with it.

Winner of Noonies 2020 for the award Hacker Noon Contributor of the Year - REFACTORING.

Code Smell 318 - Menghabiskan Waktu Mengubah Kode Kotor

About Author

KOMENTAR

HANG TAG

ARTIKEL INI DISAJIKAN PADA

Related Stories

The Crypto Trading Writing Contest: Submission Deadline Extended!

Return to Pleasure Island

IdeaOps: Why Every Request is a Company Asset in Product Development

The Magic Shop

The Crypto Trading Writing Contest: Submission Deadline Extended!

Return to Pleasure Island

IdeaOps: Why Every Request is a Company Asset in Product Development

The Magic Shop

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps