Polujesz kod, którego nikt nie dotknie, podczas gdy prawdziwe hotspoty palą 
 
 TL;DR: Nie marnuj czasu na refakcjonowanie kodu, który nigdy się nie zmienia; skup się na często modyfikowanych obszarach problemowych. TL;DR: Nie marnuj czasu na refakcjonowanie kodu, który nigdy się nie zmienia; skup się na często modyfikowanych obszarach problemowych. Problemy 
 
 
 
 
 
 
 Zmarnowany wysiłek Niewłaściwe priorytety Zagubione prawdziwe sprawy Spadek produktywności zespołu Niewłaściwa alokacja zasobów Fałszywe poczucie postępu Rozwiązania 
 
 
 
 
 
 Analiza częstotliwości zmian Identyfikacja kodów hotspotów Użyj danych kontroli wersji Koncentracja na obszarach aktywnych Wymagania sprzętowe Churn Rewitalizacja ️ https://hackernoon.com/refactoring-021-remove-dead-code?embedable=true Kontekst Jest to zapach antykodowy. Spotykasz się z brzydkim kodem ze złożonymi warunkami, długimi funkcjami i złym nazwaniem. Pamiętasz motto wujka Boba o opuszczeniu kempingu lepiej niż wtedy, gdy go znalazłeś. Twój instynkt refaktorujący wkracza, a ty spędzasz dni, oczyszczając go. Czujesz się produktywny, ale marnujesz czas. Zły kod jest problematyczny tylko wtedy, gdy . you need to change it Stabilny kod, nawet jeśli jest źle napisany, nie zaszkodzi Twojej produktywności. Prawdziwy dług techniczny leży w hotspotach kodowych: obszarach, które są zarówno problematyczne, jak i często modyfikowane. Większość baz kodowych podąża za skrajną dystrybucją, w której . 5% kodu otrzymuje 90% zmian Bez analizy historii kontroli wersji, nie można zidentyfikować, który kod bałagan rzeczywiście ma znaczenie. W końcu naprawisz niewłaściwe rzeczy, podczas gdy prawdziwe problemy pozostają nienaruszone. Musisz rozwiązać problem techniczny, nadając priorytet kodowi o niskiej jakości i wysokiej częstotliwości zmian. Wszystko inne to przedwczesna optymalizacja zamaskowana jako rzemiosło. Przykładowy kod Błędne 🙂 # 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
 Właściwie 🙂 # 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
 Wykrywanie [X] Półautomatyczny Ten zapach można wykryć, analizując historię kontroli wersji. Śledź, które pliki zmieniają się najczęściej i koreluj to z miernikami jakości kodu. Narzędzia takie jak , analiza logów git lub niestandardowe skrypty mogą pokazać rzeczywiste hotspoty. Kodeksy Śledź swój kod, który zmienia się częściej. wady Wyjątki Czasami musisz odtworzyć stabilny kod, gdy: 
 
 
 
 
 Rozwój nowych funkcji wymaga adaptacyjnych zmian Wady bezpieczeństwa wymagają naprawy Wymagania prawne wymagają zmian Chcesz reaktywować funkcje śpiące Kluczem jest celowe podejmowanie decyzji opartych na rzeczywistych danych, a nie przypuszczeniach. Tagi ️ 
 
 Dług techniczny Poziom [x] Pośrednik Dlaczego biżuteria jest ważna ️ Podczas gdy budujesz Pomiędzy kodem a zachowaniem w świecie rzeczywistym zauważysz, że niektóre części twojego systemu są bardziej aktywnie modyfikowane niż inne. Mapy Twój Powinny one odzwierciedlać tę rzeczywistość. Bijecja Kiedy refaktujesz stabilny kod, przełamujesz zgodność między wysiłkiem rozwojowym a rzeczywistą wartością biznesową. W twoim modelu mentalnym traktujesz cały kod w równym stopniu, ale rzeczywisty świat pokazuje skrajne wzorce użytkowania, w których niewielka część kodu obsługuje większość zmian. Optymalizujesz się dla wyimaginowanego świata, w którym każdy kod jest równie ważny. I pokolenie Niektóre generatory kodów sugerują refaktorowanie bez uwzględniania częstotliwości zmian. Narzędzia AI i linters statycznie analizują kod i zalecają ulepszenia w oparciu tylko o wzorce, a nie użycie. Nie mają dostępu do historii kontroli wersji, aby zrozumieć, które ulepszenia rzeczywiście mają znaczenie, chyba że Powiedz im, żeby to zrobili. Wyraźnie Sztuczna inteligencja może oznaczać każdą długą funkcję lub złożoną warunkową, traktując metodę spoczynkową 500-linową metodą dziedziczenia tak samo jak równie bałaganową funkcję, którą modyfikujesz codziennie. Jak wykryć Sztuczna inteligencja może pomóc Ci naprawić ten zapach kodu, jeśli dostarczysz mu odpowiedniego kontekstu. Bez tych informacji AI popełnia te same błędy, które popełniają ludzie: zaleca refaktoringi oparte wyłącznie na strukturze kodu. Spróbujcie ich! 🙂 Pamiętaj: asystenci AI popełniają wiele błędów 
 
 Proponowana wskazówka: Analizuj historię git tej bazy kodów, aby zidentyfikować pliki o wysokiej częstotliwości zmian. Następnie przeanalizuj metryki jakości kodu dla tych plików. Zaleca się refaktorowanie tylko skrzyżowania kodu o wysokiej i niskiej jakości. Proponowana wskazówka: Analizuj historię git tej bazy kodów, aby zidentyfikować pliki o wysokiej częstotliwości zmian. Następnie przeanalizuj metryki jakości kodu dla tych plików. Zaleca się refaktorowanie tylko skrzyżowania kodu o wysokiej i niskiej jakości. Bez odpowiednich instrukcji 
 
 
 
 
 
 
 
 
 
 
 ChatGPT Claude Zdezorientowanie Dziecięcy pilot Ty Bliźnięta głębokie Celem AI Groch Kwiat Szczegółowe instrukcje 
 
 
 
 
 
 
 
 
 
 
 ChatGPT Claude Zdezorientowanie Dziecięcy pilot Ty Bliźnięta głębokie Celem AI Groch Kwiat Podsumowanie Nie można poprawić produktywności, polerując kod, który nigdy się nie zmienia. Liczy się tylko to, kiedy spowalnia, co dzieje się w kodzie, który faktycznie modyfikujesz. Dług techniczny Skoncentruj swoje wysiłki refaktoringowe tam, gdzie mnożą twój wpływ: hotspoty, gdzie niska jakość spotyka się z częstymi zmianami. Wszystko inne jest Przebrany na doskonałego inżyniera. procrastination Niech stabilny brzydki kod spoczywa w spokoju. Twój czas jest zbyt cenny, by marnować na problemy, które nie istnieją. Relacje 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 Więcej informacji https://www.youtube.com/v/F5WkftHqexQ?embedable=true Disclaimer Kodowe zapachy są moje . Opinia Kredyty Zdjęcie przez Jest Wiktor Keri Unsplash 
 
 Pierwsza zasada optymalizacji to: nie rób tego, druga zasada to: nie rób tego jeszcze. Pierwsza zasada optymalizacji to: nie rób tego, druga zasada to: nie rób tego jeszcze. Michał A. Jackson https://hackernoon.com/400-thought-provoking-software-engineering-quotes?embedable=true Ten artykuł jest częścią serii 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.

Zapach kodu 318 - marnowanie czasu na odtwarzanie brudnego kodu

About Author

UWAGI

ZAWIEŚĆ TAGI

ARTYKUŁ TEN ZOSTAŁ PREZENTOWANY W

Related Stories

From Desk to HackerNoon: Your Ultimate Guide on How to Publish a Story

The Blockchain Social Experiment: Enforced Logic

Google's Gemini AI: A Thought Experiment in Deception

MashRadar Reviewed HackerNoon - Everything You Need to Know

From Desk to HackerNoon: Your Ultimate Guide on How to Publish a Story

The Blockchain Social Experiment: Enforced Logic

Google's Gemini AI: A Thought Experiment in Deception

MashRadar Reviewed HackerNoon - Everything You Need to Know

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps