開發除錯之確定原則

2021-06-16 15:34:34 字數 1595 閱讀 2458

所謂的確定原則,指的是對於開發過程中遇到的問題,我們解決問題的思路應該是從勝利走向勝利、從確定走向確定,而不是相反,即從失敗走向勝利、從不確定走向確定。這個原則雖然說起來簡單,但能成為習慣,遇到問題就按照這個原則去解決卻不太容易。

舉個例子來說明,比如某軟體的 v 0.66版本發現某 bug,而回歸到 v 0.60 版本卻無此問題,對這個bug ,我們的工程師應該怎麼查呢?經過觀察,一般有三種思路:1 是根據bug的現象推測問題在哪,然後根據推測調整**,接著發布版本進行測試;2 從 v 0.66 版本開始,接著 v 0.65 等等到 v 0.60,看哪個版本開始沒問題,然後再進行分析和調整**; 3 從 v 0.60 版本開始,接著 v 0.61 等等到 v 0.66,看哪個版本開始出現問題,然後再進行分析和調整**。

第一種思路是程式設計師的第一感覺,如果簡單的bug,這種思路是最好最快的解決問題思路,但是對於比較困難的 bug,這種思路就會顯示出它的弊端,常常效率會比較低。我一般是建議先允許工程師花2天的時間按照自己的推測來查詢bug,兩天過後如果還沒定位問題,則要求工程師採取最穩妥的版本回歸的方式進行bug的修復。

第二種思路相對而言,比第三種思路更常見,給我的感覺是程式設計師潛意識裡就喜歡這種方法。其實,根據前面所說的確定原則,我們應該選擇的版本回歸方式是第三種思路。

初看起來,第二種思路和第三種思路差別不大,甚至有人會說,如果bug僅發生在 v 0.66 版本時(即 v 0.65 版本仍然是好的),第二種思路僅需做一次回歸即可定位問題,而第三種思路卻要回歸五個版本才可以定位問題版本。

我的意見是,如果造成該 bug 的錯誤僅僅是一處(即某個版本),確實兩種思路區別不大,但是如果造成某個錯誤現象的原因超過一處的話,那毫無疑問第三種思路比第二種思路要好太多了。

舉個極端的例子,假設系統在輸入變數值為10 的情況下,輸出的正確值是 100,也就是 v 0.60 版本(正確版本)的輸出是 100;然後很不幸,v 0.60 後的每個版本新增模組都有些問題,並且導致每個版本的輸出都不一樣,他們分別是 v 0.61 輸出 150, v 0.62 輸出 180,v 0.63 輸出 200,v 0.64 輸出 250,v 0.65 輸出300,v 0.66 輸出 500。在這種極端情況下,如果用第二種思路去解決問題,我們看下解決問題的過程。首先,因為從 v 0.65 版本開始找,找到了第乙個沒問題版本,即 v 0.60,然後修復 0.61 版本中的問題,修復之後,發現 v 0.66 版本的值仍然是錯誤的(因為 v 0.62 到 v 0.66 的錯誤並未被修正),這時候工程師就會陷到乙個糾結的境地,即如果認為是 v 0.61 新增模組導致的bug,那麼修復之後bug應該消失,可是現實是沒有消失;如果認為 v 0.61 沒問題,那問題到底出現在哪兒?實際上在這個例子中,單純修復任意乙個版本的bug 都無法最終解決問題。

對付這樣的極端例子,按照確定原則來做的話,bug總是可以很容易的解決的。首先,找到第乙個出錯版本即 v 0.61 版本,然後專心修復該版本的 bug,即確保 v 0.61 版本的輸出是正確值 100。這時候把修復過的**合併到 v 0.66 版本測試,此時依然會發現 v 0.66 版本無法輸出正確值。但是沒關係,此時只需要迭代的運用第三種思路即可,直到問題的最終解決。

確定原則是乙個很重要和實用的工作原則,在實際開發工作中,遇到問題一定要有意識的把這個原則運用起來,否則的話,就很容易跑到潛意識中的第二種思路了。

gradle開發之除錯

關於gradle plugin的開發方式,網上可以搜到很多,也都講的很詳細。但是我在開發的過程中,發現除錯是個很困難的問題,於是我跑的官網找了一下gradle的test,確實有 傳送門 裡面講的很詳細 如何使用gradlerunner來寫測試 1 如何除錯gradle的外掛程式 1.先要debug模...

ios開發之 除錯方法

在開發專案的工程中,肯定會遇到各種各樣的bug,且大多數的bug都和自己有關 那麼在和bug鬥智鬥勇的過程中,如果能快速準確的一擊斃命呢,這個時候充分利用斷點除錯的優勢,可以讓我們能更加快速的定位bug,進而解決掉。如圖1 以上就是打斷點的基本操作。這是建立,再次點選就是臨時取消這個斷點,注意不是刪...

神經網路引數確定原則

網路引數確定原則 網路節點 網路輸入層神經元節點數就是系統的特徵因子 自變數 個數,輸出層神經元節點數就是系統目標個數。隱層節點擊按經驗選取,一般設為輸入層節點數的75 如果輸入層有7個節點,輸出層1個節點,那麼隱含層可暫設為5個節點,即構成乙個7 5 1 bp神經網路模型。在系統訓練時,實際還要對...