J2EE简单性的红利

复杂性的代价:

系统架构上的复杂性,如果并非出于必要,则一定是坏事.

它的影响主要:

1 . 带来大量不必要的代码,这些代码的每一行都需要编写,测试,而且需要带来很大的维护成本

2. 复杂的架构,往往也意味着性能的低下。

3. 复杂的架构往往会使构建比较复杂,并且往往依赖于一些复杂的工具.

4. 复杂的代码难于理解,也就是说,你很难往这的项目中再添加人员,要理解、维护这些代码,成本之大将超过预期收益.


XP 对于复杂性的理念是: 选择能够奏效的最简单的做法.


再来看看,导致复杂性架构的原因有哪些?

1. 使用复杂的技术解决方案,比如以前的EJB

2. 将对象分布化:

将对象分布化常常会诱发以下几个复杂的情况:

(1) 你需要在不同的服务器中传输对象,若是需要传输一个复杂层级的对象,将会非常困难.

(2) 分布式应用的部署将会非常的复杂,和难于监控.我们需要在不同节点之间保持代码同步,所以在一个集群上部署新的二进制程序将会是非常复杂的

  (3) 所有远程调用都需要面对网络问题,对于类似的异常处理,也是增加复杂度的方面之一

     (4) 对于分布式代码的测试变得异常复杂,因为要测试多种故障场景以及形形色色的部署现场.

 另:

  在人们中有一种广为传播的信念:分布式应用系统是高度可扩展的,这也是支持对象分布化的主要论点。

但是事实是,这基本是一个神话。  人们认为可以通过 4个tomcat容器,8个EJB容器来扩展应用,所有请求都通过WEB层来进行远程调用。

这里的主要问题是: 每次远程调用消耗的性能过于高,将设理论上这样的调用真是有所收益的话,也早被网络消耗光拉。

 

  我们更加倾向于: 将应用完整镜像到一个集群,每个镜像放在集群中的机器上,用同一个JVM来跑应用,通过硬件或者web容器的负载均衡技术来对前台的请求来进行分流。让每个机器上的代码都相同,而且每一个应用都是跑在各自机器的一个JVM实例中,这样的效率要远远高于分布式应用.

3.模式病

  系统架构过于偏向于模式的应用,生搬硬套,导致应用过于复杂

4.各个软件厂商的忽悠

  厂商将复杂的应用以最佳实践方式放出来,以显示他们的产品又多强大,但是往往他们给的最佳实践或许对真正的需求帮助并不大,反而会将应用架构带入泥潭

结论: 借用quick sort作者,也是图灵奖获得者C.H.A.R.Hoare的一句有深意的话来说:

“有两种软件开发的方法:一种是尽量把事情做得简单,让人一看就知道系统明显没有缺陷;一种是把事情尽量复杂,这样一来,也就没有明显的缺陷。”
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值