过去的那三个月

作者:李东龙

         工作这段时间恍如隔世啊!大家都成长了很多。无论是技术上,业务上,认识上,还是理解能力上,为人处事上都是质的飞跃啊!

         三个月了,工作算是测底的稳定下来了。大家都担任了公司开发、维护、优化等方面的重要角色。在山大的压力下都挺了过来,现在的生活相对比较安逸了!当然每天也会碰到这样那样的困难。和刚到YY上班时候的压力相比都小了很多,第一可能是问题本身相对没有之前那么严峻了,第二是能力上有了提高!

         我觉得应该更侧重于后者!新人来人家是不会给你特别难的东西让你来做的。人家对你的水平又不了解,给你活干都是担着风险啊!管理者当然懂得知人善任了!

         经过这几个月的熟悉,基本对YY公司使用的技术(只针对自己负责的这部分)有了深入的了解,起码是更熟悉了!对它们底层封装的方法,也有了了解了!不像刚来的时候都不知道人家底层已经封装了很多方法了。也找不到,即使找到了也没有注释,根本就不知道怎么用。还得参见人家别人是怎么用的!

         据说人家这里用了‘中间件’,也不知道具体是个什么样子。也不知道自己用到了没有!还是需要学习一下啊!

 

         我这三月中,只有不到一个月的时间在写代码,做优化!前两个月一直都在分析他们当前系统中存在的问题,影响性能的点,寻找优化方案!

         当时也是非常痛苦啊!什么都不知道,给我发了一堆代码就让分析!想象当时每天的任务就是几万行代码的阅读!看这那些不很亲切的代码,很是想吐啊!也不知道两个月度日如年的日子怎么就过来了!

 

         过了这段熟悉期之后就开始了真正意义上的优化工作,开始修改代码了!总共带着我对需要优化的代码改了整整三天,整体的代码框架算是整理好了。不过一开始我对他们这样的改法很有意见啊!

         拿来代码就往一起凑,把整个实现这个功能的代码放到一起,然后再对之前单条处理的方法改成批量的处理。这就是现在优化的方法!

         当然这样可以把功能实现,也不会出现太大的逻辑错误。速度上也有了提升!

         但是,这样的代码从结构上将不服务单一职责原则。本身修改之前这个方法,可以能会很有很多地方调用到,现在单拿出来,改成过了私有的,也就这块被优化的地方可以用这个方法。其他的地方还用的是就的方法。完成同样功能的方法可能出现在很多的地方!代码的好多都是重复的!他们现在对方法的抽取上一直就存在这样的问题。在优化期间我也对此做了些工作!

        

         经过这一个月的优化,我对这样的修改方法有些转变来了看法。像他们现在这样庞大的系统,想要修改一个方法其实涉及的情况很复杂。如果不单把一种或几种情况下中占用的方法单拿出来修改,要么就没法改了,牵一发而动全身啊!(应该是之前的代码结构有问题吧)这是个值得思考的问题!

 

         现在优化工作,我就基于这样的一种修改方式。在有修改期间时刻注意着方法的复用,以及代码归法问题!继续优化中……

        

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
好的,我理解您的问题是让我介绍如何按日期调度三个的数据。这里有几种不同的方法可以实现这个任务,我来给您介绍两种常见的方法: 1. 使用 SQL 查询语言 如果您的数据存储在关系型数据库中,可以使用 SQL 查询语言来实现按日期调度三个的数据。下面是一种示例 SQL 查询语句: ``` SELECT * FROM your_table WHERE date_column >= DATEADD(month, -3, GETDATE()) AND date_column < GETDATE() ``` 这个查询语句会选择所有日期在过去三个内的数据,其中 `your_table` 是您的数据表名称,`date_column` 是包含日期信息的列名称。您可以根据需要进行自定义修改。 2. 使用 Python 编程语言 如果您的数据存储在文件或其他数据源中,可以使用 Python 编程语言来实现按日期调度三个的数据。下面是一种示例 Python 代码: ```python import pandas as pd from datetime import datetime, timedelta # 读取数据文件 df = pd.read_csv('your_data.csv') # 转换日期列 df['date_column'] = pd.to_datetime(df['date_column']) # 计算三个前的日期 three_months_ago = datetime.now() - timedelta(days=90) # 选择三个内的数据 df = df.loc[(df['date_column'] >= three_months_ago) & (df['date_column'] < datetime.now())] # 输出结果 print(df) ``` 这个 Python 代码会读取一个名为 `your_data.csv` 的数据文件,并选择包含在过去三个内的所有数据。您可以根据需要进行自定义修改。
评论 8
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