软件团队降本增效-团队项目技术的匹配

在软件开发中,有许多开发语言、框架和工具可供选择,每一种都有其适用的场景和优势。原则上,在满足开发要求的情况下,尽量选择简单的技术。

  • 无代码能解决的用无代码技术。
  • 低代码能解决的用低代码技术。
  • 用快速开发框架能解决的用快速开发框架。
  • 能单体程序解决问题的,绝不用微服务。
  • 能用简单的开发语言,绝不用复杂的开发语言。

简单项目的策略

简单项目一般开发成本在一人月以内,对性能或使用体验上要求不高。

简单项目一般会选择低代码之类的技术框架,在团队组建上,要以低端研发人员为主。中高端研发人员,会因为项目没有挑战性,缺少成长空间,流动率会非常的高。在使用低代码之类的技术,通常意味着在通用需求上表现很好,在个性化需求上非常难以实现。如果在软件的整个生命周期中,修改频率高,有很多个性化需求的时候,要谨慎使用这类技术。

小型项目的策略

小型项目一般开发成本在十人月以内,对性能要求不高。

小型项目,需要兼顾开发成本和维护成本。可以使用主流的开发语言和开发框架,需要使用一些工具来辅助检查代码质量和方便代码调整和重构。能使用单体程序,尽量不要使用微服务。单体程序在调试,部署,运维上都要简单很多。而且目前有不少基础设施(比如数据库,文件存储等)本身就是分布式,在数据量和性能有很高的指标。在人员配置上,一个资深研发带几个中级开发即可。

中大型项目的策略

中大型项目,需要特别注意维护成本的高低。在技术,架构,系统抽象上出现问题都会造成后期成本大幅度提高。

中大型项目在设计阶段,需要核心人员参与,在数据抽象,架构体系,数据库设计,接口设计等方面都要仔细评审。同时还要在产品,项目,代码能多个方便控制风险,控制需求膨胀或代码快速腐坏的情况出现。在人员配置上,需要保证一定的互补性,防止人员流动造成的团队知识流失。需要更多的辅助设施,保证项目的健康,比如代码评审,自动化测试,代码覆盖率,精细化linter配置,发布流程等配合。

在一些关键性能点上,可以考虑使用 c/c++.rust等语言的混合使用,但是尽量克制,除非莫不得已的情况下。

在团队项目和技术体系上,切勿杀鸡用牛刀,在满足客户需求的前提下,综合考虑开发和维护成本,选择尽可能简单的技术方案。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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性的任务之一。 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,将输入图像一次性划分为多个区域,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

打赏作者

凌鲨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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