checklist

基础能力架构	规范能力	函数注释	1.注释有效性：应该说明函数的用途和使用场景，函数内部的注释应该强调业务逻辑和设计思路，让后期的维护人员可以快速的明白
		功能注释规范
		日志规范性	1.日志要考虑运维人员和技术支持能不能看懂 2.日志的有效性，比如先说明哪个action失败，失败的原因是什么，让别人可以快速定位问题是什么，日志要尽可能详细，严禁交代问题不清楚 3.日志中使用中文，需要考虑下会不会有编码错误
		REST API 规范	1.路径（url）即资源，让人一看就知道请求什么资源的 2.url中不能有动词。在Restful架构中，每个网址代表的是一种资源，所以网址中不能有动词，只能有名词，动词由HTTP的 get、post、put、delete 四种方法来表示 3.url结尾不应该有斜杆"/" 4.url应该使用连字符"-"来提高url的可读性，而不是使用下划线"_" 5.url路径中资源名词均为复数
		错误规范	1.通常一个错误会在很多地方出现，这样排查问题时只能看堆栈，才能确认问题在哪 ，所以我们在抛异常的时候应该考虑操作资源对象，动作，这样可以方便定位
		数据库规范	1.编写语句时，需要考虑数据库的性能，转换成sql语句后是什么样的，会不会导致数据库消耗明显增加，会不会导致内存性能明显增加。当数据指数级增长时，会对数据库，cpu，内存产生什么影响，有没有考虑相应的优化方式
		周期任务	1.使用周期任务前，考虑下是否一定需要周期性任务，有时一个状态锁就能解决的，没有必要上周期任务 2.编写周期性任务时，考虑周期任务的横向扩展。例如acmp现在单节点部署，那么如果多节点部署，会不会有数据库操作冲突，会不会有横向扩展问题
		命名规范	1.函数名：动作+资源 2.变量：下划线 + 小写字母 3.常量：全部大写
	易用性	用户易用	1.因为返回值、状态码、日志、异常不合理，导致易用性问题大量产生，解决bug消耗大量时间，故写代码时，建议做到一步三回头，站在客户与运维的角度考虑提示是否合理，能否理解，能否理解提示中的专业术语。
		运维易用
	基础设计能力	数据模型设计	1.设计数据库时，需要考虑业务模型，尽量遵循数据库设计三范式 2.设计大表时，考虑业务是否需要，是否可以拆分成几张小表。 3.考虑如何加快数据sql执行效率
		REST API 设计	rest API 设计指导： 1.http://www.ruanyifeng.com/blog/2011/09/restful.html 2.http://www.ruanyifeng.com/blog/2014/05/restful_api.html
	架构约束	架构层次	1.编写代码是，考虑架构约束，从数据接入层，数据处理层，到数据执行层，考虑清楚每层的边界划分
		模块层次	1.模块层次要清晰，模块间的关系要清楚
		函数层次	1.对于函数，每个函数的注释区，变量的初始化区，变量的赋值区，逻辑处理区，分支处理区，异常处理区，结果处理区。编码时，适当语句放入相应区域，对于各个区域，适当间隔，代码层次清晰明了,方便别人阅读其代码。
		高低层次	1.模块间是有优先级的(比如keystone),对于高优先级的模块，需要考虑调用关系，可靠性，性能等问题
		调用层次	1.调用不同模块时，需要清晰模块间的关系，编码时不能随意越界
进阶能力	基础设计能力	模块 类 函数 公共库设计	1.对于这些设计，我们编码时需要考虑，能不能把它进行抽象化，提炼出来。减少代码冗余。
	性能优化设计	循环 执行效率	1.对于Python的不同数据类型，在不同场合下，可能选择不同的数据类型会带来更高的性能体验，减少内存占用，提高执行效率。 2.对于for循环设计，层次一定要考虑清晰，不要一味的n层for循环来处理问题。是否有for循环之外更好的方法。
	模式设计	模式设计	1.对于函数 基类 设计时，时刻考虑适合把相应设计模式引入代码中，通过设计模式解决代码/结构冗余问题
	CPU内存消耗	CPU内存消耗	1.Python的语言精简，代码灵活。但Python语言内存，CPU的开销相对很高，因此，我们在编码时，需要时刻考虑内存消耗，查询性能优化，数据选型是否合理，内存是否回收，已提升我们的提高我们的性能。