【项目开发】成长与收获

简介: 【项目开发】成长与收获

前言:

通过这三天对体测项目的开发,虽然没有怎么敲代码,但是经过前期的设计、以及和后期的测试,带给我的收获也蛮大的。刚接到任务的时候,由于没有接触过体测项目,也没怎么敲过后端代码,所以心里还是有一些抵触的。但是想要成为全栈的工程师,对于前后端的接触是必不可少的。这也是站在巨人(师哥师姐们)的肩膀上学习的一次重要的机会,也可以从中得到一些思维的提升和认知上的提升。

前期设计:

对于读取Excel表格并把读取到的数据插入到相应的数据表中的需求,在马总讲的时候存在一些不懂的地方,会后就去找了王卫,先是自己说了一个大概的思路,然后有不明确的地方请教了王卫,请教了大概四次,王卫也是很有耐心的听我说我的想法,也把帮我解决我不明确的地方。这要是之前的话,我是不好意请假他人那么多次,第一是怕自己太笨人家给讲了这么多次还听不懂,第二是怕耽误他人的时间打乱他人的计划。但是这次我秉承了咱们大米时代的家规:死不要脸的革命精神。其实这时在提高自己的积极性的同时,也在教自己遇到事情要问,不要不好意思,他人给自己的讲的同时,两者都能在其收获到很多。当自己把业务捋清楚后,画了一个宏观的流程图,这时就没有一开始那么没头绪,思路很乱了。

后期测试:

在对体测教师端的两个端(pc端、mobile端)进行测试的时候,因为对体测的不熟悉、不了解所以对测试这方面的工作执行的很不尽人意,没有达到自己的要求。我又开始了自以为是,我以为体测只有一个教师的pc端,当汇报工作的时候,马总问两个端都测试完了吗,我就开始有了疑惑,问了才知道体测的教师端有两个端(pc端、mobile端),这件事情给我带来了很大的收获,更直观的表达出了我没有全局观,自己为是,觉得自己认为的就是对的。

总结:

如何高效率的学习?

  1. 条例清晰,层次分明
  2. 要善于分条例、分条例、做结构化
  3. 要做到N+1(在原来的基础上迭代新的知识),1+N(在学习新的知识时,回顾学过的知识)
  4. 要读出代码的味道

1、学习是一个反复的过程,再学习的过程中,一定要问问题,要多问问题,因为问题是最好的老师。再问问题的过程中,往往收获是最大的。通过和其他人的讨论,再自己想法的基础上再结合他人的补充或对自己想法的完善,自己对问题的结果会有更深刻的理解和认识。

2、要学会思考问题,要明确边界,要用逻辑去做事情。不断地去辩证和思考问题,要问清楚问题的边界,去把所有的可能性都遍历出来。

如何快速的写出代码?

  1. 先建模(类图、UML图、流程图、示例图)
  2. 先宏观(明确有多少个类),后微观(层次分明,条例清晰)
  3. 边界要清晰,讲逻辑,比较
  4. 要善于总结

就像米老师说的”书读一万遍“,代码亦如此


相关文章
如何将Markdown文章轻松地搬运到微信公众号并完美地呈现代码内容
相信有很多童鞋跟我一样,热衷于用Markdown来编写文章。由于其简单的语法和清晰的渲染效果,受到广大码农朋友们的推崇。但是,当我们想维护起自己的公众号时,公众号编辑器往往让我们费劲了脑汁。本人尝试了各种工具,比如:秀米一些在线提供多种不同样式的编辑器。虽然这些编辑器都能够完成编辑任务,但是效果并不理想。与我们所追求的简洁、清晰风格总是格格不入,尤其是对于代码的展示非常的不友好。所以,这里给大家推荐一个本站的在线工具,可以帮助大家快速地把Markdown文章转换成微信公众号支持的漂亮格式。
676 0
如何将Markdown文章轻松地搬运到微信公众号并完美地呈现代码内容
|
11月前
|
缓存 NoSQL 数据库
《如何优化数据库查询性能以应对高并发场景》
优化数据库查询性能需综合考虑:合理设计数据库(表结构、索引、关联),高效利用索引,缓存热点数据,采用合理的查询策略,优化数据库参数配置,实施读写分离及水平扩展。针对具体需求,选择合适的方法提升性能。
317 14
|
自然语言处理 Java Go
Fury:一个基于JIT动态编译的高性能多语言原生序列化框架
Fury是一个基于JIT动态编译的多语言原生序列化框架,支持Java/Python/Golang/C++等语言,提供全自动的对象多语言/跨语言序列化能力,以及相比于别的框架最高20~200倍的性能。
Fury:一个基于JIT动态编译的高性能多语言原生序列化框架
|
10月前
|
存储 人工智能 自然语言处理
AI Agent与SaaS工具协同发展的未来:企业智能化的全新范式
AI Agent以自主性和智能化为核心,适合复杂任务的动态执行;而SaaS工具则注重服务的完整性和易用性,适合标准化业务需求。
704 14
AI Agent与SaaS工具协同发展的未来:企业智能化的全新范式
|
机器学习/深度学习 自然语言处理 算法
3大核心技术,免费开源的智能合同审查分析软件的技术介绍
智能法律文档分析系统基于BERT、GPT等模型,实现高精度的实体识别和关系抽取,准确率分别达95%和90%以上。系统支持跨文档关联分析和实时处理,响应时间小于1秒,显著提升文档处理效率。核心算法包括深度学习模型、关系抽取技术和多层次数据处理能力,适用于复杂的法律文书分析。
733 0
3大核心技术,免费开源的智能合同审查分析软件的技术介绍
|
存储 监控 Linux
如何根据实际工作负载和性能需求调整TDengine的系统配置?
【5月更文挑战第13天】如何根据实际工作负载和性能需求调整TDengine的系统配置?
424 0
|
存储 Arthas 监控
JVM工作原理与实战(三十):堆内存状况的对比分析
JVM作为Java程序的运行环境,其负责解释和执行字节码,管理内存,确保安全,支持多线程和提供性能监控工具,以及确保程序的跨平台运行。本文主要介绍了堆内存状况的对比分析、产生内存溢出的原因等内容。
285 0
|
人工智能 监控 数据可视化
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然
【AI大模型应用开发】【LangSmith: 生产级AI应用维护平台】0. 一文全览Tracing功能,让你的程序运行过程一目了然
802 0
|
SQL 数据采集 数据挖掘
基于Hive的淘宝用户行为数据分析
基于Hive的淘宝用户行为数据分析
1454 0
|
负载均衡 安全 网络协议
阿里云专有云网络基础了解1
阿里云专有云网络基础了解1
376 2