方法论之 如何解决一个问题

简介:

首先,这篇文章是一篇枯燥的方法论,或许你会不喜欢,但是我还是建议你看下去。因为这些方法论不是由哪个家哪个家研究出来的长篇大论,而是一个软件开发者的切心体会。

这里的“问题”,你可以理解是一个恼人的bug ,或者其他难以解决的东西。
好吧,不说那么多,直入主题。
 
确定问题域
首先确定问题域。
最开始我以为这个词是我凭空想象的,写这段话的时候,顺便问了一下百度。百度上这么解释:问题域指提问的范围、问题之间的内在的关系和逻辑可能性空间。 软件工程:在软件工程中,问题域是指被开发系统的应用领域,即在客观世界中由该系统处理的业务范围。在这里,我想表达的是这么一个意思:一个bug 的出现,必定是在某一个地方,确定问题域,就是确定并明确该问题是有哪部分的错误引起的。比如说,我们写了简单的加和功能,然后在主程序中输出结果。发现输出不对,然后调试发现加和函数返回结果没有问题,那么我们就可以将问题域确定在输出那一块上。刚开始确定的问题域可能很大,不过这不要紧,接下来我们要做的就是缩小问题域。
缩小问题域
我个人认为,如果你能够很成功的缩小问题域,那么这个问题也就基本上能够很快的解决了。
当你解决一个你特别熟悉的问题时,你会不自觉的使用该方法,因为有你潜在的经验在。可是如果遇到的是一个你所不熟悉的问题,有可能你就找不到解决的办法了。
如何缩小问题域呢?假设,我们将一个问题描述问题Q ,那么Q 肯定是由各种小的模块组成的。并不是每一个模块都有bug ,也不是只有一个模块有bug 。特别是后者,如果一个问题是由多个bug 导致的,修复起来就很有难度。
我们现在假定这个问题的模块组成结构图如下所示。  
 
   

     
         

可以看出来,这个问题还是比较复杂的。Ok,现在我们在Q处发现一个bug。然而对于这样的bug,我们毫无经验。以前我可能会按照Q的错误提示,然后,在网上狂找答案,得到各种答案后,进行各种尝试。所有的尝试都是盲目性的尝试。而且每次的尝试,都是单变量的,比如说,就如Q的问题。可能有的是因为A处出错了,但是就Q问题本省,可能是由于AE共同导致的。这样查起来就很有难度了。

这里提供几种排查问题的方案。

如果你有一个模版例子,跟这个相似,那么你可以很好的利用一下。比如说,范例的使用也是同上的形式,D+F+A共同作用导出Q。那么,你将自己代码取一部分放进去。比如,将F放过去,如果没错,那么肯定是DA出错了。然后再使用模版的AF组合,加上我们自己写的D,如果有错,那么就是C或者D的构造出错。如果没错,说明D本身没错,单个A的使用出错了。这样不断的将问题域缩小,逐步相互比较,在那个地方出错了,就不断追溯这个错误的原因。直到最终错误成为某一个点。然后将这个错误和原有的范例进行比较,看看差异在哪里。

或者是你将该部分有错误的代码放在一个最单纯的环境中,比如说控制台。这样去逐步确定产生该问题的原因。减少项目本身的一些原因对bug 寻找造成的影响。
其实,在缩小问题域的过程中,一定要先确定好自己的缩小方案,一步一步来,每一步执行结果都要应该有一个可靠的推论,对下一步的确定方案进行指导。而万万不能是盲目的修改,连自己都不知道如果这个不成功我下一步该怎么办,只是祈祷这一次修改恰好是错误的地方。
修复问题
找到问题的所在的时候,就剩下最后一个问题了,就是修复该bug

修复该bug最直接的方案就是有什么错,就纠正什么。通常这么做就能解决问题。但是,我这里要说的是,并不是所有问题都是非得通过这个方法解决,或许我们可以从根本上替换了某个方法,而避免引入这个bug,没有了这个bug,也就无修复所言了。这也是我在开发中经常泛的一个错误:遇到一个问题,就想这要解决,却很少及时的想起换一套解决方案,把这个问题绕过去。O()︿︶)o 唉,没办法,感觉遇到一个问题,就怎么能置之不理呢?再想想想,这不过是 学术而另一个是技巧罢了。

最后
写了这么多,到最后才发现,把这些用文字表达出来是这个苍白无力,像是大白话。没办法,是不是所有的理论原理都这样,或许只有自己体会出来的东西,才会最明白。
嗯,大概是这样。


本文转自HDDevTeam 51CTO博客,原文链接:http://blog.51cto.com/hddev/681380,如需转载请自行联系原作者

 

相关文章
|
21小时前
|
云安全 人工智能 自然语言处理
|
5天前
|
搜索推荐 编译器 Linux
一个可用于企业开发及通用跨平台的Makefile文件
一款适用于企业级开发的通用跨平台Makefile,支持C/C++混合编译、多目标输出(可执行文件、静态/动态库)、Release/Debug版本管理。配置简洁,仅需修改带`MF_CONFIGURE_`前缀的变量,支持脚本化配置与子Makefile管理,具备完善日志、错误提示和跨平台兼容性,附详细文档与示例,便于学习与集成。
314 116
|
8天前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本或视觉提示的统一图像视频分割模型,可精准分割“红色条纹伞”等开放词汇概念,覆盖400万独特概念,性能达人类水平75%–80%,推动视觉分割新突破。
556 51
Meta SAM3开源:让图像分割,听懂你的话
|
20天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~
|
5天前
|
人工智能 Java API
Java 正式进入 Agentic AI 时代:Spring AI Alibaba 1.1 发布背后的技术演进
Spring AI Alibaba 1.1 正式发布,提供极简方式构建企业级AI智能体。基于ReactAgent核心,支持多智能体协作、上下文工程与生产级管控,助力开发者快速打造可靠、可扩展的智能应用。
|
4天前
|
弹性计算 人工智能 Cloud Native
阿里云无门槛和有门槛优惠券解析:学生券,满减券,补贴券等优惠券领取与使用介绍
为了回馈用户与助力更多用户节省上云成本,阿里云会经常推出各种优惠券相关的活动,包括无门槛优惠券和有门槛优惠券。本文将详细介绍阿里云无门槛优惠券的领取与使用方式,同时也会概述几种常见的有门槛优惠券,帮助用户更好地利用这些优惠,降低云服务的成本。
264 132
|
8天前
|
机器学习/深度学习 人工智能 自然语言处理
AgentEvolver:让智能体系统学会「自我进化」
AgentEvolver 是一个自进化智能体系统,通过自我任务生成、经验导航与反思归因三大机制,推动AI从“被动执行”迈向“主动学习”。它显著提升强化学习效率,在更少参数下实现更强性能,助力智能体持续自我迭代。开源地址:https://github.com/modelscope/AgentEvolver
396 29
|
14天前
|
安全 Java Android开发
深度解析 Android 崩溃捕获原理及从崩溃到归因的闭环实践
崩溃堆栈全是 a.b.c?Native 错误查不到行号?本文详解 Android 崩溃采集全链路原理,教你如何把“天书”变“说明书”。RUM SDK 已支持一键接入。
709 224