说是管理其实就是把常用的一些JS方法，自己保存下来，这样的以后的工作中可以比较方便的使用。 哪些方法可以、或是说值得保存呢？...还有一些是扩展型的函数，例如，判断数组，增加、删除数组什么的， 还有一些工具类的，什么复制属性啊，字数判断啊，DOM节点操作啊，轮播广告啊，日期操作 总之，上面列出的那些内容的JS代码都是与具体业务逻辑无关的...============= 我写这些东西基本都是“思路或方法”的占多数，我觉得思维在层次上是高于具体实现的。...这也是我为什么很少写JS的具体实现的原因，我总觉得应该给我的粉丝们一些不一样的东西，一些别的地方得不到的东西。因为网上JS教程很多，我又写不好JS教程，我没耐心一步一步的详细写。...要看JS教程有很多地方可以看到很好的教程。 我希望关注我的朋友们，看我的微信公众号，能够体会一种“变通”的能力。不要我说一就是一，要懂得举一反三啊。 我再三提醒啊，不要僵化的去看待文中的内容。
我发布了自己的网站，主流的在线数据科学网站 KDnuggets 也对我进行了报道，我还在极具竞争力的计算机科学研究生课程中获得了奖学金。...问题在于这些网站都付费不低，而且它们无法教你如何在工作环境中应用这些概念，而且它们也会妨碍你继续探索自己的兴趣和激情所在。...我花了大概一个月的时间复习 Python 文档、Hitchhiker 的 Python 指南以及 CodeSignal 上的代码问题。...你可以在 ModeAnalytics 或 Codecademy 上学会用代码操作数据库。你还可以在 DigitalOcean 上实现你自己的数据库。 另一个常用技能是版本控制。...因此，在研究数据科学时，建一个作品集是你要做的最重要的事。一个好的作品集可以带给你一份不错的工作，并让你成为更自信的数据科学家。 你从零开始构建了自己的 web 应用程序吗？
二、数据指标是什么 在需求面临大面积加塞的情况下，我们经常听到：5天后正常按计划上线应该可以，大概还有300个人天可用，这部分需求上线感觉不能达到预期的效果，感觉这个版本可能会出一些技术上的问题。...如果我们这么说是不是觉得很爽快，这就是数据指标的直接用途。 三、数据指标体系是什么 在工程效率的管理中，尤其侧重于团队和个人的能效饱和度，想准确说清楚其实是一件很麻烦的事情。...全局指标二级指标三级指标交付效率需求交付周期需求数量需求交付吞吐量需求状态分布 需求颗粒度开发交付周期代码库数量开发能效饱和度代码提交量 代码复杂度 代码重复度测试交付周期测试用例数量 缺陷解决时长 全局指标二级指标交付质量需求评审通过率需求变更率需求价值达成率代码评审通过率单元测试覆盖率代码扫描问题数代码提测成功率缺陷密度缺陷逃逸率...五、结语 在《苏宁消费金融在DevOps阶段度量设计的落地》一章节中，我们讲到，通过DevOps交付全链路的度量，不断的优化交付链路过程中的问题和缺陷，从而确保度量设计的价值输出。...因此构建数据指标体系也是为了构建 DevOps 度量体系，数据指标体系是度量体系的前置条件，所以在度量体系的范畴内，我们也遵循相应的准则。 1、明确工作目标 明确工作目标，应具备主指标清晰的效果。
大家好，我是小浩。 作为一个 tech manager，我深知每年公司在招聘上投入的成本大的一批。...我知道的就有百度前端团队，在 ShowMeBug 拥有 50 多个账号。 当然，除了 ShowMeBug 之外，我还研究了代码面试生态其他的几款产品： ?...除此之外，我主要说下对面试系统的体验。（其实我主要就是想测试它的代码考核功能）也就是下面这个页面： ? 然而让我失望的是，面试官貌似并不能很轻松的进入到这个页面。...换句话说，leetcode-cn 在多人实时性这块目前做的并不是很好。所以 leetcode-cn 可能并不能适用于一些群面或者集体面试的场景。...其他的我还找了一些国外的产品： codesignal 地址：https://support.codesignal.com/hc/en-us 这家公司比较接近，也是提供在线面试服务。
1947 年 9 月 9 日，美国海军准将 Grace Hopper 在哈佛学院计算机实验室里使用 MarkII 和 MarkIII 计算机进行研究工作。...在我所担任过的角色中，有一个岗位叫做 Development Manager，通常简称 DM。...对于 bug，开发者的神经往往也很敏感。有个段子很有趣——说的是“应该如何向程序员反馈一个 bug？” 你不能直接跟他说：“这里不对啊，是不是你程序有 bug 啊？”...毕竟，随着软件应用越来越普及、越来越追求所谓人性化的趋势，传统意义上的只要程序能运行就不算 bug 的观点，也在慢慢发生改变。对于一个强迫癌用户来说，UI 上有缺陷，那基本上整个软件就不能用了。...从底层的汇编语言，到 C/C++，再到 Java/C#/Python……等各种高级语言，语言演化的目的之一就是为了把程序员从脏活、累活的工作中解放出来。
如果代码不能正常运行，那说明出了问题。但是，如果人们不理解代码，那么它肯定会出问题。迟早的事儿。 此处，我们来谈论一下人类的大脑。人脑是世界上最强大的机器。但是，它有其自身的局限性。...这就会埋下深远的祸根，因为我们不清楚某些代码变动是否会引发问题。我们无法运行详尽的测试，找出所有缺陷，甚至没有人知道这样的系统是否能正常工作。即便系统能够正常工作，我们也不明白为什么。...这也意味着破坏正常功能的错误无法避免。修改程序的某一部分就会破坏其他功能（这在函数式编程等其他编程范例中很少见。） 我们可以清楚地看到，现代面向对象编程本质上就存在很大的缺陷。...它不仅会让你在日常工作中痛苦不堪，而且还会让你夜不成寐。 5 可预测性 面条式代码是一个重大的问题。面向对象的代码特别容易形成面条式。 面条式代码导致软件无法维护，但这只是问题的一部分。...不确定的程序则恰好相反，在大多数情况下，add(2, 2)将返回 4。但有时，该函数可能会返回 3、5，甚至 1004。程序中万万不能出现不确定性，我希望你明白为什么。 不确定的代码有什么后果？
大家好，今天课程的主要内容为如何从头搭建 DevOps 流水线以及其在研发工作中的意义，最后是 DevOps 流水线实践与敏捷开发的关系的总结。...我认为流水线在研发管理过程中扮演了三个角色：不辞辛劳的临时工、铁面无私的守护者以及快速精准的操作员。 流水线是不辞辛劳的临时工。现在的构建流水线都可以按需创建。...但是通过集成到流水线中的方式，比如指定一个方法不能超过多少行，一个类不能超过多少行，代码重复率不能超过多少，代码的宽度及命名等，进行自动化、标准化的检测，就可以有效的保证代码规范的落地；第二是测试覆盖率...而上层测试的价值在于把这些代码集成起来，站在用户的角度去使用它，看看能否正常工作。上层和下层的测试关注点不一样，解决的问题也不一样；第四是部署。...实践都会随着技术的变化而变化，团队能力也在持续的变化，但能不能持续地保持敏捷，那就要看价值观、原则是不是能够持续地符合。 ?
对于新手、进阶的信息安全工作者来说，刷题能够让算法能力得到一个质的飞跃。 1、hackerrank - https://www.hackerrank.com/ ?...面向程序员、Hacker们的社交网络，在算法、数学、SQL、函数式编程、AI等众多不同领域为挑战者们提供了相应的编程题目，用户可直接在线完成挑战。...Geeksforgeeks涵盖文章、解释和代码解决方案等内容，除了提供基础的编程、算法学习资源外，在“算法和数据结构”主题中，提供测试项目，解题者可以在在线编辑器中进行挑战。...Online Judge系统最初使用于ACM-ICPC国际大学生程序设计竞赛和OI信息学奥林匹克竞赛中的自动判题和排名，现广泛应用于世界各地高校学生程序设计的训练、参赛队员的训练和选拔、各种程序设计竞赛以及数据结构和算法的学习和作业的自动提交判断中...在算法学习中，首先自己要找出自己的问题总是出在哪里？最薄弱的环节是哪一个？只有发现自身问题，知道如何学习去提升技能，最终才会学以致用。
[Xa9EonFAsvcRrPm.jpg] 大家好，今天课程的主要内容为如何从头搭建 DevOps 流水线以及其在研发工作中的意义，最后是 DevOps 流水线实践与敏捷开发的关系的总结。...我认为流水线在研发管理过程中扮演了三个角色：不辞辛劳的临时工、铁面无私的守护者以及快速精准的操作员。 流水线是不辞辛劳的临时工。 现在的构建流水线都可以按需创建。...但是通过集成到流水线中的方式，比如指定一个方法不能超过多少行，一个类不能超过多少行，代码重复率不能超过多少，代码的宽度及命名等，进行自动化、标准化的检测，就可以有效的保证代码规范的落地；第二是测试覆盖率...而上层测试的价值在于把这些代码集成起来，站在用户的角度去使用它，看看能否正常工作。上层和下层的测试关注点不一样，解决的问题也不一样；第四是部署。...实践都会随着技术的变化而变化，团队能力也在持续的变化，但能不能持续地保持敏捷，那就要看价值观、原则是不是能够持续地符合。 [rU5CiGdF3hnzuq2.jpg] 点击观看完整录播视频
引子 我们经常能够发现职场工作中的一些“能人”，他们的工作干练而高效，处处体现个人的价值。领导喜欢这样的人员，他们自然也有着更好的工作前途。 ...缺陷的重开率指的是一个缺陷经过开发修复后，被测试人员重开的比率。我没有听说过相关标准值，于是查询了一些相关资料，但是并没有找到相关标准。 ...这位同学于是将项目期望的缺陷重开率定为了0，也就是期望所有的缺陷修复都应追求100%一次修复成功。 这一追求合适吗？我与她进行如下一番推导： 缺陷修复是不是一种调整和重写代码的过程？...是 代码是不是由开发人员写的？ 是 开发人员能不能保证写出完美的代码，保证写出的代码中没有任何错误？ 否 推论：由不完美的人员做出的工作产品能不能简单要求100%无谬？...否 所以，我建议缺陷重开率不能设定期望为0，而是应取5%-20%区间。 以上这个推论过程，就是逻辑思维的应用。 看到这种思维的益处了吗？
如果我们交付的软件有很多质量的问题，存在大量的缺陷，客户会被这些缺陷的奇怪行为干扰，没有办法把注意力放在软件本身的价值是否符合他们的真正需求上， 不能给出最有价值的反馈。...我们可以赶在开发人员们写代码之前就告诉他们我要测什么，让他们减少因为过于乐观而漏掉的一些重要的有破坏性的情况，减少缺陷的发生。这是我测试的一项重要任务。...然而你们的这些日常测试离代码更近，离最终用户还点远。很多测试都不是在测软件功能。 你们可以把功能测试写的又快又多，而我们可以指出什么功能测试最有必要加到自动化测试中。...而我们除了验证这些情况以外，大量的时候都用在寻找什么样的情况软件不能正常的运行。所以除 了针对定义好的软件行为进行测试，我们还会做很多探索性测试。...也请你们多跟开发人员结对写自动化测试，既可以帮助你们学习怎样更好的编写自动化测试，也能帮助开发人员们结对更多的了解用户行为。 这就是我的五个约定，它们是我在团队中顺利展开工作的基础。
这是不是意味着，不需要这么多精兵强将了？ 生成式 AI 在回答我们的问题时，偶尔会抛出个煞有介事的答案，但如果你稍作检索，就会发现这个答案徒有其表：不是查无此言，就是一派胡言，这与人工智能的威名不符。...早有相关的数据统计，程序员日常的工作，只有 30% 的时间是在编写代码，而更多的时间是在尝试理解他们要实现什么功能，以及设计和学习新技能上。...这意味着程序员在代码助手中精挑细选的代码，也可能存有缺陷。因为这段有缺陷的代码，可能来自地球另一端的某个人，只是恰巧成为了地球这一端的选择。 要命的是，生成式 AI 有放大器（amplify）的功效。...简单来说，就是如果程序员采用了存有缺陷的生成代码，Copilot 会记录这样的行为，在接下来类似的场景，会继续建议有缺陷或差不多的代码。AI 并不能读懂这样的代码，它只是被鼓励继续提供。...在软件生命周期不同阶段加入进来的各角色，共同理解和分析软件的需求，然后转换其为代码，也在团队和人员更替的过程中，传递这些表面为需求和代码实则为知识的信息。
我的意思是说，即便AI 帮助程序员写得再快，这个阶段也只是软件生命周期中的一部分而已。...早有相关的数据统计，程序员日常的工作，只有 30%的时间是在编写代码，而更多的时间是在尝试理解他们要实现什么功能，以及设计和学习新技能上。...这意味着程序员在代码助手中精挑细选的代码，也可能存有缺陷。因为这段有缺陷的代码，可能来自地球另一端的某个人，只是恰巧成为了地球这一端的选择。 要命的是，生成式 AI 有放大器（amplify）的功效。...简单来说，就是如果程序员采用了存有缺陷的生成代码，Copilot 会记录这样的行为，在接下来类似的场景，会继续建议有缺陷或差不多的代码。AI 并不能读懂这样的代码，它只是被鼓励继续提供。...在软件生命周期不同阶段加入进来的各角色，共同理解和分析软件的需求，然后转换其为代码，也在团队和人员更替的过程中，传递这些表面为需求和代码实则为知识的信息。
此时，我的第一反应可能不是去思考我的项目是不是很烂，他说得对不对；相反，我觉得他是在针对我、指责我，我就会回击：“胡说，你做项目才烂！”...比如，在测试过程中，遇到某个问题： 测试人员：XXX，这个地方你代码写得不对，有bug。 开发人员（心理已经开骂了）：不会的，在我的电脑上都是能实现的，没问题啊。...如果是聪明的开发会将配置界面截图发给测试，如果遇到不聪明的，那就直接问他要。 二试 根据开发说的操作，在测试环境上配置，并且去查相关的表，确实表中的数据是否正确存储？值是不是取正确了？...大多数的开发这时都会想是不是代码出bug了，检查一下。 所以按上面几步执行，基本都不会出现冲突，有问题改问题，没问题也不会造成开发和测试双方纯洁的友谊，哈哈。。。...一般来说在沟通中做到以下几点： 1.需求不确定，找产品经理确定 2.BUG不能确定是否需要修改，找项目经理/测试经理/开发经理确定 3.确定的BUG，直接提缺陷管理平台 4.不确定是否BUG，先找开发人员确认
我想怎么强调这件事情的重要性都不为过，在我以前写的自己非常满意的代码经历中，我都采用了这个方法，它能消灭原来可能会被测试提的90%的Bug单，甚至做到零缺陷，当然做到这点可能需要一个过程。...拿到需求之后你首先要问下自己对需求是不是已经充分理解了，得到肯定的回答之后，我们就可以开始了： 1)先在你忙碌的工作中，找出你能完全掌控的一个小时时间段，这一个小时完全属于你自己，保证这一个小时不会有任何打扰...2)在第一张白纸的上方写下“该需求特性的正常流程和影响范围”，然后在白纸下方逐条开始写下该需求特性正常流程包含的内容，大概会使用到哪些库函数，会提供出哪些接口，是否会影响版本升级，是否影响资源文件，是否影响原有的接口等等...那么，做好质量活动就能“写出好代码”吗?答案是不能。...我让大家忘记质量活动，不是让大家不听质量专员的话，而是大家在写代码的时候要心中存有敬畏，代码写完之后所有的活动都是你造成的浪费，你要为消除这些浪费而竭尽全力。
作为一名程序员，我渴望我加入的应该要是一支“30%的时间在写代码，而70%的时间在喝着咖啡讨论着如何将产品做好”的团队。...我觉得软件工作应该成为一项技术和艺术融合的高智力活动，我们的项目经理应该是一个高度理解质量、范围和进度客观规律的明白人，“高效工作，快乐生活”才应该是我们的座右铭。 ?...我想怎么强调这件事情的重要性都不为过，在我以前写的自己非常满意的代码经历中，我都采用了这个方法，它能消灭原来可能会被 测试提的90%的Bug单，甚至做到零缺陷，当然做到这点可能需要一个过程。...拿到需求之后你首先要问下自己对需求是不是已经充分理解了，得到肯定的回答之后，我们就可以开始了： 先在你忙碌的工作中，找出你能完全掌控的一个小时时间段，这一个小时完全属于你自己，保证这一个小时不会有任何打扰...在第一张白纸的上方写下“该需求特性的正常流程和影响范围”，然后在白纸下方逐条开始写下该需求特性正常流程包含的内容，大概会使用到哪些库函数，会提供出哪些接口，是否会影响版本升级，是否影响资源文件，是否影响原有的接口等等
未能得到缓解的技术债务的连锁反应在整个组织中严重地打击了士气。 我们是不是陷入了事倍功半的泥潭 拥有一个高效的软件团队是一种竞争优势。...在一个人员过剩的项目中工作是痛苦的：你花在同步会议上的时间比花在代码编辑器上的时间还要多。 探索代码库中的技术债务 技术债务的主要问题是代码缺乏可见性。...红色代码白皮书表明，代码质量对发布时间和产品的外部质量都有显著的影响。 红色代码中的缺陷平均数量是健康代码库的 15 倍。这种缺陷密度会给产品带来不合格的体验。 红色代码造成了大量的浪费。...向健康的代码中添加特效似乎是一个可预测的过程。数据表明，在不健康的红色代码中添加新特性在时间方面有显著的变化，可能要长 9 倍。这给组织带来了不确定性。...我将通过一家持有红色代码的虚拟公司来详细说明这种不确定性意味着什么。这家公司可能能够在 9 个月内实现一种新特性。如果他们的竞争对手持有绿色代码，他们可以在一个月内实现相同的特效。
如果电路板的设计或焊接有问题，比如哪里有短路，就会出现电路过热，冒烟甚至起火的情况。如果没有冒烟，则该组件就通过了测试。 [名词解释] 回归是指某个特性在特定事件(通常是代码修改)之后停止正常工作。...在实际的开发中，不免会碰到这样的问题：某个功能或模块在新版中从正常状态退化到了不正常的工作状态。出现了软件功能的退化。...掌握测试覆盖率数据，有利于客观认识软件质量，正常了解测试状态，有效改进测试工作。 如何度量测试覆盖率呢？在度量测试覆盖率之前，我们需要明确测试覆盖率的定义。...100%的覆盖率并不能确保没有缺陷---它只能保证你所有的代码都执行了，不论程序的行为是否满足要求，因为代码的执行顺序和函数的参数值，都可能是千变万化的。...与其追求代码覆盖率，不如将重点关注在确保写出有意义的测试。 对于需求覆盖率来说，100%的覆盖率也不能说“没有Bug”。
原因之一在于，度量任何一位测试人员的成果并不是一个好的实践——鼓励过度的竞争、破坏团队工作的协作性。 因为团队合作在敏捷中占据了相当大的分量，所以这一指标完全就是跟“更快、更好、更强”的理念对着干。...代码覆盖率完全可以给你一个错误的实际测试覆盖图，原因有两个： 首先，单元测试并不是软件的全面测试。它们只是测试，代码中特定的微组件是否能够正常工作。...即使你的车里的所有部件都经过了测试，可以单独、完美地工作，也不能保证汽车会启动。 其次，这个指标对单元测试质量没有任何意义。...在持续的测试环境中，度量标准是至关重要的，他需要确保软件质量能真实的提高。 防止未经测试的代码修改部分流入到生产环节中。...其中的某些指标，会如上述所说的那样，不确定或者误导。今天的指标不能提供足够的、有意义的、显示软件质量趋势的信息。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
