【整洁代码之设计篇】Clean Design 1 - Single Responsibility Principle理论和实践

本文详细阐述了单一职责原则(Single Responsibility Principle)的概念及其在实际项目中的应用。文章首先定义了单一职责原则的基本概念,即一个类应该只有一个引起其变化的原因。随后,通过具体的例子展示了如何识别和拆分类的职责,以及如何通过接口隔离等手段来限制变化的扩散。

整洁代码之设计篇 - Clean Design 1: Single Responsibility Principle理论&实践

1. 前言

作为“整洁代码之设计篇”系列的第一篇文章,在这篇博客中,我将给予在公司中为Java工程师讲授的高级课程“Clean Design - SOLID”对Single Responsibility Principle的理论和实践进行较为详细的阐述。整个系列博客的定位不是讲网上或者经典书籍中现有的资料再一次汇总,相反,我将重点着力于这些“传说”中的设计原则在实际工作中的启示和使用。因此,如果你想获得关于这些SOLID原则深入和详细的理论论述,请参看Uncle Bob大叔的经典PPP(Agile Software Development: Principle, Pattern and Practice);如果你想获得如何在实际项目中实践这些原则的建议,那么请继续读下去。

2. 单一职责原则:一句话概述

 

(Reference: Uncle Bob PPP)
如果用一句话来概括“单一职责”原则的话,那就是:任何一个类应该只有一个理由(或者源头)会让其产生改变“。

可能会有读者要问了:这个解释里面似乎确实了”职责”这个关键词啊?那么好,就让我们庖丁解牛,来好好分析一下这”单一“和”职责“的含义,以及上面这句概述的启示。


3. 什么是”职责”?

在“单一职责原则“这个语境中,职责(Responsbile)的含义是:改变的理由(a reason to change)。正如Webster词典里解释的一样:

 


 
(Webster dictionary)

如果对一个类(Class),或者一个模块(module),你能发现多余一个的理由,或者源头,或者用户能够让这个类或者模块发生改变,那么我们就说这个类或者模块承担了“多个职责”。

好了,让我们来看一个例子:

 

在这个简单的调制解调器的例子中,你能发现几个让其改变的理由?我看到的有:如果当调制解调建立链路的方式发生变化的时候,这个类的dial()和hangup()方法会收到影响而改变;同时,如果链路上数据传输的方式发生了变化,那么send()和recv()方法也会受到影响。因此,我们可以认为这个类有“多个”让其产生改变的理由,因此在“单一职责”原则这个角度,这个类有design smell。

让我们再看一个模块的例子:


 
在这个例子中,你能发现多少个Actor?同时,对于Rectangle这个类,你能指出多少个让其可能产生变化的理由或者源头?

在我看来,在这个例子中,至少有两个不同的角色:第一个是对矩形的面积(或者说数学上对矩形的建模)感兴趣的Actor;第二个是对如何将矩形绘制出来感兴趣的Actor。而这两个Actor同时都会直接和Rectangle这个类建立联系(依赖关系),那么对于Rectangle来说,可能的改变就会来自两个地方(例如:对矩形的建模方式可能会改变,对矩形绘制的具体策略也会发生改变)。那么根据我们上面的论述,这里的Rectangle就违法了”单一职责“原则。

4. 为什么承担多职责是坏事呢?

在生活中,能者多来是好事,但是为什么在软件建模中一个类或者模块承担了多个职责会是不好的设计呢?原因就在于因为有多个源头会引发改变,那么受影响的类或者模块就会有更多的可能需要改变;而改变意味着重新产生测试用例,重新编码,重新编译,重新验收测试,重新部署,重新…………这一切都会是对时间和精力的耗费(想一想上一次你重新把你在客户那里的DLL或者JAR包重新部署的过程和客户的抱怨)。

 

所以,尽可能的让已有模块保持稳定,限制变化的扩散和利用plugin模式进行系统的升级(而不是重新部署原有系统),就是“单一职责”原则背后的深意。

5. 怎样满足“单一职责”呢?

5. 1 招式1 (Kata 1) - 拆分多职责,接触强依赖

招式解释:通过将多个职责分解到不同的类或者模块,每次分解可以拆分一个职责,并将之前改变的扩散在一个方向上降低。
招式局限:单纯的职责拆分无法达到彻底隔离实现细节上的变化的影响扩散问题。
招式示例:还是利用上文中的矩形的例子,通过使用这个招式,我们可以将“数学上矩形的建模”和“绘制矩形”两个责任分解到两个模块,并让其中一个模块通过delegate的方式将两个功能聚合。如下图:


 
在这个设计中:
-  在“绘制矩形”这个领域的变化将会隔离在Graphical Applicaiton和Rectange两个类中,而GUI和Geometric Rectange,Computational Geometry Applicaiton将不受影响(他们是被依赖的对象)。而在原来的设计中这个变化会扩散到这些模块。所以,我们解决了一个方向上的变化的扩散。
-  但是,在“数学上对矩形的建模”的改变,还是会扩散到Rectangle和Graphical Application。因此,这个方向上的改变还是会扩散。

基于此,我们引入招式2.

5.2 招式2 (Kata 2)- 利用抽象层次进行接口隔离

招式解释:通过将不变的高层逻辑进行抽象为接口,而让具体的实现依赖于高层(相对稳定)的逻辑,从而达到分解职责和隔离双向变化引发的扩散。
招式局限:引入一定数量的接口
招式示例:继续上面的矩形的例子,为了将Geometric Rectangle上可能发生的变化不要传播到Rectangle这一端,我们可以将Geometric Rectangle中稳定的部分抽象成为一个接口(interface Shape)。同时,让Rectangle依赖于稳定的接口而非具体的实现,从而实现变化扩散的双向隔离。具体来说,Graphical Applicaiton和Rectange draw()的变化不会扩散到Shape和Geometric Rectangle这端;同理,Geometric Rectangle的变化(只要没有影响Shape接口),就会被Shape接口隔离。


在这个设计改进中,通过拆分多个职责到不同的类和模块,同时通过加入抽象层来隔离改变可能产生的扩散,我们很好的达到了每个模块或者类只有一个改变的理由(responsbilility),并且让系统成为一个增量扩展系统(plugin模式,而不是redeploy模式)。

 
内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解验证模型泛化能力。
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
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