حلقه های بیش از حد بهینه شده به چشم آسیب می زند
TL;DR: حلقه ها را بدون نیاز واضح و شواهد واقعی واقعی بهینه نکنید
مشکلات
راه حل ها
- آن را ساده نگه دارید
- وضوح را در اولویت قرار دهید
- از تغییرات زودرس خودداری کنید
- در صورت نیاز Refactor کنید
زمینه
ممکن است فکر کنید بهینه‌سازی هر حلقه عملکرد را بهبود می‌بخشد، اما زمانی که وضوح را فدای دستاوردهای اثبات نشده کنید، این رویکرد نتیجه معکوس دارد.
نوشتن کدهای پیچیده برای جلوگیری از فرضی کندی سرعت اغلب درک یا اشکال زدایی کد شما را برای دیگران (و خود آینده شما) دشوار می کند. بهتر است خوانایی را در اولویت قرار دهید. حلقه ها را ساده نگه دارید و تنها زمانی بهینه سازی کنید که از وجود یک گلوگاه مطلع باشید استفاده واقعی سناریوها
کد نمونه
اشتباه است
# Over-optimized and less readable
result = [item.process() for item in items if item.is_valid()]
درسته
# Clearer and easier to understand
result = []
for item in items:
if item.is_valid():
result.append(item.process())
تشخیص
به دنبال درک لیست یا ساختارهای حلقه پیچیده ای باشید که عملکرد را بدون شواهد معیار عملکرد واقعی بهینه می کند.
استثنائات
- شواهد ملموس در مورد الگوریتم های ماموریت حیاتی
برچسب ها
سطح
نسل هوش مصنوعی
ابزارهای هوش مصنوعی اغلب صحت عملکردی را در اولویت قرار می دهند تا بتوانند حلقه های تمیز و ساده ای تولید کنند.
اگر به هر قیمتی از هوش مصنوعی بخواهید عملکردی داشته باشد، می تواند …