• 如果您的软件设计糟糕透顶,拥有出色的 Kubernetes 集群和最花俏的微服务基础架构将无济于事。 几年前,我在一家SaaS公司工作,该公司遭受了可能所有可能的软件开发问题。代码是如此的复杂,以至于增加一些简单的变化可能需要几个月的时间。所有的任
  • 我是在20世纪80年代长大的,在家里为Commodore VIC-20和Apple等个人电脑编程。在大学里学习计算机科学(CS),并最终在伯克利获得博士学位,我的大部分专业培训都扎根于我所说的 "经典 "CS:编程、算法、数据结构、系统、编程语言。在经典计算机科学中,最终的目标是将一个想法还
  • 神奇的是,设计模式没有什么神奇的。许多被认为是复杂的模式在表面下反而显得很简单,甚至是容易的。 以事件源为例:简而言之,你可以在流的末端追加事件,然后从流中读取所有事件。所以要追加关于对象或流的新的业务事实,然后读取所有的事件,并从中建立当前的状态,这样才能知道发生了 icon
  • 聚合Aggregate模式可能是领域驱动设计 (DDD) 中最重要的战术模式。本质上,它可以这样描述:聚合是可以被视为单个单元的域对象的集群。这意味着聚合中的对象密切相关,并且出于数据更改的目的被视为一个单元。聚合有一个根实体,它是聚合中的主要对象。根实体负 icon
  • 我经常向一些管理人员讲述系统思考的性质及其对管理的根本影响,在此过程中,我使用了几个涉及美国知名企业的案例研究。在演讲结束时,我几乎总是被问到:"如果这种思维方式像你说的那样好,为什么没有更多的组织使用它?" 很容易回答的是,组织自然会抵制变化,这 icon
  • 本文是对我探索过的一些想法/书籍和概念的简短探索: 1、《好的战略/坏的战略》 - 理查德-鲁梅尔特大多数战略都很糟糕,或者是超级衍生的、通用的和模糊的。这是一本关于如何制定战略以帮助人们在组织内做出决策的 icon
  • 使用架构思维解决以客户为中心的商业问题的创新技术(设计+行政管理)。 架构方面,我们是如何处理?并将设计思维嵌入到这个过程中: 初步阶段:界定企业的范围 界定并建立一个针对组织的EA框架 icon
  • 过程思维的10条戒律(由ChatGPT生成):一.你应该认识到一切都是一个过程,没有任何事物,只有过程。 二.你应该承认一切都是相互联系和相互依存的。 三.你应该认识到,一切都在不断改变和适应。< icon
  • 线性思考者、设计思考者和系统思考者走进一家酒吧……他们谈论未来的房子。 线性思考者绘制平面图。他详细介绍了卧室、厨房、浴室、休息室等。他确保每个房间都有充足的光线、暖气、正确数量的插头等。 icon
  • 心智模型是一个一般性的概念,可以用来解释许多不同的现象。经济学中的供给和需求、生物学中的自然选择、计算机科学中的递归、数学中的归纳证明--只要你知道去寻找,这些模型就无处不在。 就像理解供给和需求有助于你思考经济学问题一样,理解学习的心理模型也会让 icon
  • 套利(Arbitrage)是指同时购买和出售一项资产,以从价格的不平衡中获利。它是一种通过利用不同市场或不同形式的相同或类似金融工具的价格差异而获利的交易。 套利是在不同市场同时买卖相同或相似的资产,以便从资产标价的微小差异中获利。它利用不同市场或 icon
  • 确认偏见(Confirmation Bias)产生于欲望对信仰的直接影响。当人们希望某个想法或概念是真实的,他们最终会相信它是真实的:当目前收集到的证据证实了人们希望的观点或偏见时,这种错误会导致个人停止收集更多信息。一旦我们形成了一个观点,我们就会接受证实该观点的信息,同时 icon
  • 1、《Clojure元素》的作者,茨特尔曼 2、我自称计算机哲学家已经很多年了,所以我推荐richhickey和Jonathan_Blow 3、软件是基于实际的哲学,一阶谓词逻辑。我通过阅读实际的哲学而不是软件书籍学到了很多关于软件 icon
  • 为什么深具同理心共情的人性(情商)和系统思维(智商)很难在同一个人身上共存?我把这部分归因于教育系统:文理分科造成的两种文化</ icon
  • 现在我们有两种方法来解决同一个问题:一种是可以逐一消除可能的根源的狙击手方法,另一种是喜欢从大局出发,发挥分化和征服敌人的策略的将军方法。猜测和狙击策略:工程师充当狙击手,选择一个目标(猜测),然后将其移除(狙击)。如果直觉很好,这种技术 icon
  • 团队拓扑结构不是一个 "模型",而是一套鼓励新兴(#emergent涌现)行为的约束。 反对意见:团队拓扑是建立在软件如何生产和应该生产的模型之上,并提供一种模式语言、一个框架、一组与该模型一致的约束。 icon
  • 当你建立一个计算机系统的时候,一些小事情就开始出现了: 也许一个数据库查询对于你正在建立的功能来说是尴尬的, 或者你发现你的服务器在传输数千兆字节的十六进制ASCII数据时陷入困境, 或者你的应用程序为成千上万的独立用户即时翻译成日语。 这些都是你的 icon
  • 一个强大的想法已经慢慢建立了很多年,最初被称为语义网,后来又被称为关联数据。随着知识图谱的出现,这个想法终于迎来了它的时代。这些技术网络允许一个组织释放束缚在混乱的数据库中的 "自由能量",并将这种能量直接导入人工智能。 正确构建的组织性知识图谱可 icon