关于CodeReviewer的想法

简介: 关于CodeReviewer的想法

CodeReview的由来

其实对于CodeReview的由来,简单的说就像工厂流水线一样,为了保证产品的质量,一定会有一个最终环节的质检员来进行质检。那么CodeReview就像是代码工程的质检员,通过CodeReview来保证代码质量以及代码的稳定运行,这就可以理解为CodeReview的由来。

CodeReview 对代码质量的作用体现在哪些方面?

那么说到CodeReview对代码质量的作用体现,个人理解最大的作用可以说是提高代码质量,提高代码可阅读性,可维护性这些方面的作用比较明显。

通过CodeReview来规范大家开发过程中的命名习惯,让每一个方法名都有其正确的意义,这便是体现;

通过CodeReview来规范总是偷懒不写注释的小伙伴,从而提高代码的可阅读性,这也是体现;

通过CodeReview检查业务逻辑,提前排查业务逻辑中可能存在的问题,提高代码的健壮性,这也是体现;

通过CodeReview来统一代码风格,减少不同开发者之间代码的风格差异,提高代码的可维护性,这也是体现。

总的来说,通过CodeReview提高代码质量有很多方面,总之最终一定是为项目,为程序好的行为。

你曾经担任过的角色是 CodeReviewer 还是 被CodeReviewer?

可以说,曾经既被CodeReview,同时也是CodeReview。初做项目时,不管是对于自己的代码还是别人的代码,都会进行CodeReview,为了保证项目的稳定运行,规范代码开发。曾经也是被CodeReview过,后来随着个人开发习惯的养成,变担任过CodeReview的角色来帮助其他开发者建立CodeReview的习惯。当时为了规范约束大家的CodeReview代码的习惯,还在网上找了一个开源的sonar项目,部署到内网服务器,对项目组开发的项目进行sonar代码规范的检测。沿用的代码检测规约是阿里巴巴开发者社区的p3c开发手册版的插件,要求是开发人员都安装了p3c的代码检测插件在本地自行规范开发代码。在部署项目之后,通过sonar管理工具检查CodeReview的效果等。这都是为CodeReview,提高代码质量做出过的努力。不过后来人员更换频繁,项目工期过紧,后期CodeReview的都不多了,一般都是自己本地idea开发工具的p3c插件检测,自行规范了,也就没有sonar强制检测的要求了。

对于个人来说,已经养成了CodeReview的习惯,现在如果不进行自我的CodeReview,似乎还不太习惯了,哈哈。

相关文章
|
Kubernetes 前端开发 数据可视化
一个基于Vue3搭建的低代码数据可视化开发平台
一个基于Vue3搭建的低代码数据可视化开发平台
346 0
|
Docker 容器 数据格式
Docker 修改镜像源地址
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/qq_34173549/article/details/80417198 我的Docker 版本为 1.
39277 0
|
9月前
|
人工智能 iOS开发 MacOS
Ollama--本地大语言模型LLM运行专家
Ollama--本地大语言模型LLM运行专家
2306 2
|
9月前
|
Linux Docker 容器
Linux安装docker以及配置镜像加速
Linux安装docker以及配置镜像加速
682 0
|
4月前
|
安全 NoSQL 关系型数据库
阿里云数据库:构建高性能与安全的数据管理系统
在企业数字化转型过程中,数据库是支撑企业业务运转的核心。随着数据量的急剧增长和数据处理需求的不断增加,企业需要一个既能提供高性能又能保障数据安全的数据库解决方案。阿里云数据库产品为企业提供了一站式的数据管理服务,涵盖关系型、非关系型、内存数据库等多种类型,帮助企业构建高效的数据基础设施。
208 2
|
7月前
|
人工智能 自然语言处理 测试技术
「AIGC」 华为CodeArts Snap详解
**CodeArts Snap** 是华为的人工智能编程助手,它能自动生成代码、解释代码和创建测试用例。例如,在Python GCD函数场景中,它根据自然语言描述写出函数,解释`x, y = y, x % y`的辗转相除法原理,并生成单元测试以确保代码正确性。此工具提升开发效率,尤其对初学者是极好的学习资源。
233 0
「AIGC」 华为CodeArts Snap详解
|
8月前
|
机器学习/深度学习 人工智能 数据处理
AI技术来支持开发过程中的自动化和智能化
AI技术来支持开发过程中的自动化和智能化
230 2
|
API 文件存储
使用Streamlit创建AutoGen用户界面
AutoGen作为一个最大化LLM(如GPT-4)能力的框架而脱颖而出。由微软研究院开发的AutoGen通过提供一种自动化、优化和编排工作流的方法,简化了复杂的、基于多代理llm的应用程序的创建。我们在以前的文章中也有过介绍,你可以与许多GPT交谈,并且GPT和GPT之间也可以互相交谈。每个GPT都是它自己的“代理”,并在总体业务流程中扮演特殊角色。但是AutoGen是用命令行模式进行交互的,这对我们的输入来说非常不方便,所以这次我们来对其进行改造,使用Streamlit创建一个web界面,这样可以让我们更好的与其交互。
373 1
|
9月前
|
机器学习/深度学习 自然语言处理 安全
18LLM4SE革命性技术揭秘:大型语言模型LLM在软件工程SE领域的全景解析与未来展望 - 探索LLM的多维应用、优化策略与软件管理新视角【网安AIGC专题11.15】作者汇报 综述
18LLM4SE革命性技术揭秘:大型语言模型LLM在软件工程SE领域的全景解析与未来展望 - 探索LLM的多维应用、优化策略与软件管理新视角【网安AIGC专题11.15】作者汇报 综述
749 0
|
前端开发 JavaScript
前端代码分享——星空背景特效(内含源码)
前端代码分享——星空背景特效(内含源码)