终于有空看看go的tutorial.
粗鲁看下,开始并没觉得有什么新意.
很中规中矩的语法.
当然,少不了带有python的一点风格.
或者也不能完全说是python的风格,而是类动态语言的风格:
运行时类型绑定.
在基本数据类型方面,算是正式把c/c++里的一些潜规则内置为语言基本属性了.
比如uint,int32等.
既然需要明确数据类型大小,那就直接上升为语言特性好了.
注意到它们之间是不能直接转换的.
这个也许是出于安全考虑?
尤其是32和64以及有符号和无符号之间,隐式转换应该确定为一个怎样的效果呢?
不能确定,于是就限制为只能显式手工转换了.
在众多常见的数据类型里,还有一个是string.
这个应该算是必不可少的一个类型吧.
跟其他语言稍微有点不同的是,string是不可写的.
也就是说,对于实际上string底层所指向的内存区域是不可写的.
至少在语法上是如此.
按照文档上的说法,其实就是const的语义.
值得注意一下的是map这个类型.
在所知的大多数语言里都提供有map功能,但是作为一个内置数据类型,go应该算是比较特殊的一个.
但是想想.go的创造者和推动者是google,想想google搜索下面的mapreduce就明白了.
很好奇go底层会如何实现这个map,让他便捷快速轻量而又泛型.
不过泛型map应该归功于语言本身的动态属性吧.
很好奇一个据说有gc功能的编译型语言,在没有虚拟机的基础上,是如何做到gc的?
是在每个runtime上构建一个轻量gc么?
同时存在的还有称为channel的东西.
一个类似线程安全的队列或者pool.
有着erlang的风格.
尤其是配合go特色的函数定义--多返回值.
某种程度上,一眼看上去跟erlang是何其相似.
不同的是erlang是functional programming language,没有所谓的变量.一切都是可推导计算的.
有一点比较有意思的是go对于interface的定义.
通常的oo编程,都会有比较严格的类层次关系.
也就是说子类和父类之间会有比较明显的is关系.
从语言角度上,通常这种is约束或多或少地会在语法上有所约束.
比如java里的extends,implements.
如果设计之初没有考虑到这种类层次关系,而后期需要让其重构符合的话,势必会对源代码产生影响.
即使当初比较有远见地采用了统一接口.
但是,不能保证接口的继承关系能覆盖特定特征的集合.
而go的作法很巧妙,也很天才.
既然这种is的关系是抽象出来的,那么,并不需要过多地把它变成语言上面的一种强约束.
因为毕竟,这种抽象依据角度和站立的层面不同.
于是,go选择了很松散的is关系定义:
type Sample interface
{
sampleFunction( parameter Type1 , ... )(return_item Return_Type1 ...);
}
只需要对以及由的类进行统一抽象,那么即便是在后期,也可以做出不同的is关系.
更多的时候,这是一种组合式的is构建方式.
对于一些敏捷开发方式来说,这个对于迭代式建模开发其实是一件利器.
虽然,某种程度上说,需要这种方式的设计,本身也并不能算是一种非常良好的架构.
但是,却能产生一个良好的架构.
毕竟,从开始,需要限制的条件就不多了,于是后期系统少了更多的限制,也就多了更多的自由.
这就是所谓架构的伸缩性.
过多的假设是制约的是未来发展的弹性空间.
且不说这个interface的风格,至少个人是比较喜欢的.
至少觉得描述能力比较强.
尤其是做一些REST风格的,或者需要自我描述性比较强的场合.
一个或许能动态解析,甚至动态层次化的结构的特性,多少算带给人新的思路.
如同当初erlang带来的绕道的思路一样.
不过,话说回来.
go也许很适合google,但是google能不能把它发展起来,还持观望态度.
虽然据一些测试,go对于高并发时候的性能还是很稳定的.
但不出色.
而且如interface的概念能让人眼前一亮,但似乎并不能找到很好的工程化的模式.
也许,这需要时间吧.
毕竟,在go之前,google也尝试了一个类java的noop.
后来似乎没什么动静了.
也许是感觉跟jdk7的某些特性冲突了吧.
2009-12-05
go杂记
2009-10-18
所谓设计模式和架构
大致看了下关于bigtable和mapreduce的东西. 想想,其实是google对于搜索引擎数据结构的一个解决方案吧. 广泛一点说,是对于面向内容的分类的解决方案的. 对于搜索引擎来说,主要有两个基础的数据: 一是原始的抓取对象,表现为网页内容. 二是对原始材料的分类信息,表现为关键字. bigtable对于这样的数据的处理,引入的是column family的概念.以传统的RDBMS理解的话,就是在url 和content列之后,有了一个不定数目的列数. 仔细想想,换个方式理解,其实更简单. 对于column family,更喜欢将其理解为tagging. 因为搜索引擎本身承担着两种功能. 抓取和分析. 得到content之后,只要对其打上相应的tag便行了. 如果要以RDBMS实现的话,便是简单地对每个关键字建立个表,然后指向相应的content内容便可以. 而要依据诸多关键字定位page的话,也就是所谓的map reduce. 先分类,在处理. 也就是所谓的先map,然后再reduce. 这其实就是分类处理的思想. 而map很大程度上,跟集合有着天然的血缘关系. 而搜索的目的就是在集合里找到特定的子集. 于是,map > reduce > map > reduce... 于是,纯粹从思想的角度考虑,bigtable和mapreduce不过是google对于搜索引擎需求的一个建模描述,或者说是基于内容个tagging技术. 话说回来,有时候,所谓的架构或者模型确实是建立在需求之上的. 软件产品脱胎于需求. 而产品的架构,虽然某种程度上说跟需求无关. 因为有着这么一个说法,就是说好的架构必然具有良好的扩展性. 一种很理想主义的想法就是在设计出一个好的架构之后,无论需求如何变更,都能够适应. 现在想想,这其实是本末倒置的误区. 所谓的架构扩展性在于面对需求变更的时候,有良好的适应能力. 其实质是,对于需求的变更,都能保证其跟原有架构设计的一些假设不会冲突. 意思就是说,你的架构没有做过多的假设. 比如对于一个这样的需求,偷菜写个函数. 于是可能有这么些个实现: steal(vegetable) or steal(stealable) or operate(someting) or operate(onething,anotherthing) or operate( list onething , list anotherthing ) or operate( list paticipate_1 , list paticipate_2 , ... ) or getHandle(steal_vagetable).process() 实际哪个实现取决于你做了多少假设. 也就是说粒度细分到什么程度. 而此时所谓架构是否有良好的扩展性,就在于,新需求会将粒度缩放到哪个程度. 一旦细化的粒度小于当前架构的粒度,也就是架构不适应需求了. 所以,最好的架构其实是没有架构. 即不做任何假设. getHandle(steal_vagetable).process() 这其实又是一个螺旋式的回归.
订阅:
博文 (Atom)
投其所好
最近看了持械入宋,发觉AI的发展或者说经济化还是非常一日千里的. 虽然说短剧本身也不是什么新事物了. 甚至AI制作也不是最近才有的. 只是从质量上来说,还是看得出来是有区分度,或者说ROI门槛了的. 这片虽然从服化道方面来说还是普通的AI剧,甚至剧情大半夜还是传统的龙王归来模式....
-
最近写一个AgentCLI原型玩具的时候,发现一些比较有意思的点. 因为主要是照着DeepSeek API来写的. 所以基本上也可以说是OpenAI Chat Completion API的一些点. 不过,可能有些是DeepSeek特有的. 一个是请求的stop list. 大致...
-
从未对雪有过什么幻想. 于是,当这雪终究下下来了,也没什么特别的兴奋. 只是,由于是南方人,也就姑且好奇了一番. 望了望着属于别处的风景. 也许是因为昨晚下过雨,也或许是本来就会如此. 冰混着点积水,倒是怀念起阳光灿烂的日子了. 面对着这未知的...
-
去看了长安的荔枝. 前半段还可以,尤其像荔枝林里不知道是笑还是哭的几个镜头表演算是相当出色了. 结合人物背景的那种对目标的绝望与对当下人际环境的希望的交叉矛盾心理. 后半段就有些过滤潦草了. 如果说整片是对于一骑红尘妃子笑,无人知是荔枝来的解构的话. 带入民生潦倒涂炭这点是没问题...