Dans le post précédent nous avons :
- Notre domaine problématique : une application ToDo avec quelques exigences
- Un référentiel de base configuré pour utiliser Python et Python Polylith.
Certaines décisions sont donc prises en compte. Nous disposons de certains outils et avons décidé à quoi ressemblera le référentiel.
C'est l'une des choses que j'aime chez Polylith : peu importe ce que vous codez ou la taille de votre organisation, tous les référentiels se ressembleront - si vous en avez besoin de plusieurs.
La structure de votre référentiel est cohérente, que vous utilisiez FastAPI, Flask ou Django, que vous construisiez une ou plusieurs bibliothèques ou que vous exécutiez des tâches en arrière-plan avec Celery.
L'un des principaux avantages est le processus d'intégration simplifié pour les nouveaux développeurs. En supposant qu'ils maîtrisent Polylith, ils se familiariseront rapidement avec la structure du projet : les composants réutilisables sont dans le dossier des composants, les points d'entrée sont dans le dossier bases, les scripts de démonstration sont dans le dossier de développement, etc.
Entités
De l'oncle Bob "L'architecture propre" Les entités sont la pierre angulaire de notre architecture, elles constituent la couche la plus interne de notre architecture. Nous devons donc commencer par eux, dans Polylith, les entités devraient vivre comme des composants.
Combien de composants ?
Je pense que le nombre de composants dépend de la taille et de la complexité de votre solution. Cependant, je recommande de commencer avec un composant polylithique unique pour les entités. Cette approche permet de maintenir une architecture claire et ciblée, en particulier pour les petits projets.
Pourquoi un composant unique pour les entités ?
- Cette couche encapsule les règles métier de base qui sont fondamentales pour l'ensemble de l'application. En le gardant dans un seul composant, vous assurez la cohérence et évitez les duplications.
- Un seul composant simplifie la gestion des dépendances, car il devient une dépendance pour toutes les autres couches.
Évitez les dépendances tierces.
Pour minimiser les dépendances externes et améliorer la flexibilité architecturale, efforcez-vous d'utiliser la bibliothèque standard de Python pour représenter les entités. Cela inclut l'exploitation des structures de données telles que dict, list, enum, fonctions, classes et plus récemment dataclasses.
Pourquoi éviter les bibliothèques tierces comme Pydantic ou Django Models ?
- Couplage à des frameworks externes : s'appuyer sur ces bibliothèques peut introduire un couplage inutile à des frameworks spécifiques.
- Complexité accrue : les bibliothèques externes peuvent ajouter de la complexité et des problèmes de maintenance potentiels.
- Flexibilité réduite : En limitant les dépendances externes, vous pouvez vous adapter plus facilement aux changements d'exigences ou de technologie.
En adhérant à ces principes, vous pouvez créer une architecture robuste et maintenable qui résiste aux changements futurs.
Entités ToDo
Notre exemple est simple, l'entité principale étant la « tâche à faire » pour Gordon. Nous pouvons ajouter un nouveau composant à notre référentiel, mais choisir le bon nom est crucial.
Bien qu'il puisse être tentant d'utiliser des noms génériques comme « core » ou « main », il est essentiel de sélectionner des noms significatifs dans le contexte du domaine. Idéalement, ces noms doivent correspondre à la terminologie utilisée par le client ou le propriétaire du produit. En utilisant des noms spécifiques au domaine, nous améliorons la lisibilité et la maintenabilité du code, permettant ainsi aux développeurs et aux parties prenantes de comprendre plus facilement la structure du projet.
Le nom de l'espace de travail du référentiel est défini comme todo. Par conséquent, toutes nos importations suivront le format :
from todo.XYZ import ... import todo.XYZ
Pour simplifier, dans cet exemple, nous utiliserons des entités comme nom de composant. Cependant, dans des scénarios réels, envisagez des conventions de dénomination qui reflètent votre domaine. Par exemple, si votre application tourne autour de la récupération de documents, un composant nommé récupération serait approprié. De même, une application de jeu peut utiliser Tournaments_entities pour plus de clarté.
Créer le composant avec Python Polylith est simple :
poetry poly create component --name=entities poetry poly sync poetry install # it may be necessary
Cela ajoutera un package python dans le dossier des composants, voici les nouvelles entrées dans l'arborescence des sources :
./components └── todo └── entities ├── __init__.py └── core.py ./test/components └── todo └── entities ├── __init__.py └── test_core.py
L'outil python-polylith générera des exemples de tests pour nous, ce qui est une fonctionnalité intéressante. Ce comportement peut être modifié dans le fichier workspace.toml en définissant la valeur activé = true sur false dans la section [tool.polylith.test].
Dans le nouveau composant entités, deux fichiers sont ajoutés : __init__.py et core.py. Vous pouvez renommer le module core.py pour mieux répondre à vos besoins. La pratique courante consiste à exposer l'API publique du package via __init__.py, tout en conservant l'organisation interne au sein d'autres modules comme core.py.
Parmi les exigences, nous n'avons, pour le moment, qu'une seule entité, l'élément ToDo :
@dataclass class TodoItem: owner: str title: str description: str is_done: bool = False due_date: Optional[date] = None
Tester une entité aussi simple peut sembler inutile, mais je préfère tester au moins la présence de tous les champs. Bien que cela ne semble pas crucial dans les petits projets avec moins de contributeurs, cela peut éviter des problèmes importants dans les projets plus importants avec de nombreux développeurs. La suppression d'un seul champ de l'entité peut interrompre par inadvertance diverses parties de l'application.
Dans la pull request de cette partie, vous verrez que j'ai ajouté quelques tests de base pour cette entité.
Avec certains tests déjà définis, j'en ai profité pour ajouter un workflow GitHub pour exécuter automatiquement les tests à chaque pull request.
Conclusions
- Entités de base de l'application
- Configuration CI
Et ensuite : parlons de persévérance
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Python est plus facile à apprendre et à utiliser, tandis que C est plus puissant mais complexe. 1. La syntaxe Python est concise et adaptée aux débutants. Le typage dynamique et la gestion automatique de la mémoire le rendent facile à utiliser, mais peuvent entraîner des erreurs d'exécution. 2.C fournit des fonctionnalités de contrôle de bas niveau et avancées, adaptées aux applications haute performance, mais a un seuil d'apprentissage élevé et nécessite une gestion manuelle de la mémoire et de la sécurité.

Python et C ont des différences significatives dans la gestion et le contrôle de la mémoire. 1. Python utilise la gestion automatique de la mémoire, basée sur le comptage des références et la collecte des ordures, simplifiant le travail des programmeurs. 2.C nécessite une gestion manuelle de la mémoire, en fournissant plus de contrôle mais en augmentant la complexité et le risque d'erreur. Quelle langue choisir doit être basée sur les exigences du projet et la pile de technologie d'équipe.

Les applications de Python en informatique scientifique comprennent l'analyse des données, l'apprentissage automatique, la simulation numérique et la visualisation. 1.Numpy fournit des tableaux multidimensionnels et des fonctions mathématiques efficaces. 2. Scipy étend la fonctionnalité Numpy et fournit des outils d'optimisation et d'algèbre linéaire. 3. Pandas est utilisé pour le traitement et l'analyse des données. 4.Matplotlib est utilisé pour générer divers graphiques et résultats visuels.

Que ce soit pour choisir Python ou C dépend des exigences du projet: 1) Python convient au développement rapide, à la science des données et aux scripts en raison de sa syntaxe concise et de ses bibliothèques riches; 2) C convient aux scénarios qui nécessitent des performances élevées et un contrôle sous-jacent, tels que la programmation système et le développement de jeux, en raison de sa compilation et de sa gestion de la mémoire manuelle.

Python est largement utilisé dans la science des données et l'apprentissage automatique, s'appuyant principalement sur sa simplicité et son puissant écosystème de bibliothèque. 1) Pandas est utilisé pour le traitement et l'analyse des données, 2) Numpy fournit des calculs numériques efficaces, et 3) Scikit-Learn est utilisé pour la construction et l'optimisation du modèle d'apprentissage automatique, ces bibliothèques font de Python un outil idéal pour la science des données et l'apprentissage automatique.

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

Les applications clés de Python dans le développement Web incluent l'utilisation des cadres Django et Flask, le développement de l'API, l'analyse et la visualisation des données, l'apprentissage automatique et l'IA et l'optimisation des performances. 1. Framework Django et Flask: Django convient au développement rapide d'applications complexes, et Flask convient aux projets petits ou hautement personnalisés. 2. Développement de l'API: Utilisez Flask ou DjangorestFramework pour construire RestulAPI. 3. Analyse et visualisation des données: utilisez Python pour traiter les données et les afficher via l'interface Web. 4. Apprentissage automatique et AI: Python est utilisé pour créer des applications Web intelligentes. 5. Optimisation des performances: optimisée par la programmation, la mise en cache et le code asynchrones

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Listes Sec
SecLists est le compagnon ultime du testeur de sécurité. Il s'agit d'une collection de différents types de listes fréquemment utilisées lors des évaluations de sécurité, le tout en un seul endroit. SecLists contribue à rendre les tests de sécurité plus efficaces et productifs en fournissant facilement toutes les listes dont un testeur de sécurité pourrait avoir besoin. Les types de listes incluent les noms d'utilisateur, les mots de passe, les URL, les charges utiles floues, les modèles de données sensibles, les shells Web, etc. Le testeur peut simplement extraire ce référentiel sur une nouvelle machine de test et il aura accès à tous les types de listes dont il a besoin.

Version Mac de WebStorm
Outils de développement JavaScript utiles

ZendStudio 13.5.1 Mac
Puissant environnement de développement intégré PHP

Navigateur d'examen sécurisé
Safe Exam Browser est un environnement de navigation sécurisé permettant de passer des examens en ligne en toute sécurité. Ce logiciel transforme n'importe quel ordinateur en poste de travail sécurisé. Il contrôle l'accès à n'importe quel utilitaire et empêche les étudiants d'utiliser des ressources non autorisées.

MinGW - GNU minimaliste pour Windows
Ce projet est en cours de migration vers osdn.net/projects/mingw, vous pouvez continuer à nous suivre là-bas. MinGW : un port Windows natif de GNU Compiler Collection (GCC), des bibliothèques d'importation et des fichiers d'en-tête librement distribuables pour la création d'applications Windows natives ; inclut des extensions du runtime MSVC pour prendre en charge la fonctionnalité C99. Tous les logiciels MinGW peuvent fonctionner sur les plates-formes Windows 64 bits.