tgoop.com/emacsway_log/1113
Last Update:
Представьте, что вам нужно выйти на улицу. Вы не знаете, какая там погода и температура. Как одеться?
Первый вариант - это попытаться заблаговременно предугадать погоду путем логического вывода. Например, сегодня июнь, вчера было тепло, значит, сегодня тоже должно быть тепло. И эта упрощенная модель прогноза может сработать. Это называется Prediction.
Однако, в ряде регионов России в июне выпал снег ❄
Вся суть в том, какой ценой дается разрешение неопределенности заблаговременным образом, какая стоимость ошибки, и какая стоимость исправления ошибки. И это, конечно же, зависит от того, с каким уровнем неопределенности мы имеем дело.
Второй вариант - это проверить температуру на практике - выйти на улицу. Это уже эмпирический способ обработки неопределенности, т.е. опытным путем.
Допустим, вы вышли на улицу и поняли, что футболка для снега не годится. Вы возвращаетесь и адаптируете свою экипировку под реальные условия, руководствуясь новым знанием, полученным в результате эксперимента. Это называется Adaptation.
Чтоб минимизировать стоимость адаптации, прежде, чем выйти на улицу целиком, вы открываете окно и вытягиваете на улицу руку. Вы проверили гипотезу минимизировав риски. Теперь можно выходить на улицу целиком. Это называется итерация.
Станете ли вы пытаться предугадать погоду заблаговременно, если можно легко проверить гипотезу на практике? Вероятно, что нет. Тогда у вас превалирует адаптивный способ обработки неопределенности - это итеративно-инкрементальная SDLC-модель разработки, или её разновидность - Agile.
Ок, но вы живете на 150-м этаже, окна не открываются - климат-контроль. Прежде чем выйти на улицу и проверить гипотезу на практике, вы уже взвешиваете риски, чтобы минимизировать вероятность адаптации. Т.е. пытаетесь сперва разрешить неопределенность заблаговременно, путем логического вывода, и лишь затем - закрепить результат путем практического эксперимента. Это уже гибридная или спиральная SDLC-модель.
Вдруг вы узнаете, что лифт сломался и неделю работать не будет. 150 этажей пешком! Вы делаете все для того, чтобы исключить вероятность адаптации. Например, вы обращаетесь через интернет к более продвинутым моделям прогноза на основе спутниковых данных. Это называется каскадная модель разработки (BDUF) - 100% of Prediction.
У вас есть свое мнение о погоде, но вы спрашиваете мнение соседа - как он думает, какая погода на улице? Вы формируете коллективное мнение. Сосед говорит - холодно. Вы говорите - тепло. Это называется противоречие. Противоречие и отсутствие возможности проверить мнение на практике (эмпирическая проверяемость) говорит о том, что вы не знаете, какая на самом деле погода. Тут вдруг поднимается по лестнице еще один сосед с улицы. Вы спрашиваете у него о погоде - он отвечает. Противоречие устраняется, и одно из мнений проходит эмпирическую проверяемость - это называется знание.
Неверно выбранная Agile модель разработки - это все равно, что спускаться 150 этажей пешком для того, чтобы узнать как одеться перед выходом на улицу. Чтобы этого не допустить, литература по архитектуре приводит критерии выбора SDLC-модели разработки. В простейшем случае - это Cynefin framework. В более сложном случае - статьи и книги Barry Boehm.
См. также краткий справочник по SDLC.
#Agile #DDD
BY emacsway-log: Software Design, Clean Architecture, DDD, Microservice Architecture, Distributed Systems, XP, Agile, etc.
Share with your friend now:
tgoop.com/emacsway_log/1113