• 从Neal Ford的一段话讲开去
• 牛老爵爷的诅咒
• 蛮荒西部 牛顿管不了 图灵没来得及立法
• Robert C. Martin：还是要设立并遵守基本法
• 张信哲表示同意
• 工程师之荣光 演绎 归纳
• 测试要先写 别着急跑 debug不到万不得已最好别用
• 别误会 不是那个意思

身陷南洋囹圄，心系故园风物，无以聊赖之中，撰文权作慰藉。

从Neal Ford的一段话讲开去

前段时间看了Neal Ford的一个演讲，原视频

其中一段讲到了传统工程与软件工程的区别。

於我心甚有戚戚焉。

译如下：

软件工程和传统工程是截然不同的。

在传统工程的世界中，当你进入施工阶段时，你基本上是在给原子塑形，原子结构是很难重构的。一旦你将它们塑造成特定的形状，它们往往会保持这种形状，很难将它们变成其他形状。除非你熔化它们再回炉重造。因此，制造物理物品是一个非常昂贵的过程。这就意味着，我们会希望在施工开始之前正确做出设计。

但在软件世界中，我们不是在铸造原子。我们在比特（bit）的世界里，这些比特（bit）都非常具有可塑性。对比特（bit）进行更改非常容易。我们来比较一下，传统工程中有施工，软件世界中与之对应的是什么呢？那就是是编译和部署。编译和部署实际上是我们所设计的东西在现实世界中的表征，电子沿导电线路移动，对现实世界施加影响力。这就表明，对于我们软件世界而言，我们的设计蓝图就是我们的源代码。

在传统工程业中，最昂贵的部分是施工阶段。在桥梁和其他种类的物理制造中存在许多预测性数学，这样做的原因并不是为了获得更安全的结构，虽说它在客观上确实会达成这一点。初衷其实是为了节约成本。造完了一座桥梁，然后让重物碾压过去，观察桥梁是否会崩塌，从而来确认桥梁质量达标与否，这样做，万一垮塌了，这成本就实在是太昂贵了。所以你需要可预测性，因为制造这些东西太贵了。

但在软件世界中，因为施工过程对应的是编译和部署，所以改变的成本非常低，可以随时进行。我们甚至不必为此操心，每当我们停止打字时，我们的计算机内都会涌现出一小群精灵把我们设计的东西给制造出来，以便我们能够以一种逼真的方式对其进行测试。

所以Reeves先生说，“鉴于软件设计相对容易并且基本上可以免费构建，一个不足为奇的启示是，软件设计往往非常庞大和复杂。”

我相信软件是现在人类思维创造出来的最复杂的东西，有几个原因导致它们如此复杂，其中一个原因是物理世界中存在许多有用的约束，而软件的世界中这样的约束太少。

蓝图设计对应源码编写，建造施工对应编译部署，这着实有趣。

我们使用建筑这个隐喻来关照软件的时候，通常都是把架构设计对照到蓝图上去，而把源码编写对照到建造施工上去。

而Neal Ford不是这样使用建筑隐喻的。

可以看出来，Neal Ford这个隐喻在落地程度上更进一层。

牛老爵爷的诅咒

Neal Ford这段话的内容非常丰富。

除了上述隐喻之外，还有桥梁不能像软件一样测试，软件如此复杂的原因是我们缺乏真实世界中的物理限制。

诚哉斯言，与土木工程师比起来，我们软件工程师确实是具有非常奢侈的环境。这个代码怎样？跑跑测试就知道了。

能想象土木工程师说这种话吗？

老板娘: 那栋楼设计搞的怎么样了？有没有仔细的检查过？

工程师: 我觉得没问题，直接施工建造出来看看就好了。

老板娘: 好，我相信你，既然你这么有信心，那就来吧。

工程师: 😳 😳 😳

老板娘: 请问您信心的来源是啥？有依据吗？你这么乱搞，我得陪多少钱？

工程师: 这是个小工程，有点粗心了。另一个，那个大桥的项目，我一定用心！

老板娘: 合龙这部分，你是不是忘了设计喜鹊了？你打算让牛郎织女自己组成一个平行四边形吗？

工程师: 卒

老板娘: 破产

一旦发现失误，拆掉重造太贵，土木工程师没法像我们软件工程师一样动不动就跑测试，动不动就debug，只能事先把设计做好。

不过，也正是由于牛顿老爵爷设下了诅咒，土木工程师被逼练就了严谨的作风，扎实的推算能力。

（此处用牛老爵爷代表包括麦克斯韦在内的诸多先贤）

蛮荒西部 牛顿管不了 图灵没来得及立法

牛爷的诅咒持久而坚固，不过，还是有它管不到的法外之地。

引力，电磁力，强力，弱力，你们能耐程序员何？程序员就是要任性地玩弄bits。

祖师爷死得早，一口苹果啃完，留待我等程序员飘零纵欲至今。

福兮？祸兮？

Robert C. Martin：还是要设立并遵守基本法

无独有偶。最近看了《架构整洁之道》这本书。作者Robert C. Martin讲述了编程范式的发展历史，字里行间表达了与Neal Ford颇为神似的一些观点。

摘抄如下：

结构化编程是第一个普遍被采用的编程范式（但是却不是第一个被提出的），由Edsger Wybe Dijkstra于1968年最先提出。与此同时，Dijkstra还论证了使用goto这样的无限制跳转语句将会损害程序的整体结构。接下来的章节我们还会说到，也是这位Dijkstra最先主张用我们现在熟知的if/then/else语句和do/while/until语句来代替跳转语句的。我们可以将结构化编程范式归结为一句话：结构化编程对程序控制权的直接转移进行了限制和规范。

面向对象编程对程序控制权的间接转移进行了限制和规范。

函数式编程对程序中的赋值进行了限制和规范。

它们都从某一方面限制和规范了程序员的能力。没有一个范式是增加新能力的。也就是说，每个编程范式的目的都是设置限制。这些范式主要是为了告诉我们不能做什么，而不是可以做什么。

这三个编程范式分别限制了goto语句、函数指针和赋值语句的使用。那么除此之外，还有什么可以去除的吗

这些编程范式的历史知识与软件架构有关系吗？当然有，而且关系相当密切。譬如说，多态是我们跨越架构边界的手段，函数式编程是我们规范和限制数据存放位置与访问权限的手段，结构化编程则是各模块的算法实现基础。这和软件架构的三大关注重点不谋而合：功能性、组件独立性以及数据管理。

原文的意思非常明白，Structured programming，OO，FP都是在约束我们作为程序员的行为，给我们立下基本法，免得我们瞎搞。

Neal Ford: 自然界的物理定律是个好东西啊，可以限制土木工程师，让他们无法乱搞。我们软件世界里缺的就是这个。

Robert C. Martin: 老弟所言甚是。缺少自然的馈赠，我们就搞人为的规约。诸多编程范式都已经尝试过做这件事了。天不立法人立法。

张信哲表示同意

张信哲：你俩说的对，自由是个好东西，但是不能《过火》，免得过犹不及。

工程师之荣光 演绎 归纳

人类99%的机率都在使用归纳法，只有1%的机率使用演绎法因为演绎法需要消耗认知能量，所以默认使用归纳法。

土木工程师要仰仗演绎推理，这是理工科之荣光。

此乃吾辈偏执之骄傲。

怎奈沦落为软件工程师，我们要重度依赖归纳才能勉强维持生活这样子。

代码有问题？跑一跑tests，改一改。还不行？再改改，再跑跑。仍然不行？那我可要debug了！！！

反复利用run tests和debug的方式来观察现象，收集现象，总结现象，反推原理。

这是软件工程师在脑力不断失败的绝望中不断降低自己身段的慷慨悲歌。

福兮？祸兮？

测试要先写 别着急跑 debug不到万不得已最好别用

为了保护我们宝贵的智商与荣光，在此作出如下建议。

测试写完，然后去写实现代码的时候要尽力去争取一遍过。

在试图用run test去验证刚刚写完的实现代码之前，别着急，可以先回头把代码捋一遍，用肉脑跑一遍先。

不到万不得已，别用debug。因为一旦你开始debug，就是认输了，认怂了。承认无法通过肉脑来演绎推理明白了。

不要过于骄纵，不要过量服用软件世界给我们的自由，多给自己一些人为设置的限制，向土木工程师看齐。

没想到吧？前面写的神神叨叨，最后来到了如此接地气的建议上。

别误会 不是那个意思

不是宣扬big upfront design。

不是反对short feedback loop。

不是反对跑测试，只是建议别着急跑，不要太过依赖跑测试，优先用肉脑，然后才跑测试。

不是否认debug的价值，只是希望大家尽力放慢做出要去debug的决定的速度，让子弹飞一会，给肉脑机会，让它跑一会。

不是否认归纳的价值，只是建议演绎与归纳不可偏废，不要过度依赖归纳而冷落演绎。

谨以此文与诸君共勉。For the serious hardcore programmers。

最近快速浏览完了太祖的五卷选集。粗浅的尝试着总结一下太祖做事情和分析问题解决问题时都会运用一些什么样的套路。

• 性质决定形式
• 要究根源
• 抓大放小
• 注重调查研究而后有解决方案
• 不要盲从
• 注重工作细节
• 不要用静态的眼光看问题
• 先行动起来
• 批判的学习
• 不耻下问，兼听则明
• 定量分析
• 分清屁股（立场）
• 事物的两面性

性质决定形式

要究根源

抓大放小

注重调查研究而后有解决方案

不要盲从

注重工作细节

不要用静态的眼光看问题

先行动起来

批判的学习

不耻下问，兼听则明

定量分析

分清屁股（立场）

事物的两面性

Stackable traits是一种怎样的特性呢？

来举一个🌰

1
2
3
4

abstract class IntQueue {
  def get(): Int
  def put(x: Int)
}

定义一个IntQueue，抽象类，定义了get和put，没有实现。

1
2
3
4
5
6
7
8
9

class BasicIntQueue extends IntQueue {
  private val buf = new ArrayBuffer[Int]

  def get() = buf.remove(0)

  def put(x: Int) = {
    buf += x
  }
}

再定义一个BasicIntQueue，把上述IntQueue实现了。 它的实现没有什么花样，就是先进先出。

接下来就有意思了：

1
2
3
4
5
6
7
8
9
10
11

trait Incrementing extends IntQueue {
  abstract override def put(x: Int) = {
    super.put(x + 1)
  }
}

trait Doubling extends IntQueue {
  abstract override def put(x: Int) = {
    super.put(2 * x)
  }
}

定义了两个trait，都扩展自IntQueue。 一个是把数字先加一再放进队列，另一个是先把数字加倍再放入队列。

要注意这里的modifier：abstract override，以及在trait中对super的调用。稍后反编译的时候可以看懂它们的真实含义。

那这两个trait可以怎么使用呢？

1

class MagicQueue extends BasicIntQueue with Incrementing with Doubling

定义一个MagicQueue，它扩展自BasicIntQueue，同时mixin了上面的两个trait。

MagicQueue它自己是一行实现代码都没有的，那么它的行为会是什么样子呢？

1
2
3
4
5
6
7

val queue = new MagicQueue

queue.put(100)
queue.get() //会返回201

queue.put(500)
queue.get() //会返回1001

可以看到，它会先把数字乘以二，然后加一再放入队列。

MagicQueue继承了BasicIntQueue，混入了Incrementing和Doubling，它的行为就会是先跑Doubling后跑Incrementing最后跑BasicIntQueue（从右到左依序生效）。

这是种很实用的语言特性，你可以写很多个不同的trait，让它们都extend IntQueue。 同时写很多class让它们实现IntQueue。 然后每一个实现了IntQueue的class都可以和任意一个或者任意多个trait随意组合应用。

这给语言的使用者提供了很强的composition的便利性。

那下面看下这个语言特性是如何实现的。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

public abstract class IntQueue
{
    public abstract int get();

    public abstract void put(final int p0);
}

public class BasicIntQueue extends IntQueue
{
    private final ArrayBuffer<Object> buf;

    private ArrayBuffer<Object> buf() {
        return this.buf;
    }

    public int get() {
        return BoxesRunTime.unboxToInt(this.buf().remove(0));
    }

    public void put(final int x) {
        this.buf().$plus$eq((Object)BoxesRunTime.boxToInteger(x));
    }

    public BasicIntQueue() {
        this.buf = (ArrayBuffer<Object>)new ArrayBuffer();
    }
}

首先，IntQueue和BasicIntQueue反编译之后平淡无奇，一个抽象类，一个实现类。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

public interface Doubling
{
    void chap12$Doubling$$super$put(final int p0);

    void put(final int p0);
}

public abstract class Doubling$class
{
    public static void put(final Doubling $this, final int x) {
        $this.chap12$Doubling$$super$put(2 * x);
    }

    public static void $init$(final Doubling $this) {
    }
}

Doubling这个trait则被编译成了一个接口加一个抽象类，其中除了put之外还有一个名字有点奇怪的方法声明。 稍后可以看到它有什么用。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

public interface Incrementing
{
    void chap12$Incrementing$$super$put(final int p0);

    void put(final int p0);
}

public abstract class Incrementing$class
{
    public static void put(final Incrementing $this, final int x) {
        $this.chap12$Incrementing$$super$put(x + 1);
    }

    public static void $init$(final Incrementing $this) {
    }
}

Incrementing则和Doubling是一个路数。

（这里出现的chap12字样是我写代码时package的名字）

最后揭露真相的时候到了：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

public class MagicQueue extends BasicIntQueue implements Incrementing, Doubling
{
    public void chap12$Doubling$$super$put(final int x) {
        Incrementing$class.put((Incrementing)this, x);
    }

    public void put(final int x) {
        Doubling$class.put((Doubling)this, x);
    }

    public void chap12$Incrementing$$super$put(final int x) {
        super.put(x);
    }

    public MagicQueue() {
        Incrementing$class.$init$((Incrementing)this);
        Doubling$class.$init$((Doubling)this);
    }
}

MagicQueue本身被编译成了以上的样子。

我们看一下它的put方法被调用时会怎样呢？

1. 它去调用Doubling$class.put这个静态方法，把自己和数字都传入

2. Doubling$class.put则会先把数字乘以二，然后把乘积传给MagicQueue的chap12$Doubling$$super$put

3. MagicQueue的chap12$Doubling$$super$put方法则会把MagicQueue自己的实例以及乘积都传给Incrementing$class.put这个静态方法

4. Incrementing$class.put则会把接收到的参数，也就是乘积，加一，然后把加和后的数字传给MagicQueue的chap12$Incrementing$$super$put

5. MagicQueue的chap12$Incrementing$$super$put最终把乘以二又加了一的数字传给了super.put

6. super.put其实就是BasicIntQueue.put了，到这里终于把数字存到ArrayBuffer里面了

这样，Doubling,Incrementing,BasicIntQueue它们三个的行为就堆叠（stackable）在一起了。

_{此文标题党。更切题的标题应该叫做《如何用统计科学来黑星座》或者是《积极注册Facehub，促进统计科学蓬勃发展》}

锤子　JS Promise

最近对JS社区里的Promises/A+规范产生了很浓的兴趣，感觉Promise这套东西确实蛮不错的，给异步算法的编写者和异步算法的消费者之间提供了一套统一的沟通手段，也为异步算法的消费者提供了更悦目易读的代码组织方式。

自己把它实现了一遍:https://www.npmjs.com/package/RWPromise

然后在武汉办公室run了3次workshop:http://cuipengfei.me/blog/2016/05/15/promise/。

手里有了这么一把锤子就总想找个钉子敲一敲。总在想能去哪里找N多异步操作来让我来组织一下呢?

钉子　《异类》

无巧不成书，刚好最近在豆瓣上买了一本叫做《异类》的书在看:　https://read.douban.com/ebook/10580943/

书中一开篇就提到了加拿大冰球运动员选拔机制中很有趣的一件轶事:

职业青年队绝大多数球员的生日集中在1月、2月和3月，这实在有点不可思议

加拿大冰球队按年龄分组所依据的分界线是1月1日，即从1月1日到当年12月31日之间出生的球员将会被分在同一组。也就是说，一个1月1日出生的选手，是在跟许多年纪比他小的队友争夺晋级权——在青春期到来之前，由于有将近12个月的年龄差距，球员之间在生理成熟度上将会表现出巨大的差异。

正如冰球队员的成长经历一样，因年龄大几个月而显现的微弱优势会在孩子的成长过程中不断积累，最终引导孩子走向成功或不成功，自信或不自信的轨道中，其影响会延伸许多年。

能否进入加拿大职业青年冰球队竟然和出生月份有关系，实在是太有趣了。

假想如果你运动天赋非常好，但是不幸出生在12月，于是不得不从小和大你将近一岁的少年运动员一起训练。 表现难免显得不那么出色，不受教练待见，得不到正面反馈，出场坐冷板凳……逐渐逐渐，伤仲永。

由此就联想到了，到TW来工作的人其出生月份是否也存在什么神奇的规律呢？

Facehub

生日信息哪家强？ Facehub帮你忙，它可以查到每个注册用户的生日(只有月日，没有年)。

（注：Facehub是ThoughtWorks公司内部的一个社交网站，只对员工开放注册。用户可以在该网站了解其他同事的信息。）

作为一个内部推广的网站，FaceHub在公司内邮件组里总是铺天盖地、见缝插针地作广告宣传，每次看到觉得审美都疲劳了，不过到了需要的时候第一个就想到了它。 广告的作用，诚不我欺。

我先目测，Facehub用户不会超过500人。 并且用户的id是连续的自增数字，这就很好办了，我只要构造N多获取用户数据的GET请求就好了。 这N多的GET请求，肯定不能一个一个慢慢发送，那就需要异步请求了，这就是钉子啊！ 这就是大量的需要被组织的异步操作啊！ 钉锤终于有机会合体了。

于是我就写了这么个脚本:　https://github.com/cuipengfei/Spikes/blob/master/js/birth/birth.js

其中使用Promise把大量的异步Http请求组织起来，然后统计其结果。

(注:如果需要自己跑这个脚本，需要把第七行的token替换成你自己的合法值，如果您没有账号的话就无需尝试了哦)

以下是统计结果，获取到用户数量348：

由此可以看到，来TW工作的人，11月，10月，8月出生的最多，5月出生的最少。

由于样本量不够大(只有348人)，所以统计数据的含义还不太好说。

下面是我胡乱猜测的、不科学的、不严谨的理论

我们小学入学时卡生日印象中是用8月卡的，那么这就和加拿大的冰球挑队员卡1月类似。

那这样，小学入学后，优势的积累就应该会倾向于8，9，10这几月的学生(类比冰球青年职业队队员集中分布在1，2，3这几个月)。

这几个月生日的小学生从小积累优势，并在成年后把优势携带到了求职之中去。

那为什么我们统计出来是8，10，11月份的人份额多呢?怎么不是8，9，10这几个月呢?统计出来的数据为什么把9月给跳过去了呢？可怜的9月得罪谁了呢？

我猜是由于9月这群人会成为某种星座的几率实在是太高了，被命运之神无情的给镇压掉了。:(抱歉

既然已经有了这份代码，可以统计出生月份，索性再统计些其他侧面的数据:

可见天秤和狮子座的最多，金牛座的最少。和上面的月份排名差异不大。

仔细看下的话，发现我只得罪了7.4%的人，好欣慰:)

看入职日期，大学毕业和跳槽的高峰期很凸显。9，10月最少，这倒不算什么惊人的发现。

最后

由于只统计了348人的信息，所以以上猜测仅供娱乐，请勿当真。

请大家积极注册Facehub，并填写真实的生日信息，以促进统计科学的繁荣发展。 （如果您无法注册，可以考虑投一份简历，然后再来促进统计科学的繁荣发展哦）

Promise并不是一个新的概念,它已经有将近30年的历史.

其早期的雏形还有里氏替换原则的提出者Barbara Liskov的贡献在其中.

https://en.wikipedia.org/wiki/Futures_and_promises#History

而Promises/A+这个规范的出现,则为JavaScript世界中众多Promise实现库提供了一套统一的API和交互机制.

Promises/A+提供了配套的测试集:https://github.com/promises-aplus/promises-tests.

其中共有872个测试,如果你的实现能够让全部测试绿起来,则可以认为该实现符合了标准.

我的Promise实现:https://github.com/cuipengfei/Spikes/tree/master/js/promise

在npm上的发布:https://www.npmjs.com/package/RWPromise

要实现Promises/A+的规范其实并不需要很多代码,我的实现只有88行.当然,仅仅是符合规范和一个可用,易用的Promise库之间还有很大的差距.

如果作为教学或者演示的目的,我认为我的这份实现是已有实现中最简洁的一版.

自己实现Promise规范时需要注意的几点:

1. promise的状态一旦确定,不可更改

一个符合规范的promise有三种可能的状态:pending,resolved,rejected。

这三者是互斥的。

一个pending的promise可以变成resolved,或者rejected。

但是一旦进入resolved或者rejected状态,就再也不能变了。

用形象的语言来描述的话:一个promise就是一个关于未来的承诺,诺言一旦履行,不能反悔。

假设有如下代码:

1
2

var p = ???();//首先以某种方式拿到一个promise,假设这个promise现在是pending的
p.then(x,y);//然后把你希望在成功和失败时执行的x,y通过then方法挂进去

时间流逝,假设???()方法内部在未来某个不确定的时间执行了:

1

p.resolve();

然后,你的x函数应该会被调用。

再然后,无论p的resolve方法或者reject方法再怎么被调用,p的状态都不会再变更,x和y也再不会被执行了。

2. 树状结构

对then方法的多次调用会形成一个树状的数据结构。

假设有如下代码:

1
2
3
4

var p = ???();//首先以某种方式拿到一个promise
p
    .then(a,b) //假设这次then的调用返回的是一个新的promise实例,称之为p1
    .then(c,d);//假设这次then的调用返回的是一个新的promise实例,称之为p2

上述代码等价于:

1
2
3

var p = ???();//首先以某种方式拿到一个promise
var p1 = p.then(a,b);
var p2 = p1.then(c,d);

当然,这个代码形成的会是类似于一个链表的结构,可以把它看作是树状结构的一个特例,也就是树中每个节点都最多只有一个子节点。

而如下的代码则会形成我们惯常看到的树:

1
2
3
4
5
6
7

var p = ???();
var p1 = p.then(a,b);
var p2 = p.then(c,d);
var p3 = p.then(e,f);

var p4 = p1.then(g,h);
var p5 = p3.then(i,j);

这时,树中每一个节点可以有任意多的子节点(取决于它的then被调用了多少次)。

了解promise的树状结构,将有助于实现promise时在自己脑子里构造递归模型。

3. 回调的执行时机

这是实现promise的时候,最容易把人搞晕的一点。

1
2
3

var p = ???();//首先以某种方式拿到一个promise,假设这时p是pending的状态
var p1 = p.then(a,b);
var p2 = p1.then(c,d);

以上代码执行完之后,我们手里有3个promise:p,p1,p2.

这时,a,b,c,d都还没有执行。

在未来某个不确定的时间,如果p的resolve方法被调用了,接下来会发生的事情是:

• p会把传给resolve方法的参数value记住,并把自己的状态标记为resolved (以后就再也不能变了)
• a会被调用到,其参数为value
  • 如果a执行过程中不出错
    • p1的状态被变成resolved,p1会把a的返回值记住
    • c会被调用到,其参数为a的返回值
      • 如果c执行过程中不出错
        • p2的状态被变成resolved,p2会把c的返回值记住
      • 如果c执行过程中出错
        • p2的状态被变成rejected,p2会把c抛出的异常记住
  • 如果a执行过程中出错
    • p1的状态被变成rejected,p1会把a抛出的异常记住
    • d会被调用到,参数为a抛出的异常
      • 如果d执行过程中不出错
        • p2的状态被变成resolved,p2会把d的返回值记住
      • 如果d执行过程中出错
        • p2的状态被变成rejected,p2会把d抛出的异常记住

这样,就看出递归的意思来了。不过b并没有在上面出现,这是因为p本身是被resolve的,b只有在p被reject的时候才会执行。

在未来某个不确定的时间,如果p的reject方法被调用了,接下来会发生的事情是:

。。。 。。。

就不用写了,把上面的ａ替换为ｂ就好了。

以上的例子中,我们拿到p的时候它的状态是pending的,我们会先调用p的then,然后p才会被resolve(或者reject掉)。 也就是说当我们通过调用then传递给promise两个回调的时候,promise还没有能力确定应该执行哪个回调,只有当未来promise自己被resolve或者reject了的时候,它自己的状态确定了,它才知道该挑哪一个回调来执行。

还有另一种可能性,那就是当你拿到p的时候p就已经被resolve(或者reject掉了),这时如果你再调用then方法的话,所传入的两个回调,到底哪个应该被调用,马上就可以决定了。

也就是说回调被调用的触发点一共有三个,then,resolve,reject这三个方法。

背景

Wifi，4G，3G，这些我们习以为常的东西，未必对所有人来说都是随时可用的。

以我当前所在项目为例，应用场景是某欠发达地区医疗服务机构的药品库存管理。

所谓欠发达，具体怎样呢？

• 没有台式电脑
• 没有笔记本
• 只能使用低端的安卓平板
• 4G，3G信号不要想
• 我们去过现场的一位同事甚至要爬到树上去，才能勉强收到2G信号
• 即便是2G信号，也是时断时续，非常不稳定

因此，需要随时保持连通的BS结构基本不可行，我们选择了重度依赖移动端设备本地存储的CS结构（胖客户端）。

网络不可用时，库存变动存储在安卓本地，何时网络可用，再将数据与服务器同步。

问题

以上描述的解决方案似乎合情合理，但是真实实施中还是遇到不少问题：

• 本地schema与服务器schema不一致，中间涉及数据转换与回转
• 本地到服务器的同步数据流动链条过长（本地orm->本地Json serialization->服务器Json deserialization->服务器orm），链条中任何一环都有出差池的可能性。 换句话说，导致数据健全性受损的可能性分散在了太多的点上，一旦出错，难以定位
• 服务器到本地的数据同步，上一条中所描述的链条的逆向，同样是链条太长，潜在的出现错误的点太多
• 服务器端所掌握的数据只是客户端真实数据的一个变体，并且还未必是最新的，这样就导致当移动端应用因其本地数据而出错的时候，我们只能对着服务器干着急

以上描述的问题并不是偶发性的，它不像这里有个bug今天修了，明天那里有个bug再修一次就好。

只要我们仍然要在弱网环境中运行应用，我们就需要重度依赖本地存储，就需要持续的在移动端和服务端进行双向数据同步，以上的问题就将会一直存在。

这是自然环境限制与技术选择所带来的固有的内在的问题。

解决方案

上面提到：

这是自然环境限制与技术选择所带来的固有的内在的问题。

这句话再解释明白一些，自然环境限制指的是很差的网络可用性，技术选择指的是服务器端提供REST API，移动端利用该API进行通信。

以上这二者相结合导致了上述情况成为了固有的内在的问题。

自然环境的限制我们无法突破，我们不能把基站部署过去，让大家打电话之前不用再爬到树上去。

但是技术选择是完全受我们控制的，是有做文章的空间的。

这就引出了文章标题提到的CouchBase。

CouchBase

关于CouchBase是一个怎样的DB，请大家自行搜索。

我们主要关注它推出的CouchBase-Lite（android和iOS均有对应版本）。

左边的绿色方框是移动端应用，它通过蓝色标示的Sync Gateway与CouchBase Server通信。

请注意图中的箭头都是双向的，任何一方对本地数据库的写操作，都会导致对方的更新。任何一方的网络暂时中断也没有关系，在网络恢复的时候将会自动重试。

这样一来，数据同步的思路就变了，不再是在服务器端定义上传下载的API，移动端进行调用。而是利用DB自有的replication机制进行数据同步。

这就意味着我们在移动端只需要关注建立领域特定的模型，并将其存储入移动端本地的CouchBase即可，至于后面的序列化、网络通信等等问题就不需要我们去担心了。

关注点中很大一部分就这样被分离了出去，交由infrastructure去完成。

至于DB自有的replication机制的可靠性，应该可以比较安全的做出假设，认为一个有商用场景的DB厂商的通用数据备份机制不会比我们自己拼凑出来的更差。

一个原型

https://github.com/cuipengfei/Spikes/tree/master/android/sync-prototype

上面的链接是一个基本可用的购物清单应用。全部代码都在，供参考。

下面谈如何把玩它。

第一步

下载CouchBase Server： http://www.couchbase.com/nosql-databases/downloads#，安装，配置管理员账户，不赘述。

在CouchBase Server的Admin console(默认地址： http://127.0.0.1:8091/index.html)中创建一个bucket，命名为demodb。

第二步

安装sync_gateway，Mac用户可以： brew install sync_gateway

以上github代码克隆下来后，sync-gateway路径下有个名为start_sync_gateway_server.sh的脚本，运行它来启动sync gateway。

第三步

运行同一个路径下的create_user.sh，来创建一个名为user1的用户，然后运行create_session.sh，为该用户创建一个session。

create_session.sh脚本有类似如下的输出：

{"session_id":"a469f18027647e4957ffd1743e2ea33ce0386dbc","expires":"2016-02-21T17:51:43.071175586+08:00","cookie_name":"SyncGatewaySession"}

把其中的session id记下备用。

（注：这里的用户和session都是sync gateway需要的，与CouchBase Server无直接关系）

第四步

找到代码中的MainActivity类，在startSync方法中加入session id：

1
2
3
4
5
6
7
8
9
10

//......
Replication pullReplication = database.createPullReplication(syncUrl);
pullReplication.setCookie("SyncGatewaySession", "a469f18027647e4957ffd1743e2ea33ce0386dbc", null, 86400000000000L, false, false);
pullReplication.setChannels(asList("user1"));
pullReplication.setContinuous(true);

Replication pushReplication = database.createPushReplication(syncUrl);
pushReplication.setCookie("SyncGatewaySession", "a469f18027647e4957ffd1743e2ea33ce0386dbc", null, 86400000000000L, false, false);
pushReplication.setChannels(asList("user1"));
pushReplication.setContinuous(true);

这段代码负责启动replication，双向同步从此而起。

找到createGroceryItem，为其中创建document的代码指定其所归属的用户：

1
2
3
4
5

//......
Document document = database.createDocument();

Map<String, Object> properties = new HashMap<String, Object>();
properties.put("channels", asList("user1"));

这几行代码可以保证各个移动端用户之间的数据不会混杂在一起。

第五步

在genymotion中启动android虚拟机（如果使用其他虚拟设备或者真机，请注意修改代码中的服务器ip地址）。

在购物清单中创建几条记录，然后清空移动端本机数据，重启应用，可以看到刚刚被清空的购物清单会从服务器上同步回来。

也可以尝试把虚拟机的网络连接断掉，创建或者修改几条记录，稍后重新连通网络，可以发现数据仍然可以上传到服务器。

还可以尝试用第三步中提到的脚本多创建几个用户，在不同的android虚拟机中使用不同用户，可以发现它们对彼此的数据是没有访问权的。

总结

以上第五步提到的双向同步，离线操作，不同用户之间的数据隔离，都不需要我们写任何特殊的代码来实现。

我们移动端的代码与CouchBase的集成基本就只涉及到第四步中提到的启动replication和创建document，那这样移动端剩下的工作就只有构建业务逻辑了。

如果你的移动端应用也需要在弱网环境下进行离线操作，在网络恢复时与服务器同步数据的话，不妨尝试一下CouchBase。

2015年结束了，一如已经结束了的每一年，非常迅速。

按惯例，从博客说起。

博客

15年写了16篇博客，其中9篇是与Scala，Reactive，OODP相关的。这个数字倒还不算太坏。

14年总结的时候说：

明年可以改进的是不要嫌话题小，不要嫌话题不够深。 有了有价值的想法就记下来，形成惯性。

15年第一季度没有执行这一条原则。其原因在于懒惰。

15年第二季度超额执行。其原因在于找到了主线任务，足够的探索便促成了足够的产出。

第三季度和第四季度未执行。其原因在于到客户现场去工作彻底打乱了所有的日常习惯与日程计划。

这么看来，博客这一块有得有失，得者为要找到一个足够有趣的主线任务，用来催生产出。失者为习惯的打破与难以重补。

由此得出16年需要执行的事项：

主线任务要明确，暂定为Reactive以及与之相关的一切。Review不能每个季度做一次，要每个月做一次，每次可以短，不能没有，这样强迫自己去关注进度，不可斜视。

读书

这个数字可以，分布情况不太漂亮。5月和9月是两个空档。

5月是因为刚去TWU，说得过去。9月是因为去了客户现场，其实也说得过去。

但是内容控制的不好。

14年总结说的是：

另外一个改进点是领域，我明年需要看一些轻量级的经济、哲学和社会心理学的书。口说无凭，于此立字为据。

这方面第一季度执行的可以，第二季度开始用trello track，也不错。 但是下半年就废了，还是前文提过的同样的原因。

16年的trello重新建了一个board，遵循上段同样的方式，每个月review。

MOOC

极其差。

一年只上完了一门课。没有勇气提16年的目标了。看际遇吧。

健身

这个坚持执行的很好。还探索出了好的玩法。

数据统计不完整，但是可以凑合看，增重0.4，减脂0.1，算是净增1斤肌肉。曲线不难看，但是这个数字不算漂亮。

从8月4号开始用bodyspace来track运动量，至此共91次，重量累计935吨。

这个数字累积到1000吨（也就是100万千克）时就换方法，不着重统计重量了，而是统计围度。

下面统计下出勤率：

从14年6月8日到现在,共574天。出勤362次，出勤率63%。

时间管理与统计

这个统计是从15年4月1日开始的，9，10月份由于去客户现场的原因，中断掉了。数据就放在这儿，不分析了。

其他

这一年脾气见好，不错。

惨。

八月份上了一个大客户的项目，到了晚上没力气也没心情做任何事情。

博客

没写。上个季度六月的系列告一段落后7月没写。到了8月就不用说了。

读书

七月八月读了7本书，9月一本未读。

在trello中建的计划，其中7月执行的不错，8月一般，九月，当让，啥都没做。

MOOC

无。

翻译

上次提到的书已经交稿了，坐等出版。

健身

这项不错，我从一开始就想好，无论什么事没时间没心情做，这件事不能停。

从八月份开始，有了系统的计划

三个大肌群，所有小肌群，各自一个计划。

从八月初执行至今，共记录41次workout，举铁345吨。

平均每次去健身房8吨，日最高记录15吨。

这段时间出勤率67%。

从去年6月8日到现在，共485天，出勤314次，出勤率64%。

其中武汉201次，印度72次，成都41次。

总之