Modularidad del modelo para optimizar el desarrollo continuo

Simulación de eventos discretos en Python

Diogo Costa (PhD, MSc)

Adjunct Professor, University of Saskatchewan, Canada & CEO of ImpactBLUE-Scientific

¿Qué es la escalabilidad del modelo?

Ampliar capacidades con el tiempo
Sin perder rendimiento ni romperse

Modelo “escalable”

Uso típico: aumentar capacidad según la demanda
En modelos de eventos discretos: ampliar y seguir estable

Importancia

Clave para el éxito y valor a largo plazo
Capacidad de evolucionar
Buenas prácticas de código como modularidad

Modelos escalables y menos escalables

Modelo escalable

Diagrama que muestra un modelo modular más escalable porque el código está bien compartimentado, de modo que se pueden añadir, quitar o reemplazar módulos sin cambiar la estructura del modelo.

Modelo menos escalable

Diagrama que muestra un modelo menos modular y menos escalable porque el código no está bien compartimentado, por lo que no es tan fácil añadir, quitar o reemplazar módulos sin cambiar la estructura del modelo.

Modularidad del modelo

Componentes (módulos) intercambiables
Procesos en funciones separadas
Módulos llamados varias veces
En vez de copiar el mismo código

Diagrama que muestra un modelo con siete funciones, donde una mejora sustituyó el módulo "func_b" por "func_b1" y añadió "func_f" entre "func_c" y "func_d".

Ejemplo: reemplazar y añadir módulos

Versión antigua

with counter.request() as request:
    yield request

    def func_a()
    def func_b()
    def func_c()
    def func_d()
    def func_e()

Versión actualizada

with counter.request() as request:
  yield request

  def func_a()
  # def func_b() # Module replaced by
  def func_b1()  # Module replacement
  def func_c()
  def func_f()   # New module added
  def func_d()
  def func_e()

¡Vamos a practicar!

Simulación de eventos discretos en Python