Modularità del modello per ottimizzare lo sviluppo continuo

Simulazione a eventi discreti in Python

Diogo Costa (PhD, MSc)

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

Cos’è la scalabilità del modello?

Ampliare le capacità nel tempo
Senza perdere prestazioni né rompersi

Modello “scalabile”

Uso tipico: aumentare la capacità in base alla domanda
Nei modelli a eventi discreti: espandersi e restare stabile

Importanza

Essenziale per il successo e il valore nel lungo periodo
Capacità di evolvere
Buone pratiche di codice, come la modularità

Modelli più e meno scalabili

Modello scalabile

Diagramma che mostra un modello modulare più scalabile perché il codice è ben compartimentato: i moduli si aggiungono, rimuovono o sostituiscono senza modificare la struttura del modello.

Modello meno scalabile

Diagramma che mostra un modello meno modulare e quindi meno scalabile: il codice non è ben compartimentato, quindi i moduli non si possono aggiungere, rimuovere o sostituire facilmente senza cambiare la struttura.

Modularità del modello

Componenti (o moduli) intercambiabili
Processi compartimentati in funzioni separate
Moduli richiamati più volte
Invece di copiare lo stesso codice

Diagramma di un modello con sette funzioni, dove un aggiornamento ha sostituito il modulo "func_b" con "func_b1" e aggiunto "func_f" tra "func_c" e "func_d".

Esempio: sostituire e aggiungere moduli

Versione precedente

with counter.request() as request:
    yield request

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

Versione aggiornata

with counter.request() as request:
  yield request

  def func_a()
  # def func_b() # Modulo sostituito da
  def func_b1()  # Modulo sostitutivo
  def func_c()
  def func_f()   # Nuovo modulo aggiunto
  def func_d()
  def func_e()

Ayo berlatih!

Simulazione a eventi discreti in Python