복잡한 코드 기반에서 부작용의 복잡한 상호 작용은 내가 생각하기에 가장 어려운 것입니다. 뇌가 작동하는 방식만으로 개인적으로 만 말할 수 있습니다. 부작용과 지속적인 상태 및 입력 변경 등을 통해 각 개별 기능에서 "무엇"이 발생 하는가가 아니라 "언제"와 "어디에"가 올바른지에 대해 추론해야합니다.
나는 "무엇"에 집중할 수 없습니다. 호출자가 코드를 사용하여 코드 전체에 신뢰성의 공기를 퍼뜨릴 수있는 부작용을 일으키는 함수를 철저히 테스트 한 후에는 호출자가 여전히 잘못된 스레드에서 잘못된 스레드에서 호출하여 잘못 사용할 수 있기 때문에 결론을 내릴 수 없습니다. 주문. 한편 부작용을 일으키지 않고 (입력을 건드리지 않고) 입력이 주어지면 새로운 출력을 반환하는 함수는 이런 식으로 오용하는 것이 거의 불가능합니다.
그러나 나는 실용 주의적이거나 최소한 노력하려고 노력하고 있으며 코드의 정확성에 대해 추론하기 위해 모든 부작용을 최소한으로 표시해야한다고 생각하지는 않습니다 (최소한) C)와 같은 언어에서는이 작업을 수행하기가 매우 어렵습니다. 정확성에 대해 추론하기가 매우 어려운 곳은 복잡한 제어 흐름과 부작용이 결합 된 경우입니다.
복잡한 제어 흐름은 본질적으로 그래프와 같으며 종종 재귀 적 또는 재귀 적입니다 (예 : 이벤트를 재귀 적으로 직접 호출하지는 않지만 실제로는 "재귀 적"인 이벤트 큐), 아마도 할 일 실제 연결된 그래프 구조를 순회하는 과정 또는 코드베이스의 모든 종류의 다른 부분으로 이어지고 다른 부작용을 유발하는 처리를 위해 다양한 이벤트가 포함 된 비 균일 이벤트 큐를 처리하는 과정에서 발생합니다. 코드에서 궁극적으로 끝나는 모든 장소를 찾으려고하면 복잡한 그래프와 유사하며 잠재적으로 그 순간에 거기에 없었을 것으로 예상되는 그래프의 노드와 잠재적으로 같고 부작용을 일으키고
함수형 언어는 매우 복잡하고 재귀적인 제어 흐름을 가질 수 있지만 프로세스에서 발생하는 모든 종류의 절충 적 부작용이 없기 때문에 결과는 정확성 측면에서 이해하기 쉽습니다. 복잡한 제어 흐름이 절충주의 부작용을 만났을 때만 일어나고있는 일의 전체와 항상 올바른 일을 할 것인지 이해하는 것이 두통을 유발합니다.
따라서 이러한 경우가있을 때, 불가능하지는 않더라도 그러한 코드의 정확성에 대해 매우 확신하는 것은 매우 어려운 일입니다. 예상치 못한 일이 발생하지 않고 그러한 코드를 변경할 수 있다는 확신은 없습니다. 따라서 나에게 해결책은 제어 흐름을 단순화하거나 부작용을 최소화 / 통합하는 것입니다 (통합함으로써 시스템의 특정 단계에서 두 가지 또는 세 가지가 아닌 한 가지 유형의 부작용 만 발생하는 것을 의미합니다) 다스). Simpleton 두뇌가 존재하는 코드의 정확성과 내가 도입 한 변경의 정확성에 대해 자신감을 갖도록하려면 두 가지 중 하나가 필요합니다. 부작용이 제어 흐름과 함께 균일하고 단순하면 부작용을 유발하는 코드의 정확성에 대해 확신하기가 매우 쉽습니다.
for each pixel in an image:
make it red
이러한 코드의 정확성에 대해 추론하기는 쉽지만 주로 부작용이 너무 균일하고 제어 흐름이 너무 간단하기 때문입니다. 그러나 다음과 같은 코드가 있다고 가정 해 봅시다.
for each vertex to remove in a mesh:
start removing vertex from connected edges():
start removing connected edges from connected faces():
rebuild connected faces excluding edges to remove():
if face has less than 3 edges:
remove face
remove edge
remove vertex
그런 다음 이것은 엄청나게 지나치게 단순화 된 의사 코드이며 일반적으로 훨씬 더 많은 함수와 중첩 루프 및 계속해야 할 훨씬 더 많은 것들 (여러 텍스처 맵, 뼈 가중치, 선택 상태 등 업데이트)이 포함되지만 의사 코드조차도 너무 어렵습니다. 복잡한 그래프와 같은 제어 흐름과 부작용의 상호 작용으로 인해 정확성에 대한 이유. 따라서 단순화를위한 한 가지 전략은 처리를 연기하고 한 번에 한 가지 유형의 부작용에만 집중하는 것입니다.
for each vertex to remove:
mark connected edges
for each marked edge:
mark connected faces
for each marked face:
remove marked edges from face
if num_edges < 3:
remove face
for each marked edge:
remove edge
for each vertex to remove:
remove vertex
... 단순화의 반복으로이 효과에 무언가. 즉, 계산 비용이 많이 발생하는 데이터를 여러 번 통과한다는 것을 의미하지만 부작용과 제어 흐름이 균일하고 단순한 특성으로 인해 이러한 결과 코드를 더 쉽게 멀티 스레드 할 수있는 경우가 많습니다. 또한 각 루프는 연결된 그래프를 통과하고 부작용을 일으키는 것보다 캐시 친화적으로 만들 수 있습니다 (예 : 병렬 비트 세트를 사용하여 통과해야 할 항목을 표시하여 지연 된 패스를 정렬 된 순서대로 정렬 할 수 있습니다 비트 마스크 및 FFS 사용). 그러나 가장 중요한 것은 두 번째 버전이 버그를 유발하지 않고 변경뿐만 아니라 정확성 측면에서 추론하기가 훨씬 쉽다는 것입니다. 그래서'
그리고 결국, 우리는 어느 시점에서 부작용이 발생해야합니다. 그렇지 않으면 아무 데나 데이터를 출력하는 함수 만있을뿐입니다. 종종 우리는 파일에 무언가를 기록하고, 스크린에 무언가를 표시하고, 소켓을 통해 데이터를 보내야합니다. 그러나 우리는 계속되는 부작용의 수를 확실히 줄이고 제어 흐름이 매우 복잡 할 때 발생하는 부작용의 수를 줄일 수 있으며, 우리가한다면 버그를 피하는 것이 훨씬 쉽다고 생각합니다.