可修改性及其实现战术（hot words）

当需求发生变更或者环境发生变化时，系统是否可以快速得到调整，就体现出系统的可修改性。好的系统要求可以方便快速修改。

系统的任何部分都是可修改的，需要关注的是修改的成本(代价问题)

 主要表现在：在系统稍微变更时不影响用户使用；对用户而言，改变系统的基本设置等；对管理员来说修改用户的权限等；

引起系统修改的两个因素：

l  用户需求l  系统内在需求

---

可修改性战术分为3类：（无论是局部化修改还是防止连锁反应，都是基于“高内聚，低耦合”思想）

• 局部化修改
• 防止连锁反应
• 延迟绑定时间

① 局部化修改：修改限制在一小组模块之内

　　　　维持语义一致性：模块中的责任能够协调一致的工作，不需要过多的依赖其它模块

　　　　预期期望的变更：淘宝网，用户变多，成交量变大，需要修改原有的mysql数据库。

　　　　泛化模块：模块设计的越通用，发生变更对模块影响就越小

　　　　限制可能的选择：在设计的时候对模块功能和它的可变范围进行限制，会降低这些修改所造成的影响

　　（这是之前看的一个python代码，这里边的变量、路径放在了一个.py文件中，都可以直接修改，不影响其他地方的代码）：

# -----------------------路径相关参数---------------------------------------
train_ct_path = 'D:\BaiduNetdiskDownload\Training_Batch1\media\nas\01_Datasets\CT\LITS\ct'  # 原始训练集CT数据路径
train_seg_path = 'D:\BaiduNetdiskDownload\Training_Batch1\media\nas\01_Datasets\CT\LITS\seg'  # 原始训练集标注数据路径
test_ct_path = 'D:\BaiduNetdiskDownload\LITS-Challenge-Test-Data-20180512T073105Z-010\CT'  # 原始测试集CT数据路径
test_seg_path = 'D:\BaiduNetdiskDownload\LITS-Challenge-Test-Data-20180512T073105Z-010\seg'  # 原始测试集标注数据路径
training_set_path = 'D:\train'  # 用来训练网络的数据保存地址
pred_path = 'D:\test\liver_pred'  # 网络预测结果保存路径
crf_path = 'D:\test\crf'  # CRF优化结果保存路径
module_path = 'D:\model\net550-0.028-0.022.pth'  # 测试模型地址
# -----------------------路径相关参数---------------    ------------------------
# ---------------------训练数据获取相关参数-----------------------------------
size = 48  # 使用48张连续切片作为网络的输入
down_scale = 0.5  # 横断面降采样因子
expand_slice = 20  # 仅使用包含肝脏以及肝脏上下20张切片作为训练样本
slice_thickness = 1  # 将所有数据在z轴的spacing归一化到1mm
upper, lower = 200, -200  # CT数据灰度截断窗口
# -----------------------网络结构相关参数------------------------------------
drop_rate = 0.3  # dropout随机丢弃概率
# -----------------------网络结构相关参数------------------------------------
# ---------------------网络训练相关参数--------------------------------------
gpu = '0'  # 使用的显卡序号
Epoch = 1000
learning_rate = 1e-4
learning_rate_decay = [500, 750]
alpha = 0.33  # 深度监督衰减系数
batch_size = 1
num_workers = 0
pin_memory = True
cudnn_benchmark = True
# ---------------------网络训练相关参数--------------------------------------
# ----------------------模型测试相关参数-------------------------------------
threshold = 0.5  # 阈值度阈值
stride = 12  # 滑动取样步长
maximum_hole = 5e4  # 最大的空洞面积
# ----------------------模型测试相关参数-------------------------------------
# ---------------------CRF后处理优化相关参数----------------------------------
z_expand, x_expand, y_expand = 10, 30, 30  # 根据预测结果在三个方向上的扩展数量
max_iter = 10  # CRF迭代次数
s1, s2, s3 = 1, 10, 10  # CRF高斯核参数
# ---------------------CRF后处理优化相关参数----------------------------------

② 防止连锁反应:

　　比如：尽可能对接口编程，且维持接口规格不变。每个模块对外公开尽可能少的信息，隐藏一切不必要的信息。将核心业务和非核心业务分离，应用和数据要分离，服务和实现细节分离，前台和后台分离

打印、爬取、分类都进行了分离

③ 推迟绑定时间。将有可能的修改，尽量用配置文件，或者其他后期让非开发人员可调整的方式实现。

将数据库可能发生的修改放在c3p0-config.xml配置文件中，可以减少部署时间，甚至没有变成基础的人员也可以实现对数据库配置的修改。

<?xml version="1.0" encoding="UTF-8"?>
 <c3p0-config>
     <default-config>
         <property name="user">root</property>
         <property name="password"></property>
         <property name="driverClass">com.mysql.jdbc.Driver</property>
         <property name="jdbcUrl">jdbc:mysql://localhost:3306/reci?useUnicode=true&amp;characterEncoding=utf-8</property>
     </default-config> 
 </c3p0-config>

框架级可修改性：平台代码、应用代码、后台模块代码分离。

根据场景、调用后台模块出参入参可配原性修改，服务变更无需通过编码即可修改。