Větve, které se rozjedou, když je zapomenete rebasovat

Pro nasazení je klíčové oddělit build od deploye. Build by měl vytvořit neměnný artefakt, deploy by ho měl pouze přenést do cílového prostředí. Když se do deploye přidá ještě kompilace, vzniká riziko, že se na produkci dostane něco jiného, než co prošlo testy. Nasazení na produkci je vhodné vázat na tag nebo na schválení konkrétní osoby. GitHub Actions umožňují definovat prostředí s povinným schválením, což je jednoduchá pojistka proti nechtěnému vypuštění.

Každý požadavek se skládá ze tří částí, které se pletou nejčastěji. Metoda určuje, co se má stát: načtení dat nic nemění, odeslání vytváří nový záznam, Https://Isowindows.Net/ úprava mění existující a smazání ho odstraňuje. Hlavičky nesou informace o formátu a o tom, kdo požadavek posílá. Tělo obsahuje samotná data, a to jen u metod, které něco mění. Pokud pošleš data v těle u metody pro načtení, server je ignoruje a ty budeš marně hledat chybu.

Kde lidé nejčastěji chybují Typická chyba je SELECT * v produkčním dotazu. Přenášíte sloupce, které nepotřebujete, bráníte pokrytí indexem a zvyšujete síťový provoz. Stejně problematické je vnořování dotazů do smyčky v aplikaci — místo jednoho dotazu s IN nebo JOIN odešlete stovky malých dotazů a režie na komunikaci převýší samotný výpočet. Další častý problém je implicitní přetypování: porovnáváte-li číselný sloupec s řetězcem, databáze může index ignorovat.

Než začnete přepisovat dotaz, zjistěte, co databáze skutečně dělá. Většina problémů nevzniká kvůli syntaxi, ale kvůli tomu, že optimalizátor nemá k dispozici vhodné statistiky nebo indexy. Prvním krokem je spustit EXPLAIN (nebo EXPLAIN ANALYZE, pokud jej databáze podporuje) a přečíst plán. Sledujte, zda jde o sekvenční průchod celou tabulkou, kde se očekávalo hledání podle indexu, a jaký je odhad počtu řádků proti skutečnosti. Rozdíl mezi odhadem a realitou je nejčastější příčina špatné volby joinu.

Častou chybou je přílišné mockování. Pokud podvrhnutá závislost vrací něco jiného než skutečná implementace, test sice projde, ale v provozu kód selže. Držte se tvaru dat, který odpovídá realitě. Další pastí je testování interních detailů – například kolikrát byla funkce zavolána. If you have any questions regarding where and how to use Rekonstrukce Koupelny Krok Za Krokem, you can get in touch with us at our web page. Radši ověřujte výsledné dispatchy a stav, který z nich plyne. Testy pak přežijí refaktoring.

Na co si dát pozor: async funkce často vracejí promise, kterou musíte awaitovat. Když ji zapomenete, test skončí dřív, než se dispatchy provedou, a projde, i když je kód rozbitý. Podobně záludné je testování chybových stavů. Většina lidí otestuje jen úspěch a zapomene na odmítnutý požadavek. Přitom právě tam vzniká nejvíc chyb – chybí dispatch s chybou nebo se stav nevrátí do klidového režimu.

Práce na několika feature větvích současně vypadá jednoduše, dokud se první větev nezačne rozcházet s main. Většina konfliktů nevzniká kvůli složité logice, ale kvůli tomu, že se změny hromadí příliš dlouho bez synchronizace. Čím déle necháte větev odpojenou od hlavní linie, tím dražší bude její návrat. Praxe je opačná: krátké, časté sloučení bolí méně než jedna velká integrace na konci sprintu.

Reducery a async akce se testují úplně jinak, protože mají odlišnou povahu. Reducer je čistá funkce: dostane stav a akci, vrátí nový stav. Async akce jsou procesy, které něco dělají – volají API, čekají a teprve pak dispatchují další akce. Když si tuto rozdílnost neuvědomíte, skončíte u testů, které buď nic neověřují, nebo padají z nesprávných důvodů.

U spojení dávejte pozor na kartézské součiny. Pokud zapomenete podmínku v JOIN, výsledek může explodovat a server padne na spotřebě paměti. U agregací a řazení pomáhá omezit množství dat ještě před seskupením — filtr patří do WHERE, ne do HAVING, pokud nezávisí na agregované funkci. Při stránkování velkých výsledků se OFFSET chová špatně; pro velké posuny je vhodnější klíčové stránkování podle jednoznačného sloupce.

Image, kontejner a past, do které padá skoro každ

Nezapomínejte na statistiky. Databáze se rozhoduje podle nich a zastaralé údaje vedou k nesprávným plánům. Pravidelná aktualizace statistik, případně ruční údržba po velkých dávkových změnách, často zlepší výkon více než jakýkoli přepis dotazu. U transakcí držte je krátké, abyste neblokovali ostatní. A nakonec měřte: nasaďte sledování pomalých dotazů, porovnejte výsledky před a po změně a teprve pak měňte kód.

Async akce: ověřujte pořadí a obsah dispatchů U async akcí nejde o návratovou hodnotu, ale o to, jaké akce se postupně odešlou. Bez integračního prostředí vám stačí podvrhnout závislosti – funkci pro volání API a dispatch. Vytvořte jednoduchý záznamník, který si ukládá každé volání dispatch. Po spuštění async akce zkontrolujte, že první akce oznamuje rekonstrukce koupelny krok za krokemčátek, druhá nese data a třetí ukončuje načítání. Tím odhalíte chybějící nebo přebytečné dispatchy.