En las entregas anteriores hemos mencionado varias veces la necesidad de mantener el tiempo de refactoring bajo control, evitando la tentación de llevarlo demasiado lejos.
Esta precaución es necesaria porque corremos el riesgo de dar al código una forma que no sea adecuada a su evolución futura. Esto es, aunque podamos tener unas expectativas razonables sobre la evolución de nuestro negocio, en realidad no sabemos que nos deparará el futuro. Tomar decisiones sobre la estructura del código que no estén apoyadas por una necesidad puede llevarnos a mayores costes cuando tengamos que desandar ese camino.
Cuando un refactor llama a tu puerta
De todos modos, y teniendo esta advertencia en mente, muchas veces el propio código nos va a dar indicaciones de que necesita refactoring. Estas indicaciones suelen venir en forma de code smells, algunos de los cuales pueden gestionarse independientemente del significado del código. Más bien, esos smells apuntan a que la estructura de conocimiento está reflejada en el código, pero de una forma defectuosa.
Voy a intentar poner un ejemplo. Los siguientes métodos operan sobre un mismo objeto, el cual no es el objeto en el que están definidos.
def standard_deviation(consumptions)
Math.sqrt(variance(consumptions))
end
def variance(consumptions)
sum = consumptions.sum(0.0) { |element| (element - average(consumptions)) ** 2 }
sum / (consumptions.size - 1)
end
def average(consumptions)
consumptions.sum(0.0) / consumptions.size
end
Dicho de otra forma. Los comportamientos representados por estos métodos en realidad pertenecen a un objeto consumptions que aún no tenemos, pero del cual el código nos está diciendo que, al menos, deberíamos considerar su existencia.
Este consumptions es actualmente un array que agrega los consumos de una oficina. O, en general, representa una colección de consumos que nos interesa para hacer un análisis. Tratarlo como un array es propio de un enfoque procedural de la programación, pero en orientación a objetos, consumption debería ser un objeto con sus propios comportamientos. En este caso: agregar los consumos y proporcionarnos ciertos índices estadísticos que nos interesan y que se obtienen a partir de sus datos.
La señal que nos indica que hay una posibilidad de refactoring es bastante visible:
- Hay un grupo de métodos de un objeto que no llaman a otros métodos del propio objeto, excepto a los que forman parte del mismo grupo. Por ejemplo,
standard_deviation
usavariance
, el cual usaaverage
, pero no usan otros métodos del objeto. - Esos métodos tienen un parámetro en común, que es sobre el que trabajan. Todos trabajan sobre
consumptions
.
Ahora bien, si nos fijamos, consumptions
solo guarda las lecturas de consumo. En el artículo anterior mencionamos que podría ser interesante guardar todo el objeto Consumption
. En primer lugar, porque es un objeto y así mantenemos su integridad. En segundo lugar, nos aporta más información que podría llegar a ser útil en algún momento.
¿A dónde quiero llegar? Si hago este refactor ahora mismo, encapsulando el array consumptions
en un objeto estoy tomando decisiones que pueden condicionar el desarrollo futuro del software. Ahora me parece muy claro que podría encapsular consumptions
y beneficiarme de sus comportamientos. Pero ¿y si en el futuro lo que necesito es tener los objetos Consumption
?
Suele ser preferible esperar a tener más contexto antes de proceder a un refactor, incluso aunque sea muy evidente. Por ejemplo, que tengamos una tarea que toca esa área.
Una fuente de datos alternativa
Ahora que hemos cambiado la forma de agregar los datos por oficina, nos dicen que algunas oficinas podrían obtener la información en formato JSON. Hay que tener en cuenta que a partir de ahora se nos proporcionarán varios archivos con los datos, pero en los distintos formatos. De hecho, es perfectamente posible que sean varias decenas de archivos si cada oficina nos enviase uno diferente.
Así que tenemos que hacer estos cambios:
- Poder procesar varios archivos
- Agrupar toda la información
- Tener un procesador extra para Json
- Elegir el procesador según el archivo
Los dos últimos puntos encajan con un patrón Strategy: necesitamos poder escoger entre varios algoritmos en tiempo de ejecución (un lector de CSV y un lector de JSON). Para ello, tenemos que disponer de esos distintos algoritmos y un mecanismo que sepa cuál escoger en cada caso.
La cuestión ahora es hacer un refactoring del código actual hasta introducir este patrón para una sola estrategia, que es la que tenemos ahora. Comprobamos que todo el comportamiento actual se mantiene y una vez consolidados los cambios, introducimos la estrategia para otros formatos de archivo. Y, como veremos, este último paso esta vez será muy sencillo y tendrá poco riesgo.
¿Por qué proceder así? La idea de no mezclar las fases de refactoring e introducción de nuevas features busca reducir el riesgo de mezclar regresiones en el comportamiento actual y la introducción de nuevos bugs.
El refactor preparatorio estaría protegido por los tests existentes, de modo que si provocamos una regresión la detectaremos y podremos corregirla, deshaciendo el cambio que la provocó o haciendo las modificaciones necesarias. Por otro lado, una vez consolidado el refactor, la introducción de código nuevo puede ser asegurada mediante TDD o, si no, con test posteriores. De este modo, las fuentes de posibles errores se mantienen separadas y son fáciles de identificar y corregir.
Extrayendo un objeto colaborador
Así que vamos a empezar. En OOP preferimos objetos pequeños con responsabilidades bien definidas que trabajan colaborando. En el ejemplo que tenemos, tendría sentido un objeto encargado de leer los datos de los archivos. Ahora mismo, eso ocurre en el método:
def obtain_consumptions(file_name)
data = CSV.parse(File.read(file_name), headers: true, converters: :numeric)
data.map do |row|
Consumption.new(row["office"], row["year"], row["month"], row["consumption"])
end
end
Fíjate que en el cuerpo del método no tenemos llamadas a otros métodos del objeto ConsumptionAnalyser
lo que nos indicaría que tiene sentido extraerlo. Este refactor se llama Extract class
y consiste básicamente en crear una clase nueva a la que se mueven los métodos deseados y usándolo donde la necesitemos.
Algunos IDE ofrecen una automatización de este refactor dependiendo del lenguaje. Pero esencialmente se hace asé:
- Creamos la nueva clase
- Copiamos y pegamos en ella los métodos escogidos
- Adaptamos lo que sea necesario
- Reemplazamos los métodos originales con llamadas a esta clase
La nueva clase se llamará CSVConsumptionsProvider.
class CsvConsumptionsProvider
end
Ahora, copiamos y pegamos el método obtain_consumptions
:
class CsvConsumptionsProvider
def obtain_consumptions(file_name)
data = CSV.parse(File.read(file_name), headers: true, converters: :numeric)
data.map do |row|
Consumption.new(row["office"], row["year"], row["month"], row["consumption"])
end
end
end
Puede ser el momento de revisar el nombre del método y realizar otros ajustes que veamos necesarios. Por ejemplo:
class CsvConsumptionsProvider
def from_file(file_name)
data = CSV.parse(File.read(file_name), headers: true, converters: :numeric)
data.map do |row|
Consumption.new(row["office"], row["year"], row["month"], row["consumption"])
end
end
end
El último paso será introducir este objeto como colaborador de ConsumptionAnalyzer
. Antes de eso, nos aseguramos de que los tests están pasando.
class ConsumptionAnalyzer
def initialize(provider = CsvConsumptionsProvider.new)
@provider = provider
end
CONSUMPTIONS_A_YEAR = 12
def execute(file_name, deviation_factor = 1.4)
normalized = @provider.from_file(file_name)
offices = offices(normalized)
outliers = outliers(deviation_factor, offices)
puts outliers
puts "Data sample #{normalized.size} rows"
puts "Found #{outliers.size} outliers"
puts "Found #{outliers.size / offices.size} per office"
end
# Code removed for clarity
end
Este cambio debería permitir que los tests pasen sin problema.
En este ejemplo, estamos haciendo que provider
sea opcional, creando una instancia por defecto. En otros lenguajes, podemos hacer algo similar a lo que sigue:
def initialize(provider = nil)
if provider.nil?
@provider = CsvConsumptionsProvider.new
else
@provider = provider
end
end
Preparándose para el patrón Strategy
Extraer funcionalidad a objetos colaboradores es una buena forma de darle estructura al código. Pero nuestro analizador todavía depende que la fuente de datos sea CSV.
Como no queremos depender directamente de una tecnología o formato específico, necesitamos introducir un Mediador. Un Mediador es un objeto que se introduce para romper la dependencia directa entre dos objetos. De este modo, uno puede evolucionar sin saber nada del otro. Ambos quedarán acoplados al mediador, pero es una dependencia más ligera.
Nuestro mediador representa la idea abstracta de un proveedor de consumos.
class ConsumptionProvider
def from_file(file_name)
end
end
Y en su primera implementación, simplemente hace uso del CSVConsumptionProvider
.
class ConsumptionsProvider
def initialize(provider = CsvConsumptionsProvider.new)
@provider = provider
end
def from_file(file_name)
@provider.from_file(file_name)
end
end
Por supuesto, tenemos que cambiar la dependencia en ConsumptionAnalyzer
:
class ConsumptionAnalyzer
def initialize(provider = ConsumptionsProvider.new)
@provider = provider
end
# Code removed for clarity
end
Todos estos cambios no alteran el comportamiento y los tests siguen pasando. Estamos casi terminando el refactor. El beneficio que hemos conseguido es que ahora, ConsumptionAnalyzer
no tiene ni idea de que está leyendo datos de un archivo CSV, no hay ninguna referencia que haga pensar en ello.
Csv como Strategy
El siguiente paso sucede en ConsumptionsProvider
y consiste en dejar de usar incondicionalmente CsvConsumptionsProvider
. De momento, sabemos que el criterio para escoger un Provider concreto es el tipo de archivo, que podemos determinar por la extensión de su nombre. Eso es lo que vamos a introducir ahora:
class ConsumptionsProvider
def initialize(provider = CsvConsumptionsProvider.new)
@provider = provider
end
def from_file(file_name)
extension = File.extname(file_name)
if extension == ".csv"
return @provider.from_file(file_name)
end
raise NotImplementedError.new , "#{extension} file support not implemented"
end
end
Esto puede parecer innecesario en este punto, ya que solo tenemos un tipo de proveedor. Sin embargo, creo que se puede entender por donde vamos. Este refactor nos ha dejado en una situación en la que introducir otro proveedor simplemente requeriría escribir una clase nueva y modificar la condición para que el programa lo reconozca.
Vamos a arreglar un poquito el código dado que sigue muy condicionado por tener una sola estrategia. Por ejemplo, así:
class ConsumptionsProvider
def initialize
end
def from_file(file_name)
extension = File.extname(file_name)
if extension == ".csv"
provider = CsvConsumptionsProvider.new
return provider.from_file(file_name)
end
raise NotImplementedError.new , "#{extension} file support not implemented"
end
end
Esto nos permitirá crear un nuevo JsonConsumptionsProvider
, por ejemplo, e incluirlo así:
class ConsumptionsProvider
def initialize
end
def from_file(file_name)
extension = File.extname(file_name)
if extension == ".csv"
provider = CsvConsumptionsProvider.new
return provider.from_file(file_name)
end
if extension == ".json"
provider = JsonConsumptionsProvider.new
return provider.from_file(file_name)
end
raise NotImplementedError.new , "#{extension} file support not implemented"
end
end
Pero no nos adelantemos. Primero necesitamos tener un proveedor y antes de eso hay que prepararse para otro comportamiento.
Agregar todos los resultados
Uno de los requisitos que nos piden es agregar todos los resultados, lo que significa que nos pasarán una lista de archivos de los que obtener datos y debemos proporcionar una salida única.
Así que tenemos que dar soporte a poder indicar varios archivos en ConsumptionAnalyzer.execute
y en ConsumptionsProvider.from_file
. Además, en este último, tenemos que obtener los datos y agregarlos antes de entregarlos.
Vamos por partes. Una forma fácil de permitir varios archivos en ConsumptionsProvider.from_file
es cambiar el parámetro file_name
con splat operator. De ese modo, podemos pasarle una lista de nombres de archivo y se comportará como un array.
Para eso, nos viene bien extraer el procesamiento de cada archivo individual en un método. Es decir. Ahora estamos así:
class ConsumptionsProvider
def initialize
end
def from_file(file_name)
extension = File.extname(file_name)
if extension == ".csv"
provider = CsvConsumptionsProvider.new
return provider.from_file(file_name)
end
raise NotImplementedError.new , "#{extension} file support not implemented"
end
end
Y nos preparamos haciendo esto:
class ConsumptionsProvider
def initialize
end
def from_file(file_name)
read_file(file_name)
end
def read_file(file_name)
extension = File.extname(file_name)
if extension == ".csv"
provider = CsvConsumptionsProvider.new
return provider.from_file(file_name)
end
raise NotImplementedError.new, "#{extension} file support not implemented"
end
end
Este cambio, que es un Extract method, no afecta al comportamiento actual. Ahora vamos con from_file
.
class ConsumptionsProvider
def from_file(*file_names)
data = []
file_names.each do |file_name|
data = read_file(file_name)
end
data
end
# Code removed for clarity
end
Ahora, from_file
acepta cualquier número de parámetros y los empaqueta como un array. Sencillamente, recorremos el array de nombres de archivo y vamos leyendo cada uno. Este cambio es temporal, porque aún no hemos cambiado el Analizador para dar soporte a múltiples archivos.
En este ejemplo de código hemos asumido que solo se va a pasar un archivo, pero lo más adecuado sería hacer lo siguiente: Añadir cada conjunto de datos que leemos al array que vamos a devolver.
class ConsumptionsProvider
def from_file(*file_names)
data = []
file_names.each do |file_name|
data.push(*read_file(file_name))
end
data
end
# Code removed for clarity
end
Cambiar el método execute
de ConsumptionAnalyzer
va a ser un poco más complicado. En este caso, el operador splat requiere que cambiemos la signatura del método, puesto que este operador solo puede usarse en el último parámetro. Por esa razón, tendríamos que invertir el orden de los parámetros.
En lenguajes como Ruby este refactor puede no estar automatizado, debido a su naturaleza dinámica. En Java, nos bastaría con hacer sobrecarga del método, añadiendo otra signatura. En otros lenguajes, con el refactor automatizado no hay mucho de qué preocuparse.
Sin embargo, podemos hacer el refactor paso a paso. Dependiendo de los usos que tengamos actualmente del método puede ser más o menos complicado. De hecho, puede haber diferentes formas de hacerlo.
Lo primero que hacemos es verificar los usos que tenemos ahora. Básicamente son dos. En ambos casos pasamos los dos parámetros, incluyendo deviation_factor que es opcional. Podríamos eliminar la opcionalidad, ya que no estamos haciendo uso de ella.
def execute(file_name, deviation_factor)
# Code removed for clarity
end
Lo siguiente sería introducir un parámetro extra a través del cual podamos pasar los nombres de archivo. El operador splat
hace que el parámetro actual como si fuese opcional, permitiéndonos no pasar nada en su lugar. De este modo, se respeta el uso que estamos haciendo actualmente.
def execute(file_name, deviation_factor, *files)
# Code removed for clarity
end
A continuación, voy a hacer un cambio temporal que nos prepare el camino para dejar de usar el primer parámetro. En caso de que no pasemos nada en files
, se usa lo que venga en file_name
y se pasa como un array deconstruido.
def execute(file_name, deviation_factor, *files)
files.append(file_name) if files.size == 0
normalized = @provider.from_file(*files)
# Code removed for clarity
end
Ahora podríamos ir sustituyendo los usos de este método para que pasen los nombres de archivo por files
, en lugar de por file_name
. En nuestro ejemplo son dos usos, por lo que es algo que podemos hacer de inmediato. Gracias al último cambio, sabemos que estamos usando los archivos pasados a través de files
.
a = ConsumptionAnalyzer.new
a.execute('../sample.csv', deviation, '../sample.csv')
El otro uso es el test:
RSpec.describe 'Consumer Analyzer' do
context "Default behaviour" do
it "should generate report" do
a = ConsumptionAnalyzer.new
result = capture_stdout {a.execute('sample.csv', 1.4, 'sample.csv')}
expect(result).to match_snapshot('default_snapshot')
end
end
end
Finalmente, una vez comprobado que todo funciona correctamente, eliminamos el uso del parámetro file_name
.
a = ConsumptionAnalyzer.new
a.execute(deviation, '../sample.csv')
RSpec.describe 'Consumer Analyzer' do
context "Default behaviour" do
it "should generate report" do
a = ConsumptionAnalyzer.new
result = capture_stdout {a.execute(1.4, 'sample.csv')}
expect(result).to match_snapshot('default_snapshot')
end
end
end
def execute(deviation_factor, *files)
normalized = @provider.from_file(*files)
# Code removed for clarity
end
Ten en cuenta que todos estos pasos los hemos dado sin que en ningún momento los tests dejasen de funcionar. En un ejemplo tan pequeño como este, podríamos haberlo completado sin tanta ceremonia, pero en un proyecto medianamente grande, proceder paso a paso te garantiza que el refactor sea seguro, dando pequeños pasos que no tienen efectos negativos.
Crear una nueva estrategia
Para esta serie de artículos preparé un generador de datos aleatorios que ahora tendré que modificar para que guarde los archivos en json. Con esto, puedo generar un ejemplo sencillo. Me da igual el contenido porque solo necesito que se puedan leer los datos.
[
{
"office": 1,
"year": 2023,
"month": 1,
"consumption": 8379097
},
{
"office": 1,
"year": 2023,
"month": 2,
"consumption": 9539936
},
{
"office": 1,
"year": 2023,
"month": 3,
"consumption": 2025802
},
{
"office": 1,
"year": 2023,
"month": 4,
"consumption": 1398801
},
{
"office": 1,
"year": 2023,
"month": 5,
"consumption": 6572861
},
{
"office": 1,
"year": 2023,
"month": 6,
"consumption": 7942753
},
{
"office": 1,
"year": 2023,
"month": 7,
"consumption": 2569213
},
{
"office": 1,
"year": 2023,
"month": 8,
"consumption": 4575579
},
{
"office": 1,
"year": 2023,
"month": 9,
"consumption": 5742751
},
{
"office": 1,
"year": 2023,
"month": 10,
"consumption": 6769903
},
{
"office": 1,
"year": 2023,
"month": 11,
"consumption": 6564423
},
{
"office": 1,
"year": 2023,
"month": 12,
"consumption": 2062790
}
]
Para crear este provider, haré un test leyendo de este archivo que se llama example.json
. Lo más correcto sería utilizar una librería como FakeFS, que nos permite trabajar en un sistema de archivos virtual, o aplicar alguna otra idea que nos evitase tener que tocar el sistema de archivos. Pero puesto que añade una complejidad que va más allá de los objetivos de estos artículos, prefiero usar el método más sencillo.
En principio sería un poco absurdo testear esto a base de conseguir leer el archivo, obtener el output en forma de array de Consumption
y verificar que cada uno de los objetos se ha creado bien. Así que básicamente, lo que quiero es comprobar que se leen todos los registros del archivo y que se pueblan correctamente.
Este debería servir para probar el primer punto.
RSpec.describe JsonConsumptionProvider do
it "should read all records in file" do
provider = JsonConsumptionProvider.new
consumptions = provider.from_file("example.json")
expect(consumptions.size).to eq(12)
end
end
Hagamos una implementación fake, solo para probar que el test funciona:
class JsonConsumptionProvider
def from_file(filename)
Array.new(12, Consumption.new)
end
end
Ahora que tenemos una línea base de comportamiento, vamos introduciendo cambios. Primero queremos leer los datos del archivo. Si podemos abrir el archivo en modo de lectura, ya tenemos un paso.
class JsonConsumptionProvider
def from_file(filename)
f = File.new(filename, "r")
Array.new(12, Consumption.new)
end
end
Ahora, obtengamos los datos. Hasta aquí todo parece funcionar y data debería contener un array de hashes:
class JsonConsumptionProvider
def from_file(filename)
f = File.new(filename, "r")
raw = f.read
data = JSON.parse(raw)
f.close
Array.new(12, Consumption.new)
end
end
Vamos a ver si son 12:
class JsonConsumptionProvider
def from_file(filename)
f = File.new(filename, "r")
raw = f.read
data = JSON.parse(raw)
f.close
Array.new(data.size, Consumption.new)
end
end
Resulta que sí. La primera parte parece conseguida. Nuestro provider es capaz de leer datos del archivo y, aparentemente, logra leer los 12 registros. Introducimos tests para ver si los lee correctamente:
RSpec.describe JsonConsumptionProvider do
it "should read all records in file" do
provider = JsonConsumptionProvider.new
consumptions = provider.from_file("example.json")
expect(consumptions.size).to eq(12)
end
it "should read data in first record" do
provider = JsonConsumptionProvider.new
consumptions = provider.from_file("example.json")
expected = Consumption.new
expected.office = 1
expected.year = 2023
expected.month = 1
expected.consumption = 8379097
expect(consumptions[0]).to eq(expected)
end
end
Como es de esperar, este test no va a pasar. Los datos los hemos copiado del archivo, porque el comportamiento que esperamos es que se generen los objetos Consumption
con esos mismos datos.
Lo hacemos pasar con este código:
class JsonConsumptionProvider
def from_file(filename)
f = File.new(filename, "r")
raw = f.read
data = JSON.parse(raw)
f.close
consumptions = []
data.each do |h|
c = Consumption.new
c.office = h["office"]
c.year = h["year"]
c.month = h["month"]
c.consumption = h["consumption"]
consumptions.append(c)
end
consumptions
end
end
Este código es lo bastante general como para convertir correctamente todos los registros leídos. Podemos introducir otro test, pero no va a aportarnos información nueva:
RSpec.describe JsonConsumptionProvider do
it "should read all records in file" do
provider = JsonConsumptionProvider.new
consumptions = provider.from_file("example.json")
expect(consumptions.size).to eq(12)
end
it "should read data in first record" do
provider = JsonConsumptionProvider.new
consumptions = provider.from_file("example.json")
expected = Consumption.new
expected.office = 1
expected.year = 2023
expected.month = 1
expected.consumption = 8379097
expect(consumptions[0]).to eq(expected)
end
it "should read data in last record" do
provider = JsonConsumptionProvider.new
consumptions = provider.from_file("example.json")
expected = Consumption.new
expected.office = 1
expected.year = 2023
expected.month = 12
expected.consumption = 2062790
expect(consumptions[11]).to eq(expected)
end
end
Con esto, ya tenemos un nuevo proveedor. Y sabemos que funciona correctamente.
Juntarlo todo
Ya casi estamos listas para unir todas las piezas. Todo el trabajo que nos quedaría lo podemos hacer aquí:
class ConsumptionsProvider
# Code removed for clarity
def read_file(file_name)
extension = File.extname(file_name)
if extension == ".csv"
provider = CsvConsumptionsProvider.new
return provider.from_file(file_name)
end
raise NotImplementedError.new, "#{extension} file support not implemented"
end
end
A primera vista, una opción posible es reproducir la estructura if para introducir el proveedor JSON.
def read_file(file_name)
extension = File.extname(file_name)
if extension == ".csv"
provider = CsvConsumptionsProvider.new
return provider.from_file(file_name)
end
if extension == ".json"
provider = JsonConsumptionsProvider.new
return provider.from_file(file_name)
end
raise NotImplementedError.new, "#{extension} file support not implemented"
end
Esto debería funcionar. De hecho, el snapshot test original sigue pasando. Lo adecuado sería introducir un nuevo test para verificar que todo funciona. En este caso, generaría un nuevo archivo de ejemplo en formato json.
Este es el nuevo test, donde se puede ver como paso los dos nombres de archivo con el diferente formato de datos. Por cierto, que me ha servido para corregir algunos errores de nombres por todo el código.
RSpec.describe 'Consumer Analyzer' do
# Code removed for clarity
context "Two sources" do
it "should generate mixed report" do
a = ConsumptionAnalyzer.new
result = capture_stdout {a.execute( 1.4, 'sample.csv', 'sample_2.json')}
expect(result).to match_snapshot('two_sources')
end
end
end
Dado que sabemos que el proveedor de Json lee correctamente los datos, por el test unitario, y que el análisis también funciona correctamente, por el primer test de snapshot, podemos confiar en que el comportamiento es correcto y este test nos vale.
Ya hemos desarrollado la funcionalidad deseada y, si te das cuenta, hemos pasado más trabajo refactorizando que implementando las nuevas capacidades. Podrías pensar que es un desperdicio pero ten en cuenta que:
- El refactor nos ha garantizado que añadir la nueva funcionalidad no iba a perjudicar el comportamiento existente
- El trabajo de crear el nuevo proveedor de datos ha sido muy sencillo
- En el futuro, será igualmente sencillo añadir soporte para nuevos formatos de archivo
Pero es que incluso puede ser más sencillo si hacemos un poco de refactor a posteriori.
Rematando el trabajo con otro refactoring
Echemos un vistazo:
class ConsumptionsProvider
def initialize
end
def from_file(*file_names)
data = []
file_names.each do |file_name|
data.push(*read_file(file_name))
end
data
end
def read_file(file_name)
extension = File.extname(file_name)
if extension == ".csv"
provider = CsvConsumptionsProvider.new
return provider.from_file(file_name)
end
if extension == ".json"
provider = JsonConsumptionsProvider.new
return provider.from_file(file_name)
end
raise NotImplementedError.new, "#{extension} file support not implemented"
end
end
Si quisiera añadir soporte para un nuevo tipo de archivo, por ejemplo, un XML, tengo que crear una clase Provider
y modificar ConsumptionsProvider
. Cierto que esta modificación está bastante controlada, pero imagina no tener que tocarla para nada. Veamos otra forma de organizar este código.
Empecemos por hacer un cambio en la forma en que tratamos el provider.
def read_file(file_name)
extension = File.extname(file_name)
provider = nil
if extension == ".csv"
provider = CsvConsumptionsProvider.new
return provider.from_file(file_name)
end
if extension == ".json"
provider = JsonConsumptionsProvider.new
return provider.from_file(file_name)
end
if provider.nil?
raise NotImplementedError.new, "#{extension} file support not implemented"
end
end
Ahora, podemos mover el return, que es igual en todas las ramas fuera de la estructura condicional.
def read_file(file_name)
extension = File.extname(file_name)
provider = nil
if extension == ".csv"
provider = CsvConsumptionsProvider.new
end
if extension == ".json"
provider = JsonConsumptionsProvider.new
end
if provider.nil?
raise NotImplementedError.new, "#{extension} file support not implemented"
end
provider.from_file(file_name)
end
Al fin y al cabo, el método read_file
hace dos cosas:
- Decidir qué proveedor utilizar.
- Ejecutar el proveedor.
Así que separemos ambas responsabilidades.
def read_file(file_name)
provider = select_provider(file_name)
provider.from_file(file_name)
end
def select_provider(file_name)
extension = File.extname(file_name)
provider = nil
if extension == ".csv"
provider = CsvConsumptionsProvider.new
end
if extension == ".json"
provider = JsonConsumptionsProvider.new
end
if provider.nil?
raise NotImplementedError.new, "#{extension} file support not implemented"
end
provider
end
El método select_provider
es básicamente una factoría, la cual podríamos extraer a otro objeto. Ya hemos visto el refactor Extract class, por lo que te voy a mostrar el resultado:
class ProviderFactory
def make_provider(file_name)
extension = File.extname(file_name)
provider = nil
if extension == ".csv"
provider = CsvConsumptionsProvider.new
end
if extension == ".json"
provider = JsonConsumptionsProvider.new
end
if provider.nil?
raise NotImplementedError.new, "#{extension} file support not implemented"
end
provider
end
end
Y aquí su uso:
class ConsumptionsProvider
def initialize(factory = ProviderFactory.new)
@factory = factory
end
def from_file(*file_names)
data = []
file_names.each do |file_name|
data.push(*read_file(file_name))
end
data
end
def read_file(file_name)
provider = select_provider(file_name)
provider.from_file(file_name)
end
def select_provider(file_name)
@factory.make_provider(file_name)
end
end
Los objetos factoría están, por decirlo así, en las fronteras del dominio, así que la vida allí es un poco más salvaje. Por ejemplo, es más tolerable modificar la factoría que modificar ConsumptionsProvider
.
Podemos replantear un poco el código de ProviderFactory
:
class ProviderFactory
def initialize
@providers = {
".csv": CsvConsumptionsProvider.new,
".json": JsonConsumptionsProvider.new,
}
end
def make_provider(file_name)
extension = File.extname(file_name).to_sym
unless @providers.key? extension
raise NotImplementedError.new, "#{extension} file support not implemented"
end
@providers[extension]
end
end
Este cambio mantiene el mismo comportamiento del programa y simplifica enormemente su mantenimiento, ya que basta con añadir una entrada al diccionario de @providers
.
Una posible mejora sería añadir un método register(extension, provider)
, que nos permitiría añadir nuevos proveedores sin tocar esta clase, manteniendo, o no, el soporte por defecto a los actuales .json
y .csv
. O un poco de meta-programación para añadirlos automáticamente.
class ProviderFactory
def initialize
@providers = {
".csv": CsvConsumptionsProvider.new,
".json": JsonConsumptionsProvider.new,
}
end
def register(extension, provider)
@providers[extension] = provider
end
def make_provider(file_name)
extension = File.extname(file_name).to_sym
unless @providers.key? extension
raise NotImplementedError.new, "#{extension} file support not implemented"
end
@providers[extension]
end
end
Se podría utilizar así:
factory = ProviderFactory.new
factory.register(".csv", CsvConsumptionsProvider.new)
factory.register(".json", JsonConsumptionsProvider.new)
provider = ConsumptionsProvider.new(factory)
a = ConsumptionAnalyzer.new(provider)
a.execute(deviation, '../sample.csv')
Para resumir, con este refactor dejamos todo preparado para que en el futuro, añadir un nuevo tipo de fuente de datos requiera solo añadir código.
Conclusiones
Al principio del artículo señalábamos una línea de refactor que resultó irrelevante para la feature que nos habían pedido desarrollar. Empezar a trabajar en esa línea hubiera supuesto una pérdida de tiempo, sin aportar valor.
La tentación de refactorizar un código que sabemos que no está muy bien diseñado es muy fuerte. Sin embargo, en equipos de trabajo orientados a producto, el foco debe estar puesto en las mejoras y corrección de errores.
Por tanto, el refactor debería estar supeditado a estas necesidades. No solo para priorizar la entrega de valor, sino para que el refactor contribuya a ella de manera efectiva.
Un refactor aplicado sin contexto puede llevarnos por un camino indeseable, que haga más cara la entrega de valor porque hemos aplicado criterios a ese refactor que no se han visto confirmados por la evolución del negocio.
Por su parte, son los cambios en nuestro conocimiento del negocio los que deberían guiar el refactor. Si el conocimiento que adquirimos nos apunta en una dirección, el refactor debería seguirla.
Por otro lado, las acciones de refactor pueden suponer una buena parte del tiempo de desarrollo, pero asumiendo que tenemos el código protegido por tests, debería ser un tiempo de trabajo seguro que nos facilite introducir la nueva funcionalidad.
El refactor a posteriori, por su parte, es una inversión para el futuro, ya que puede ahorrarnos tiempo cuando tengamos que tocar de nuevo en esa área.
Top comments (0)