模型是某一种业务的抽象，粒度可能很大，也可能很小，相关的业务可能是显而易见的，也可能是隐式的。有些模型是被发现的，而有些模型是被创造的。发现模型的过程是抽象过程，将具体的对象抽象为类或者接口；创造模型的过程是归纳过程，将若干零散的数据归纳在一起，创建一个带有含义的新的类型。
最近在做一个转换程序，将一系列描述动作顺序的数据转换为可视化的图形数据。图形包括泳道（lane）,和在泳道中的事件(event)，以及事件之间的连接（edge）。表示泳道图元的宽、高、位置，和表示事件的宽、高、位置等都是常量，下面的代码定义了如何生成泳道：
1
2
3
4
5
6
7
8
9
10
11
| {
id: item.userName,
shape: "lane",
width: 200,
height: 800,
position: {
x: 60 + 200 * idx++,
y: 20
},
label: item.userName
}
|
每一个执行动作的用户生成一个泳道，泳道的宽为200，高为800，泳道横向排列，从x坐标为60开始，y坐标为20，我们首先想到的是将这些数值用常量表示：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| const lane_width=200
const lane_height=800
const lane_xStart=20
const lane_xStep=200
const lane_y=20
....
{
id: item.userName,
shape: "lane",
width: lane_width,
height: lane_height,
position: {
x: lane_xStart + lane_xStep * idx++,
y: lane_y
},
label: item.userName
}
|
这样改造是建模的第一个步骤，将无意义的数值使用有意义的常量名称代替，这样，代码的可读性提高了，也便于修改。然而，这样做还不够，想象一下，如果需要绘制两组不同的泳道，宽、高和其它位置都有变化，该如何处理呢？这些常量就需要作为变量进行处理。我们需要为这些参数创建一个模型：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
const config = default || {
lane: {
shape: "lane",
width: 200,
height: 800,
xStart: 60,
xStep: 200,
y: 20
}
}
....
{
id: item.userName,
shape: config.lane.shape,
width: config.lane.width,
height: config.lane.height,
position: {
x: config.lane.xStart + config.lane.xStep * idx++,
y: config.lane.y
},
label: item.userName
}
|
现在，如果将default作为传入参数，就可以很方便地修改图元定义了。
进一步研究模型：
1
2
3
4
5
6
7
8
| lane: {
shape: "lane",
width: 200,
height: 800,
xStart: 60,
xStep: 200,
y: 20
}
|
我们发现，x和y是不对称的，x方向有开始和步长，y方向没有，那么如果y方向也有相应的参数，含义是什么呢？应该是泳道可以纵向排列，我们可以修改模型和最终的生成算法：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
const config = default || {
lane: {
shape: "lane",
width: 200,
height: 800,
xStart: 60,
xStep: 200,
yStart: 20,
yStep: 0
}
}
....
{
id: item.userName,
shape: config.lane.shape,
width: config.lane.width,
height: config.lane.height,
position: {
x: config.lane.xStart + config.lane.xStep * idx++,
y: config.lane.yStart + config.lane.yStep * idx++
},
label: item.userName
}
|
在这个例子中，我们将生成模型中的初始化参数抽提出来，创建了一个新的初始参数模型，同时使用这两个模型，可以使代码更容易理解。只通过初始化模型，就可以理解和配置生成模型。