Architecture Decision Recordआर्किटेक्चर निर्णय नोंद: रुबी ऑन रेल्स फ्रेमवर्क
संदर्भ
संस्था गुंतागुंतीच्या व्यावसायिक तर्कासह आणि तृतीय-पक्ष सेवांसोबत अनेक एकत्रीकरणांसह वेब अनुप्रयोग विकसित करत आहे.
संघाला रुबी ऑन रेल्ससह वेब अनुप्रयोग बनवण्याचा अनुभव आहे.
जलद विकास, प्रमाण वाढवण्याची क्षमता आणि देखभालक्षमता यांना चालना देणारे वेब फ्रेमवर्क निवडण्याची गरज आहे.
निर्णय
- वेब अनुप्रयोग विकसित करण्यासाठी फ्रेमवर्क म्हणून रुबी ऑन रेल्स वापरा.
औचित्य
रुबी ऑन रेल्स हे परिपक्व, स्थिर आणि व्यापकपणे स्वीकारले गेलेले वेब फ्रेमवर्क आहे ज्याने गुंतागुंतीचे वेब अनुप्रयोग बनवण्यात आपली परिणामकारकता सिद्ध केली आहे.
फ्रेमवर्क Model-View-Controller (MVC) आर्किटेक्चर पॅटर्न पाळते, जो चिंतांचे विभाजन आणि कोडचा पुनर्वापर व देखभालक्षमता वाढवतो.
रेल्स डेटाबेस परस्परक्रियांसाठी ActiveRecord आणि ईमेल व्यवस्थापनासाठी ActionMailer यांसारखी अनेक अंगभूत वैशिष्ट्ये पुरवते, जी विकासाचा वेळ वाचवू शकतात आणि कोड सोपा करू शकतात.
फ्रेमवर्कचा मोठा आणि सक्रिय समुदाय आहे, कार्यक्षमता वाढवण्यासाठी आणि सामान्य समस्या सोडवण्यासाठी अनेक पुनर्वापरयोग्य मॉड्यूल आणि प्लगइन उपलब्ध आहेत.
रुबी ऑन रेल्स चाचणी-चालित विकास (TDD) आणि वर्तन-चालित विकास (BDD) ला समर्थन देते, ज्यामुळे विकासकांना त्यांच्या कोडसाठी स्वयंचलित चाचण्या लिहिता येतात, तो अपेक्षेप्रमाणे काम करतो याची खात्री होते आणि बग व रिग्रेशन कमी होतात.
रुबी ही उच्च-स्तरीय भाषा आहे जी विकासकांची उत्पादकता आणि कोडची वाचनीयता वाढवते, आणि तृतीय-पक्ष सेवा व API च्या विस्तृत श्रेणीसह एकत्रीकरणासाठी शक्तिशाली जोडणारी भाषा म्हणून काम करते.
परिणाम
फ्रेमवर्कचे फायदे जास्तीत जास्त मिळवण्यासाठी वेब अनुप्रयोगाचे आर्किटेक्चर आणि डिझाइन रेल्स परंपरा आणि सर्वोत्तम पद्धती पाळतात याची संघाने खात्री केली पाहिजे.
विकासकांना रुबी भाषा आणि रेल्स फ्रेमवर्कची चांगली समज असणे आवश्यक आहे, जरी रेल्सचे दस्तऐवजीकरण आणि समुदाय मार्गदर्शन व समर्थन पुरवू शकतात.
रुबी आणि रेल्ससाठी नवीन असलेल्या विकासकांसाठी शिकण्याचा कालावधी असू शकतो, जरी फ्रेमवर्कचे फायदे प्रशिक्षण आणि सामावून घेण्यातील गुंतवणुकीचे समर्थन करू शकतात.
संघाने अनुप्रयोगाच्या कामगिरीवर आणि प्रमाण वाढवण्याच्या क्षमतेवर लक्ष ठेवले पाहिजे, आणि मोठ्या प्रमाणातील डेटा व रहदारी हाताळण्यासाठी डेटाबेस क्वेरी सूक्ष्म-ट्यून करण्याची आणि कॅशिंग अनुकूल करण्याची गरज भासू शकते.