重新审视演进式设计

简介: 重新审视演进式设计

说起来,所谓Evolutionary Design已经是老生常谈了。早在2004年,Martin Fowler在文章Is Design Dead中就深刻地比较了计划式设计与演进式设计,至今阅读这篇文章,对于理解敏捷和演进式设计依旧振聋发聩。我在文章设计恰如其分的架构中中,也算得上是旁征博引地阐述了诸多与演进式设计相关的理念,例如Neal Ford提出的Emergent Design,George Fairbanks提出的Risk Driven Design,以及Minimal planned design。

然而,有多少人在遵循着Evolutionary Design的理念进行着架构的规划与设计呢?如果说,架构过程确定无疑地需要不断地演进,但该如何演进,如何更好地演进,依旧是一个巨大的谜题。

Neal Ford提出的诸如发现模式、重构、测试驱动开发等方法,更多地还是停留在微观架构的层面。而在多数的架构设计过程中,更多地是基于质量属性,前瞻地去选择架构风格(抑或架构模式),并参照一些最佳实践结合自己的场景去驱动出物理架构与逻辑架构。若完全寄情于Last Responsible Time,期待着通过对架构重构让已有软件系统焕然一新,毕竟代价太大,对架构师的能力也要求太高。

正如Martin Fowler对架构的定义:

架构是重要的事物,无论它是什么。架构是以后很难更改的内容。

既然很难更改,我们为何不能一蹴而就?然而,Neal Ford又告诉我们:未来是不可预测的。于是之,我们并不能以无知的未来妆点当下,否则会导致设计过度,甚至南辕北辙。虽然一路向北,终究能返归南方,可惜路漫漫其修远兮,没有人愿意等待,也不值得等待。

在Agile China 2013年,我在ThoughtWorks的同事Scott Shaw与贾阳联袂演出了一台戏,戏名唤作Evolving Architecture For Change,以一个真实案例阐释我们如何演进客户系统的架构。演讲从Evolving Path、Technical Enables与Culture Enables三个方面全面细致地介绍了架构的演进之路。概而言之,用到的方法与理念包括:

  • 通过Bounded Context识别Domain Service

  • 基于RESTful的Micro Service架构
  • 自动化的Consumer Driven Contract Test
  • 自动化部署与部署流水线(Deployement Pipeline)
  • 组建特性团队(Feature Team)
  • 重视交流,将架构师视为Facilitator,通过可视化手段引导设计

演进之前的架构是一个简单分割的分布式架构,Front End面向客户的用户,而Office End则面向业务人员和系统管理者。整个系统的模块边界非常模糊,集成复杂,代码库庞大而混乱,存在大量重复代码。

image.png

采用上述方法对系统架构进行演进,最终形成了如下图所示的基于RESTful的围绕Domain Service为中心的类微服务架构:

0a2653c851af460fa595bd959398a8f1.png

然而,严格意义上讲,这个案例的架构演进属于针对已有系统(或遗留系统)架构进行重构的范畴,而非从头开始搭建架构的演进式设计。

最近读到Joshua Kerievsky的文章Evolutionary Design,他提倡架构设计从Primitive Whole开始,勿求功能做到最深最全,而是以“广度优先”的算法思想在最初的设计中覆盖整个系统的全部组成部分。如题图所示的吉他设计。

image.png

迭代1设计的吉他根本不可用,但基本的组成元素已经初具模型,虽然它不能工作,但任何人看到这个模型,也不会认为它是小提琴或者二胡。

如此设计的好处在于可以提前发现团队协作与组件集成的风险。因为前期迭代的功能铺得极广,就像八爪鱼一般延伸到了系统的每一枝节(这些枝节却没有一片树叶),虽然极度粗糙简陋,但团队已经可以开始协作开发,系统的集成点也被提前发现了。

协作问题是管理风险,集成问题是技术风险,二者都是导致软件开发延期的主要魁首。虽然只是迈出了第一步,但这一步迈得扎实,迈得稳当,之后就可以以更加稳健步伐前进,庶几实现“较少修改”的架构。

我发现这个阶段是引入Alistair Cockburn六边形架构(Hexagonal Architecture)的最佳时期。

image.png

运用六边形架构可以有效地识别系统关注点,从架构层面(全局视角)设计,暂时可以不考虑实现细节。六边形架构这种内外分离的方式,可以有效地把系统的核心领域与边界外的基础设施隔离开,从而形成一种独立于框架,易于测试,与外部代理、UI以及数据库无关的应用架构(符合Robert Martin提出的Clean Architecture)。与演进式设计结合起来,可以很好地帮助我们识别集成点,以更广而非更深地视角俯瞰系统架构。

演进式设计是一种理念,它曾经颠覆过传统笨拙的计划式设计,如今,它依旧焕发着生命力,但我们不能以静止的眼光去看待它,而应该尝试着引入一些新的方法、框架乃至技术——于是,演进式设计这旧瓶就能装着新酒,既散发出酽酽的酒香又不至于浓洌得熏人欲醉!

相关文章
|
SQL Oracle 关系型数据库
SQL Developer生成Oracle数据库的关系模型(ER图)
SQL Developer生成Oracle数据库的关系模型(ER图)
1281 0
|
Java 网络架构 容器
面向整洁对象的分层架构COLA 4.0
COLA 是 Clean Object-Oriented and Layered Architecture的缩写,代表“面向整洁对象的分层架构”。 目前COLA已经发展到COLA 4.0。 COLA分为两个部分,COLA架构和COLA组件。
面向整洁对象的分层架构COLA 4.0
|
分布式计算 数据可视化 大数据
用Spark分析Amazon的8000万商品评价(内含数据集、代码、论文)
尽管数据科学家经常通过分布式云计算来处理数据,但是即使在一般的笔记本电脑上,只要给出足够的内存,Spark也可以工作正常(在这篇文章中,我使用2016年MacBook Pro / 16GB内存,分配给Spark 8GB内存)。
20034 0
|
2月前
|
存储 编解码 算法
《音频格式优化的底层逻辑:场景拆解与解码兼容的实践指南》
本文聚焦音频文件格式优化的核心实践,跳出“能播放即合格”的表层认知,深挖格式未优化引发的隐性体验损耗。文章结合开发实践中的场景化案例,剖析音频格式与编码逻辑、设备解码能力、使用场景的适配失衡问题,指出优化的核心在于实现“编码效率、解码兼容、场景需求”的动态平衡。通过拆解场景维度、精准选型编码方案、精细化调校参数、构建全维度兼容性测试矩阵等实践路径,阐述如何解决不同设备、网络环境下的音质损耗、加载缓慢、卡顿等问题。强调音频格式优化不仅是技术层面的参数调整,更是对生态规则与用户感知的深度适配,为开发者提供兼具深度与实用性的技术思考,助力打造更具竞争力的多媒体应用体验。
124 3
|
SQL 数据可视化 安全
微软SQL Server可视化工具与技巧
微软SQL Server不仅提供了强大的数据库管理功能,还集成了多种可视化工具,帮助用户更直观地理解和管理数据
1111 5
|
数据采集 弹性计算 供应链
阿里云服务器付费模式:按量付费、包年包月和抢占式实例全解析
阿里云服务器提供包年包月、按量付费与抢占式实例三种付费模式。包年包月为预付费,适合长期稳定使用,价格更优惠并支持备案。按量付费则为后付费模式,按小时结算,适合短期或访问量波动大的场景,但不支持备案。抢占式实例基于按量付费,价格更低(最多节省90%),适用于无状态应用,如临时测试或可弹性伸缩的Web服务,但存在被系统释放的风险,同样不支持备案。根据具体需求选择合适的付费模式能够有效降低成本并提高效率。
866 1
|
缓存 NoSQL 中间件
本地缓存Caffeine系列(二)
本地缓存Caffeine系列(二)
|
机器学习/深度学习 搜索推荐 数据挖掘
【深度解析】超越RMSE和MSE:揭秘更多机器学习模型性能指标,助你成为数据分析高手!
【8月更文挑战第17天】本文探讨机器学习模型评估中的关键性能指标。从均方误差(MSE)和均方根误差(RMSE)入手,这两种指标对较大预测偏差敏感,适用于回归任务。通过示例代码展示如何计算这些指标及其它如平均绝对误差(MAE)和决定系数(R²)。此外,文章还介绍了分类任务中的准确率、精确率、召回率和F1分数,并通过实例说明这些指标的计算方法。最后,强调根据应用场景选择合适的性能指标的重要性。
1618 0
|
编解码 缓存 算法
FFmpeg开发笔记(四)FFmpeg的动态链接库介绍
FFmpeg是一个强大的多媒体处理框架,提供ffmpeg、ffplay和ffprobe工具及八个库:avcodec(编解码)、avdevice(设备输入输出)、avfilter(音视频滤镜)、avformat(格式处理)、avutil(通用工具和算法)、postproc(后期效果)、swresample(音频重采样)和swscale(视频图像转换)。这些库支持定制化开发,涵盖了从采集、编码、过滤到输出的全过程。了解详细FFmpeg开发信息,可参考《FFmpeg开发实战:从零基础到短视频上线》。
346 0
FFmpeg开发笔记(四)FFmpeg的动态链接库介绍
|
存储
进制的基本介绍以及进制转换和计算
进制的基本介绍以及进制转换和计算
982 0