构建逆熵系统的思考

简介: 业务系统的熵**代码熵**:在孤立代码系统中,随着时间的推移,代码的增加,熵在不断增加的方向进行,代码的混乱度称为代码熵。**管理熵**:在持续的开发迭代中,无论管理规则制定的如何完美,随着时间的推移,管理日趋混乱,管理的混乱度称为管理熵。**运行熵**:在业务系统持续的运行中,随着时间的推移,版本的迭代,人员的更替,业务系统运行日趋混乱,业务系统运行态的混乱程度称为运行熵。

> *熵增是什么,结合你的系统,聊聊什么是熵增?*


### 什么是熵增

熵增要首先从热力学定律说起:


> 热力学第一定律:热量可以从一个物体传递到另一个物体,也可以与机械能或其他能量互相转化,但是在转换过程中,能量的总值保持不变

>

> 能量守恒定律:能量既不会凭空产生,也不会凭空消失,它只会从一种形式转换为另一种形式,或者从一个物体转移到其他物体,而能量的总量保持不变


**【 理解“熵”的前提,是理解“能量”的价值 】**


所有事物的存在都有支持它存在的 “能量” ,这些“能量”因为在**某段时间内,产生一个方向的作用力,促进事物的存在而具价值** 。 此时,一个重要的公理是:宇宙中的能量是守恒的,能量不会凭空消失 。也就是说,这些有价值的能量是“有来有去” 的,来源于更低层级的事物转化,又或者由其他能量传递,它推进“存在体”的存在而发挥价值之后 ,必定走向对于这个主体物而言 “不再有价值” 的阶段 。


能量的流动具备方向性,随着能量的耗散,粒子运动方式总是会趋于无序,如果有外界做功,才有可能由无序走向有序。


> 熵:系统内能量分布的自由度越大,能量的可利用性越低,熵越大。能量价值的衡量量

>

> 熵增加原理:在孤立系统中,一切不可逆过程必然朝着熵的不断增加的方向进行,这就是熵增加原理(principleof entropy

> increase。如果过程中是可逆的,则熵是不变的。


**【 熵增定律是什么 ?为什么要反熵增 ?】**


—— 封闭系统内有价值能量必然走向越来越少直至全部变为无序的自由的熵,这个是封闭系统内必然发生的 。因为不再有外部能量可以被汲取产生新的能量,而封闭系统内的能量**发挥完自身价值后**也会走向熵增,系统内现有的熵也会对系统本身产生运行的阻碍,导致能量的低利用率 。加速存在体内部变成更无序的状态,直至瓦解,融入更高层级的存在体,被其吸收为供其运转的“能量” 。


总结:能量耗散,由有序到无序的过程叫做熵增,熵增是能量转换的必然规律。


**热熵**表示系统状态混乱程度的物理量。**信息熵**说描述信源不确定度的物理量。


熵越大,越自由,代表越多的可能性,熵越小,越整齐,越聚焦。


在关于“**熵**“的讨论中,在自然状态下(无敢于、无清理),随着**时间的推移,熵逐步增大**。熵=混乱程度


### 反熵增

如何熵减:


1. 降低耗散,减少阻碍、降低内耗、协同共进

2. 开放:形成负熵流

3. 无序中诞生有序、无序中发现有序(提升维度)

4. 挖掘更高维度,将低维融入高维


如何引进负熵:


1. 做一个开放系统,持续引入垃圾回收机制

2. 做一个耗散结构,远离平衡,从无序到有序

3. 升维,升维来打击低纬度

### 业务系统的熵

**代码熵**:在孤立代码系统中,随着时间的推移,代码的增加,熵在不断增加的方向进行,代码的混乱度称为代码熵。

**管理熵**:在持续的开发迭代中,无论管理规则制定的如何完美,随着时间的推移,管理日趋混乱,管理的混乱度称为管理熵。

**运行熵**:在业务系统持续的运行中,随着时间的推移,版本的迭代,人员的更替,业务系统运行日趋混乱,业务系统运行态的混乱程度称为运行熵。


在引出观点前,再次强调**自然状态下**,自然状态可以理解为放任不管,无强有力的干预,自然状态下,万物呈其自然演进状态,即熵逐步增大,日趋混乱的方向演进。


正是由于代码熵、管理熵、运行熵,业务系统无法在自然状态下保持长久稳定,单体大泥球即是代码熵的典型体现。代码熵、管理熵、运行熵实际又是三个不同维度的混乱态,他们都有三个时间维度,共同构成一个三维+一维演进变量的函数结构。——这既是业务系统熵增的原理


### 构建逆熵的业务系统

1.打破自然状态:业务系统三维+一维演进的函数结构无法改变,但是都有一个熵增前提是在自然状态下,打破自然状态,分别在代码、管理、运行维度上,持续不断引入外界干预。

2.构建垃圾回收清理机制:不得不说高级计算机语言的垃圾回收机制很大程度上降低了熵增的过程,干掉了内存熵,同样对于业务系统,也需要构建面向代码、面向管理、面向运行的垃圾回收机制。

- 代码垃圾回收:持续定期的代码整理,架构升级,持续的重构

- 管理垃圾回收:持续的自我复盘,持续的提升管理效能,淘汰即使过去用的很好的方法;拥抱敏捷

- 运行垃圾回收:云原生,无状态,持续的重构与升级,保持良好的维护文档,并且淘汰过时的配置、运维方式

3.业务系统流动化,拥抱变化,远离平衡


#### 软件系统逆熵的手段

> 管理要做的只有一件事情,就生如何对抗熵增。      ——  德鲁克


- 架构设计,打破代码熵

- 敏捷研发,打破管理熵

- 云原生与DevOps,打破运行熵

相关文章
|
6月前
|
并行计算 算法 计算机视觉
【MATLAB 】 CEEMD 信号分解+模糊熵(近似熵)算法
【MATLAB 】 CEEMD 信号分解+模糊熵(近似熵)算法
201 0
|
6月前
|
并行计算 算法 计算机视觉
【MATLAB 】 EEMD 信号分解+模糊熵(近似熵)算法
【MATLAB 】 EEMD 信号分解+模糊熵(近似熵)算法
196 0
|
6月前
|
并行计算 算法 计算机视觉
【MATLAB 】 ICEEMDAN 信号分解+模糊熵(近似熵)算法
【MATLAB 】 ICEEMDAN 信号分解+模糊熵(近似熵)算法
393 0
|
4月前
|
机器学习/深度学习
交叉熵损失函数的使用目的(很肤浅的理解)
交叉熵损失函数的使用目的(很肤浅的理解)
|
6月前
|
算法 Windows
R语言广义二次跳跃、非线性跳跃扩散过程转移函数密度的估计及其应用
R语言广义二次跳跃、非线性跳跃扩散过程转移函数密度的估计及其应用
|
6月前
|
Windows
R语言有状态依赖强度的非线性、多变量跳跃扩散过程模型似然推断分析股票价格波动
R语言有状态依赖强度的非线性、多变量跳跃扩散过程模型似然推断分析股票价格波动
|
6月前
|
并行计算 算法
【MATLAB 】 辛几何模态分解信号分解+模糊熵(近似熵)算法
【MATLAB 】 辛几何模态分解信号分解+模糊熵(近似熵)算法
168 0
|
6月前
|
编解码 并行计算 算法
【MATLAB 】 小波分解信号分解+模糊熵(近似熵)算法
【MATLAB 】 小波分解信号分解+模糊熵(近似熵)算法
92 0
|
6月前
|
并行计算 算法 计算机视觉
【MATLAB 】 EWT 信号分解+模糊熵(近似熵)算法
【MATLAB 】 EWT 信号分解+模糊熵(近似熵)算法
168 0
|
6月前
|
并行计算 算法 数据处理
【MATLAB 】 MODWT 信号分解+模糊熵(近似熵)算法
【MATLAB 】 MODWT 信号分解+模糊熵(近似熵)算法
101 0
下一篇
无影云桌面