技术

Python ioc 从0到1构建一个db 上下文记忆 agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办？ 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办？ Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用？ 串一串一致性协议 当我在说PaaS时，我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂？ 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践（二） Thrift基本原理与实践（一） 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring（八） 支持AOP 自己动手写spring（七） 类结构设计调整 分析log日志 自己动手写spring（六） 支持FactoryBean 自己动手写spring（九） 总结 自己动手写spring（五） bean的生命周期管理 自己动手写spring（四） 整合xml与注解方式 自己动手写spring（三） 支持注解方式 自己动手写spring（二） 创建一个bean工厂 自己动手写spring（一） 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化（未完成） 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象（LLM）？ 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的？ 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

Container 23

Concurrency 14

Life 41

Tool 8

Algorithm 8

JVM 10

Go 21

Kubernetes 65

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的？ Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时，我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件

Other 5

Network 15

Python 8

Java 20

Spring 17

Netty 10

Storage 25

Distribute 9

MQ 8

WEB 5

Linux 11

Scala 1

Code 9

MachineLearning 75

上下文记忆 agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化（未完成） 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象（LLM）？ AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

Practice 16

RPC 6

Compute 11

Architecture 20

DDD 6

Reactive 5

Basic 13

Product 3

Monitor 7

CPP 2

Mesh 12


业务系统设计的一些体会

2018年09月28日

简介

笔者的历程

  1. 觉得代码实现是难点
  2. 觉得数据库设计是难点。因为数据库设计有了，代码也就定了。一个学生信息管理系统，数据库设计自然没啥。但对于一个权限管理系统、审批流系统，数据库设计就很有含量了。
  3. 觉得业务抽象是难点。比如一个配置中心系统、ABTest 系统有哪些基本抽象，如何入手。此时是不是用数据库存储都是一个问题，比如还可以存在zk上。

  4. 实现一个有闭环的平台类系统，比如风控系统等。

    • 首先它的输入是各种各样，输出也是各种各样的。
    • 各种技术的结合。java 业务处理、spark数据处理等
    • 性能要求带来的复杂度

业务系统设计

  1. 定义项目解决的真正问题。很多时候，“有一个需求，我们做个系统吧”，然而系统做着做着，就会跑偏掉，要么自己想一堆伪需求，要么做出来的系统用处不大或只解决了部分问题。
  2. 解决有什么抽象，设定几个概念术语来描述系统、向别人解释系统

  3. 基本理念，比如推送系统，宁愿不推也不要打扰用户。基本理念很重要，要害就在于影响了很多决策

    • 假设你的算法 有一点错误率，那错误率 让哪些用户来扛
    • 有个新需求很紧急，你干不干，一个新feature 你接不接，风险点是否跟基本理念冲突
    • 有很多事可以你的项目做，也可以别人的项目做，到底是你做还是别人做

  4. 画后台界面原型图（如果有的话），我发现这是一个很有含量的东西

    • 充分反应了你对系统的认识，如果你认识不到位，这个界面根本画不出来，画出来用户也不知道所以。
    • 逼着你思考：一共要做哪些事儿？用户入口是什么？哪些让用户看到（易变的部分），哪些不让（不变的、可以自动化的部分）？
    • 和用户最佳的沟通工具
  5. 迭代优于一步到位

如何分析一个业务

先功能后性能

  1. 找到所有相关人，摸清需求，罗列123
  2. 梳理需求，摸清楚需求背后的需求，汇总需求，将需求归类，总结为一两个核心点
  3. 列出所有可能的方案，针对每一个方案，先深度优先遍历，即搞清楚其所有优缺点，优点是否是痛点，缺点是否可以接受。根据需求、已有资源、未来规划等对方案进行“剪枝”，最终得到一个看起来可行的方案
  4. 群策群力，将方案抛出来，接受各方的challenge。很多时候技术并非只有一条道能达成结果，但是如果多个研发有不同的思路，大部分情况下都会想法设法去证明基于思路的方案才是对的，同时陷入对其它方法的批判中，事实上双方的方案可能只是取舍方式不一，并无绝对对错。

这要求：

  1. 工作所需的组件会用，会基本的排查，最好读过源码
  2. 实现过 相当复杂度的组件
  3. 形成一种常识与判断。比如开车，你左右转向要提前观察左右后视镜、超车时要关注对向来车、前面的车什么行为什么意图。

技术攻关：从零到精通当为一个新系统编写代码的时候，代码应该从接口设计开始。先用代码定义出各层的接口（包括回调接口）(第一次看到将回调接口 提升到接口设计的范畴)，没有实现，只是能够编译通过。有了这些接口，就可以拿它们与同事进行非常细节的讨论了。应该先把接口讨论得足够清楚，再进行下一步的具体实现。这也是一个比较痛苦的过程，我们需要反复抉择，而通常「选择」就意味着痛苦。

阅读技术文章来「循证」的做法。很多个人博主和团队博客会在网上发表他们自己系统的实现过程，以及系统前后版本的演进过程。如果我们恰好找到相关的类似这样的文章，那么它们就有很大的参考价值。我们从别人分享的技术方案中获得一个印证，确保自己的想法没有走向极端，或者漏掉了什么重要的东西。

业务架构

到底什么才是业务架构？ 文章讲的比较虚，但把“业务架构” 这个词给体现出来了。

结合笔者的个人体验，以一个音乐app为例，其主干架构如下

  1. 包括基本的服务 歌曲、专辑、艺人、用户
  2. 从业务上说，这是一个读多写少的业务，你需要有一个框架无缝的处理cache、db和业务的关系
  3. 存储是按照领域进行的，但用户的需求不是，两者在web 服务这一层发生碰撞，最复杂的就是web 服务层。
  4. 那么web 服务层如何简化，能减少业务程序猿的负担？
  5. 最常见的负担是什么？根据歌曲找专辑、根据专辑找艺人，根据专辑找声音等，也就是按照需求构建各个domain的关系，笔者曾经试想过：提供一个统一的关系服务，比如根据歌曲id，即可一次性直接找到专辑id、艺人id、相关歌曲id 等。

说到业务架构，wiki上各种高大上，按笔者在实际开发过程的中的理解，就是：

  1. 尽量发现小伙伴们写代码的重复的、臃肿的地方，提高效率
  2. 什么是团队代码中容易出bug的部分，规范它们（通常通过框架约束），减少个人易出错的概率。
  3. 可能是讲分布式系统最到位的一篇文章 提到中间件的作用：中间件为了在软件系统的迭代过程中，避免将精力过多地花费在某个子功能下众多差异不大的选项中。在现实中，这点更多时候出现在技术层面的中间件里，因为与业务相比，技术层面“稳定”多了，所以做标准化更有价值，更能获得长期收益。但“稳定”是相对的，哪怕单纯在业务层面也存在相对稳定的部分。

误区

过多过早的以技术实现来干扰设计

混淆领域模型和数据模型

一文教你认清领域模型和数据模型领域模型是面向领域对象的，要尽量具体，尽量语明确，显性化的表达业务语义是其首要任务，扩展性是其次。而数据模型是面向数据存储的，要尽量可扩展。

任何系统和业务的运作，不管是面向过程设计也好，面向对象设计也好，领域模型设计也好，其核心都是数据模型的设计。单个数据模型自身的设计，比如：包含哪些属性、每个属性的含义是什么、这个模型本身代表什么等；同时也有数据模型之间关系的设计，比如：商品和SKU是1：n的关系，榜单和商品、商家等等模型是1：n的关系等。我们在梳理数据模型的过程中，可以尝试画ER图或者其他图来把这些关系都表示出来，这样即使后边忘记了，会过来翻一下之前的图例，就可以快速的回忆起来。

api 设计原则

高层API以操作意图为基础设计。如何能够设计好API，跟如何能用面向对象的方法设计好应用系统有相通的地方，高层设计一定是从业务出发，而不是过早的从技术实现出发。低层API根据高层API的控制需要设计。设计实现低层API的目的，是为了被高层API使用，考虑减少冗余、提高重用性的目的，低层API的设计也要以需求为基础，要尽量抵抗受技术实现影响的诱惑。

api 包括

  1. http api
  2. rpc api
  3. rabbitmq，consumer 向 producer 提供一个api，这个api 在producer 可以提供的数据 中选择consumer 需要的数据，producer 无需了解 consumer的细节

大到架构设计，小到接口设计，若是换个编程语言、存储，设计、代码感觉、接口就变了，一定说明设计有问题。api 设计用来隔离关注点（业务功能、系统功能），业务功能彼此划分就不提了。对于系统功能，比如监控，有的设计为了加监控把代码改的鸡飞狗跳 ==> 代码漏出几个callback记日志 ==> Prometheus 对系统的监控侵入性就很低。

函数最小参数原则，比如一个函数要根据用户名查询用户其它信息，此时函数的参数一定要是userName，不能图省事（IDE自动生成的方法通常会这样）直接使用包含userName的Person/User等上层对象。

深度API设计最佳实践的思考

  1. API 的设计本身最关键的难题并不是让客户端与服务端软件之间如何交互，而是设计者、维护者、API使用者这几个程序员群体之间在 API 生命周期内的互动。一个 API 如何被使用，以及API本身如何被维护，依赖于设计者提供了一个清晰易于理解的模型。

  2. 如果一个 API 自身可以有多个完全不同的实现，一般来说这个API已经有了足够好的抽象，那么一般也不会出现和外部系统耦合过紧的问题。这个比松耦合原则更有可核实性。举个例子，比如我们已经有一个简单的 APIQueryOrderResponse queryOrder(string orderQuery),但是有场景需求希望总是读取到最新更新数据，不接受缓存，于是QueryOrderResponse queryOrder(string orderQuery, boolean useCache)这样的改法看上去合理，但实际上泄漏了后端实现的细节（后端采用了缓存）

File API 为什么是经典的好 API 设计。抽象的过程是去除细节的过程。在我们做设计时，如果现实世界的流程或者操作对象是具体化的，抽象的 Object 的选择可能不那么困难，但是对于哪些细节应该包括，是需要很多思考的。例如对于文件的API，可以看出，文件 File 这个 Resource（资源）的抽象，是“可以由一个字符串唯一标识的数据记录”。这个定义去除了文件是如何标识的（这个问题留给了各个文件系统的具体实现），也去除了关于如何存储的组织结构（again，留给了存储系统）细节。

一般来说，域模型中的概念抽象，如果能和现实中的人们的体验接近，会有利于人们理解该模型。

定义对象时需要选择合适的 Level of abstraction。当设计一个 API 用于与数据访问的客户端交互时，“文件 File “是更合适的抽象，而设计一个 API 用于文件系统内部或者设备驱动时，数据块或者数据块设备可能是合适的抽象

有什么、会怎么就怎么做 ==> 理论上应该怎么做，就怎么做

透过表象看本质，抓住本质找规律，运用规律改变世界。

我们先要想，这个系统应该是什么样子，而不是怎么样做写代码最简单。

很多时候，发现问题、描述问题，比解决问题更重要。一个很重要的要求是你要对烂的代码、设计容忍度比较低，不能一边抱怨一边让代码更复杂。

对一些原则的误解

对一些架构设计原则的反思

  1. KISS(Keep It Simple, Stupid) 。怎样才算是“Simple and Stupid”︖这是这个原则中最让⼈迷惑的地⽅。只有通过对⽤户的业务⽣命周期、访问⽣命周期进⾏分析，根据流量的压⼒不同，进⾏合理的树状拆分，也因此形成不同的系统，那么这些所形成的系统⼀定是内聚的，边界⼀定是清晰的，也⼀定是“Simple and Stupid”。也就是说，只有从业务上去分析、去拆分，才能够得到⼀个“Simple and Stupid”的结构，这是⼀个副产品，⽽不是⽬标。
  2. Single responsibility principle，这句话很对，但没没什么用。This principle was described in the work of Tom DeMarco and Meilir Page-Jones . They called it cohesion（内聚）。什么是内聚？A class should have only one reason to change。为什么要单一？”Because each responsibility is an axis of change”，意思是“因为每个职责是⼀个变化的维度”。“单一职责” 远不如 “A class should have only one reason to change” 更能指导人的实践。
  3. 原本现实⽣活中打保龄球，可以⾃⼰算分，也可以让别⼈帮忙算。为什么可以拆分开来，这是因为打保龄球的核⼼⽣命周期是打球，算分只是⼀个游戏规则，没有这个规则，保龄球也可以打的，因此这个分数计算规则可以拆分出来。并且保龄球游戏产⽣的结果是计算分数的输入，这两个步骤是打保龄球游戏的两个连续的⽣命周期活动，因此非核⼼⽣命周期可以拆分出去，形成树状结构。Game 的原本功能没变，只不过其中⼀个步骤的实现分离出去，通过⽅法调⽤的⽅式回归了⽽已。这样 Game 的职责更专注，分数计算也更专注，修改时可以互不影响，确实叫“内聚”比较好。
  4. 保持权责对等是成本最低的
  5. 随着现代开发理念的发展，越来越多的⼈看到了抽象、继承的坏处，越来越多的⼈采⽤组合的⽅式来协作，其实抽象类可以看成是组合的⼀种特殊情况。⽽且随着代码的变化越来越频繁，拥抱变化反⽽成为了⼀个风⽓。只要代码中的类做到了“内聚”，只要业务代码能够做到内聚、访问通道做到不重⽤（不重用也是内聚），那么要重⽤的只会是业务代码，这样修改的范围会⼩很多，同时依靠版本与依赖管理，完全可以避免修改所产⽣的影响。因此这个“开 / 闭原则”，也需要重新再看待，理性使⽤。
  6. 有了多态这个代换的办法，结果⼤家倒是不⽤来遵守开闭原则了，⽽是⽤来尽可能的抽象，结果把本来应该内聚在⼀个类中的⽅法和属性，分散到许多不同的⽗类中去了，这是很⼤的⼀个弊病。何必要花⼒⽓去抽象呢︖直接引⽤实际的类就好了。除非能够做到⼀次抽象能够适应以后所有的变化，否则还是⽼⽼实实的⾯对实际情况吧。
  7. Interface segregation principle ，即“接口隔离原则”。这个原则相当于是预设了调⽤者与被调⽤者两⽅的前提，对于调⽤者来讲，被调⽤者的接⼜数量应该最⼩化。这个原则其实就是通道访问的隔离。在访问通道上，不同的客户端，不可以使⽤同样的访问通道，因为会导致它们之间的访问互相影响，这是很简单的道理。比如⼀个居民⼩区的车道和⼈⾏道必须要分离。

很多⼈也会提到“⾼内聚、低耦合”的原则。这个“⾼、低”的说法不够严谨。只要某个业务的⽣命周期活动不在⼀个类中确定，那么这个类就没有形成内聚，反之就是做到了内聚（这也是ddd为什么提倡“充血类”）。只要做到内聚，就没耦合了，就只有依赖关系，⽽且这个依赖是⼀个树状的结构；只要没做到内聚，肯定耦合了，没有⾼低之分，最后都会带来麻烦，区别在于带来麻烦的多少⽽已。所以⼀个应⽤要么没有内聚，只有耦合，要么只有内聚，没有耦合，只有其中⼀个情况。

架构设计的的核⼼原则就是“内聚”，任何架构原则都不能违反此原则。这个“内聚”包括两部分：“业务内聚”，“业务访问通道内聚”。所以，对于我们遇到的任何⼀个架构原则都可以这样去判断：如果发现它违反了“业务内聚”原则，我们都要三思，因为会导致业务分散、无法重⽤︔如果它违反“业务访问通道内聚”原则，也就是“业务访问通道不重⽤”原则，我们也要三思，不要去追求访问通道重⽤。

如果做好了业务的内聚，并隔离不同类型客户端对业务的访问通道，形成访问通道的内聚，基本上程序就不会太差，代码就会很稳定。有了这个基础，再根据运营过程中所产⽣的瓶颈点，有针对性的做业务架构拆分或访问通道架构拆分就很容易了。作为⼀个架构设计师或者程序员，如果不把“内聚”放在最重要的位置，最终⼀定会被需求给淹没的。

访问通道内聚的例子，以controller-service-dao 为例，假设有一个订单服务OrderService，OrderService 可以只提供crud 四个方法。但创建、支付、退款、到货等都会引起Order 状态的改变，大家都去调用update 方法 就引起了访问通道的重用，实际上应该屏蔽update 方法，对外提供createOrder/payOrder/refundOrder/completeOrder。A class should have only one reason to change ，一个接口也应该只有一个原因被访问。

教训

  1. 面向故障编程

    • 要给可靠性设计多一点关注，而不只是业务逻辑本身
    • 因为需要协作，要一定程度上优先简单、易兜底的方案
    • 合适的方案：最优方案一旦某个环节有问题，往往成了最差方案
    • 可观测性、可回退性要融入到系统/代码的设计中
  2. 一个事情必须至少两个人知情，团队内部要有自纠错意识和能力
    • 一人一系统 ==> 一人一项目 ==> 两人一项目
    • 自身逻辑漏洞 ==> 测试、编程习惯、设计简单性等
    • 协作导致逻辑漏洞 ==> 代码走读,code review 结构 + 逻辑
  3. 简单，设计简单；代码简单；测试简单；复现简单；兜底简单
    • 一个事情如果是复杂的，那一定是因为没有想清楚
    • 复杂就意味着易出错，尤其是要多人协作的系统
  4. 先稳定，再迭代
  5. 全局开关,一键清客户端数据开关，可以随时关闭
    • 要确保兜底可以生效