复杂性的两个来源如何解释微服务规模效应的反转

“复杂性”是主观的、相对于人而言的标准（微服务数量、代码行数、团队规模 都不是决定因素），作者用两个心理学概念来拆解复杂性的来源。认知负荷 （Cognitive Load）：人接受业务、概念、模型、设计、接口、代码等信息带来 的负担——个体认知负担越大，系统越复杂（这解释了治理国家为何比治理 蚁群更复杂，即使人口规模相当）。协作成本（Collaboration Cost）：团队 共同研发时的沟通管理成本——个体间协作成本越高，系统越复杂（这解释了 治理国家为何比治理一家饭馆更复杂，即使构成个体同样是人类）。协作成本 本质是[[微服务粒度上界受限于人的邓巴数与2 Pizza Team规律]]里沟通成本 公式n×(n-1)/2的体现，随规模呈O(N²)增长；但微服务架构下组织拆分与产品 拆分对齐（康威定律），沟通被拆成团队内部（进程内调用对应）和团队之间 （网络调用对应）两层，这种分治把复杂度降到经典分治算法的O(NlogN)。 认知负荷则相反：微服务提倡面向资源编程（服务间交互REST而非OOP，Martin Fowler强调”不要分发对象”）、异步通信、粗粒度接口、去中心化，这些设计 都偏向机器而非人类直觉，认知负荷的复杂度系数k比单体更大，记作O(k×N)—— 两种架构的认知负荷同为O(k×N)量级，但微服务的k更大。综合两者：单体总 复杂度=O(k×N)+O(N²)，微服务总复杂度=O(k×N)+O(NlogN)，由于高次项的 差异，规模N增大时单体的复杂度增长更快——这正是”小规模时微服务比单体 复杂，大规模时单体比微服务复杂”这个直觉判断的定量论证，也印证了”分治” 是微服务应对复杂性的核心手段。

结构图：

flowchart LR
    A[复杂性两大来源] --> B[认知负荷: 个体理解负担<br/>O(k×N), 微服务k更大]
    A --> C[协作成本: 团队沟通管理成本<br/>O(N²)平方级增长]
    C -->|微服务靠康威定律拆分对齐组织| D[降为O(NlogN)]
    B --> E[单体总复杂度=O(k×N)+O(N²)]
    D --> F[微服务总复杂度=O(k×N)+O(NlogN)]
    E -.规模增大时增长更快.-> G[小规模微服务更复杂, 大规模单体更复杂]
    F -.规模增大时增长更慢.-> G