知识卡片
复杂性来源与规模效应
“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[[微服务粒度的上界]]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
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 向微服务迈进 · 查看原书依据
复杂性来自认知负荷(Cognitive Load):在软件研发中表现为人接受业务、概念、模型、设计、接口、代码等信息所带来的负担大小。系统中个体的认知负担越大,系统就越复杂,这点解释了为什么蚂蚁族群和国家的人口可能一样多