此卡片不在当前主题的阅读序列中,可返回主题继续阅读。
知识卡片
架构第一,技术第二
判断技术好坏的标准很简单:选择它有没有增加产品的商业价值。
不要混淆架构与工具:“我们的数据架构是工具 X、Y、Z”是错误理解。数据架构是战略——高层设计、框架和蓝图,回答“是什么、为什么、什么时候”;工具是战术,回答“如何实现”。团队常在设计架构之前就选定技术(新奇事物综合症、简历驱动开发、缺乏架构经验),结果是技术的胡乱拼凑。作者强烈建议:架构第一,技术第二。
选型考虑因素:团队大小和能力、加速市场化、互操作性、成本优化和商业价值、不变与暂时的技术、部署位置、构建与购买、单体与模块化、无服务器与服务器、基准战争、底层设计。
团队大小和能力:小团队精力有限。小团队读大公司技术博客并试图复现其技术与实践,作者称之为货物崇拜式软件工程——耗费大量时间和金钱,回报很少。小团队或技术偏弱的团队应尽量用 SaaS,把有限精力用在能快速带来商业回报的问题上;尽量使用团队熟悉的技术和工作流——不少团队花大量时间学新技术,却从未用到生产。
加速市场化:追求完美是优秀的敌人。很多团队在选型上花数月甚至数年迟迟不决,犹豫和少有产出是数据团队的死亡前兆,作者见过很多团队因交付太慢而被解散。要尽早交付价值并保持节奏。
互操作性:评估 A 与 B 集成的难易——是无缝兼容,还是要大量手工配置?标准化有助于互操作(JDBC、ODBC);REST 并非完全标准化,靠供应商或开源项目保证集成。整个生命周期中都要留意连接各种技术的难度,设计成模块化,便于新技术到来时替换。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 根据数据生命周期选择技术 · 查看原书依据
实际上,这样提前选择技术会导致最终产出的是技术的胡乱拼凑而不是真正的数据架构。我们强烈建议不要在确定好架构之前选取你的技术。