腐蚀与架构恢复
系统复杂度随演化增长,架构文档却常得不到更新,预期架构与实际架构逐渐偏离,即架构腐蚀,会使功能、性能、可理解性、可维护性等特性丧失。架构恢复属于逆向工程,从工程中恢复组件、连接件、架构模式和配置信息。它不只是补文档:恢复出的架构能为重构提供数据基础,帮助在设计、编码、测试阶段选取最优改进,缩短周期、减少缺陷。
主题对照
比较从源代码等低层信息恢复实际架构、识别所用架构模式的技术路线及其精度与自动化局限。
系统复杂度随演化增长,架构文档却常得不到更新,预期架构与实际架构逐渐偏离,即架构腐蚀,会使功能、性能、可理解性、可维护性等特性丧失。架构恢复属于逆向工程,从工程中恢复组件、连接件、架构模式和配置信息。它不只是补文档:恢复出的架构能为重构提供数据基础,帮助在设计、编码、测试阶段选取最优改进,缩短周期、减少缺陷。
软件架构的恢复过程通常有三种形式。自顶向下过程:把架构师提供的架构设计和描述信息与代码信息相结合,检查架构是否合理并进一步精化——先建立设计视图与代码之间的对应关系,再扫描代码检查是否存在这种对应关系,以此衡量架构的偏离程度(代表方法:反射模型);这种过程的前提是已经存在可信的高层架构描述,恢复工作本质是”验证代码是否符合设计”。自底向上过程:从源代码提取架构视图,再逐步精化得到最终架构视图——通常先从源代码提取依赖信息、模式信息等,再把相关联的源代码实体聚合为组件,这是架构恢复最常采用的过程(代表方法:ARMIN、Alborn、DSM,代表工具:Rigi);这种过程完全不依赖预先存在的架构描述,是”从零构建对架构的认知”。混合过程:结合前两者——一方面从底层提取架构信息、在此基础上恢复架构视图,另一方面用高层架构信息校验恢复出的架构实体是否存在缺陷(代表方法:Focus、ManSART、DiscoTect);混合过程本质是让”自底向上恢复出来的东西”和”自顶向下已知的设计意图”互相印证,弥补单一方向各自的盲区。不管采用哪种过程,恢复工作都可以概括为两个阶段:信息提取(识别架构元素及其依赖关系)和信息表达(在更高抽象层次上建立系统的表达形式)——调查表明大部分架构恢复方法更侧重”方法本身”而非”数据来源”,不同来源的数据也确实可以用不同方法进行恢复,这意味着”用什么方法”和”从哪里取数据”是两个相对独立、可以自由组合的维度。
结构图:
flowchart TD
A["自顶向下过程<br/>已知设计 vs 代码对比<br/>验证是否偏离"] --> D[信息提取阶段]
B["自底向上过程<br/>从源代码提取视图<br/>逐步精化聚合"] --> D
C["混合过程<br/>自底向上恢复 + 自顶向下校验<br/>互相印证"] --> D
D --> E[信息表达阶段<br/>建立更高抽象层次的系统表达]
六类静态信息提取方法各有取舍:基于源代码速度快,但受标识符命名质量影响;基于编译过程能得到额外信息但冗余多;基于数据流忽略控制流依赖;基于程序切片用于大系统时依赖图过于复杂;基于设计文档能获得业务语义但易过时;基于目录结构信息量少,只作辅助。越贴近代码越精确但越局部,越贴近意图越宏观但越易失真,实际需多源互补。
架构恢复有五类技术:基于领域知识需大量人工;基于聚类是最主流的自动化技术;机器学习多用于补充聚类,训练集难获取;概念分析用格理论识别模块;模式匹配是半自动的,计算代价大。对ACDC、Bunch等六种技术的实测显示,C系统恢复精度普遍低于60%,Java系统普遍低于80%,依赖信息越简单精度越差。架构恢复目前只宜作辅助手段,不能替代人工理解。
架构模式识别是从已建系统中判断实际用了哪些架构模式。其意义在于:设计人员常不规范地使用模式,出问题后归咎于模式本身,识别能客观核验使用是否合规、定位真正原因,也有助于跟踪架构演进。但它明显落后于设计模式识别:后者已近似自动化,前者多需人工且精度不高,因为架构模式抽象层次更高、范围更广、边界和变体更模糊。
架构模式识别方法有基于模型检测、约束满足、架构原语、查询语言、图匹配、逻辑推导和运行时观察等路数。它们共同暴露四类缺陷:覆盖领域窄,如只能识别SOA;识别精度低,如把包依赖图直接当架构图;自动化程度低,需架构师人工构造抽象视图;约束条件高,如要求系统可运行。最大短板是自动化程度低,模式描述几乎全靠人工。
IDAPO是人工驱动的识别方法:先按系统类型和领域列出候选模式,再从源代码和文档还原组件、连接件及其关系,最后与候选模式逐一比对。JBoss案例中,调查报告列出微内核、分层、Broker等8种候选模式,但依据源代码的依赖信息只有20%得到确认。这说明纯人工、信息驱动的方法存在候选膨胀问题,精度瓶颈在候选筛选这一步。
基于DSL的方法用领域特定语言描述模式库和系统架构图,由模式实例文档工具自动识别,架构师仍起关键作用。能识别哪些模式完全取决于模式库。流程六步:解析类图、抽象组件图、用DSL沉淀模式库、工具计算候选实例、架构师甄别、描述存档并反哺模式库。FreeCol案例得到Broker和MVC两个候选,说明同一系统可呈现多种模式,最终须人工取舍。
本体形式化描述领域概念与关系;架构模式与本体都在知识级描述概念,资源可以互借。本体用于识别的优势:精确定义组件语义、关系和通信方式;可用OWL形式化描述设计意图;匹配交给pellet、HermiT等推理机自动完成;人工只需指定要识别的模式;结果落到组件元素的细粒度上,遇到模式变种时,只要核心元素不变仍可识别。
基于[[本体用于模式识别]]中分析的优势,作者团队实践的识别过程分三个阶段:概念层本体构建、实例层本体构建、推理与查询。概念层本体构建是”定义规则”——针对特定架构模式,用描述逻辑(一种用于精确刻画概念的形式化语言)把这个模式由哪些组件、每个组件又由哪些组件元素构成,逐条描述出来;不同架构模式之间的区别,本质上就是组成组件的组件元素构成方式不同。实例层本体构建是”提取事实”,分两步:先做信息提取,通过源代码解析工具得到抽象语法树(AST),再从AST上的依赖关系(继承、实现、组合、关联、调用、实例化、参数类型耦合、返回值类型耦合、变量声明类型耦合等)整理出程序关系依赖图;再做个体及关系构建,把这张依赖图转换成本体里的RDF三元组(每条三元组形如”主体-关系-客体”,例如某个类”包含”某个方法、某个方法”调用”另一个方法),本质上是把源代码里提取出来的一张图,转换成用本体语言描述的另一张等价的图。推理与查询是”匹配与提取”:把概念层描述的规则和实例层构建的事实一起交给本体推理机,推理机据此推导出新的知识——比如某个具体类满足了单例模式概念层描述的全部条件,就能推理出”这个类是一个单例类”这样的结论;推理完成后,再通过查询语句(如SPARQL)从扩充后的知识库里筛选出架构模式识别真正需要的那部分实例,因为推理会产生大量知识,并非全都是识别目标关心的内容。书中以单例(Singleton)模式为例贯穿演示了这条流程:一个符合单例模式的LoadBalancer类(内含私有静态成员变量存实例、私有构造函数、公有静态方法返回唯一实例)经过信息提取和个体构建后,被转换成十条左右的RDF三元组,再结合概念层对单例模式的描述逻辑定义,推理机就能推导出”LoadBalancer是一个单例类”这一新知识,最后通过SPARQL查询语句把这个结果提取出来。这套流程的价值在于把原本高度依赖架构师主观判断的”模式识别”,转化成了”规则定义(一次性)+ 事实提取(自动化)+ 机器推理(自动化)+ 结果查询(自动化)”的可复用管道,人工参与被压缩到概念层规则定义和最终结果甄别两个环节。
结构图:
flowchart TB
subgraph 概念层["概念层本体构建(规则)"]
A["用描述逻辑定义架构模式\n(模式 = 组件集合,组件 = 组件元素集合)"]
end
subgraph 实例层["实例层本体构建(事实)"]
B["源代码解析 → AST"]
C["AST依赖分析 → 程序关系依赖图"]
D["图转换 → RDF三元组(个体及关系)"]
B --> C --> D
end
subgraph 推理查询["推理与查询"]
E["本体推理机(规则集+事实集)\n推导新知识"]
F["SPARQL查询\n筛选出目标模式实例"]
E --> F
end
A -->|规则集| E
D -->|事实集| E
F --> G["识别结果:\n组成该架构模式的组件元素"]
RocketMQ 的源码模块就是架构地图:namesrv 管协调,broker 管消息主体,client 管生产消费,remoting 管通信,store 管存储,tools 管运维。读源码先按模块边界进入,比从零散类名开始更容易建立系统视图。当前主干已增加 proxy、controller、tieredstore 等模块,并移除了 filtersrv。
一个系统投产十几年后常见的困境是:架构和设计文档已经残缺不全,原设计团队早已解散, 面对莫名其妙的系统错误,在职人员花大量精力也定位不出原因——这标志着[[架构生命期五阶段]]走到了”架构老化”阶段。原文提及后续维护升级的高成本,但所引生命周期成本比例没有统计口径,不据此作量化判断。AR&RM方法(Architecture Recovery & Refactory Method)分三步, 关键顺序是”先弄清楚现状,再动手改”:第一步是架构和设计恢复,做架构反向工程 (Reverse-Engineering),借助文档、代码、工具、访谈等一切可用线索,依次恢复”系统 概念和需求”“系统功能”“系统架构和设计”“系统编码实现”四个层面,把已经模糊掉的架构 重新梳理清晰——注意这一步只是”看清楚”,还没有改动任何东西。第二步才是架构和设计重构, 做架构正向工程(Forward-Engineering),从文档重构、流程重构、测试重构、数据库重构、 组织结构重构五个方面动手改造,为日后的扩展和维护打基础。第三步是更低层面的系统代码 重构,可以参考业界既有的代码重构模式来指导具体工作。这个顺序本身是一条重要经验:对一个 已经模糊不清的老系统,跳过”恢复现状”直接动手重构,风险极高,必须先看清全貌再决定改哪里。
结构图:
flowchart TD
A[系统老化: 文档残缺/团队离散/错误难定位] --> B[第一步: 架构和设计恢复<br/>反向工程]
B --> B1[系统概念和需求恢复]
B --> B2[系统功能恢复]
B --> B3[系统架构和设计恢复]
B --> B4[系统编码实现恢复]
B --> C[第二步: 架构和设计重构<br/>正向工程]
C --> C1[文档/流程/测试/数据库/组织结构重构]
C --> D[第三步: 系统代码重构<br/>参考业界代码重构模式]
源码阅读先定位职责:ZooKeeperMain/ZooKeeper是命令行和客户端API入口,ClientCnxn等处理连接与请求,RequestProcessor实现串起服务端处理,persistence管理日志和快照,Leader/Follower/LearnerHandler联系同步协议。围绕一个请求穿过这些边界追踪状态与结果,比只背类名更能理解协作;具体路径和类名限于原书3.4.6源码。
先找能独立演进、测试和部署的高层组件,不因同一仓库或单体就认定没有边界。再检查每个组件的子域及实现模式是否匹配复杂度,并把组件当候选上下文画关系图。多团队共改一个组件、核心重复或外包、集成摩擦和旧模型蔓延,都是现代化应优先调查的信号。
阅读真实系统应同时关注共同原理、采用的技术及其解决的问题。把案例当成约束与取舍的材料,才能迁移到自己的设计;照抄公司组件清单并不能解释它为何适合当前场景。
两个概念(Hopkins):棕色地带——现有系统使二次开发和重用变得复杂,总是对架构有某种限制,架构不能从零开始;绿色地带——没有遗留系统的干净环境。现在大多数新方案都要考虑棕色地带因素。
项目之外的输入(大多数项目不是从零开始): - 业务方面:对哪些业务可由 IT 支持的确认与基本原理;业务实体模型(或领域模型,定义关键概念)、业务流程模型(活动与执行角色)、业务规则(必须满足的政策和条件,如“未满 18 岁的人不能预定”); - 技术方面(指导和约束组织中创建的任何系统,而非某一特定系统):企业架构规范——影响所有企业应用架构的准则、标准和指导,可能包含认可的供应商列表或“购买与构建比较”的规定;现有 IT 环境——架构可以应用或受其限制的软硬件资源(现有网络、可访问的节点、可作为方案一部分的已有系统)。
两个最佳实践: - 理解更广义的上下文:案例假设业务和技术需求已知,现实中未必如此;拿不到这些输入时,项目组(尤其是架构师)要决定如何在没有它们的情况下继续,或是否在项目内生成; - 调查现有 IT 环境:理解系统面临的 IT 环境十分关键。Hopkins:IT 架构师和业务分析师很少能像真正的建筑师那样仔细做这些分析,几乎没有时间花在这些调查上。
点击箭头逐层展开,点击卡片标题查看详情。路径上下文仅用于连接层级,不计入主题卡片数。
来源书籍
书籍类型:经典原理
149 张卡片
来源书籍
源码分享类
书籍类型:工程实践
清单覆盖 8/8
76 张卡片
来源书籍
书籍类型:经典原理
125 张卡片
来源书籍
书籍类型:经典原理
310 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 6/7
122 张卡片
来源书籍
软件架构方法论类
书籍类型:经典原理
类别清单尚未核对
127 张卡片
来源书籍
软件架构方法论类
书籍类型:经典原理
清单覆盖 7/7
150 张卡片