业务复杂度治理方法论--十年系统设计经验总结

一、复杂度综述

1、什么是复杂度

软件设计的核心在于降低复杂性。

--《软件设计的哲学》

业界对于复杂度并没有统一的定义，斯坦福教授John Ousterhout从认知负担和工作量方面给出了一个复杂度量公式

子模块的复杂度cp乘以该模块对应的开发时间权重值tp，累加后得到系统的整体复杂度C

这里的子模块复杂度cp是一个经验值

需要注意：如果一个子系统特别复杂，但是很少使用及修改，也不会对整体复杂度造成太大影响。例：spring框架内部代码较为复杂，但由于几乎不需要我们去变动，所以对系统的整体复杂度影响并不大

2、复杂度分类

本文主要面向业务复杂度的治理

3、业务复杂度高的影响

（1）研发成本高。需要花费更多的时间去理解、维护代码；同样的需求，可能需要要修改更多的工程和类

（2）稳定性差。过高的业务复杂度，会导致系统难以理解甚至理解出现错漏，改动代码后极易出现“按下葫芦起了瓢”的问题

二、业务系统复杂度高的常见原因

1、业务系统模块多，关系复杂，互相依赖

比如一个电商业务，会包含商品、订单、采购、库存、财务等多个系统，系统之间有各种各样的依赖关系关系，如订单系统依赖库存充足才可以正常下单，采购依赖商品必须创建才可以发起采购；而系统内部又可以划分为多个子系统，如订单系统可以包含接单、营销、会员等各个子系统

2、代码晦涩，从代码中很难找到关键信息

如下边的业务处理代码，不点进具体的方法，根本不知道做了什么：

/**
     * 处理业务逻辑
     */
    public void handleBiz(){
        step1();
        step2();
        step3();
    }

再比如下边的业务处理代码，做了方法定义外的操作，开发者很容易遗漏重要信息

/**
     * 转换对象方法
     */
    public Po convert(Dto dto){
        Po po=new Po();
        po.field=dto.filed;
        //更新操作，不应该放到转换方法里
        mapper.update(po);
        //调用rpc服务，不应该放到转换方法里
        XXGateway.update(dto);
        return po;
    }

3、业务规则、流程变化多，变化频繁

大量的变化造成花在系统上的时间增多，提升了开发时间权重；

繁杂的业务规则写在代码中，难以理解、梳理

三、降低业务复杂度的方法

1、抽象分治，分解复杂度

（1）领域拆分

将与核心概念有关的内容抽取/合并，形成独立的领域

a、实体类的系统。映射到物理实体，比如商品中心、用户中心、地址服务等

b、流程类系统。映射到多个角色的串联协调工作，比如供应链上单，审核类系统等

c、计算任务类系统。映射到虚拟计算机类及数据处理，比如搜索排序、推荐计算等

供应链领域化拆分例子：

（2）领域之内拆分

01、变与不变拆分。将不易变化的系统能力拆分出来，上层适配各种业务逻辑，底层提供稳定的能力单元。如营销领域，将优惠卡券这个不易变的内容作为一个子系统来设计

02、场景隔离。如B/C隔离，B端业务复杂度较高，流量较小，更注重数据建模、可配置、可扩展；C端业务复杂度低，但是流量较大，更注重高性能、高可用

例：营销领域进行【变与不变拆分】+【场景BC隔离】例子：

背景：营销域即有面向商家的营销资质、营销活动管理，又有面向C端用户根据活动领红包、优惠券的高频业务

其中，B端业务逻辑较复杂但请求量小，C端业务逻辑较简单但请求量大

治理方案：【变与不变拆分】+【场景BC隔离】

建设营销B端服务。提供面向商家的营销活动管理，重心放在建设复杂的营销活动模型、处理复杂的业务流程；

建设C端用户系统，提供面向C端客户的领营销资产、消费影响资产服务，重心放在高并发、高可用建设；

建设底层营销资产管理服务。如卡券中心提供生成卡券、消费卡券、查询卡券等基础稳定的服务。相对不易变化，不需要经常迭代；

上层的服务根据不同的业务场景来决定把卡券发给谁、什么时候发、发多少，业务场景变化或者有新的场景时，经常需要迭代

拆分架构如下图：

例：库存中心【变与不变拆分】例子

背景：

01、业务上。库存业务面向的业务场景较多，如采购加库存、销售扣库存，退货加库存等等；库存扣减逻辑也较复杂，如一个sku下多个渠道按照优先级扣减、一个sku有多个批次按照过期时间先后扣减等等；

02、技术上。为了提升性能，高频操作场景会先操作redis缓存，再异步同步DB数据

治理方案：抽象业务+变与不变拆分

库存操作业务可以抽象为：根据用户条件、库存划分规则定位到需要操作的库存记录，按照库存记录对库存进行操作

变与不变拆分： 01、DB库存操作、Redis库存操作建设为底层支撑能力，仅提供基础的库存加减能力，尽量保障其不变性，避免大幅度的改动影响所有业务 02、根据业务逻辑去定位库存，这部分相对来说变化比较频繁，由上游业务系统进行处理

库存架构如下图：

（3）子领域/系统 内部拆分

01、代码分层。确定每一层的分工；确定调用关系，不能跨层调用；如果下层能解决的复杂性问题，不要放到上层，如：外部接口调用失败重试，不能放到服务层

常用的贫血模型分层例子：

核心思路：关注点分离、能力复用。各层职责：

•接入层：负责服务接入，包含日志打印、异常处理、参数检查、权限检查等接入层能力。该层不包含业务逻辑

@Override
    public InsertDeptResponse insertDept(InsertDeptRequest request) {
        //入参记录
        log.error("insertDept request:{}",request);
        InsertDeptResponse response=null;
        String umpKey = XXX;
        Profiler.registerInfo(umpKey, true, true);
        try{
            
            //校验入参，如果校验不通过，checkParam方法会抛出参数校验不通过异常
            checkParam(request);
            //权限校验，如果校验不通过，checkAuth方法会抛出权限校验不通过异常
            checkAuth();
            //业务逻辑处理，内部可能会抛出影响可用性的异常和不影响可用性的异常
            response=XXFacade.insertDept(request);
        }catch(BizRuntimeException ce){
            //不影响可用性的异常
            log.error("XXX");
            //组装返回值
            response=XXX;
        }catch (Exception e) {
            //影响可用性的异常
            log.error("XXX");
            //组装返回值
            response=XXX;
            Profiler.functionError(info);
        }
        log.error("insertDept response:{}",response);
        Profiler.registerInfoEnd(info);
        return response;
    }

•业务逻辑层：整体负责接口中的业务逻辑处理。主要进行各领域间的逻辑串联、数据处理

•领域服务层：以某个核心概念为核心组件领域服务，如权限服务，将该领域相关能力进行收口，提供给上层可复用的能力

•数据层：负责与数据库或者外部服务进行数据交互

02、自上而下的结构化分解。使用金字塔原理，将复杂逻辑进行结构化自上而下分解

例：供应链业务二维码牌安装服务治理

背景：供应链业务中，二维码牌安装服务流程特别复杂，理解与修改都很困难；流程中用到很多数据，在不同方法中被重复获取

治理方案：结构化抽象、分解业务流程

结构化分解后的流程：

拆分后主方法伪代码：

public void setUp(){
    //参数检查阶段
    paramCheck();
    //初始化阶段
    initData();
    //业务校验阶段
    businessCheck();
    //业务执行阶段
    businessExecute();
}

（4）方法逻辑拆分。职责单一、命名准确

方法随意命名，尤其是做了与命名无关的事情，会极大的增加复杂度，影响阅读者对代码逻辑的理解

（5）系统合并

如果多个系统逻辑上耦合严重，改了一个模块，另一些基本都要变动，考虑将这些系统合并

2、添加注释，使代码易懂

（1）代码思路要通过注释/自注释标识出来

例：redis模式的库存操作，在处理逻辑主方法中，较为清晰的标注了每一步核心逻辑

（2）注释应当能提供代码之外额外的信息

重视What和Why，而不只是代码是如何实现的(How)

01、一些不那么直观的代码，可以附上原因

02、设计思路，特别复杂的，可以考虑贴上设计方案的地址

3、配置化

（1）业务对象可配置

业务中用到的同类型对象特别多，使用硬编码方式维护困难时，可以考虑抽象出可配置化的对象配置中心

如：商品中心，将商品抽象为sku，并提供名称、价格、重量等可配置的属性

（2）业务规则可配置

业务中规则部分特别复杂，可以考虑抽象出可配置化的规则配置中心

如：售卖策略配置，某sku在某业务线+某业务场景中，必须搭配某种前置sku，以XX价格进行售卖

业界有多种开源规则引擎，如Aviator、Drools、QLExpress等，不同的规则引擎在功能、性能、学习维护成本上有一定差异，需要根据自己的业务场景来进行选型

业务规则配置例子：

背景：物流能力中心项目中，要计算不同的仓类型、不同的资源类型（人员、场地、物资、车辆等）、不同履约时效的履约能力，每种场景接入的参数都不一样，计算工时也不一样，算法还经常需要调整，如果使用硬编码的方式，要对几十种业务组合编写业务逻辑，工作量大，维护困难

方案：引入规则引擎，实现业务规则可配置，提升开发、维护人效

（3）业务流程可配置

如果不同的业务场景，需要不同的执行流程，可以考虑引入流程配置框架，如：一些业务场景，流程执行顺序为A-->B-->C，另外一些业务场景执行顺序为C-->B-->A，还有一些业务场景执行顺序为B-->A-->C。

注：流程配置框架相对比较复杂，更适合平台/中台建设，其他场景建议谨慎评估后再引入

流程配置框架的核心：流程编排+能力复用（插件化），前提是流程抽象➕流程标准化

业界流程编排框架：阿里TMF、美团BPF、京东物流batrix

TMF2.0 配置流程：

4、使用规范降低复杂度

本质上，是做好约定，简化思考。如：一个类命名为OrderDao，不需要看代码，就可以很清晰的知道这是一个订单数据处理的类

（1）代码规范

如接口、类、方法等的命名

（2）架构层级规范

系统分层级。上层调用底层，避免底层直接调用上层，同层级尽量避免互相调用

例：物流百川三层架构，定义了系统层级，使系统交互有序

四、业务复杂度优化重构原则

1、小步快跑。每个迭代要能独立交付，保障每次迭代充分验证，更快看到重构效果

2、先写后读。通过双写，验证新模型的可行性；通过数据一致性校验后，再逐步迁移读接口

3、先轻后重。先做简单逻辑再做复杂逻辑。先迁移轻业务，有了经验后，再去迁移更复杂的重业务