进阶:架构评审与技术债治理
本篇要点:把架构评审从“讲 PPT 求通过”变成一次有材料、有提问、有结论、有追踪的工程活动,并把技术债变成能排期的东西。 前置文章:《架构演进:从单体到分布式》的迁移记录和《进阶:成本架构与资源效率》的成本数据,恰好是这一章要的两类材料——一份说明边界为什么这么划,一份说明这套结构每单花多少钱。
一、为什么需要它
一个团队做过一次统计:过去一年开了 23 次架构评审会,会后形成了 31 条待办。半年后回查,真正落地的 9 条,其中还有 3 条落地的形态和会上说定的不一样。剩下的 22 条,一部分留在了会议纪要里,一部分当事人已经离职。
同一时期,技术债登记表有 84 条记录。按记录里的描述,“严重”级别占 41 条。这个比例本身说明登记表失效了——当四成条目都严重时,它就不再提供排序信息,谁也不会照着做。
这两个数据指向同一个问题:评审和技术债都不是缺流程,是缺能判定完成的东西。这一章就把这两件事分别做成可判定的形式。
二、核心概念
2.1 评审材料三份就够,多一份都是装饰
架构评审(Architecture Review)的目的是在投入资源之前,用一小时的集体时间换掉一个可能持续半年的错误方向。材料的作用是让与会者在开会前就掌握事实,而不是在会上听你复述背景。
三份必需材料:
第一份是设计说明,一页到三页,写清组件划分、关键数据流、外部依赖。
第二份是取舍记录,也就是《技术选型:评估框架与决策记录》的 ADR。它要回答的不是“我们选了什么”,而是“我们排除了什么,为什么排除”。评审最有价值的时间花在质疑被排除的选项上。
第三份是风险清单,逐条写出“如果这个假设不成立,会怎样”。这一份最容易被跳过,也最能暴露问题。
反例:交 60 页 PPT,其中 40 页是技术原理科普,5 页是架构图(还带着上一版的旧箭头),没有一页写“如果不成功,损失多大,多久能发现”。
2.2 提问按架构风险排序,不按文章顺序
评审时间有限,提问顺序决定了这次会的产出。建议固定成四组,从高到低:
容量与瓶颈、故障与恢复、演进与退出、成本与运维。第一组问“这套设计在 10 倍流量下第一个倒下的是谁”,第二组问“数据库主库挂了,业务多长时间能恢复写入,丢多少数据”,第三组问“如果半年后要换掉这个组件,哪些地方要跟着改”,第四组问“这套结构每月花多少,单均多少”。
反例:会上一半时间在争论 ORM 用哪个、目录怎么分层。这类问题要么有团队惯例,要么影响可逆,不值得占用集体时间。
2.3 反模式(Anti-Pattern)有名字才认得出来
反模式是那些“看起来是解法、实际会让问题变严重”的常见做法。给它们起名字,是为了在会上能一句话指认。
| 反模式 | 表现 | 实际后果 |
|---|---|---|
| 分布式单体 | 服务独立部署,但共享数据库表、必须一起发版 | 拿到了分布式的复杂度,没拿到自治 |
| 简历驱动开发 | 选型理由是“业界都在用”,无 POC 数据 | 团队不熟,出问题无人能修 |
| 抽象泄漏 | 上层为了性能绕过下层,直连底层存储 | 边界名存实亡,改动互相牵连 |
| 过早优化 | 在没有压测数据时先上分库分表 | 复杂度提前到账,收益不确定 |
| 配置散落 | 关键参数写在代码、环境变量、配置中心三处 | 故障时无法确定线上真实值 |
| 幽灵依赖 | 依赖某服务的一个未公开字段 | 对方一次内部重构就打断你 |
表 12-1 六种能在评审会上被一句话指认的反模式
表格里第二行值得单独说:选型的成本不只是许可费,还包括“团队从陌生到能排障”的时间,这段时间通常以季度计。
2.4 技术债要能换算成利息
技术债(Technical Debt)是当前为了赶进度而采用的、会在未来持续产生额外成本的实现方式。它的关键在“持续产生额外成本”,也就是利息(Interest)。
一条登记项如果没有利息,它就不是债,是待办。判断方法:这件事每月让我们多花多少人力、多少机器、多少次故障?答不出来的,先不登记。
要能排序,登记项至少要有五个字段:影响面、利息的度量方式、偿还成本估算、不偿还的最坏后果、到期时间。有了这五项,“41 条严重”就会自然收敛到三五条真正需要排期的。
2.5 结论必须落到人和日期上
评审结论只有三种形态:通过、有条件通过、不通过。有条件通过的“条件”必须是一条可验证的动作,带负责人和截止日期。写成“建议后续关注缓存一致性”的,等于没写。
追踪不需要复杂工具,一张表加每周一次的 15 分钟过一遍就够。关键是让未完成的条目出现在负责人每周必看的地方,而不是躺在文档里。
图 12-1 评审从材料到追踪的流程:任何一条结论都要能走到“关闭”或“重新排序”
如图 12-1 所示,评审不是一个会议节点,而是一条有出口的流水线;没有出口的结论会一直堆在中间。
三、动手实践
3.1 用脚本把评审待办变成有截止日期的东西
评审记录用 Markdown 维护,每条结论写成一行固定格式。这个格式是脚本的输入,文件片段长这样:
- [ ] 订单服务补幂等键校验 @lifang due=2026-10-30
- [ ] 结算链路去掉对 order.internal 的直连 @wangq due=2026-11-20
- [x] 支付回调补超时重试 @chenh due=2026-10-10这一段是脚本的输入,本身没有运行输出;它的作用是把结论压成机器能读的一行。脚本负责从这份文件里找出逾期项:
import re, datetime
LINE = re.compile(r'^- \[(?P<done>[ x])\] (?P<item>.+?) @(?P<owner>\w+) due=(?P<due>\d{4}-\d{2}-\d{2})')
today = datetime.date(2026, 11, 16)
overdue = []
for line in open('review-2026-Q3.md', encoding='utf-8'):
m = LINE.match(line.strip())
if not m or m['done'] == 'x':
continue
due = datetime.date.fromisoformat(m['due'])
if due < today:
overdue.append((due, m['owner'], m['item']))
for due, owner, item in sorted(overdue):
print(f"[逾期 {(today - due).days} 天] @{owner} {item} (原定 {due})")
print(f"共 {len(overdue)} 条逾期")运行结果:
[逾期 17 天] @lifang 订单服务补幂等键校验 (原定 2026-10-30)
共 1 条逾期脚本本身不重要,重要的是格式固定之后,逾期项不再依赖谁记得。
3.2 给技术债算利息,再排序
下面这段把每条债按“月利息”排序,利息用可度量的人力折算:
debts = [
# 名称, 影响面人数, 每人每月被拖累小时, 月度额外机器成本
("订单表无分区,慢查询拖累报表", 4, 6, 1200),
("网关配置三处散落,每次变更靠人肉核对", 2, 3, 0),
("测试环境与生产共用消息队列", 6, 1, 800),
("前端构建 22 分钟,无增量编译", 8, 4, 0),
]
HOUR = 180 # 一名工程师一小时的内部成本,按团队口径替换
rows = []
for name, people, hours, infra in debts:
monthly = people * hours * HOUR + infra
rows.append((monthly, name, people, hours, infra))
for monthly, name, people, hours, infra in sorted(rows, reverse=True):
print(f"月利息 {monthly:>6} 元 | {name} | 人力 {people}×{hours}h | 机器 {infra}")
print(f"\n合计每月 {sum(r[0] for r in rows)} 元")运行结果:
月利息 5760 元 | 前端构建 22 分钟,无增量编译 | 人力 8×4h | 机器 0
月利息 5520 元 | 订单表无分区,慢查询拖累报表 | 人力 4×6h | 机器 1200
月利息 1880 元 | 测试环境与生产共用消息队列 | 人力 6×1h | 机器 800
月利息 1080 元 | 网关配置三处散落,每次变更靠人肉核对 | 人力 2×3h | 机器 0
合计每月 14240 元注意排序结果和直觉相反:前端构建那条在登记表里大概率被标成“体验问题”,月利息却最高。这就是算利息的意义——它把“谁喊得响”换成“每月实际损失多少”。
3.3 把 84 条压到能排期的数量
按上面的口径重算全部条目后,做三件事:月利息低于团队单日人力成本的,直接关掉不再跟踪;利息无法度量的,转成“待观察”,半年后再看;剩下的按偿还成本除以月利息算出回收期,回收期短于 6 个月的进本季度,其余进年度规划。
做完之后通常只剩 6 到 10 条。这个数量团队能真正排进迭代。
四、常见误解
误解一:评审就是审批,通过就结束。 其实评审的产出是“一组可验证的动作”,不是那个“通过”的结论。真正要盯的是有条件通过里挂着的条件有没有按期完成。一个评审如果开完没有任何后续动作,说明当时的风险判断过于乐观,或者材料写得让人看不出风险。
误解二:技术债越少越好。 其实技术债是一种正常融资手段。为了赶一个明确的窗口期,故意借债是合理决策,前提是借的时候记下金额和利率。全部清零的团队通常意味着它没有在推进任何有风险的事。要杜绝的不是债,是“没人知道自己在借债”。
误解三:评审要请职位最高的人来拍板。 其实评审需要的是最了解失败模式的人。一位在生产上排过三次这类故障的资深工程师,比一位不熟悉这条链路的架构师更能问出关键问题。把与会者定成“谁做过、谁将被影响”,而不是“谁的职级高”。
五、小结
《架构演进:从单体到分布式》决定结构怎么长,《进阶:成本架构与资源效率》决定结构值多少钱,这一章决定谁来为结构负责并追踪到落地。
- 评审材料三份:设计说明、取舍记录、风险清单。风险清单要求写清“假设不成立会怎样”。
- 提问按容量、故障、演进、成本的顺序,把有限时间放在不可逆的判断上。
- 反模式有名字才能被一句话指认,表格那六条覆盖了大多数会上会遇到的争论。
- 技术债要能换算成月利息。算不出利息的进“待观察”,不作为债跟踪。
- 结论必须带负责人、日期、验证方式;追踪机制可以是一张 Markdown 表加每周 15 分钟。
六、相关文章
这是本类目的收尾篇,所以这一节不再是“相关文章学什么”,而是回头把这十二篇串成一条线。
《架构思维:约束、权衡与设计原则》给的是判断标准:约束先于方案、权衡写两行、每个决策带失效条件。《系统设计方法:四步走通一次设计》把它排成四步,《高并发:缓存、异步与容量测算》验证了“缓存能挡住读”这个假设,第 4–5 章把数据放到该放的存储并处理副本分叉,《高可用:冗余、故障域与多活容灾》把故障范围放大到机房。到这里,一台系统的基本骨架已经能画出来了。
第 7–8 章换了视角:一边是把流量入口收成四层、写清职责边界,另一边是把“系统健康吗”换成 SLI、错误预算和燃烧率。《技术选型:评估框架与决策记录》回到最前置的一问——这些东西当初是怎么被选进来的,凭什么选它。第 10–12 章是让前面九章持续成立的三件事:结构怎么长、长完值多少钱、谁来保证它别长歪。
类目开篇那个目标——对给定业务做容量测算与架构选型、输出可评审的设计方案、管住技术债与演进节奏——拆开看就是这三件事,哪一件都不是一次性的项目,而是每周都在运转的工程习惯。要动手的话,建议从《系统设计方法:四步走通一次设计》的四步法开始,找一个你手上真实的小系统,用一个下午把四步走一遍;走不动的那一步,就是你现在最该补的地方。想按需回看,可以从系统架构类目首页进入任意一篇。