信息系统架构技术常用思考方法

信息系统架构技术常用思考法，包含架构设计思考法和技术Leader常用思考法。 其中架构设计思考包含从0到1，从1到0的思考，解决技术架构设计中的因果元素，主要在于关注问题本质的设计思考方法。技术Leader思考法则强调通过量化指标思考、故事与形象思考等达到评估目标、分析事务的目的。

• 架 构 设 计 思 考 法
  • 0--->1 还原客观事实，快速迭代
    • 【用户视角的客观世界还原】
      • 用户故事的串联，基于交互流程和真实数据来描绘这件事在客观世界用户视角下是怎么发生的
    • 【客观信息的结构化整合与提炼】
      • 只是树立起来1这个初始版本，还远远不够。 因为第一个步骤只是将模糊、混乱的东西通过一种方法信息化表达出来。
      • 将上述信息进行结构化的整合与提炼，因为信息只有经过结构化才能够变成有意义的知识， 才能够与之前的经验形成互动，也才能够进行初版的设计加工。
    • 【加入多元视角的检验与抽象】
      • 通过第二步的处理把1这个版本变得更加丰满，但是要形成完整的可实施方案还远远不够。
      • 我们还需要加入更多维度的校验和抽象，比如进一步抽象以看透其本质，比如加入重要异常 ROl，合理性等扩展性等多方的视角去做校验。
  • 1--->0 寻找决定性要素
    • 当我们在做一个方案时面对无数因素无法抓住关键点时， 我们应该考虑删除法（把1拿掉行不行） 去寻找决定性因素， 以确保我们是真正的抓到了关键点。
      • 【因果判断法】
        • 这个因素到底是深层次原因还是诱导的结果
      • 【树干树枝法】
        • 绘制出树干的与树枝的关系，寻找决定性因素
      • 【支点撬动法】
        • 找可以激发这一堆要素的关键要素
  • 1--->2，分而治之，划定边界
    • 当我们思考一些抽象问题/方案时候，对问题进行拆分(一分为二）
    • 通过分而治之的方法来确定每个小问题的边界
    • 通过对小问题的解决来降低全局的思考难度尽快形成解决方案
    • • 【纵深拆解】
        • 有机拆解而不是物理拆解
      • 【横向解剖】
        • 屏蔽上下游细节层层解刨
  • 1--->N，量大人多不埋坑
    • 不要仅局限在当时当刻的条件约束 要考虑系统承载从1到N过程中对系统架构带来的挑战
      • 业务场景
      • 团队组织
      • 技术架构
      • ......
      • 多方面考虑
        • 【架构考虑所有可能性但做有限明确实施】
        • 【没有靠谱的人只有靠谱的机器】
        • 【提前思考“幸福”的烦恼】
  • --->1， 抽象提炼，抓住重点
  • -1<--->1，对立面，正与反
    • 【正反思考法】
      • 正面与反面结合起来才是完整的一体，而且对反面的思考其实是对正面的有益补充。
      • 正面出现的概率大于反面，但是反面出现差错的影响所需要付出的精力却远远大于正面。
    • 【极限思考法】
      • 通过极限设问，激发大家去做最坏的打算
      • 有了最终极的兜底手段才能够更乐观去做技术变更
    • 【对称思考法】
      • 看看整体的逻辑结构是不是饱满，是不是对称
  • M*N--->M+N,解耦思考
    • 【解耦上下游关联性】
      • 随着业务和平台架构的进一步演进，势必是要做解耦
      • 目的就是重新去界定各个模块的边界，平衡新的业务发展要求下各方发展快慢的诉求差异
    • 【解耦各个角色的依赖】
      • 解耦上下游关联性在落入到技术模型范畴之前， 我们在做更加抽象的解决方案探讨时要注意解耦各个角色之间的依赖。
      • 能够多个角色之间基于SLA去交互，并能基于自身的专业思考给予对方更多的选项和可能性。
• 技 术 L e a d e r 思 考 法
  • 向前思考，向后倒推
    • 在思考一个命题时可以采取未来视角，先对未来发展做个预判 然后基于你的判断倒推现在应该要做什么，最后制定出关键里程碑和节奏
  • 目标与路径
    • 制定目标，设定路径，方法保证
    • 在思考一个命题要关注什么是目标，什么是路径以及目标与路径的关系。
    • 离开路径的目标是空谈，离开目标的路径是瞎干 所以目标与路径是一体两面的，离开任何一个不谈其实都不成立。
  • 端到端思考
    • 端到端原则是一种分布式系统中各模块间功能定位的设计原理，指从代价和性能的角度分析，在网络的最核心的部分应该只做数据的传输而不能去做一些其他的应用，而数据是否正确传输则应该放到应用层去检查和判断，从而保证互联网核心的简单性、可维护性和可扩展性。
    • 在思考一个命题要尽可能关注到全链路，而不是铁路警察各管一端
    • 通过“端到端”流程打通，将各相关部门的业务环节衔接起来，消灭“断头路” 不断提高内部的效率并满足客户的需求，最终实现企业效益最大化
  • 闭环思考
    • 思考一个命题要从初心出发再回到初心，以免出现重大偏差
    • 5W2H
    • PDCA循环
    • 常见误区
      • 01 形而上的假闭环
      • 02 缺少进阶的下一环
    • 闭环思考步骤 （以技术问题为例）
      • 1) 觉察/认知（感知到现有平台/系统的问题，感觉需要做架构调优升级）
      • 2) 概念/原理（挖掘到问题背后的本质，从业务原理/技术原理等底层出发抽取概念和本质）
      • 3) 理解/共识（对问题本质做宣讲，达成上下左右的理解与共识）
      • 4) 目标/路径（提出目标，拆解出来可实施的路径）
      • 5) 表格/指标（提出衡量的指标和具体的 ACTION，最好的就是表格来跟进）
      • 6) 小胜即庆 （对于阶段性目标的达成进行庆祝，当然这也是咬合业务价值的关键点）
      • 7) 持续跟进 （小胜即庆还不能放松警惕，还需要持续推进到下一个任务）
      • 8) 灵活应变 （根据实际情况调整优先级，同样是咬合业务价值而不是固守之前的任务表格）
      • 9) 目标完成 （完成标准不是新平台/系统能力建设完成，而是完成模型统一，流量迁移完成，老代码下线等）
      • 10) 下一个觉察 (开启下一个平台/系统的架构调优升级周期）
  • 指标量化思考
    • 如何量化
      • 1. 频度：Ratio=F(EVENT, TIME)
      • 2. Latency： L=F(EVENT1，EVENT2)
      • 3. 分布：一般是统计学里面的分布模型
      • 4. 关系拟合量化：有联系的两个指标，通过数学关系，找到两者之间的联系
    • 常见误区
      • 01 量化的维度缺失导致缺少客观性
      • 02 量化的数据断层解读后的欺骗性
    • 常见量化思考步骤
      • 1.高值 VS 低值 VS 平均值 VS 分位数：可以看出来数据的实际分布情况
      • 2.同比环比：可以看到各个维度的下数据的发展趋势
      • 3.全局 VS 局部
      • 4.局部数据的横向比较：可以对比做些归类分析
  • 故事与形象思考
    • 视觉思考的好处
      • 可以看到其他人看不到的结构模式和事物之间的联系
      • 预想到新的可能性和创新想法
      • 展示出你的思维素质
      • 剖析复杂问题，看出每个组成部分并发现深层原因
      • 能够更快的梳理清楚任何复杂困难的挑战
      • 做出更全面综合性的决定
      • 能够以一种高强度而且难忘的方式交流想法，并对想要产生影响的关键人物留下深刻印象
      • 有助于与其他人达成共识
  • 乘数思考
    • 充分考虑这件事的影响力
    • 比如有些决定做下去可能是影响 10 个人，有些决定做下去可能是会间接影响 100 人，这种乘数效应必须是技术 Leader 要慎重考虑的，越大的 Leader 越要注意
    • 乘数思考的实践步骤
      • 01 自上而下的决策要慎审，充分考虑乘数效应
      • 02 主动管理自下而上的乘数效应
• 信息系统架构技术常用思考方法