架构权衡评估方法（ATAM）：如何评估一个系统的质量
JAVA前线
欢迎大家关注公众号「JAVA前线」查看更多精彩分享，主要内容包括源码分析、实际应用、架构思维、职场分享、产品思考等等，同时也非常欢迎大家加我微信「java_front」一起交流学习
1 质量属性
在系统设计和开发过程中，我们比较容易关注系统的功能维度，例如有没有实现预期功能，输入参数和输出参数是否匹配等等，这是比较容易测试和衡量的。
但是我们不能就此止步，因为满足功能是系统的基本要求，还需要关注系统的非功能维度，例如系统性能是否优秀，代码可扩展性如何，出现异常是否可以自动降级等等，这些指标决定了系统能否提供高质量的服务。
在之前文章《结构化思维如何指导技术系统优化》提到了三个质量属性：高性能、高可用、高扩展。本文我们充实为六个质量属性：性能、可用性、可修改性、可靠性、安全性、易用性：
1.1 性能
1.1.1 如何定义
性能有两个定义维度，第一个维度是单位时间内可以做多少事情，第二个维度是做完单位数量的事情需要多长时间，常用以下参数进行量化：
QPS：每秒处理请求数
TPS：每秒处理事务数
并发数：同一时刻处理请求数/事务数
响应时间：系统对请求做出响应的时间
并发数 = QPS x RT
1.1.2 如何提升
提升性能可以从两个维度思考，第一个维度是时间维度，从事前、事中、事后三个时间节点进行优化。事前是指在访问最开始就拒绝无效流量。事中可以使用提高并发度（并发编程），增加资源（服务器、分布式缓存、读写分离，分库分表），减少交互（批量请求）等方案。事后是指数据分析需求可以放到离线数据中心进行，不要放在主应用和主数据库进行。
第二个维度是层次维度，每一层都可以进行优化。系统架构一般分为数据层、缓存层、服务层、网关层、客户端、代理层，每一层都可以按照事前、事中、事后进行优化，而不是一提到优化就是加缓存，应该更加全面地思考。
1.2 可用性
1.2.1 如何定义
可用性是指系统正常运行时间占总运行时间比例，业界常用X个9指标进行量化，例如可用性达到5个9，那么全年系统不可用时间只有5分钟：
1.2.2 如何提升
(1) 非线性
我们从另一个概念理解可用性：非线性，这个概念在生活中无处不在。
假设要赶早上8点钟的火车，如果6:30出发可以在7:00到达车站，所以得到一个结论：只要30分钟就可以到达车站。
如果早上睡晚一点7:15出发，那么按照预期7:45可以到达车站。但是最可能的结果是错过这趟火车。因为正好遇上早高峰导致至少需要1个小时才能到达车站。
我们再分析一个互联网秒杀场景。假设秒杀系统当每秒30个请求时，响应时间是10毫秒。如果按照线性思维可以做出如下设计：
每秒30个访问量响应时间10毫秒
每秒300个访问量响应时间100毫秒
每秒3000个访问量响应时间1000毫秒
如果按照这个思路做系统设计可能会发生重大的错误。因为当每秒3000个访问量发生时，响应时间可能不是1000毫秒，而是可能直接导致系统发生崩溃。
这就是非线性，事物不是简单线性叠加关系，当达到某个临界值时会造成一种截然不同的结果。
(2) 提升策略
冗余 + 自动故障转移
最基本冗余策略就是主从模式。原理是准备两台机器，部署了同一份代码，在功能层面是相同的，都可以对外提供相同的服务。
一台机器启动提供服务，这就是主服务器。另一台机器启动在一旁待命，不提供服务，随时监听主服务器的状态，这就是从服务器。当发现主服务器出现故障时，从服务器立刻替换主服务器，继续为用户提供服务。
自动故障转移策略是指当主系统发生异常时，应该可以自动探测到异常，并自动切换为备用系统。不应该只依靠人工去切换成，否则故障处理时间会显著增加。
降级策略
当系统遇到无法承受的压力时，选择暂时关闭一些非关键的功能，或者延时提供一些功能，把此刻所有的资源都提供给现在最关键的服务。
在秒杀场景中下订单就是最核心最关键的功能。当系统压力将要到达临界值时，可以暂时先关闭一些非核心功能如查询功能。
还有一种降级策略，当系统依赖的下游服务出现错误，甚至已经完全不可用了，那么此时就不能再调用这个下游服务了，否则可能导致雪崩。所以直接返回兜底方案，把下游服务直接降级。
延时策略
用户下订单成功后就需要进行支付。假设秒杀系统下订单每秒访问量是3000，有没有必要将每秒3000次访问量压力传递给支付服务器？
答案是没有必要。因为用户秒杀成功后可以稍晚付款，例如可以跳转到一个支付页面，提示用户只要在10分钟内支付完成即可。
这样流量就被分摊至几分钟，有效保护了系统。技术架构还可以使用消息队列做缓冲，让下游系统根据处理能力拉取消息。
隔离策略
物理隔离：应用分别部署在不同物理机、不同机房，资源之间不会互相影响。
线程隔离：不同类型的请求进行分类，交给不同的线程池处理，当一类请求出现高耗时和异常，不影响另一类请求访问。
1.3 可修改性
1.3.1 如何定义
可修改性是指是否能够以较高的性价比对系统进行变更的能力，可以分为以下四种类型：
可扩展性：系统扩展新构件时对其它构件的影响程度
可维护性：系统修改旧构件时对其它构件的影响程度
结构重组：重新组织构件关系的难易程度
可移植性：在不同硬件平台、编程语言、操作系统间移植的难易程度
1.3.2 如何提升
可修改性最终在解决牵一发而动全身的复杂性问题，复杂业务之所以复杂，一个重要原因是涉及角色或者类型较多，如果平铺直叙地进行设计会出现if-else代码块，可读性和可修改性都很低。
我们分析一个下单场景。当前有ABC三种订单类型：A订单价格9折，物流最大重量不能超过9公斤，不支持退款。B订单价格8折，物流最大重量不能超过8公斤，支持退款。C订单价格7折，物流最大重量不能超过7公斤，支持退款。按照需求字面含义平铺直叙地写代码也并不难：
public class OrderServiceImpl implements OrderService {
@Resource
private OrderMapper orderMapper;
@Override
public void createOrder(OrderBO orderBO) {
if (null == orderBO) {
throw new RuntimeException("参数异常");
}
if (OrderTypeEnum.isNotValid(orderBO.getType())) {
throw new RuntimeException("参数异常");
}
// A类型订单
if (OrderTypeEnum.A_TYPE.getCode().equals(orderBO.getType())) {
orderBO.setPrice(orderBO.getPrice() * 0.9);
if (orderBO.getWeight() > 9) {
throw new RuntimeException("超过物流最大重量");
}
orderBO.setRefundSupport(Boolean.FALSE);
}
// B类型订单
else if (OrderTypeEnum.B_TYPE.getCode().equals(orderBO.getType())) {
orderBO.setPrice(orderBO.getPrice() * 0.8);
if (orderBO.getWeight() > 8) {
throw new RuntimeException("超过物流最大重量");
}
orderBO.setRefundSupport(Boolean.TRUE);
}
// C类型订单
else if (OrderTypeEnum.C_TYPE.getCode().equals(orderBO.getType())) {
orderBO.setPrice(orderBO.getPrice() * 0.7);
if (orderBO.getWeight() > 7) {
throw new RuntimeException("超过物流最大重量");
}
orderBO.setRefundSupport(Boolean.TRUE);
}
// 保存数据
OrderDO orderDO = new OrderDO();
BeanUtils.copyProperties(orderBO, orderDO);
orderMapper.insert(orderDO);
}
}
上述代码从功能上完全可以实现业务需求，但是程序员不仅要满足功能，还需要思考代码的可维护性。如果新增一种订单类型，或者新增一个订单属性处理逻辑，那么我们就要在上述逻辑中新增代码，如果处理不慎就会影响原有逻辑。
为了避免牵一发而动全身这种情况，设计模式中的开闭原则要求我们面向新增开放，面向修改关闭，我认为这是设计模式中最重要的一条原则。
需求变化通过扩展，而不是通过修改已有代码实现，这样就保证代码稳定性。扩展也不是随意扩展，因为事先定义了算法，扩展也是根据算法扩展，用抽象构建框架，用实现扩展细节。标准意义的二十三种设计模式说到底最终都是在遵循开闭原则。
如何改变平铺直叙的思考方式？这就要为问题分析加上纵向和横向两个维度，我选择使用分析矩阵方法，其中纵向表示策略，横向表示场景：
(1) 纵向做隔离
纵向维度表示策略，不同策略在逻辑上和业务上应该是隔离的，本实例包括优惠策略、物流策略和退款策略，策略作为抽象，不同订单类型去扩展这个抽象，策略模式非常适合这种场景。本文详细分析优惠策略，物流策略和退款策略同理。
// 优惠策略
public interface DiscountStrategy {
public void discount(OrderBO orderBO);
}
// A类型优惠策略
@Component
public class TypeADiscountStrategy implements DiscountStrategy {
@Override
public void discount(OrderBO orderBO) {
orderBO.setPrice(orderBO.getPrice() * 0.9);
}
}
// B类型优惠策略
@Component
public class TypeBDiscountStrategy implements DiscountStrategy {
@Override
public void discount(OrderBO orderBO) {
orderBO.setPrice(orderBO.getPrice() * 0.8);
}
}
// C类型优惠策略
@Component
public class TypeCDiscountStrategy implements DiscountStrategy {
@Override
public void discount(OrderBO orderBO) {
orderBO.setPrice(orderBO.getPrice() * 0.7);
}
}
// 优惠策略工厂
@Component
public class DiscountStrategyFactory implements InitializingBean {
private Map strategyMap = new HashMap<>();
@Resource
private TypeADiscountStrategy typeADiscountStrategy;
@Resource
private TypeBDiscountStrategy typeBDiscountStrategy;
@Resource
private TypeCDiscountStrategy typeCDiscountStrategy;
public DiscountStrategy getStrategy(String type) {
return strategyMap.get(type);
}
@Override
public void afterPropertiesSet() throws Exception {
strategyMap.put(OrderTypeEnum.A_TYPE.getCode(), typeADiscountStrategy);
strategyMap.put(OrderTypeEnum.B_TYPE.getCode(), typeBDiscountStrategy);
strategyMap.put(OrderTypeEnum.C_TYPE.getCode(), typeCDiscountStrategy);
}
}
// 优惠策略执行
@Component
public class DiscountStrategyExecutor {
private DiscountStrategyFactory discountStrategyFactory;
public void discount(OrderBO orderBO) {
DiscountStrategy discountStrategy = discountStrategyFactory.getStrategy(orderBO.getType());
if (null == discountStrategy) {
throw new RuntimeException("无优惠策略");
}
discountStrategy.discount(orderBO);
}
}
(2) 横向做编排
横向维度表示场景，一种订单类型在广义上可以认为是一种业务场景，在场景中将独立的策略进行串联，模板方法设计模式适用于这种场景。
模板方法模式一般使用抽象类定义算法骨架，同时定义一些抽象方法，这些抽象方法延迟到子类实现，这样子类不仅遵守了算法骨架约定，也实现了自己的算法。既保证了规约也兼顾灵活性，这就是用抽象构建框架，用实现扩展细节。
// 创建订单服务
public interface CreateOrderService {
public void createOrder(OrderBO orderBO);
}
// 抽象创建订单流程
public abstract class AbstractCreateOrderFlow {
@Resource
private OrderMapper orderMapper;
public void createOrder(OrderBO orderBO) {
// 参数校验
if (null == orderBO) {
throw new RuntimeException("参数异常");
}
if (OrderTypeEnum.isNotValid(orderBO.getType())) {
throw new RuntimeException("参数异常");
}
// 计算优惠
discount(orderBO);
// 计算重量
weighing(orderBO);
// 退款支持
supportRefund(orderBO);
// 保存数据
OrderDO orderDO = new OrderDO();
BeanUtils.copyProperties(orderBO, orderDO);
orderMapper.insert(orderDO);
}
public abstract void discount(OrderBO orderBO);
public abstract void weighing(OrderBO orderBO);
public abstract void supportRefund(OrderBO orderBO);
}
// 实现创建订单流程
@Service
public class CreateOrderFlow extends AbstractCreateOrderFlow {
@Resource
private DiscountStrategyExecutor discountStrategyExecutor;
@Resource
private ExpressStrategyExecutor expressStrategyExecutor;
@Resource
private RefundStrategyExecutor refundStrategyExecutor;
@Override
public void discount(OrderBO orderBO) {
discountStrategyExecutor.discount(orderBO);
}
@Override
public void weighing(OrderBO orderBO) {
expressStrategyExecutor.weighing(orderBO);
}
@Override
public void supportRefund(OrderBO orderBO) {
refundStrategyExecutor.supportRefund(orderBO);
}
}
1.4 可靠性
1.4.1 如何定义
可靠性包括容错性和健壮性，系统面对错误输入仍能保证正确输出的能力，可以分为两种类型：系统可靠性和业务可靠性。
系统可靠性是指面对出现基本错误的输入，系统能够识别和拦截，而不是任由其在构件中传递，造成错误数据或者引发系统异常。例如空值引发的空指针异常，不应该出现在系统中。
业务可靠性是指输入参数在基本校验通过的情况下，系统能够进行业务校验，不会引发超出业务预期的输出结果。例如电商系统中的超卖现象，重复创建订单现象都是业务可靠性较低的表现。
1.4.2 如何提升
(1) 拦截
提升可靠性的关键是应该尽早在上层识别并拦截异常数据，阻止其在构件中流动，避免产生系统异常和错误数据，尤其当产生错误数据后，数据修复难度大。
提升系统可靠性可以在服务入口增加判空校验、参数类型校验、范围校验、合法枚举值校验等基本校验，一旦发现异常直接拒绝。
提升业务可靠性可以增强业务校验，例如库存预扣减，活动有效期校验，参与活动次数校验，扣减库存校验，分布式锁控制并发等方案，如果校验规则复杂可以引入规则引擎进行条件组合，不满足业务条件直接拒绝请求。
(2) 告警
如果第一阶段没有将异常输入拦截成功，那么就要在发生异常时及时感知，异常分为系统异常和业务异常。
系统异常是不允许出现的异常，例如空指针，操作数据库失败等异常，一旦出现就要立即告警。
业务异常可以分为以下类型：
业务告警：单位时间出现X次需要告警
延时告警：某指标单位时间内是否变化
数据告警：单位时间数据指标是否正常
1.5 安全性与易用性
安全性是指系统防止非法用户访问的能力，易用性是指系统使用的难易程度，本文不展开论述，下一个章节会通过实例提到。
2 架构评估方法
2.1 三种评估方法
因为涉及到众多变量和场景，所以评估一个复杂技术系统的质量并不是一件容易的事情。业界有以下三种评估方法：
第一是基于问卷的方式，通过问卷调查对系统比较熟悉的相关人员，这种方式主观性很强。
第二是基于度量的方式，对系统指标完全量化，基于量化指标评价系统，这种方式需要评估者对系统非常熟悉。
第三种是基于场景的方式，筛选出系统的关键场景，根据系统在不同场景中的表现进行评估，这种方式具有一定的主观性，需要评估者对系统比较熟悉，这也是目前较为流行的架构评估方法。
架构权衡评估方法（ATAM）的英文全称是：Architecture Tradeoff Analysis Method，由卡梅隆大学软件工程协会提出，是一种基于场景的架构评估方法，核心是结合质量属性效用树对系统进行评价，确定风险点、敏感点、权衡点，并对系统架构做出决策和折中。
ATAM分为以下步骤，其中1、2、3为描述和介绍阶段，4、5、6为调查和分析阶段，7、8为测试阶段，9为报告阶段。
2.2 ATAM
本章节以之前文章《结合DDD讲清楚编写技术方案的七大维度》足球运动员信息管理系统为例看一看ATAM如何实际应用。
第一阶段是描述和介绍阶段，首先由架构师向大家介绍什么是ATAM方法，其次由产品经理介绍开发足球运动员信息管理系统商业动机，最后由架构师介绍系统整体架构，例如怎样划分领域，系统分为持久层、缓存层、中间件、业务中台、服务层、网关层、客户端和代理层等等。
第二阶段是调查和分析阶段，不同需求方均提出了相关需求，所涉及质量场景如下：
(1) 系统在100毫秒内响应用户请求
(2) 当主数据库发生故障后，10秒内自动切换至从数据库
(3) 当主机房发生故障后，5分钟内请求重定向至灾备机房
(4) 新增球员比赛和训练指标，开发工作在5人日内完成
(5) 使用包含SSL数字证书的HTTPS访问协议
(6) 球员信息管理界面要求简单易用
(7) 出现异常引导用户至错误页面，不能展示异常栈信息
(8) 对于球员信息配置功能的灵活度尚未达成共识，影响了系统可修改性
(9) 对于球员比赛指标实时收集响应时间的要求，影响了数据存储设计
(10) 主教练提出了训练指标新模式，影响了系统性能和可修改性
根据上述场景生成质量属性效用树，(1)属于性能，(2)(3)属性可用性，(4)属于可修改性，(5)属于安全性，(6)属于易用性，(7)属于可靠性：
再根据这些场景分析系统的风险点、敏感点、权衡点。风险点是指某些操作会给系统带来隐患和风险，(8)属于风险点。敏感点是指为了实现某个特定质量属性，一个或多个系统组件所具有的特性，(9)属于敏感点。权衡点是指某些操作会影响系统的多个质量属性，(10)属于权衡点。
第三个阶段是测试阶段，根据足球运动员信息管理系统特性，我们首先确定场景优先级，由高到低分别是：性能、可靠性、可用性、可修改性、安全性、易用性。
架构权衡分析方法所谓权衡在此得到了体现，质量属性每个都很重要，但是根据系统特点需要对质量属性有优先级排序，架构设计时需要所有权衡和折中。
确定了优先级之后，我们需要具体阐述针对每个质量属性采取了哪些方案，例如提升性能使用了缓存，提升可修改性使用了策略模式，提升可靠性使用了统一异常处理框架等等，具体方案可以参考本文第一章节。
第四个阶段是报告阶段，我们将评估过程和结果都汇总整理成文档，其中包括质量属性效用树、风险点、敏感点、权衡点、每次评估会议纪要以及最终架构决策。
3 文章总结
第一系统满足功能性需求是最基本的要求，作为架构师不能就此止步，不仅应该关注功能性需求，还应该关注非功能性需求，质量属性就是衡量非功能性需求的重要指标。
第二架构评估方法分为基于问卷、基于度量、基于场景三种方式，目前业内较为流行的是基于场景的评估方法，ATAM是一种优秀的基于场景评估方法。
第三ATAM以质量属性效用树为核心，帮助架构师识别项目风险点、敏感点、权衡点，指导架构师做出合理架构决策。
4 延伸阅读
JAVA前线
欢迎大家关注公众号「JAVA前线」查看更多精彩分享，主要内容包括源码分析、实际应用、架构思维、职场分享、产品思考等等，同时也非常欢迎大家加我微信「java_front」一起交流学习