架构与系统设计 / 系统课时
用变更频率校验服务边界
用变更频率校验服务边界
服务边界画得是否合理,最终要经得起真实变化的检验。本篇用“共同修改”作为证据:从提交或合并请求中找出经常一起变化的模块,再结合业务原因判断它们是否被错误地拆开,或只是接口设计造成了不必要的联动。
学习目标
- 能把提交记录转换为模块之间的共同变更关系
- 能区分“同一业务原因导致的耦合”和普通技术联动
- 能依据变更证据决定保持边界、重构接口或重新合并职责
为什么共同变更能暴露边界问题
理想的微服务边界应让大多数业务变化停留在一个边界内。如果一个需求经常同时修改订单服务和定价服务,而且两者必须一起发布,这说明当前切分可能穿过了同一个业务能力或一致性规则。
但“同时改过”本身不是结论。日志字段、鉴权中间件、SDK 升级等横切改动会制造假关联;一次大型重构也会让大量模块同时变化。分析时应优先观察一段稳定周期内,由同一业务需求驱动的重复共同变更。

把提交记录转换成可比较的关联度
先统一分析单位:可以按一次提交,也可以按一个 Pull Request。团队如果习惯把一个需求拆成很多小提交,优先使用 PR,否则单个提交会把关联度稀释。
再把文件路径映射到稳定的业务模块,例如 services/order、services/pricing。对任意两个模块 A、B,除了统计共同出现次数,还应考虑各自变更总量。一个简单做法是使用 Jaccard 比例:共同变更次数除以“至少有一个模块变化”的次数。
下面的完整 Python 示例用一组可重复的变更记录计算模块关联度:
from collections import Counter
from itertools import combinations
commits = [
{"order", "pricing"},
{"order", "pricing"},
{"order", "inventory"},
{"order", "pricing"},
{"billing"},
{"order", "pricing"},
]
module_changes = Counter()
pair_changes = Counter()
for changed_modules in commits:
for module in changed_modules:
module_changes[module] += 1
for left, right in combinations(sorted(changed_modules), 2):
pair_changes[(left, right)] += 1
print("module_a,module_b,co_change,union_commits,jaccard")
for (left, right), together in sorted(pair_changes.items()):
union = module_changes[left] + module_changes[right] - together
ratio = together / union
print(f"{left},{right},{together},{union},{ratio:.2f}")预期输出:
module_a,module_b,co_change,union_commits,jaccard
inventory,order,1,5,0.20
order,pricing,4,5,0.80示例中 order 与 pricing 的 0.80 明显高于 inventory 与 order 的 0.20,因此值得继续调查。实际项目不要直接把 0.80 当成通用阈值;先按团队历史数据找出相对异常的高关联组合,再回看对应需求和评审记录。
用业务原因解释高关联
高关联组合需要逐条回答“为什么一起改”。如果两边经常因为同一个业务规则、同一个状态机或同一个事务不变量而同时变化,边界很可能切得过细。若只是因为接口字段频繁传播、同步调用链过长或重复模型复制,则更可能是契约设计问题,而不是领域边界错误。
| 观察到的共同变更 | 更可能的问题 | 优先动作 |
|---|---|---|
| 同一业务规则两边都要修改 | 职责被拆散 | 重新评估是否合并到同一边界 |
| 一边加字段,另一边被动跟改 | 契约耦合 | 收窄接口或改用更稳定的事件语义 |
| 多个服务因基础库升级同时改 | 技术横切变化 | 从边界判断样本中剔除 |
| 两个服务总是同发版但需求不同 | 发布流程耦合 | 先解除流水线或版本绑定 |
把证据变成边界调整
边界调整要同时看变更关联和业务含义。高共同变更 + 同一业务原因 + 同一一致性约束,是重新合并职责的强信号;高共同变更 + 业务能力清晰独立,则优先修复同步调用、共享模型或数据库依赖。若共同变更低、服务可以独立发布,现有边界通常已经在顺应业务变化。
变更频率适合做“边界体检”,不适合单独做自动拆分算法。真正可靠的判断,是把代码证据与业务语义、数据所有权和发布独立性放在一起看。