作者 | 张建飞 阿里巴巴高级技术专家
导读：针对业务在不同场景下的差别，咱们经常会习惯性地应用 if-else 来实现不同的业务逻辑，长此以往代码越来越难以保护。那么如何打消这些 if-else？面对简单业务应如何思考和剖析？本文分享阿里高级技术专家张建飞（Frank）对于简单业务治理的方法论，介绍一种多维度剖析问题的办法：矩阵分析法。
You should not be a if-else coder, should be a complexity conquer.
——Frank
这篇文章，是对之前我在《阿里高级技术专家方法论：如何写简单业务代码？》说的“自上而下的结构化合成 + 自下而上的形象建模”方法论的降级。因为在之前的方法论中，咱们短少一个多维度看问题的视角，这种维度思维的缺失，可能会导致 miss 掉一些重要的业务信息，从而使咱们制订软件设计策略的时候，陷入艰难。
有了维度思维，咱们便能够更加方面的去看清业务的全貌，更加全面的掌握业务信息，从而帮忙咱们更加体系化的去治理复杂性。
从 if-else 说起
我常常说，咱们不要做一个 if-else coder。这里的 if-else，不是说咱们在 coding 的时候不能应用 if-else，而是说咱们不应该简陋地用 if-else 去实现业务的分支流程，因为这样随便的代码堆砌很容易堆出一座座“屎山”。
业务的差异性是 if-else 的本源。以批发通的商品业务为例。不同的解决场景，其业务逻辑实现是有差异性的。如下图所示，商品业务的差异性，次要体现在商品类型、销售形式和仓储形式的不同。
这三个维度上的差别组合起来，有 2 3 2 = 12 之多。这就是为什么在老代码中，到处能够看到 if(组合品) blabla，if(赠品) blabla，if(实仓) blabla 之类的代码。
那么，要如何打消这些厌恶的 if-else 呢？咱们能够思考以下两种形式：
- 多态扩大：利用面向对象的多态个性，实现代码的复用和扩大。
- 代码拆散：对不同的场景，应用不同的流程代码实现。这样很清晰，然而可维护性不好。
1. 多态扩大
多态扩大能够有继承和组合两种形式。继承勿用多言，组合有点像策略模式，也就是把须要扩大的局部封装、形象成须要被组合的对象，而后对其进行扩大，比方星环的能力扩大点就是这种形式。
这里，咱们举一个继承的例子，商品在上架的时候要查看商品的状态是否可售，普通商品（Item）查看本人就好了，而组合商品（CombineItem）须要查看每一个子商品。
用过程式编码的形式，很容易就能写出如下的代码：
public void checkSellable(Item item){if (item.isNormal()){item.isSellable();
// 省略异样解决
}
else{List<Item> childItems = getChildItems();
childItems.forEach(childItem -> childItem.isSellable());
// 省略异样解决
}
}然而，这个实现不优雅，不满足 OCP，也短少业务语义显性化的表白。更好的做法是，咱们能够把 CombineItem 和 Item 的关系通过模型显性化的表达出来。
这样一来，一方面模型正确的反馈了实体关系，更清晰了。另一方面，咱们能够利用多态来解决 CombineItem 和 Item 的差别，扩展性更好。重构后，代码会变成：
public void checkSellable(Item item){if (!item.isSellable()){throw new BizException("商品的状态不可售，不能上架");
}
}2. 代码拆散
所谓的代码拆散是指，对于不同的业务场景，咱们用不同的编排代码将他们离开。以商品上架为例，咱们能够这样写：
/**
* 1. 普通商品上架
*/
public void itemOnSale(){checkItemStock();// 查看库存
checkItemSellable();// 查看可售状态
checkItemPurchaseLimit();// 查看限购
checkItemFreight();// 查看运费
checkItemCommission();// 查看佣金
checkItemActivityConflict();// 查看流动抵触
generateCspuGroupNo();// 生成单品组号
publishItem();// 公布商品}
/**
* 2. 组合商品上架
*/
public void combineItemOnSale(){checkCombineItemStock();// 查看库存
checkCombineItemSellable();// 查看可售状态
checkCombineItemPurchaseLimit();// 查看限购
checkCombineItemFreight();// 查看运费
checkCombineItemCommission();// 查看佣金
checkCombineItemActivityConflict();// 查看流动抵触
generateCspuGroupNo();// 生成单品组号
publishCombineItem();// 公布商品}
/**
* 3. 赠品上架
*/
public void giftItemOnSale(){checkGiftItemSellable();// 查看可售状态
publishGiftItem();// 公布商品}这种形式，当然也能够打消 if-else，彼此独立，也还清晰。但复用性是个问题。
3. 多维分析
仔细的你可能曾经发现了，在下面的案例中，普通商品和组合商品的业务流程根本是一样的。如果采纳两套编排代码，有点冗余，这种反复将不利于前期代码的保护，会呈现散弹式批改（一个业务逻辑要批改多处）的问题。
一个极其状况是，如果普通商品和组合商品，只有 checkSellable() 不一样，其它都一样。那毫无疑问，咱们应用有多态（继承关系）的 CombineItem 和 Item 来解决差别，会更加适合。
而赠品上架的状况恰恰相反，它和其余商品的上架流程差别很大。反而不适宜和他们合用一套流程代码，因为这样反而会减少别人的了解老本。还不如独自起一个流程来的清晰。
那么，问题来了，咱们什么时候要用多态来解决差别，什么时候要用代码拆散来解决差别呢？
接下来，是我明天要给你着重介绍的多维度剖析问题的方法论之一：矩阵分析法。
咱们能够弄一个矩阵，纵列代表业务场景，横列代表业务动作，外面的内容代表在这个业务场景下的业务动作的具体业务流程。对于咱们的商品业务，咱们能够失去如下的矩阵：
通过下面的矩阵剖析，咱们不难看出一般品和组合品能够复用同一套流程编排代码，而赠品和出清品的业务绝对简略，更适宜有一套独立的编排代码，这样的代码构造会更容易了解。
维度思维
1. 多维度的重要性
下面的案例不是我假造进去的，而是我在和张文（我共事）探讨应该用哪种形式去解决业务差别的实在故事。
我记得在和大学探讨完，开车回去的路上，我始终在想这个问题，而后在第二个路口等红灯的时候，忽然有一个灵感冒进去。我克制不住兴奋，一边开车，一边发消息给张文说：“我想到了一个很 NB 的方法论，能解决在‘多态扩大’和‘代码拆散’之间如何做抉择的问题”。
其实，我晓得我兴奋的不仅仅是解决了这个问题。我兴奋的是，我第一次真正领悟到了多维度思考的重要性。从而有机会从一个“单维度”生物，升级成一个“多维度”思考者。妈妈再也不必放心我被“降维打击”了 :)
结构化思维有用、很有用、十分有用，只是它更多关注的是单向维度的事件。比方我要拆解业务流程，我要合成老板给我的工作安顿，我要梳理测试用例，都是单向维度的。
而复杂性，通常不仅仅是一个维度上的简单，而是在多个维度上的穿插复杂性。当问题波及的因素比拟多，彼此关联关系很简单的时候，两个维度必定会比一个维度要来的清晰，这也是为什么说矩阵思维是比结构化思维更高层次的思维形式。
实际上，咱们从汉语的词汇上，也不难看出一个人的思维层级，是和他的思考维度正相干的。当咱们说这个人很“轴”、“一根筋”的时候，实际上是在说他只有一维的线性思维。所以，察看事物的视角越多，维度越丰盛，其思维层级也会越高。
2. 无处不在的多维思考
有了这些感悟，我开始零碎的整顿对于多维度思考剖析的材料，发现这种思考形式真是无处不在。发现的越多，我越是感叹，为什么如此重要的思维形式，我到当初才领悟到。
1）波士顿矩阵
比方，在做产品剖析的时候，有对产品发展前景进行剖析的波士顿矩阵。
2）订单因素剖析
当年，我在 1688 做交易下单业务的时候，有十分多的下单场景，每种场景下，买家享受的权利是不一样的（如下表所示）。咱们过后也是应用了矩阵去表白这个简单的关系，只是过后还没有想到要将其晋升到方法论的高度。
3）数据穿插剖析
在数据分析中，维度剖析是十分重要的，特地是维度很多的时候，咱们能够通过皮尔逊积矩相关系数，做穿插剖析，从而补救独立维度剖析没法发现的一些问题。
简略相关系数矩阵
4）剖析矩阵
最近我碰巧看到 Alan Shalloway 写的《设计模式解析：Design Patterns Explained》，这是一本十分经典的对于 OOP 的书，外面的第十六章就是专门讲“剖析矩阵”的，作者发明这个方法论的初衷也是因为业务波及的因素太多，信息量太大，他须要一种组织海量数据的新形式。
我和 Alan 的门路不一样，然而都得出了同样的论断。由此可见，这种矩阵剖析的形式确实是对简单业务进行剖析的一把利器，业务场景越多，穿插关系越是简单，越须要这样的剖析。
5）组织阵型
生产关系决定生产力，对于一个管理者来说，如何无效的设置组织构造是决定团队是否能高效合作的要害。所以咱们能够看到公司外面，每年都有比拟大的对于组织构造和人员安顿的调整。
对于技术团队来说，咱们习惯于按畛域划分工作范畴，这样做的益处是责任到人、职责清晰。然而，畛域只是一个维度，咱们工作通常都是以我的项目的模式的发展，而我的项目通常是贯通多个畛域的。所以，在做团队组织布局的时候，咱们能够通过业务畛域和业务我的项目两个维度去看。
比方，在我负责的商品团队，我会依照如下的模式去做职责划分。
6）工夫维度
除了工作，生存中也到处可见多维思考的重要性。
比方，咱们说节约可耻，应该把盘子舔的很洁净，岂不知加上工夫维度之后，你以后的舔盘，前面可能要消耗更多的资源和精力去减肥，反而会造成更大的节约。
咱们说代码写的俊俏，是因为要“疾速”撑持业务，加上工夫维度之后，这种长期的斗争，换来的是意想不到的 bug，线上故障，以及无止尽的 996。
7）RFM 模型
简略的思考是“点”状的，比方舔盘、代码堆砌就是当下的“点”；好一点的思考是“线”状，加上工夫线之后，不难看出“点”是有问题的；再全面一些的思考是“面”（二维）；更体系化的思考是“体”（三维）；比方，RFM 模型就是一个很不错的三维模型。惋惜的是，在表白上，咱们人类只能在二维的空间里去模仿三维，否则四维可能会更加有用。
简单业务治理总结
在前言局部，我曾经说过了，多维分析是对之前方法论的降级。加上以前的方法论，残缺的方法论应该是“业务了解 –> 领域建模 –> 流程合成 –> 多维分析”。
为了不便大家了解，上面我把这些方法论做一个简略的串联和解释。
1. 业务了解
了解业务是所有工作的终点。首先，咱们要找到业务的外围因素，了解外围概念，梳理业务流程。
比方，在批发通的商品域，咱们要晓得什么是商品（Item），什么是单品（CSPU），什么是组合品（CombineItem）。在下单域，咱们要晓得订单（order）的形成因素是商品、优惠、领取。在 CRM 畛域，咱们要了解客户、机会、联系人、Leads 等等。
这里，我想再次强调下语言的重要性，语言是咱们思考的载体，就像维特根斯坦说的：“但凡可能说的事件，都可能说分明”。
你不应该放过任何一个含糊的业务概念，肯定要透彻的了解它，并给与正当的命名（Ubiquitous Language）。唯有如此，咱们能力更加清晰的了解业务，能力更好的发展后续的工作。
2. 领域建模
在软件设计中，模型是指实体，以及实体之间的分割，这里须要咱们具备良好的形象能力。可能透过庞杂的表象，找到事务的实质外围。
再简单的业务畛域，其外围概念都不应该太简单，抓住了外围，咱们就抓住了主线，业务往往都是围绕着这些外围实体开展的。
比方，商品域尽管很简单，但其外围的畛域模型，无外乎就如下图所示：
3. 流程合成
对于流程合成，在《阿里高级技术专家方法论：如何写简单业务代码？》外面曾经有十分具体的论述，这里就不赘述了。
简略来说，流程合成就是对业务过程进行具体的合成，应用结构化的方法论（先演绎、后演绎），最初造成一个金字塔构造。
比方，在商品畛域，有创立商品、商品上架、上架审核、商品下架、下架审核、批改商品、删除商品等一些列动作（流程），每个动作的背地都有非常复杂的业务逻辑。咱们须要对这些流程进行具体的梳理，而后按步骤进行合成。最初造成一个如下的金字塔构造：
4. 多维分析
对于多维分析，我以二维的矩阵剖析为例，我想我后面应该曾经说分明了。
业务的复杂性次要体现在流程的复杂性和多维度因素互相关联、依赖关系上，结构化思维能够帮咱们梳理流程，而矩阵思维能够帮忙咱们梳理、出现多维度关联、依赖关系。二者联合，能够更加全面的展示简单业务的全貌。从而让咱们的治理能够对症下药、有章可循。
既然是方法论，在这里，我会尝试给出一个矩阵剖析的框架。试想下，如果咱们的业务很简略，只有一个业务场景，没有分支流程。咱们的零碎不会太简单。之所以简单，是因为各种业务场景相互叠加、依赖、影响。
因而，咱们在做矩阵剖析的时候，纵轴能够抉择应用业务场景，横轴是备选维度，能够是受场景影响的业务流程（如文章中的商品流程矩阵图），也能够是受场景影响的业务属性（如文章中的订单组成因素矩阵图），或者任何其它不同性质的“货色”。
通过矩阵图，能够清晰的展示不同场景下，业务的差异性。基于此，咱们能够定制满足差异性的最佳实现策略，可能是多态扩大，可能是拆散的代码，也可能是其它。
这就是矩阵剖析的要义，其本质是一种多维度思考的方法论。
篇后寄语
最初，我想说世界是熵增的（即万物都在迟缓的土崩瓦解），管制复杂度是咱们这些从业者无奈推卸的责任和使命。
软件行业的倒退才几十年，还是一门年老的学科，软件工程就像一个刚学会走路的小孩，还很不成熟，有时还很童稚。
但毕竟还是有几十年的积淀，还是有一些好的办法和实际能够参考，我的这些总结积淀只是在前人的根底上，多走了一点点而已。但就是这一点点，也实属来自不易，其中冷暖，只有本人能领会。能够说，这一路走来，是一场对心力、脑力和膂力的继续考验。
- 心力 是指不将就的匠心，不斗争的信心，不满足的好奇心、以及不放弃的恒心。
- 脑力 是指那些必要的思维能力、学习能力、思考能力、思辨能力。
- 之所以说“业务了解 –> 领域建模 –> 流程合成 –> 多维分析”是 膂力，是因为实现它们就像是在做填空题，只有你违心花工夫，再简单的业务都能够循序渐进的清晰起来。
梳理清晰了，再配合 COLA（https://start.aliyun.com/）的领导，咱们就有可能写出清晰、易读的代码，就有可能从一个 if-else coder 降级为一个 complexity conquer。
而这不正是咱们工程师手不释卷的谋求吗?
“阿里巴巴云原生关注微服务、Serverless、容器、Service Mesh 等技术畛域、聚焦云原生风行技术趋势、云原生大规模的落地实际，做最懂云原生开发者的公众号。”