软件工程的来龙去脉
The roots of software engineering
理解规模、变化和依赖,重新审视过程、契约与反馈。
一、软件危机是规模、变化与协调的问题
开场的实时 AI 交互和标签打印机演示说明,现代工具能很快把现成能力接起来。课堂随后回顾软件工程诞生时的处境。计算机能做的事越多,客户交给软件的任务越复杂,系统就越难仅靠个人经验维持。一个算法题只需要在固定输入规则下完成一次,长期运行的系统还要面对数据、硬件、用户和业务规则的变化。
软件工程要在时间、成本和人员能力的约束下,把人的意图变成可工作、可验证、可维护的系统。需求人员、设计人员、实现者、测试人员看到的问题不同。工程流程的价值在于让他们交换有效的信息,并尽早发现理解不一致。
二、结构化程序设计让局部推理成为可能
Dijkstra 对控制流的讨论,从课程角度看,关注的是程序员能否理解程序如何到达一个位置,以及该位置有什么条件成立。任意跳转越多,就越难判断数据和状态从哪里来。明确的入口、出口和分解方式,可以先理解局部,再组合出整体结论。
结构化思想也适用于项目。把打印工具分成输入处理、设备驱动和输出验证,能分别检查不同层的行为。Apollo 软件案例则把可靠性放到了更大规模的协作里。即使单个组件正确,团队仍要考虑硬件异常、不同子系统的接口和整体运行条件。
三、读 Royce 的论文,理解瀑布图背后的反馈问题
顺序图表示阶段依赖
需求分析提供目标,设计据此定义结构,实现落实设计,测试观察真实行为,交付后还要维护。顺序图直观地画出了产物之间的前后依赖。课堂读原文时把重点放在 Royce 对这种顺序安排的风险分析。
如果前面阶段只有描述和模型,程序到了系统测试才第一次完整运行,前期的错误假设会集中暴露。失败可能来自代码,也可能来自设计,甚至来自对客户目标的误解。如果要修改上游产物,基于它的多项工作需要重做。
提前让关键假设碰到证据
课上的 Royce 讨论涉及早期设计、试做系统和 Doing it twice。可以用成本更低的小规模试做检查最危险的假设,把结果反馈给正式设计。这里的「两遍」是先学习再交付的一种安排。课程将它类比到现代原型和 MVP,强调试做规模取决于需要验证什么。
| 不确定性 | 可以提前取得的反馈 |
|---|---|
| 用户是否真的需要这段流程 | 跟目标使用者走一遍实际场景,比较已有操作 |
| 架构能不能连通关键部件 | 先做最小的端到端路径,观察接口和运行约束 |
| 实现是否满足某条行为 | 写可运行的测试,尽早得到失败结果 |
| 规则调整会影响哪些产物 | 建立需求、设计、实现和测试的关联 |
四、用数据依赖解释返工成本
讲师把阶段产物看作依赖图。一个需求可能被几项设计使用,设计又被多个模块和测试使用。晚发现一条根需求错了,整个下游都可能失去依据。图中离问题最近的测试是检测点,源头可能在更早一层。
例如,团队把「账户删除」规格写成清除记录,代码和测试都符合。如果客户实际需要的是允许恢复的停用流程,修改只删一处代码行解决不了问题。规格、数据保留策略、界面和测试都需要回顾。这个例子是对课堂依赖图的应用。
更短的反馈周期可以减少已经据此展开的下游工作。敏捷迭代强调先串起一个很小的可运行版本,然后扩展。测试驱动开发把具体行为先写成可执行的失败检查,再用实现使其通过。两者的反馈尺度不同,但都在缩短从作出假设到看到结果的时间。
五、用最小端到端切片提前学习
以一个带容量限制的选课系统为练习。第一步只做学生请求、检查资格、确认占位和查询结果。用一门课、一名学生验证流程和可观察状态,再用两人抢最后一个名额验证一致性。前者是在探测接口能否联通,后者针对设计最容易失效的条件。通过后增加等待名单、学期切换、退课等变化,可以更早发现原模型哪些假设需要调整。
可以把验收按三个问题排布。使用者需要的流程是否正确,设计结构能否容纳规则,具体实现有没有满足设计。越早取得对应证据,越早知道该修改意图、规格还是实现。这个顺序将 Royce 的试做思想、迭代和可执行测试连起来。
六、检查工具各自能证明什么
| 手段 | 适合回答的问题 | 检查边界 |
|---|---|---|
| 样例测试 | 这个输入能不能得到约定输出? | 覆盖显式选择的情况 |
| 属性测试 | 一类生成输入是否都表现出某个性质? | 结果取决于输入生成与属性表达 |
| 断言与契约 | 某条件在运行或分析时是否成立? | 要明确前置条件、后置条件和不变量 |
| 形式化验证 | 在建模假设下,能否证明性质? | 依赖模型、规格和证明适用的范围 |
| 用户验证 | 交付行为是否真正满足使用场景? | 需要目标使用者或具代表性的场景 |
例如,双向链表节点之间的往返关系可以用断言表达。需求「使用者希望更快处理业务」则需要分解成明确场景,再决定怎样观察和评价。实现层的检查通过以后,仍应核实规格覆盖了用户的实际目标。
七、用可追踪关系组织项目产物
课程讨论需求追踪矩阵和建模语言。需求编号可以关联设计决定、代码位置和测试,也能反向从某条测试追到业务目的。出了问题时,这些关系用来定位可能出错的层次。变更到来时,用来找出所有需要重新验证的产物。
UML 等结构化描述可以澄清事物之间的关系、动作顺序与并发约束。文本、图和代码各有适合的表达范围。团队可以选择最容易持续校对的表达方式,把关键规则放到可被其他产物引用的位置。
八、把模型、图和检查连起来
讲义把 UML 拆成五项可以迁移的思想。通过它们能决定哪种信息值得显式建模,也能判断一张图遗漏的信息是否影响开发。
| 思想 | 可用的组织方式 | 以选课为例 |
|---|---|---|
| 模型和图分层 | 保存元素、关系和约束,再画不同视图 | 状态图突出选课进度,数据图突出学生和课程关系 |
| 区分行为和契约 | 说明每次执行前后必须成立的条件 | 容量有限,确认成功的选课占用一个名额 |
| 留白有语义 | 标出明确决定和待定细节 | 先确认超额时的业务行为,暂缓决定提示样式 |
| 按语义区分表达 | 时间顺序、依赖、归属分别建模 | 申请发生在确认之前,确认依赖容量和资格 |
| 检查模型本身 | 检查引用、状态和关系是否完整 | 每种结果都能关联触发事件,状态转移指向已知状态 |
一个顺序图只描述典型交互时,异常路径需要另外说明。在设计调整后,应更新共享模型或把其有用关系搬进测试与项目资料。理解和维护成本超过收益时,可以选择更贴近团队工作的表达。关键约束仍应有明确的归属与验证。
把 Design by Contract 落到一次调用
若一个函数接受已确认有效的课程编号,可以把编号有效写成前置条件。函数承诺在成功时创建对应记录、保留其他学生的状态,这属于后置条件。课程容量永远不能失守,是跨多次调用的不变量。测试可以检查边界前提和错误行为,运行时断言可以更早发现违反契约的状态,形式化方法则在明确定义的模型下分析更广的行为。
这三类条件也能帮助排错。前提没满足时沿调用方向查输入,前提已满足而结果错时查实现,不变量在并发下被破坏时查事务边界和协调。契约里如果漏了用户真正关心的条件,还要回到需求确认。
复习与应用
找一个真实功能,画出「目标 → 规格 → 设计 → 实现 → 验证」的依赖关系。标出如果最上游的假设出错,哪些交付物要重做。再设计一个低成本原型,让该假设尽早遇到反馈。
停一下,解释给自己听。
提前写一份完整设计,就能消除后续返工吗?
展开答案要点
设计会暴露依赖,但无法自动消除未知假设。应通过小型端到端切片让关键假设尽早接触真实证据,再更新设计。
已读由你决定,不代表自动评估掌握程度。