C.4 架構演進與技術債案例(Netscape 重寫之死、Y2K 千禧蟲跨國危機、Netflix 混沌工程)

學完本節,你能夠:

  1. 說明「全部重寫」與「逐步替換」兩種系統更新策略的商業代價,並為一個老舊系統選擇其一。
  2. 用 Y2K 的例子解釋技術債如何產生「利息」,並指出現代系統中類似的隱藏限制。
  3. 說明 Netflix「主動製造故障」的邏輯,並設計一個商業流程的故障演練。

開場:系統老了,怎麼辦?

第 1.2 節介紹過技術債:為了趕進度或省成本走捷徑,日後要付出更高的修改成本,就像借錢要付利息。

本節三個案例都在處理同一類問題:

案例 年代 面對的問題 採取的策略 一句話教訓
Netscape 1998–2000 程式碼老舊難維護 從零重寫 重寫期間,市場不會等你
Y2K 千禧蟲 1960 年代–2000 早年為省空間留下的設計限制 全球大規模修補 技術債會在最不方便的時候到期
Netflix 2008 年起 雲端環境隨時可能故障 主動製造故障來練習 與其祈禱不出事,不如練習出事

案例一:Netscape——從零重寫的代價

事件經過

Netscape 在 1995 年上市,它的瀏覽器 Netscape Navigator 在 1990 年代中期占有大部分市場。之後微軟把 Internet Explorer(IE)與 Windows 一起提供,市占率快速成長,雙方展開「瀏覽器大戰」。

Netscape 的程式碼經過幾年快速開發,修補累積,維護越來越困難。1998 年,Netscape 將瀏覽器原始碼開源(Mozilla 計畫),同年 10 月,開發團隊決定放棄既有程式碼,以新的排版引擎從頭重寫。同年 11 月,美國線上(AOL)宣布收購 Netscape,於 1999 年完成。

flowchart LR A["1997/06
Netscape 4.0 推出"] --> B["1998/10
決定放棄舊程式碼
從頭重寫"] B --> C["1998–2000
沒有重大新版本
IE 持續成長"] C --> D["2000/11
Netscape 6.0 推出
品質不穩"] D --> E["2000 年代初
IE 市占率超過九成"] style C fill:#fef9c3,stroke:#ca8a04 style E fill:#fee2e2,stroke:#ef4444

從 4.0 到 6.0,中間將近三年沒有推出新一代版本。Netscape 6.0 推出時問題很多,而 IE 已經主導市場。2003 年 AOL 解散了 Netscape 瀏覽器團隊,同年 Mozilla 基金會成立,後來推出 Firefox。

軟體公司創辦人 Joel Spolsky 在 2000 年 4 月發表〈你永遠不該做的事〉(Things You Should Never Do),把 Netscape 的決定稱為「任何軟體公司可能犯下的最糟糕的戰略錯誤:決定從零重寫程式碼」。他的主要理由是:舊程式碼看起來雜亂,但其中許多修補,都是過去真實遇過、修好的錯誤;全部丟掉,等於丟掉這些累積的知識。

⚠️ 公平地說:瀏覽器大戰的結果還受到微軟搭售策略等因素影響(美國司法部也因此對微軟提起反壟斷訴訟)。重寫不是 Netscape 失敗的唯一原因,但它讓 Netscape 在最關鍵的幾年缺席了。

關鍵決策點

選項 好處 代價
A. 從零重寫 架構乾淨、長期好維護 重寫期間沒有新產品;新程式碼會有新錯誤
B. 在舊程式碼上逐步重構 持續推出新版本、保留已修好的錯誤 改得比較慢,要長期容忍不完美

軟體工程/管理教訓

  1. 重寫的真正成本是時間。 市場、競爭對手、客戶都不會停下來等你。
  2. 逐步替換通常比全部重寫安全。 常見做法是「絞殺榕模式(Strangler Fig Pattern)」:新功能用新模組做,舊模組一個個被替換掉,舊系統在過程中持續運作。名稱來自絞殺榕慢慢包覆並取代宿主樹的生長方式。
  3. 舊程式碼裡藏著商業知識。 某個看似奇怪的判斷,可能是為了處理某個重要客戶的特殊狀況。

對應本書章節

  • 1.2 專案的商業經濟帳:人月神話、溝通稅與技術債
  • 3.2 架構模式的商業權衡(演進式架構)

討論題

  1. 公司有一套用了 15 年的 ERP,介面難用,但每天穩定處理大量外貿訂單。年輕主管提議「全部打掉重做」。請用 Netscape 案例說明風險,並提出一個逐步替換的計畫(先換哪個模組?為什麼?)。
  2. 在什麼情況下,從零重寫反而是合理的?請至少提出兩個條件。

案例二:Y2K 千禧蟲——延遲到期的技術債

事件經過

1960、70 年代的電腦記憶體與儲存空間非常昂貴。為了節省空間,許多程式用兩位數記錄年份:1968 存成 68。當時很少人預期這些系統會用到 2000 年。

結果這些系統一用就是幾十年,被層層包在銀行、保險、電力、政府等核心系統裡。到了 2000 年,00 可能被解讀成 1900 年:

計算 程式以為的 正確的
1999 年開戶,2000 年計算存款年資 00 − 99 = −99 年 1 年
1950 年出生的保戶,2000 年計算年齡 00 − 50 = −50 歲 50 歲
到期日在 2000 年的貨物 被判定為「已過期近百年」 尚未到期

1990 年代後期,各國政府與企業展開大規模的檢查與修補。研究機構 IDC 估計,全球為此投入約 3,000 億美元,事前的預測甚至更高。2000 年 1 月 1 日到來時,只發生少數零星問題。

flowchart LR A["1960–70 年代
記憶體昂貴
年份只存兩位數"] --> B["數十年
系統持續沿用
被層層包在核心業務中"] B --> C["1990 年代後期
全球大規模檢查修補"] C --> D["2000/01/01
只有零星問題"] D --> E["事後爭論
是修得好?
還是花太多?"]

關鍵決策點

這個案例有兩個決策點,相隔三十年:

時間 決策 當時是否合理
1960–70 年代 年份只存兩位數 合理:記憶體很貴,且沒人預期系統會用那麼久
1990 年代 花大錢全面檢查修補 事後有爭議:問題很少,可能是修得好,也可能是高估了風險

第二個決策點有一個管理學上的難題,常被稱為「預防悖論」:預防成功,就看不到災難;看不到災難,就有人說錢花太多了。

軟體工程/管理教訓

  1. 技術債不一定是錯誤,但一定要記錄。 兩位數年份在當時是合理取捨,問題在於沒有人追蹤「這個假設什麼時候會失效」。
  2. 資料格式的決策影響最久。 程式可以改,但資料一旦大量累積,格式就很難變。資料欄位設計時要想「十年後還夠用嗎?」
  3. 現代的「小千禧蟲」:電話號碼欄位只留 10 碼、金額欄位最多 8 位數、假設每位客戶都有「姓」和「名」、2038 年問題(部分系統以 32 位元整數儲存時間,會在 2038 年溢位)。

對應本書章節

  • 1.2 專案的商業經濟帳(技術債)
  • 12.3 統一企業全局認知:Shared Context 與單一真實資料源(資料定義的一致性)

討論題

  1. 請檢查你常用的一張試算表或表單(例如社團收支表、報名表),找出一個「現在夠用、但未來可能出問題」的欄位設計。
  2. 如果你是 1998 年的銀行資訊長,董事會質疑「花這麼多錢修一個可能不會發生的問題」,你會怎麼說明?事後如果什麼事都沒發生,又要怎麼證明錢沒有白花?

案例三:Netflix 混沌工程——主動練習出事

事件經過

2008 年 8 月,當時以郵寄 DVD 租片為主的 Netflix 發生大型資料庫損毀,約有三天無法寄出 DVD。Netflix 因此決定逐步把系統搬到亞馬遜的雲端服務(AWS),並採用由許多小型服務組成的架構(第 3.2 節會說明這類「微服務」架構)。

在雲端上,任何一台伺服器都可能隨時故障。Netflix 的工程團隊認為:與其希望故障不要發生,不如讓故障經常發生,逼系統學會自己處理。

2010–2011 年間,Netflix 推出 Chaos Monkey(混沌猴子):在上班時間隨機關閉正式環境中的伺服器。選在上班時間,是因為工程師都在,出問題可以馬上處理。之後又發展出一系列工具,統稱 Simian Army(猴子軍團),例如:

工具 模擬的故障範圍
Chaos Monkey 隨機關閉單一伺服器
Chaos Gorilla 一整個 AWS「可用區」(一個或多個資料中心)失效
Chaos Kong 一整個 AWS「區域」失效

Netflix 在 2012 年把 Chaos Monkey 開源,這套做法後來被稱為混沌工程(Chaos Engineering)。

實際效果:2011 年 4 月 AWS 美東區域發生大規模故障,許多知名網站停擺,Netflix 受影響相對輕微;2014 年 9 月 AWS 為修補漏洞而大量重新啟動伺服器,Netflix 的資料庫伺服器有部分沒能重新上線,但服務沒有中斷,Netflix 將此歸功於平時的混沌測試。需要說明的是,Netflix 並非從此不受影響,例如 2012 年聖誕夜的 AWS 故障就曾造成部分裝置無法播放。

關鍵決策點

選項 好處 代價
A. 盡量避免故障,簽 SLA 求償 平時看起來穩定 真正故障時沒人練習過,手忙腳亂
B. 主動在正式環境製造故障 問題在可控時間內被發現 需要投入工程資源,且要說服管理層接受「故意弄壞」

軟體工程/管理教訓

  1. 能自動復原的系統,是被練出來的。 每個服務都必須預設「我依賴的東西隨時會壞」,並準備好替代方案。
  2. 故障演練要在可控的時間與範圍內進行。 選上班時間、從小範圍開始,是風險管理,不是冒險。
  3. 商業版本:供應鏈與營運同樣可以演練,例如假設主要供應商停工一週、主要金流服務當機一天,看看流程能不能撐住。

對應本書章節

  • 3.5 AI 時代的企業系統設計(可插拔架構)
  • 6.4 AI 驅動的異常偵測與業務自癒系統
  • 9.4 糾正機制:商業熔斷器與優雅降級

討論題

  1. 你是一家跨境電商的營運主管,請設計一次「金流服務商當機 4 小時」的演練:演練前要準備什麼?要觀察哪些指標?什麼情況要立刻中止演練?
  2. 在正式環境「故意製造故障」,要說服老闆同意,你會提出哪些安全條件?

本節小結

  1. 從零重寫的最大成本是時間。 逐步替換(絞殺榕模式)讓舊系統在更新過程中持續運作。
  2. 技術債要記錄到期日。 Y2K 的取捨在當時合理,問題在於沒人追蹤假設何時失效。
  3. 主動演練故障,比祈禱不出事可靠。 Netflix 的混沌工程讓系統在真實故障時能自動應對。

練習

判斷題(討論): 第 1.1 節的報價系統若要擴充成「支援美元、日圓、歐元三種幣別」,你會在原本的程式上擴充,還是另寫一套新系統?請用本節的觀念說明理由,並指出原系統有哪些「當初合理、現在可能變成技術債」的設計(提示:欄位名稱「歐元報價」)。

國立臺中科技大學 國際貿易系 / 企業管理系 專用教材

《現代軟體工程:商學院的 AI 系統思維與 Agent 實踐》

作者:陳俊智 博士 Dr. Chun-Chih Chen

本書章節架構改編自陳鍾誠教授(金門大學)開源課程《現代軟體工程》(github.com/ccc115a/se,MIT 授權),內容針對商學院全面改寫與擴充。