问问助手

上线那天,「完成」这个词最容易被用坏

2026-09-24 Aryee 24

上线那天,最容易被人用坏的一个词是「完成」。

最常见的用法是:流量 100% 指向新系统,于是宣布完成。

这个跳跃里丢了两件事:改前改后一致这件事有没有证据,以及这套新东西是否已经有人能长期负责。

前者丢了,问题会在几周后的某个业务周期里出现。后者丢了,半年后没人愿意动它,它就变成下一个等着被改造的遗留系统。

我的验收标准是五关。每一关都要有别人能独立核对的证据。缺证据不算通过,只有开发自己看得懂的证据也不算。

一、为什么流量全量指向新系统,不等于改完了

流量只是说明请求走进了新代码,不说明新代码给出的结果和以前一样。

它也不说明这套系统的告警有人看、日志有人查、出了事有人能定位。

所以「上线」是改造的一个节点,「完成」是另一个节点。这两个节点之间隔着证据。

二、五关验收分别要回答什么

关卡 要回答的问题 该拿出的证据 谁来核对 最常见的糊弄
功能一样 采样窗口内,每一条新旧输出的差异都找到了原因并有结论 差异报表,加上每条差异的处理结论 业务方 拿「测试通过」代替真实输入比对
数据一致 对账跑满一个完整业务周期,差异降到零 逐日差异条数曲线,附上差异按什么算 财务或结算 只比行数,不比字段
性能不变差 尾部不越过基线的正常波动,峰值水位下不垮 同期对比的分位数报表 运维 拿均值、跨期对比
能看能修 告警、日志、调用追踪、处置手册全部指向新实现 一次真实值班处置记录 值班的人 把老监控项照抄成新监控项
有人能接 没参与改造的工程师能独立完成一次小改动 由这个人在新系统上提交的一次变更 接手团队 「我给你们讲一遍」

最后一列是关键。每一关都必须有一个不是改造方的核对人。

五关全由开发自己评的项目,等于没有验收。开发能判断的只有第一关的一部分。

三、「改前改后一样」为什么不是差异为零

真实系统里,新旧输出有差异往往是正常的。浮点计算顺序不同、时间戳精度不同、排序里存在不稳定的项,都会造成差异。

所以要争的不是差异数为零,而是每一条差异都有结论。

规则只有两条:要么归到「已知且可接受」并写明理由,要么归到「必须修」。

留一条「先不管」,验收就不成立。

四、覆盖度按什么算才可信

「覆盖了 90% 的请求量」和「覆盖了全部业务形态」是两件完全不同的事。

前者按流量加权,会被高频的简单场景填满。后者要按等价类一条一条枚举。

改造验收要以后者为主,前者只用来估计影响面。

两个数字都要报。只报一个,就是在挑好看的。

五、性能基线怎么取

同期对比,不跨期。拿改造前的周一上午,对比改造后的周一上午。

跨期对比里,业务量结构的变化会盖过架构差别。你无法知道那个 P99 的改善是你的功劳,还是那天恰好没什么人用。

看分位数和尾部,不看均值。均值会被大量轻请求拉平。至少要 P95 和 P99,而且必须分接口看。

混在一起算,高频的轻接口会把低频的重接口盖住。

冷启动带来的失真,要从观察窗口里剔掉。缓存预热、连接池建立、从解释执行到编译的爬坡,会让切换后的第一个小时明显偏差。

窗口起点应该放在这之后,或者干脆把首小时单独列一档。

六、均值为什么不能当结论

这是性能这一关最容易省掉的一条:资源利用率越高,同样配置下的尾部延迟越差,而且不是线性的。

所以「机器少了 30% 但平均耗时持平」并不是一个可以收工的结论。它真正的意思是水位上去了,一次流量尖峰的后果和以前不是一回事。

改造如果带着缩量,就必须在目标水位下重压一次。看的是水位之上还剩多少余量。

这一关要的不是「持平」,而是两句话:尾部不越过基线的正常波动,并且在预期峰值水位下,余量不小于改造前。

后半句最常被忘掉,因为它的代价要到某次大促才显现。

七、数据一致这一关怎么做

对账不是跑一次脚本、看有没有报错。它要跑满一个完整的业务周期,把月末、季末、节假日这些特殊日子的数据都包进去。

每天出一条差异条数曲线,并且写清差异是按什么算出来的:按金额、按笔数、还是按状态。

只比行数是最常见的糊弄。行数对上,金额和状态可能全错。

核对的人应该是财务或结算,不是开发。

八、监控照抄过去,为什么不算迁移完成

告警规则从旧系统复制到新系统,只是把名字改了。真正的标准是:有一次真实的处置记录,是在新实现上完成定位的。

值班的人按新日志、新指标、新调用追踪,把一次异常查到具体的代码位置。

这条之所以硬,是因为它同时测了三件事:埋点够不够、指标的算法对不对、文档能不能用。三样里缺一样,处置记录就写不出来。

还有一个具体检查:日志和追踪里必须带着业务标识。

改造期最常见的退化是「错误能看见,但不知道是哪一笔」。这类问题通常在事故当天才被发现,代价是当场补日志,再重来一遍。

九、怎么判断真的有人接手了

问一句「这个新服务谁负责」。如果答案需要犹豫,或者两个团队各说一半,那它就没有负责人。

标准我只用一条:由没参与改造的人提交一次真实的小改动,并上线。

不需要大重构,那测不出接管。改个字段、加一条校验,这个量级就够。

走完这一条,说明文档、测试、发布通道、权限四样都是通的。任何一样不通,这个人会来找你,那就是验收不通过的证据。

十、旧代码什么时候才允许删

这是被跳过最多的一段。改造做完、流量走干净,很多人直接把旧代码删了,两周后被一个「它怎么还在用」的电话叫回去。

删除之前有六个前置条件。

  1. 没有流量的证据窗口要覆盖最长的业务周期。 不是连续三天没有调用,而是要覆盖到那些季度性、年度性的任务。窗口长度按本次涉及的最长周期取。
  2. 查引用不能只查代码。 配置、调度任务、SQL 脚本、视图和存储过程、权限和白名单、外部对接方的集成配置,都要查一遍。改造前梳理出的那几样没写进文档的约定,在这里全部要用上。
  3. 依赖它的周边资产先迁完。 备份策略、监控项、告警订阅、数据同步任务、报表取数。这些归运维和数据,不归开发,没人会提醒你。
  4. 分两步删:先停用观察,再清除。 第一步把入口彻底停掉,但代码和库表还在,可以快速恢复;第二步才真的移除。中间至少留一个业务周期。
  5. 删除动作的核对人必须是运维。 他们管备份、权限、监控和容量,只有他们能说清删掉之后少了一份什么保障。开发自己批的删除,等于没有复核。
  6. 临时兼容层要有到期日。 为了这次改造加的适配,都要登记归属和到期时间。没登记的东西不会被删,它会被下一代人当成「系统本来就是这样」。

十一、为什么删除要分两步

第 4 条值得多说一句:停用和清除之间的那个观察期,是整个退役过程唯一的安全保障。

一次做完的人,本质上是在赌第 1、2 条已经查全了。而这两条恰好是最容易查漏的。

十二、验收单上要写「没做的事」

签字签的不是「我信任这个团队」,而是「我已经看到这一层的证据」。

所以签字单要按层来:五层五行,每行一个核对人和一份证据。

同时必须有那一栏「签完之后仍然没做的事」。

改造结束总有已知没修的差异、被推迟的清理、临时兼容层。这一栏空着的项目,我不认为它是真做完了,更可能是没人列出来。

十三、哪几关的账是延后付的

五关里,前两关的缺失会立刻暴露,业务方会来找你。后三关不会。

性能水位、能看能修、有人能接,这三样的账都是延后付的。

付账形式分别是一次大促时的抖动、一次查不下去的事故、一次没人敢改的追加需求。

也正因为账是延后付的,验收时被省掉的通常就是这三样。

十四、退役这件事怎么排进计划

退役连验收单都上不去,所以最稳的做法是把它写成一个批次。

「删除旧订单模块」作为一个批次,带自己的证据和回滚方案。

批次里的事会被跟踪,备注里的事不会。

引用这一篇
https://www.aryee.cn/archives/legacy-modernization-acceptance.html

转载或引用请注明出处与链接。

你手上那套系统,卡在哪一步?

留个手机号和方便的时间,我打过来先听你说现状和限制,再给一个能执行的判断:这套系统该继续修、该动哪里,还是重做一版更省。

约一次沟通不接纯 UI 外包,只做系统层面的问题。不方便留号码,也可以直接跟助手说一句话。