بازگشت به نوشته‌ها

وقتی زبان، مرزهای سیستم را تعیین می‌کند

چند بار در پروژه‌های نرم‌افزاری با چنین وضعیتی مواجه شده‌ایم؟

مفهوم جدیدی در کسب‌وکار ایجاد می‌شود و اولین واکنش ما این است که یک ویژگی جدید به موجودیت‌های فعلی اضافه کنیم؛ یک فیلد جدید، یک نوع جدید یا چند شرط جدید به منطق موجود. در نگاه اول همه چیز منطقی به نظر می‌رسد. بالاخره تصور می‌کنیم با مفهومی روبه‌رو هستیم که تفاوت چندانی با مفاهیم قبلی ندارد و می‌توان آن را در ساختارهای موجود جای داد.

اجازه دهید یک مثال واقعی را بررسی کنیم.

دوستانی که در حوزه پرداخت الکترونیک فعالیت کرده‌اند احتمالاً با مفهوم «شریک تجاری» آشنا هستند. در سال‌های اخیر این مفهوم در برخی الزامات رگولاتوری صنعت پرداخت وارد شد. به صورت ساده، شریک تجاری در شرایطی مطرح می‌شود که شخص یا سازمانی که در عمل از یک درگاه پرداخت یا پایانه فروش استفاده می‌کند، همان مرچنتی نباشد که سرویس به نام او صادر شده است.

در نگاه اول ممکن است چنین به نظر برسد که با مفهوم جدیدی مواجه نیستیم. بالاخره با یک شخص یا یک شرکت طرف هستیم؛ چیزی که احتمالاً پیش از این نیز در قالب Customer، Party، Merchant یا Person در سامانه‌های خود مدل کرده‌ایم. بنابراین طبیعی است که وسوسه شویم این مفهوم جدید را نیز با افزودن یک ویژگی جدید به مدل موجود توضیح دهیم.

اما آیا واقعاً مسئله به همین سادگی است؟

آیا تضمینی وجود دارد که مرچنت و شریک تجاری در آینده تحت مجموعه قوانین یکسانی قرار گیرند؟ آیا چرخه عمر، مسئولیت‌ها، محدودیت‌ها و تعاملات آنها الزاماً مشابه خواهد بود؟ آیا هر مفهومی که از نظر ظاهری به مفهوم دیگری شباهت دارد، باید در همان ساختار مدل شود؟

اینجاست که مسئله از سطح طراحی نرم‌افزار فراتر می‌رود و به مسئله‌ای درباره معنا تبدیل می‌شود.

بسیاری از ما هنگام مدل‌سازی، ناخودآگاه به دنبال شباهت‌ها هستیم. تلاش می‌کنیم مفاهیم جدید را در ساختارهای موجود جای دهیم و از تعداد موجودیت‌ها و مرزهای جدید بکاهیم. اما کسب‌وکارها اغلب بر اساس تفاوت‌ها رشد می‌کنند، نه شباهت‌ها. چیزی که امروز صرفاً یک ویژگی به نظر می‌رسد، ممکن است فردا به مفهومی مستقل با قواعد، مسئولیت‌ها و محدودیت‌های خاص خود تبدیل شود.

شاید به همین دلیل است که برخی مدل‌ها با گذشت زمان پیچیده، شکننده و پر از استثنا می‌شوند. مشکل همیشه از تکنولوژی نیست؛ گاهی مسئله از جایی آغاز می‌شود که تفاوت‌های معنایی را نادیده می‌گیریم و جهان را ساده‌تر از آنچه هست صورت‌بندی می‌کنیم.

در روزهای گذشته پستی در ارتباط با Domain Driven Design دیدم و برخی از نقدهایی که به این رویکرد وارد شده بود. فارغ از موافقت یا مخالفت با DDD، شاید ارزشمند باشد که ابتدا به مسئله‌ای نگاه کنیم که این رویکرد در تلاش برای حل آن بوده است.

وقتی به بخش طراحی راهبردی DDD نگاه می‌کنیم، تمرکز اصلی نه بر تکنولوژی و نه بر الگوهای طراحی است؛ بلکه بر زبان کسب‌وکار قرار دارد. مفاهیمی مانند Ubiquitous Language و Bounded Context در اصل تلاشی هستند برای اینکه مرزهای سیستم را نه بر اساس ساختار داده یا ساختار تیم‌ها، بلکه بر اساس معنا و زبان شکل دهیم.

شاید مهم‌ترین پرسش این مقاله نیز همین باشد:

آیا مفاهیمی که در سیستم مدل می‌کنیم، واقعاً همان مفاهیمی هستند که در زبان کسب‌وکار زندگی می‌کنند؟

دام شباهت‌ها

یکی از تمایلات طبیعی ذهن انسان، دسته‌بندی پدیده‌های جدید بر اساس شباهت آنها با پدیده‌های آشناست. این توانایی در بسیاری از موقعیت‌ها به ما کمک می‌کند جهان را سریع‌تر درک کنیم؛ اما گاهی همین مکانیزم به مانعی برای فهم تفاوت‌های مهم تبدیل می‌شود.

فرض کنید سال‌ها تمام قوهایی که دیده‌ایم سفید بوده‌اند. مواجهه با یک قوی سیاه صرفاً به این معنا نیست که گزاره «همه قوها سفید هستند» نادرست بوده است. اهمیت این مواجهه در آن است که ما را مجبور می‌کند دسته‌بندی‌های قبلی خود را بازبینی کنیم. آنچه تغییر می‌کند تنها یک گزاره نیست؛ بلکه بخشی از شبکه مفاهیمی است که برای فهم جهان ساخته‌ایم.

در مدل‌سازی نرم‌افزار نیز اتفاقی مشابه رخ می‌دهد. زمانی که با مفهوم جدیدی مواجه می‌شویم، معمولاً تلاش می‌کنیم آن را در قالب مفاهیم موجود توضیح دهیم. “شریک تجاری” را نوعی “مرچنت” در نظر می‌گیریم، “نماینده” را نوعی “مشتری” و “ضامن” را شکلی دیگر از “شخص”.

اما سؤال اینجاست که آیا شباهت ظاهری این مفاهیم، برای قرار دادن آنها در یک مدل مشترک کافی است؟

بسیاری از مشکلات مدل‌سازی از جایی آغاز می‌شوند که تفاوت‌های معنایی را به شباهت‌های ساختاری تقلیل می‌دهیم. در چنین شرایطی مدل ما در کوتاه‌مدت ساده‌تر به نظر می‌رسد، اما با ورود قواعد جدید، استثناهای بیشتر و نیازمندی‌های متفاوت، همان سادگی اولیه به پیچیدگی مزمن تبدیل می‌شود.

مرزهایی که در داده دیده نمی‌شوند

اگر به جداول پایگاه داده نگاه کنیم، شریک تجاری و مرچنت ممکن است تفاوت چندانی نداشته باشند. حتی ممکن است هر دو در نهایت به یک شناسه ملی، اطلاعات هویتی و مجموعه‌ای مشابه از داده‌های پایه ارجاع داده شوند. اما مرزهای مفهومی لزوماً در داده قابل مشاهده نیستند. این مرزها در زبان کسب‌وکار، قوانین، مسئولیت‌ها و نحوه معنا دادن سازمان به پدیده‌ها شکل می‌گیرند.

برای مثال، یک شخص ممکن است در تعامل با سازمان‌های مختلف نقش‌های متفاوتی پیدا کند. زمانی که به سازمان امور مالیاتی مراجعه می‌کند، «مودی مالیاتی» نامیده می‌شود. در تعامل با سازمان تأمین اجتماعی ممکن است در جایگاه «کارگر» یا «کارفرما» قرار گیرد. در هر سه حالت، بخش عمده‌ای از اطلاعات هویتی ثابت است، اما آنچه تغییر می‌کند معنایی است که پیرامون آن فرد شکل می‌گیرد؛ مجموعه‌ای از قواعد، حقوق، تکالیف و روابطی که هر یک در شبکه‌ای متفاوت از مفاهیم تعریف می‌شوند.

به همین دلیل شباهت در داده الزاماً به معنای یکسان بودن مفاهیم نیست.

بسیاری از مشکلات مدل‌سازی از جایی آغاز می‌شوند که تفاوت‌های معنایی نادیده گرفته می‌شوند و مفاهیم مختلف در قالب یک ساختار مشترک فشرده می‌گردند. در کوتاه‌مدت این کار باعث کاهش تعداد موجودیت‌ها و ساده‌تر شدن مدل به نظر می‌رسد، اما در بلندمدت نتیجه معمولاً چیز دیگری است؛ موجودیت‌هایی که پیوسته ویژگی‌های جدید به آنها افزوده می‌شود، قواعدی که در نقاط مختلف سیستم پراکنده می‌شوند و وضعیت‌هایی که به‌تدریج با یکدیگر در تعارض قرار می‌گیرند.

شاید بتوان گفت بسیاری از مدل‌های پیچیده امروزی نه از کمبود انتزاع، بلکه از نادیده گرفتن مرزهای معنایی رنج می‌برند.

وقتی مدل‌های موجود دیگر کافی نیستند

توماس کوهن در کتاب ساختار انقلاب‌های علمی توضیح می‌دهد که بخش عمده فعالیت علمی در چارچوب یک پارادایم پذیرفته‌شده انجام می‌شود. پژوهشگران مسائل جدید را با ابزارها و مفاهیم موجود حل می‌کنند و معمولاً نیازی به بازنگری در بنیان‌های فکری خود نمی‌بینند.

اما این وضعیت همیشه پایدار نمی‌ماند.

به تدریج مواردی ظاهر می‌شوند که توضیح آنها با مدل‌های موجود دشوار است. در ابتدا این موارد استثنا تلقی می‌شوند. سپس تعداد آنها افزایش می‌یابد و در نهایت شکاف میان واقعیت و مدل موجود آشکار می‌شود.

کوهن این وضعیت را ظهور «ناهنجاری‌ها» (Anomalies) می‌نامد.

اگرچه توسعه نرم‌افزار یک علم تجربی به معنای مورد نظر کوهن نیست، اما می‌توان شباهتی میان این وضعیت و آنچه در بسیاری از پروژه‌های نرم‌افزاری رخ می‌دهد مشاهده کرد.

در ابتدا مدل‌های ما ساده و کارآمد هستند. مفاهیم جدید نیز معمولاً با افزودن چند ویژگی، چند رابطه یا چند قاعده جدید در همان ساختار موجود جای می‌گیرند.

اما به تدریج نشانه‌هایی ظاهر می‌شوند:

  • موجودیت‌هایی که دائماً در حال بزرگ‌تر شدن هستند.
  • قواعدی که در بخش‌های مختلف سیستم تکرار می‌شوند.
  • مفاهیمی که نام یکسانی دارند اما رفتار متفاوتی از خود نشان می‌دهند.
  • و تغییراتی که هر بار بخش‌های بیشتری از سیستم را تحت تأثیر قرار می‌دهند.

این نشانه‌ها لزوماً بیانگر ضعف برنامه‌نویسان یا انتخاب تکنولوژی نامناسب نیستند. گاهی آنچه به پایان عمر خود نزدیک شده، خودِ نحوه صورت‌بندی مسئله است.

چرا رویکردهای جدیدی مانند DDD به وجود آمدند؟

اگر مسئله تنها نگهداری داده بود، احتمالاً بسیاری از پیچیدگی‌های امروز نرم‌افزار هرگز به وجود نمی‌آمدند. بخش بزرگی از سامانه‌های اطلاعاتی دهه‌های گذشته نیز بر پایه مدل‌سازی موجودیت‌ها، روابط و قواعد یکپارچگی داده ساخته شده بودند و در بسیاری از مسائل نیز عملکرد قابل قبولی داشتند.

اما با رشد پیچیدگی کسب‌وکارها، به تدریج شکاف میان مدل‌های فنی و واقعیت کسب‌وکار آشکار شد.

مشکل این نبود که داده‌ها به درستی ذخیره نمی‌شدند؛ مشکل این بود که مدل‌ها به تدریج توان توضیح دادن مفاهیم جدید را از دست می‌دادند.

مفهوم جدیدی وارد کسب‌وکار می‌شد و اولین واکنش ما افزودن چند ستون جدید، چند شرط جدید یا چند رابطه جدید به ساختار موجود بود. در کوتاه‌مدت همه چیز منطقی به نظر می‌رسید، اما با گذشت زمان مدل‌هایی شکل می‌گرفتند که تعداد زیادی از مفاهیم متفاوت را در قالب موجودیت‌هایی ظاهراً مشترک نگهداری می‌کردند.

شاید بتوان گفت بخشی از جذابیت Domain Driven Design دقیقاً در همین نقطه نهفته است.

این رویکرد از ما می‌خواهد به جای شروع از ساختار داده، از زبان کسب‌وکار شروع کنیم. به جای آنکه ابتدا به دنبال موجودیت‌های مشترک بگردیم، ابتدا بررسی کنیم که افراد مختلف سازمان درباره چه مفاهیمی صحبت می‌کنند، چه واژگانی به کار می‌برند و مرزهای معنایی آنها در کجا شکل می‌گیرد.

در نگاه اول ممکن است دو بخش از یک سازمان درباره یک موجودیت صحبت کنند، اما با کمی دقت مشخص شود که هر کدام معنای متفاوتی را از آن برداشت می‌کنند. آنچه برای واحد ریسک یک «مشتری» محسوب می‌شود الزاماً همان چیزی نیست که واحد بازاریابی یا واحد عملیات از آن درک می‌کند. هر کدام از این بخش‌ها در شبکه‌ای متفاوت از قواعد، اهداف و تصمیمات فعالیت می‌کنند.

اینجاست که مفاهیمی مانند Ubiquitous Language و Bounded Context مطرح می‌شوند.

Bounded Context بیش از آنکه یک مرز تکنیکی باشد، یک مرز معنایی است. تلاشی است برای پذیرفتن این واقعیت که ممکن است یک واژه در بخش‌های مختلف سازمان معانی متفاوتی داشته باشد و تلاش برای تحمیل یک مدل واحد بر همه این معانی، در نهایت به پیچیدگی بیشتر منجر شود.

شاید به همین دلیل باشد که DDD را نباید صرفاً مجموعه‌ای از الگوهای طراحی یا تکنیک‌های پیاده‌سازی دانست. در لایه‌ای عمیق‌تر، این رویکرد تلاشی است برای نزدیک کردن مدل‌های نرم‌افزاری به نحوه معنا دادن انسان‌ها به جهان پیرامون خود.

به بیان دیگر، مسئله اصلی DDD ساخت Aggregate یا Repository نیست؛ بلکه یافتن مرزهایی است که در زبان و فهم ما از کسب‌وکار وجود دارند، اما لزوماً در جداول پایگاه داده دیده نمی‌شوند.

جمع‌بندی:

آیا مفاهیم سیستم همان مفاهیم کسب‌وکار هستند؟

در طول سال‌ها، صنعت نرم‌افزار ابزارها و رویکردهای متعددی برای مدیریت پیچیدگی ارائه کرده است؛ از مدل‌سازی شیءگرا گرفته تا معماری‌های توزیع‌شده، از پایگاه‌های داده جدید تا الگوهای طراحی گوناگون. هر یک از این رویکردها بخشی از مسائل ما را حل کرده‌اند، اما پرسشی وجود دارد که همچنان در بسیاری از پروژه‌ها پابرجاست:

آیا مفاهیمی که در سیستم مدل می‌کنیم، واقعاً همان مفاهیمی هستند که در کسب‌وکار زندگی می‌کنند؟

شاید بخش مهمی از مشکلات نرم‌افزار از جایی آغاز شود که به تدریج میان این دو فاصله ایجاد می‌شود. زمانی که مدل‌های ما بیش از آنکه بازتاب‌دهنده زبان و معنای موجود در کسب‌وکار باشند، بازتاب‌دهنده ساختارهای فنی، محدودیت‌های تاریخی یا تصمیمات گذشته خودمان می‌شوند.

در چنین شرایطی، مفاهیم جدید به جای آنکه فهم شوند، در قالب مدل‌های موجود فشرده می‌شوند. تفاوت‌های معنایی به شباهت‌های ساختاری تقلیل پیدا می‌کنند و مرزهایی که در زبان و عمل وجود دارند، در مدل‌های نرم‌افزاری محو می‌شوند.

شاید به همین دلیل است که مسئله اصلی معماری و مدل‌سازی را نباید صرفاً در انتخاب تکنولوژی، طراحی کلاس‌ها یا ساختار پایگاه داده جستجو کرد. پیش از همه اینها، ما با مسئله‌ای بنیادی‌تر روبه‌رو هستیم: چگونه جهان پیرامون خود را معنا می‌کنیم و آن معنا را به مدل‌های نرم‌افزاری تبدیل می‌کنیم.

رویکردهایی مانند Domain Driven Design را نیز می‌توان تلاشی در همین مسیر دانست؛ تلاشی برای نزدیک‌تر کردن مدل‌های نرم‌افزاری به زبان، مفاهیم و مرزهایی که در دنیای واقعی کسب‌وکار وجود دارند. موفقیت یا شکست این رویکردها موضوع بحث دیگری است، اما پرسشی که مطرح می‌کنند همچنان ارزشمند است:

وقتی یک مفهوم جدید وارد سازمان می‌شود، آیا در حال کشف یک معنای جدید هستیم یا صرفاً در حال اضافه کردن یک فیلد جدید به یک جدول قدیمی؟