不是所有複雜度都能靠 rebalancing 解決#

Chapter 11 結尾留下伏筆：rebalancing 有時只是把 local complexity 換成 global complexity，反之亦然。這是成長驅動的複雜度，本章專治此症。

本章視角橫跨物理、生物、社會科學，最終指向一個結論：軟體設計也是一種「網路型系統」，能用碎形幾何處理成長。

系統為何成長#

成長是健康系統生命週期的一部分——軟體、生物、公司、城市都從小開始，再隨時間擴張。Geoffrey West 的研究指出，所有「網路型系統」都遵循相同的成長動力學。

網路型系統（Network-Based Systems）#

定義（West, 2018）：

• Space filling：透過階層式分支網路把能量送到所有部分
• Invariant terminal units：能量在終端單元被消費，這些終端單元規格不隨系統大小改變
• Optimization：系統不斷演進以最小化能量浪費、最大化可用能量

例子：

• 生物循環系統：血管把氧氣與養分送到每個細胞，細胞規格固定
• 城市：水、電、道路、通訊送到每個居民
• 公司、社會結構、網際網路 也都是網路型系統

軟體設計也是網路型系統#

軟體流動的「能量」是知識（knowledge）。模組間的互動就是輸送知識的管路。

• Space filling：知識最終流到所有元件，從高階模組到機器碼
• Invariant terminal units：所有知識最終被翻成同樣的機器碼，硬體規格不變
• Optimization：模組邊界的設計可以被優化

整合強度反映流經的知識，距離反映知識穿越的路徑。

為什麼系統會「想要」成長#

不同層面的成長速率不同：

• Sublinear（次線性）：城市規模翻倍，加油站只需多 85%；獵犬比巴哥犬重一倍，每日卡路里只多 75%
• Superlinear（超線性）：城市規模翻倍，社交互動與機會超過兩倍

系統越大越有效率，因為很多正面層面是次線性成長：

• 大型動物每單位重量耗能更少
• 大船每單位貨物的阻力更低
• 城市人口擴大，生產力與創新會更快成長

為什麼系統不能無限成長#

負面層面也跟著成長——城市越大，犯罪率、疾病傳染率、生活成本也超線性成長。

伽利略（Galileo Galilei）在 1638 年的 Two New Sciences 中以木樑說明：

• 木樑長寬高都加倍 → 重量增加 8 倍（三維）
• 抗斷裂強度由斷面積決定 → 只增加 4 倍（二維）

「人若身高極端增加，他將在自己的重量下崩塌。」——Galileo

當負面成長超越正面成長，系統就到達其成長極限。

軟體設計的成長動力學#

把功能加倍不需要把知識加倍——新功能可以建立在既有知識上。所以新增功能很誘人。

但隨著元件增加，互動會超線性成長。

假設每個元件都需要與其他元件互動，互動數隨元件數呈組合爆炸：

我們的認知能力幾乎是固定的。當互動量超過認知極限，系統就跨越「複雜門檻」。

軟體成長動力學總結：

• 功能（functionality）→ 線性成長
• 知識（knowledge）→ 次線性成長
• 複雜度（complexity）→ 超線性成長
• 我們的認知能力 → 沒有成長

創新：突破成長極限#

伽利略提出兩條路：

• 更強的材料：例如骨頭若是鋼做的，動物就能更巨大
• 改變形狀與比例：例如他為「三倍大的骨頭」畫的形狀草圖

回看城市：

• 5,000 年前最大城市約 5 萬人
• 2,000 年前升到 100 萬人
• 100 年前 650 萬人
• 2024 年達 3,700 萬人

這些都靠創新——鋼骨摩天樓讓城市垂直成長、運輸與通訊讓人能遠距通勤。

Eliyahu Goldratt 的話：「技術只在它至少消除了一個限制時才有價值」。創新的本質就是消除某項極限。

軟體中的創新#

軟體系統的成長極限就是它變成 Big Ball of Mud 的時刻。隨功能成長，意外互動（bug、糾纏的模組）也跟著超線性成長。

伽利略的兩條路在軟體中：

• 更強的材料：用 AI 取代人類處理複雜度（目前還沒到位）
• 改變形狀：優化知識在系統中的分布——這是現階段唯一可行的選項

「優化知識分布」就是設計新的抽象（abstraction），讓互動重新被組織。

抽象作為創新#

當互動已經複雜到無法理解，就該優化知識流動。Chapter 4 強調抽象的目的：「create a new semantic level in which one can be absolutely precise」（Dijkstra）。

範例：WolfDesk 第一版 10 個物件全在同一個 namespace。第二版功能加倍——若繼續放在同一邊界，會引發嚴重 local complexity（低 strength + 低 distance）。

解法：引入四個高階模組——CaseManagement、IdentityAndAccess、Distribution、Billing。用新的抽象層級重新組織同一份知識，讓互動結構回到平衡。

公司結構也是同樣道理：部門對外提供服務、對內封裝細節；公司成長時部門再分裂。如 Parnas 所說，所有的重組最終都是責任分配。

碎形幾何#

「高度複雜、自我維持的結構……透過演化出碎形式、階層式分支網路系統，達成所有規模的有效服務。」——Geoffrey West

碎形（fractal） 的特性是「自我相似（self-similarity）」——可以拆解成多個比例縮小的自身複本。

例子：

• 數學：Mandelbrot set、Julia set、Sierpinski 三角、Koch 雪花

• 自然：樹枝、葉脈、雲、銀河系分布

網路型系統能透過次線性與超線性成長變得更有效率，正是因為背後的能量輸送網路具備碎形幾何。

碎形模組化（Fractal Modularity）#

把這個觀念套用到軟體：

Chapter 10 已經給出軟體設計的「自我相似原則」——balanced coupling。

整合強度與距離都是相對的#

• 一個物件的公開介面，對另一個微服務而言是「實作細節」
• 一個微服務的整合契約，從另一個系統角度看也可能是實作細節
• 距離的尺度也隨抽象層級不同而不同

Balanced coupling 模型可以套用在任何抽象層級——這正是「碎形」的精神。下一章將透過案例展示這如何在實務中發揮。

重點整理#

把軟體看作網路型系統：

• 知識是能量，模組間的介面是輸送管路
• 系統成長時，互動超線性成長 → 複雜度超線性成長
• 突破成長極限要靠抽象層級的創新
• Balanced coupling 是貫穿所有抽象層級的自我相似原則

成長帶來的複雜度，不是「夠強的個別模組」能解決的，必須讓整個結構在每個尺度上都保持平衡。