Optimera systemet, inte dess komponenter
Hammings första regel för systemteknik
Hammings kärnprincip från kap. 28: Om du optimerar komponenterna kommer du troligen att förstöra systemets prestanda.
Han illustrerade det med historien om differentialanalysatorn. Två enheter skulle kopplas samman. Byggarna förbättrade förstärkarna i den andra enheten. På acceptansdagen körde Hamming standardtestet — lös y'' + y = 0, plotta y mot y', förvänta dig en cirkel. Det misslyckades. Orsaken: de förbättrade förstärkarna drog mer ström genom jordkretsen. Jordningen var tillräcklig för den ursprungliga designen. Den var inte dimensionerad för den nya strömnivån. Gränssnittet bröts, inte komponenten.
Hans generalisering: de flesta systemfel härstammar från gränssnitt, inte från komponenter. Komponenter designas, testas och certifieras. Gränssnitt designas som eftertankar, testas sällan och certifieras aldrig oberoende. När en komponent ändras, ändras dess gränssnittsbeteende. Inget nedströms var designat för det nya gränssnittet.
Nyckelasymmetri: en 10× förbättring av en komponent kan ge en 10× försämring av systemet om komponenten matar ett begränsat gränssnitt. Förbättringen adderar inte — den subtraherar.
Utbildningssystemet som misslyckad systemteknik
Hammings utbildningsfall
Hamming tillämpade denna princip på utbildning. Att optimera individuella ämnesresultat — att träna elever att maximera provresultat i varje ämne — ger elever som presterar bra på enskilda prov men inte kan integrera kunskap över ämnesgränser.
Varje komponent (ämnespoäng) förbättras. Systemet (utbildning, definierat som integrerad förståelse) försämras. Gränssnittet mellan ämnen — elevens förmåga att tillämpa kunskap över domäner — optimerades aldrig. Det förtvinade.
Detta är inte en implementeringsolycka. Det är strukturellt. När du mäter och belönar komponentprestanda får du komponentoptimering. Gränssnitt är osynliga för komponentmått.
Hans recept: hitta flaskhalsen i systemet, fråga sedan vad som händer nedströms när du tar bort den. Flaskhalsborttagning översvämmar nästa kö. En obegränsad optimering blir en ny begränsning.
Spåra gränssnittsförsämring
Hamming visade att förbättring av en komponent förändrar dess gränssnitts-beteende — och resten av systemet var designat kring det gamla gränssnittet.
Noder, köer, belastningspoäng
En MOAD-fabriksmodell
Varje mjukvaruberoendegraf bildar en fabrik. Varje nod är en arbetsstation. Varje kant är en kö. Arbete kommer in i en nods kö, bearbetas och flödar vidare till nedströms köer.
Två poäng kännetecknar varje nod:
Surge-poäng = speedup × in-degree
Hur mycket arbete flödar nedströms när denna flaskhals frigörs. En nod med in-degree 5 (5 uppströmsberoenden som alla matar in i den) och en 100× speedup genererar 500× surge nedströms.
Betweenness = in-degree + out-degree
Hur central denna arbetsstation är för det totala flödet. Hög betweenness innebär att många vägar passerar genom denna nod.
Två arketyper:
Arbetsnarkoman-nod: hög betweenness, hög surge-poäng. Detta är flaskhalsen. Varje kö uppströms backar upp på grund av den. Ta bort denna flaskhals utan att skapa kapacitet nedströms, och allt nedströms kollapsar samtidigt.
Glupsk nod: hög ut-grad, låg surge-poäng. Konsumerar allt som matas till den. Känner ingen smärta eftersom dess flaskhals är intern, inte genomflöde. Maskinen som glömmer att stanna — arbete kommer in, inget går ut, och noden rapporterar "upptagen" för alltid.
MOAD-0001 & MOAD-0005: Ett kopplingsfall
GHC-fallet
Innan en MOAD-0001-ändring i GHC:s beroendehanterare: N=50 000 beroenden tog 17 minuter att bygga. Efter: 10 sekunder. Hastighetsökning: 100×.
Vad händer nedströms? Varje byggcache, artefaktlager och CI-körare som tidigare anpassade sig till 17-minuters batch-ankomster får nu 100× fler färdiga byggen per timme. Cacher som var designade för att hantera 60 byggartefakter per timme tar nu emot 6 000.
Detta är MOAD-0005: cache-stampede-defekten. Varje cache-nyckel missas samtidigt eftersom ingen cache var förvärmd för den nya ankomsthastigheten. Fixen för MOAD-0001 skapar MOAD-0005.
Kopplingen är inte tillfällig. Den är strukturell. Varje O(N²) → O(N)-hastighetsökning med in-degree > 1 ger ett surge-värde över 1. Ett surge-värde över 100 är en MOAD-0005-kandidat.
Staging Before Disclosure
Ett byggsystem bearbetar 1 000 paketberoendegraf per timme. Du patchar MOAD-0001 i dess graftraversering, vilket minskar byggtiden från 60 minuter till 30 sekunder — en 120× hastighetsökning. Systemet bearbetar nu 120 000 grafer per timme.
När man ska stoppa: Halt Condition
Halt-villkoret
En patch uppfyller halt-villkoret — vilket innebär: avslöja inte — när alla fyra villkor gäller samtidigt:
1. Patchen finns i ett live-system (sammanslagen, driftsatt)
2. Inga förvaltare tilldelade för att äga nedströms påverkan
3. Nedströmsdefekt (MOAD-0005) olöst
4. Hastighetsökning >= 100×
Alla fyra tillsammans = barnet gråter. Tilldela teamet före sammanslagning, inte efter.
En nod utan ansvarig kör som en arbetsstation utan arbetare. Arbete ackumuleras. Någon kollapsar. Permadatorprincipen: du fixar inte dispatch-algoritmen utan att först placera ut förarna. Tre förare, tre miljoner människor: att låsa upp algoritmen skapar en stampede av obetjänade förfrågningar istället för snabbare leverans.
WALL-E: Glufsare & Arbetsnarkomaner
WALL-E-modellen
Pixars WALL-E visar ett fabriksmodellfel i sin tydligaste form. Glufsare i svävarstolar, matade utan friktion. Arbetsnarkomaner — WALL-E, EVE — som dör vid sina stationer för att hålla flödet igång.
Glufsarnoden (människorna i svävarstolar) har maximal ut-grad: den konsumerar allt som matas in till den, producerar ingenting. Dess surge-poäng är noll — den är en sänka. Den känner ingen smärta eftersom ingenting ackumuleras vid dess utgång. Den konsumerar bara.
Arbetsnoden (WALL-E) har högst betweenness: allt flödar genom den. Den absorberar all input. Den producerar den enda outputen. Dess surge-poäng, om den någonsin ersattes av en snabbare modell, skulle översvämma alla nedströmsköer samtidigt.
Felet i WALL-E-systemet ligger inte hos gluttons. Det ligger hos den frånvarande skötaren: ingen har tilldelats uppgiften att balansera arbetsstationerna. Ingen har dimensionerat kapaciteten innan algoritmen kördes.
Pip-fallet: Checklista före avslöjande
Du upptäcker MOAD-0001 i Pythons pip-beroendehanterare. Mätt prestandavinst: 200×. pip körs på cirka 400 miljoner installationer per dag. PyPI levererar paketen.