EdgeX中文社区
云原生应用架构中的组织变革 一：开发的是产品！而不是项目 — 你的事业群开始调整了吗？
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区云原生应用架构中的组织变革：开发的是产品，而不是项目！
公司的组织关系和文化有着息息相关的联系，前篇文章介绍了 “ 云原生应用架构中的文化变革 一：秉承精益制造之魂，启行 DevOps 之路！ ”，下面聊一下与文化对应的组织变革！
问题来了，究竟什么样的组织关系适合云原生应用呢？
为什么要进行组织变革
前 文化篇 中介绍过，目前大部分公司对 IT 的组织为 “ 孤岛 ” 类型：专业的人员聚集在一起，形成组织关系、激励机制、管理模式…相互独立的岛。
按照这个模式，如果我们需要创新扩展一个产品，那么就会首先会成立一个项目组 —> 项目组向项目经理汇报 —> 项目经理与各个孤岛进行协作，寻求对应的资源 —> 项目架构成立。
从结果论看，这样的常规做法没毛病，结果顺利达成。可你仔细品味，就会发现这样得到的架构或者模式，使新产品功能的开发迭代速度大大降低，架构模块的质量难以被保证，产品最终的市场效果无法最佳实现。
直接这样说有些抽象，如果不是正在被这种做法耳濡目染的人，可能无法体会。
举个例子，常规的架构中，往往会对结构进行拆分。如，服务层、业务层、数据访问层、基础设置层「存储层、中间件」…等等，这些层在实际开发中，跨越了多个业务能力领域，也就是会有多个孤岛进行支持保障，这样势必使得在其之上的创新和部署独立于其他业务能力的新功能变的非常困难。
为什么会这样子呢？组织架构怎么会影响产品呢？
康威定律
这个问题，在 1967 年的时候就被 Conway — 康威 认识到了，并提出了自己的观点：
Organizations which design systems are constrained to produce designs which are copies of the communication structures of these organizations.
翻译过来，就是 “ 组织设计的产品/设计等价于这个组织的沟通结构 ”。
简单的说，就是，“ 组织决定产品形态 “。
几十年的实践加理论证明，这个观点是正确的。后人把这个问题观点称为 ” 康威第一定律 “。
反康威定律
既然，Conway 说了，组织结构什么样，产品形态就什么样。那如果反过来呢？
不错，已经有人这样想过，提出了 “ 反康威定律 ” 或 “ 逆康威定律 ”。
在孵化产品的早期，不需要建立一个与其组织结构图相匹配的架构，而是先决定了产品最适合的架构，并重组组织以匹配该架构。
这样一切都将符合期望，切产品迭代发展呈现主动形态，而非受组织牵连呈现被动形态。
云原生应用适合什么样的组织
云原生应用作为转向DevOps文化的一部分，需要遵循 “ 反康威定律 ”。以产品形态（架构）为主，创建一个包含了各方面专业员工的团队，包含 构建、测试、交付和运营提供业务能力的服务所需的所有角色。
这样这支跨职能、业务能力的团队，为产品长期付出，开发的是产品而不再是项目。
Q&A
1、遵循 “ 反康威定律 ” 组织的团队规模怎么确定呢？
这个需要根据产品适合的架构能力来决定，一般不会太过庞大，15 人左右。
这种组织又叫做 “ 双比萨队 ”，如果一个团队不能用两个比萨饼喂饱，那就意味着团队规模太大了。
附录
人外有人，天外有天！
https://blog.csdn.net/qq_34417408/article/details/119636668?spm=1001.2014.3001.5502
相关推荐
云原生应用架构中的组织变革 一 ：开发的是产品！而不是项目 — 你的事业群开始调整了吗？
文章目录云原生应用架构中的组织变革：开发的是产品，而不是项目！为什么要进行组织变革康威定律反康威定律云原生应用适合什么样的组织Q&A附录 云原生应用架构中的组织变革：开发的是产品，而不是项目！ 公司的组织关系和文化有着息息相关的联系，前篇文章介绍了 “ 云原生应用架构中的文化变革 一：秉承精益制造之魂，启行 DevOps 之路！ ”，下面聊一下与文化对应的组织变革！ 问题来了，究竟什么样的组织关系适合云原生应用呢？ 为什么要进行组织变革 前 文化篇 中介绍过，目前大部分公司对 IT 的组
从云原生看社会发展
上一篇文章讲了云原生，云原生(CloudNative)目前是云计算领域的一个新兴概念,随着物联网、大数据、云计算等信息技术的发展,未来云原生行业将得到快速发展。本文重点讲述一下云的发展与人工智能、云计算、大数据、物联网、5G之间的关系。............
基于MPC+二自由度动力学的车辆轨迹跟踪+横向控制Carsim和Simulink联合仿真（Matlab代码、Simulink仿真实现）
内容概要：本文系统阐述了基于模型预测控制（MPC）与二自由度车辆动力学模型的轨迹跟踪与横向控制方法，通过Carsim与Simulink联合仿真平台实现了Matlab代码与Simulink模型的协同验证。该方法结合MPC算法的滚动时域优化特性与车辆二自由度动力学模型的运动学精度，构建了高精度的路径跟踪控制系统，能够有效提升自动驾驶车辆在复杂工况下的行驶稳定性与轨迹跟随精度。文中详细介绍了控制策略设计、车辆动力学建模、仿真参数配置、联合仿真接口搭建及结果分析全过程，涵盖了状态预测、代价函数构建、约束处理与优化求解等核心环节，适用于智能驾驶中路径规划与跟踪控制系统的研发与验证。; 适合人群：具备车辆动力学、现代控制理论（如最优控制、预测控制）基础知识，熟练掌握Matlab/Simulink与Carsim仿真工具，从事自动驾驶、智能车辆控制算法开发的研究生、科研人员及工程技术人员。; 使用场景及目标：①用于智能网联汽车与无人驾驶系统中横向控制算法的设计与性能验证；②作为MPC在车辆运动控制中应用的教学案例，辅助高校课程实践与科研训练；③支撑高水平学术论文复现、课题申报与工程原型开发。; 阅读建议：建议读者在Carsim与Simulink联合仿真环境下动手复现，重点掌握MPC控制器中预测模型的建立、权重系数调节、约束设定及实时性优化等关键技术，并尝试在不同道路曲率、车速及路面附着条件下进行鲁棒性测试，进一步拓展至非线性MPC或自适应MPC等先进控制策略的研究。
基于线性时变模型预测控制的车辆轨迹跟踪系统研究（Matlab代码、Simulink仿真实现）
内容概要：本文系统研究了基于线性时变模型预测控制（LTV-MPC）的车辆轨迹跟踪系统，利用Matlab与Simulink工具搭建完整的控制系统仿真模型。研究首先建立车辆动力学模型，并通过局部线性化方法将非线性系统转化为时变状态空间模型，进而构建包含状态预测、滚动优化与反馈校正的MPC控制框架。文中详细阐述了目标函数设计、约束条件处理（如输入饱和、状态边界）、预测时域与控制时域设定等关键技术环节，重点分析LTV-MPC在不同行驶工况下对参考轨迹的跟踪精度、稳定性和实时性表现。通过与传统线性MPC的对比仿真，验证了LTV-MPC在应对系统非线性、提升轨迹跟踪性能方面的显著优势，充分展现了其在自动驾驶路径跟踪中的工程应用价值。; 适合人群：具备自动控制理论、车辆动力学及优化算法基础，熟练掌握Matlab/Simulink编程环境，从事智能驾驶决策控制、路径规划、先进驾驶辅助系统（ADAS）研发的科研人员、工程技术人员及研究生。; 使用场景及目标：①掌握车辆轨迹跟踪中MPC控制器的设计与实现方法；②学习如何将非线性车辆模型在线线性化并集成到预测控制框架中；③深入理解LTV-MPC相较于固定参数MPC的性能优势与适用边界；④通过仿真调试优化权重矩阵、预测时域等关键参数，提升实际控制效果；⑤为自动驾驶系统的控制模块开发、学术论文撰写或毕业课题提供可复现的技术方案与仿真平台。; 阅读建议：建议读者结合所提供的Matlab代码与Simulink模型，逐步运行并剖析各功能模块，重点关注车辆模型线性化过程、状态预测模块构建、QP求解器配置及约束处理机制，通过调整工况和控制参数进行对比实验，深入掌握LTV-MPC的调控机理与性能优化方法。
基于扩展卡尔曼滤波（EKF）的激光雷达与雷达异构传感器融合算法研究（Matlab代码实现）
内容概要：本文系统性解读了一套完整的多机器人路径规划（MAPF）MATLAB代码库，聚焦于优先级规划算法的工程实现，提出将求解过程划分为几何解析、拓扑建模、调度优化与可视化呈现四个解耦层次的模块化框架。文章深入阐述了动态边权膨胀、节点预留历史、几何惩罚驱动的局部同步机制、Petri网双阶段优化以及双坐标系统可视化等核心技术设计，实现了空间路径规划与时间冲突消解的有效分离，在保障多项式时间复杂度的前提下显著提升了路径规划的成功率与计算效率。该框架不仅具备良好的可复现性和工程扩展性，还为MAPF领域的算法研究、性能评估与教学实践提供了系统化的参考范例。; 适合人群：具备一定MATLAB编程基础，从事机器人路径规划、智能交通、自动化控制、多智能体系统等相关领域的科研人员、工程技术人员及研究生。; 使用场景及目标：① 深入理解并复现多智能体路径规划中优先级规划与冲突消解的核心机制；② 学习如何将复杂的MAPF问题分解为几何、拓扑、调度与呈现的模块化工程实现方法；③ 借鉴动态边权惩罚、Petri网建模、局部同步优化等创新设计思路，以提升自身路径规划算法的鲁棒性与效率。; 阅读建议：建议读者结合文中提供的MATLAB代码与MovingAI标准地图数据集，严格按照章节顺序逐步实现各模块功能，并通过内置的动画演示工具直观观察算法执行过程，重点关注各模块间的接口设计、关键参数（如惩罚权重、同步阈值）的调优策略及其对整体性能的影响。
