屎山為什麼沒有死？Big Ball of Mud 作為生存架構

摘要

「屎山程式碼」通常被理解為一種應當被避免、重寫或重構的失敗狀態。然而，若這類系統真的只是純粹失敗，它們理應很快被淘汰；現實卻恰恰相反：大量缺乏清楚高階架構、依賴關係混亂、充滿特殊分支與歷史殘留的系統，仍然可以運行多年乃至數十年，持續支撐重要商業與組織活動。

Foote 與 Yoder 在 Big Ball of Mud 中早已注意到這個悖論。他們將 Big Ball of Mud 描述為由權宜而非整體設計主導的常見架構，並明確指出其長期普及不能只用「大家不在乎架構」來解釋；相反地，必須理解這種模式為何具有不可否認的有效性。其相關模式包括 Throwaway Code、Piecemeal Growth、Keep It Working、Shearing Layers、Sweeping It Under the Rug 與 Reconstruction。

本文在前述「表觀完好」「補償性完好」與「有效架構」基礎上，提出：Big Ball of Mud 應被理解為一類局部適應能力強、全局結構整合能力弱，但具有高度生存性的軟體架構狀態。它的生存能力主要來自局部可修補性、低局部變更門檻、歷史知識沉積、成熟介面與運行慣例、補償機制、組織熟悉度，以及「保持系統繼續運作」所帶來的選擇壓力。

本文區分「結構品質」與「生存適應度」，提出：

Q_s \neq F_v

其中 $Q_s$ 表示 Structural Quality， $F_v$ 表示 Viability/Fitness。由此，一個系統可以具有較低的全局結構品質，同時具有相當高的現實生存適應度。本文進一步提出「局部適應—全局侵蝕張力」「生存性架構」「熟悉度資本」「重寫風險」與「可替換性悖論」等概念，並指出：對 Big Ball of Mud 的合理治理目標不是追求一次性的架構純化，而是降低不可見依賴、補償負載與演化風險，同時保留其已被現實反覆驗證的生存能力。

**關鍵詞：**Big Ball of Mud、屎山程式碼、軟體演化、legacy system、局部適應、架構侵蝕、熟悉度資本、補償性完好、MSSP、軟體生存性

1. 如果它真的那麼爛，為什麼它還活著？

對「屎山」最直覺的工程態度通常是：

這東西寫得這麼亂，早晚會爆炸。

但一個令人不舒服的現實是：

有些系統已經被這樣形容十年、二十年，甚至更久，而它仍然：

每天處理交易；
持續增加新功能；
維持客戶；
通過稽核；
支撐企業核心流程；
每年照樣被維護與部署。

因此，如果：

\text{Bad Structure} \Rightarrow \text{Immediate Death}

那麼我們不應該看到如此多長壽的 legacy system 與 Big Ball of Mud。

現實更接近：

\text{Bad Structure} \not\Rightarrow \text{Immediate Death}

甚至：

\text{Messiness} \neq \text{Non-viability}

這不是為屎山辯護。

它只是要求我們回答一個比「這程式很醜」更困難的問題：

它究竟靠什麼活下來？

2. Big Ball of Mud 原本就不是純粹的罵人詞

Foote 與 Yoder 在 Big Ball of Mud 中描述的 Big Ball of Mud，是一種隨意、權宜、缺乏清楚整體結構的系統。

重要的不是這個名稱有多難聽，而是作者的研究問題。

他們指出，這種架構實際上極為普遍，其持久流行不能簡單理解成所有開發者都不在乎架構。

相反地，他們直接追問：

這種方式到底做對了什麼？

其完整模式群包括：

Big Ball of Mud；
Throwaway Code；
Piecemeal Growth；
Keep It Working；
Shearing Layers；
Sweeping It Under the Rug；
Reconstruction。

這是一個非常重要的框架。

因為它沒有把 Big Ball of Mud 當成靜態終點，而是把它看成軟體在真實壓力下演化時可能反覆進入的狀態。

3. 第一種生存力：Piecemeal Growth

大型系統很少按照一個完整藍圖一次建成。

更常見的是：

功能 A
→ 加需求 B
→ 修問題 C
→ 接第三方 D
→ 增加例外 E
→ 支援舊客戶 F
→ 再做功能 G

每一次改動都可能局部合理。

因此對第 $i$ 次變更，可以有：

\Delta U_i > 0

其中 $\Delta U_i$ 表示該變更帶來的局部效用。

但是長期累積：

\sum_i \Delta U_i > 0

並不保證：

\Delta Q_s > 0

甚至可能：

\Delta Q_s < 0

亦即：

每一步都解決了當下問題，但整體結構反而越來越難理解。

這就是本文所稱：

局部適應—全局侵蝕張力

Local Adaptation–Global Erosion Tension

形式上：

A_{\text{local}}\uparrow \quad\land\quad Q_{\text{global}}\downarrow

兩者可以同時成立。

4. Lehman：不改會死，改了又會變複雜

Lehman 的軟體演化研究提供了一個幾乎完美的背景。

對與真實世界持續互動的 E-type system 而言：

系統必須持續改變，否則會逐漸不能滿足環境；
系統改變時，複雜度傾向增加，除非額外投入工作控制它。

因此存在一個基本張力：

\text{No Change} \rightarrow \text{Environmental Misfit}

但：

\text{Continuous Change} \rightarrow \text{Complexity Pressure}

所以軟體不是在：

「乾淨」與「髒」之間自由選擇。

而更像是在：

\text{Adaptation Pressure} \leftrightarrow \text{Structural Discipline}

之間持續取平衡。

如果市場壓力、deadline、使用者需求與外部系統變更速度高於架構治理能力：

V_{\text{change}} > V_{\text{governance}}

那麼即使每個工程師都知道理想架構應該更乾淨，系統仍然可能逐步泥化。

5. 第二種生存力：Keep It Working

Big Ball of Mud 的另一個核心模式是：

Keep It Working

對一個已經承載真實使用者與真實交易的系統而言：

\text{Continuity}

本身就是高價值屬性。

假設存在兩個方案：

方案 A

架構更漂亮，但需要六個月全面重構。

方案 B

只改局部，架構更醜，但明天可以上線。

在理想工程環境中，可能偏好 A。

但如果：

競爭者正在上新功能；
法規下週生效；
客戶今天就需要；
核心交易不能停；
公司只有三名工程師；
系統缺乏完整測試；

那麼 B 很可能是現實最優解。

因此「Keep It Working」並不等於工程師不知道好架構。

它代表：

V_{\text{continuity}} > V_{\text{architectural purity}}

在某些時間窗口內成立。

6. 生存適應度與結構品質不是同一個軸

因此本文提出一個重要區分：

Q_s = \text{Structural Quality}

與：

F_v = \text{Viability / Survival Fitness}

不能視為同一指標。

一個系統可能：

Q_s \uparrow,\quad F_v \uparrow

這當然最好。

但也可能：

Q_s \downarrow,\quad F_v \uparrow

例如：

大量歷史例外讓架構混亂；
但它能處理二十年累積的真實業務；
新系統架構漂亮；
卻還沒學會所有例外。

因此：

\boxed{ Q_s \neq F_v }

更進一步：

\boxed{ \text{Architectural Elegance} \nRightarrow \text{Operational Fitness} }

這並不是說漂亮架構沒有價值。

而是說：

生存能力需要經過現實環境測試，而不是只由結構形式決定。

7. 第三種生存力：它已經累積了「真實世界資料」

一個活了十五年的系統，不只有程式碼。

它還累積了：

真實錯誤案例；
例外交易；
特殊客戶；
歷史資料格式；
regulatory edge cases；
migration path；
部署知識；
incident response；
相容性規則；
外部系統怪癖；
人類操作知識。

因此它實際包含：

K_{\text{embedded}}

即：

Embedded Operational Knowledge

很多這些知識不是以「文件」形式存在，而是嵌在：

if/else；
timeout；
magic number；
strange SQL；
duplicated field；
old adapter；
cron；
retry；
comment；
runbook；
human memory。

所以某段看起來極醜的程式：

if old_customer_type == 7:
    ...

可能不是純粹垃圾。

它也可能是：

2013 年某個已經沒人記得原因、但今天仍有客戶依賴的商業規則。

問題不是這個 if 很漂亮。

問題是：

\text{Ugly Code}

可能同時攜帶：

\text{Historical Knowledge}

8. 熟悉度資本：團隊已經學會如何和它共存

長壽系統還會形成另一種資本：

熟悉度資本

Familiarity Capital

令：

K_f

表示團隊對現有系統累積的熟悉度。

它包括：

哪裡最容易壞；
哪些 warning 可以忽略；
哪些檔案不能一起改；
哪個 migration 要多跑一次；
哪些客戶還在舊版；
哪個 service 重啟順序固定；
哪段程式碼看似多餘但不能刪。

這些知識未必是良好工程的證明。

但它有現實價值。

因此，一個 legacy system 的總資產可能是：

V_L = V_{\text{software}} + V_{\text{data}} + V_{\text{integration}} + V_{\text{knowledge}} + V_{\text{familiarity}}

當人們說：

「全部重寫比較快。」

常常只比較：

C_{\text{new code}}

卻忽略必須重新獲得：

K_{\text{embedded}} + K_f

的成本。

9. 第四種生存力：Wrapping 比 Replacement 便宜

SEI 對 legacy-system evolution 的研究很早就指出，interface、wrapping 與 network technology 可以用來繼續利用既有軟體資產，而不是直接丟棄並從頭重建。

這是一個非常務實的選擇。

假設核心系統：

L

很難改。

可以新增：

W(L)

作為 wrapper。

於是：

\text{New World} \rightarrow W \rightarrow L

短期看來，新系統避免直接進入泥巴核心。

代價則是：

C_{\text{wrapper}} + C_{\text{translation}} + C_{\text{compatibility}}

增加。

但只要：

C_{\text{wrap}} < C_{\text{replace}}

組織就有經濟理由繼續包。

於是：

legacy core
→ adapter
→ API
→ compatibility layer
→ new service
→ another adapter

逐漸形成新的有效架構。

這就是為什麼 Big Ball of Mud 可以被「包起來」繼續活。

10. Shearing Layers：不是所有部分都用同一速度變化

Foote 與 Yoder 使用 Shearing Layers 來描述不同部分具有不同變動速率。

這個概念對 legacy system 很重要。

例如：

v_{\text{UI}} \gg v_{\text{core ledger}}

前端每幾個月改一次；

帳務核心可能十年都不能大改。

因此，系統很自然會形成：

fast-changing layer
↓
adapter
↓
slow-changing layer

這並不一定是壞設計。

甚至可能是合理隔離。

但是如果這些速度差沒有被正式管理，就會形成大量：

translation；
compatibility；
duplicate model；
synchronization；
bridge。

因此 Big Ball of Mud 有時不是單純「大家亂寫」。

而是：

不同演化速度的結構長期剪切後形成的沉積物。

11. 第五種生存力：局部修改半徑小

乾淨架構有時要求：

修改核心概念時，同時修正所有相關抽象。

而泥巴架構很常採取另一種策略：

不碰核心，只在旁邊再補一塊。

即：

\Delta S_{\text{local}}

很小。

這會降低：

R_{\text{immediate}}

即當下修改風險。

所以短期：

\text{Patch} \rightarrow \text{Low Blast Radius}

是很誘人的。

但長期：

\sum \text{Patch} \rightarrow \text{High Structural Entanglement}

於是形成：

Patch Accumulation Trap

每一次 patch 都因為害怕大修改而合理；

而 patch 越多，大修改越危險；

因此：

\text{More Patches} \rightarrow \text{Higher Rewrite Risk} \rightarrow \text{More Patches}

形成正回饋。

12. 第六種生存力：補償性完好

第二篇已經建立：

I_o(t) = \Phi \left( I_s(t), \mathbf{C}(t), E(t) \right)

Big Ball of Mud 往往具有非常大的：

\mathbf{C}

包括：

人工操作；
wrapper；
retry；
workaround；
compatibility；
nightly job；
manual repair；
monitoring；
support knowledge。

因此其存活可能不是因為：

I_s

很高。

而是：

\mathbf{C}

極其成熟。

換句話說：

它不是沒有秩序，而是大量秩序沒有存在於你期待的位置。

有些秩序存在於：

操作手冊；
人；
部署程序；
客戶習慣；
API 相容；
每晚批次；
監控告警；
事故應變。

這也是為什麼只掃 source code 可能嚴重低估系統的真正結構。

13. 第七種生存力：選擇壓力保留「能活的醜東西」

這裡可以借用一個演化式的直覺，但不把軟體擬生物化。

長期運行系統中的程式片段不是隨機保留。

它們經過：

使用者；
production；
incident；
patch；
regression；
deployment；

反覆篩選。

某些特別糟糕的部分會被修掉。

某些雖然醜、但非常可靠的部分反而留下。

所以存活很久的 codebase 具有：

Survivorship Filtering

這不能推出：

老程式碼一定很好。

但可以推出：

一段活了十五年仍然承擔關鍵工作、且經歷無數部署的程式，不能只因外觀難看就假定它毫無價值。

它至少證明：

F_v > 0

而且可能很高。

14. 重寫悖論：新系統結構更漂亮，但知識更少

假設：

S_{\text{old}}

很亂。

團隊建立：

S_{\text{new}}

新系統擁有：

Q_s(S_{\text{new}}) > Q_s(S_{\text{old}})

這很好。

但一開始很可能：

K_{\text{embedded}}(S_{\text{new}}) < K_{\text{embedded}}(S_{\text{old}})

所以：

F_v(S_{\text{new}})

不一定立刻更高。

這就是：

Rewrite Paradox

「重新寫」不是把同一系統用更好的程式碼重寫。

實際上往往是：

重新發現舊系統二十年來已經學會的所有世界規則。

如果漏掉：

少見 exception；
legacy customer；
奇怪 settlement；
timing behavior；
hidden API contract；

新系統就會在上線後重新「學習」。

而所謂學習，通常就是：

bug
→ incident
→ patch
→ new exception

新系統可能開始重新走向泥巴。

15. 所以 Reconstruction 為什麼很難？

Big Ball of Mud 把 Reconstruction 也列為模式。

這點非常重要。

因為泥巴不是永遠不能重建。

而是重建需要某些條件。

至少要知道：

A_{\text{effective}}

而不只是：

A_{\text{declared}}

還要辨認：

\mathbf{C}

補償機制。

以及：

K_{\text{embedded}}

歷史知識。

如果不知道這三者，就可能：

\text{Reconstruction} \rightarrow \text{Lost Capability}

因此安全重建不是：

old code
→ delete
→ clean new code

而應該更接近：

\text{Recover} \rightarrow \text{Model} \rightarrow \text{Verify} \rightarrow \text{Migrate} \rightarrow \text{Observe} \rightarrow \text{Retire}

16. Big Ball of Mud 作為「生存架構」

本文因此提出：

生存架構

Survival Architecture

它不是一種推薦設計模式。

定義為：

一個系統雖然缺乏高度一致的全局架構，但透過局部適應、歷史知識、補償機制、相容層與組織熟悉度，持續滿足足夠多現實條件而得以長期存活的架構狀態。

其生存適應度可概念化為：

F_v = f( A_l, C, K_e, K_f, R_c, E )

其中：

$A_l$ ：local adaptability；
$C$ ：compensation capacity；
$K_e$ ：embedded knowledge；
$K_f$ ：familiarity capital；
$R_c$ ：continuity／recovery capacity；
$E$ ：environment fit。

因此：

Q_s \downarrow

不必然立刻造成：

F_v \downarrow

但通常會提高未來改變的成本與風險。

17. 生存架構的代價

Big Ball of Mud 能活，不代表免費。

它的代價通常表現在：

17.1 Change Cost

C_{\Delta} \uparrow

修改一個功能需要理解越來越多未知關係。

17.2 Cognitive Load

L_{\text{cognitive}} \uparrow

新成員難以建立完整模型。

17.3 Compensation Load

L_c \uparrow

越來越多 wrapper、manual process 與 exception。

17.4 Hidden Coupling

D_{\text{hidden}} \uparrow

依賴不再只存在於程式碼。

17.5 Rewrite Risk

R_{\text{rewrite}} \uparrow

因為沒有人確定全部行為。

所以：

屎山真正的問題不是「不能工作」，而是它把未來自由度逐漸換成現在連續性。

18. 生存性—可演化性邊界

因此可以把系統分成四個粗略區域：

Structural Quality	Survival Fitness	狀態
高	高	健康可演化系統
高	低	理論漂亮但現實不適配
低	高	生存型泥巴／成熟 legacy
低	低	接近失敗或等待淘汰

其中最容易被工程敘事誤判的是：

Q_s \downarrow,\quad F_v \uparrow

因為我們看到結構很糟，就容易推論它沒有價值。

但真正合理的治理策略應該是：

保留 $F_v$ ，提高 $Q_s$ 。

而不是：

為了提高 $Q_s$ ，先把 $F_v$ 摧毀。

19. 對 Dynamic MSSP 的啟示：先判定「它為何活著」

這直接影響 Dynamic MSSP。

傳統架構檢查器看到：

cyclic dependency

可能直接給：

ERROR

Dynamic MSSP 更應該問：

這個 cycle 是否真的參與 runtime？
哪些功能依賴它？
它是不是 historical compatibility？
是否存在補償？
移除後 blast radius 多大？
它是偶然耦合，還是已經凝固成 effective contract？
是否存在可替換路徑？

因此：

\text{Violation} \not\Rightarrow \text{Immediate Repair}

而是：

\text{Violation} \rightarrow \text{Role Analysis} \rightarrow \text{Survival Function Analysis} \rightarrow \text{Migration Decision}

這是 AI 比傳統 Linter 更可能發揮價值的地方。

20. 「醜」不是有效分類

軟體工程常使用：

spaghetti；
hack；
ugly；
legacy；
shit code；

這些詞很有溝通效率。

但研究上太粗。

同一段 ugly code 可能是：

無意義殘留；
暫時 workaround；
historical compatibility；
performance optimization；
regulatory edge case；
human compensation anchor；
已凝固的 effective contract。

因此 Dynamic MSSP 最重要的不是：

AI 幫我們找醜程式碼。

而是：

AI 幫我們判斷醜程式碼到底在系統裡扮演什麼角色。

這比 code smell classification 更接近真正的架構治理。

21. 命題 4：生存架構命題

本文提出系列第四個命題：

生存架構命題

對長期運行軟體系統 $S$ 而言：

\boxed{ Q_s(S) \nRightarrow F_v(S) }

其中：

$Q_s$ ：Structural Quality；
$F_v$ ：Survival Fitness。

較低的結構品質不必然導致較低的短期或中期生存適應度。

Big Ball of Mud 可以透過：

\boxed{ \text{Local Adaptation} + \text{Compensation} + \text{Embedded Knowledge} + \text{Familiarity} + \text{Continuity} }

維持相當高的：

F_v

但這通常以更高的：

C_{\Delta} + L_c + D_{\text{hidden}} + R_{\text{rewrite}}

為代價。

因此它是一種：

能活，但越來越昂貴地活。

22. 結論：屎山沒死，是因為它其實一直在適應

本文最終回答：

屎山為什麼沒有死？

不是因為結構問題不存在。

也不是因為軟體工程原則都沒有用。

而是因為很多 Big Ball of Mud 具有非常強的局部適應能力。

它們透過：

piecemeal growth；
keep it working；
wrapping；
compatibility；
human workaround；
embedded knowledge；
familiarity capital；
compensation；

持續跟現實世界交換結構品質，以換取可運行性。

所以更準確的描述不是：

「一堆壞東西不知道為什麼還能跑。」

而是：

「一個全局結構不佳、但局部適應機制極其成熟的生存系統。」

這也回到本系列最初的疑問。

某些大型軟體確實可能像：

由大量局部不完美零件、歷史補丁與補償結構組成，但外部功能依然完好的產品。

但這種狀態不是魔法。

它背後存在可以研究的機制：

\boxed{ \text{Operational Survival} = \text{Local Adaptation} \otimes \text{Accumulated Compensation} \otimes \text{Historical Knowledge} }

而理解這些機制，正是安全重構的前提。

下一篇將進一步把目前混在一起使用的幾個詞拆開：

〈技術債、架構侵蝕與歷史殘留：三種不同的結構負擔〉

因為不是所有泥巴都是 technical debt。

有些是債；

有些是侵蝕；

有些只是歷史沉積；

還有一些，是問題世界本身不可避免的複雜度。

參考文獻

Foote, B., & Yoder, J. (1997/1999). Big Ball of Mud. Fourth Conference on Pattern Languages of Programs (PLoP '97); later published in Pattern Languages of Program Design 4. https://www.laputan.org/mud/
Weiderman, N. W., Smith, D. B., & Tilley, S. R. (1997). Approaches to Legacy System Evolution. Carnegie Mellon University Software Engineering Institute, CMU/SEI-97-TR-014.
Lehman, M. M., Ramil, J. F., Wernick, P. D., Perry, D. E., & Turski, W. M. (1997). Metrics and Laws of Software Evolution—The Nineties View. Proceedings of the 4th International Software Metrics Symposium.
Lehman, M. M., & Ramil, J. F. (2003). Software Evolution—Background, Theory, Practice. Information Processing Letters, 88(1–2), 33–44.
Li, R., Liang, P., Soliman, M., & Avgeriou, P. (2022). Understanding Software Architecture Erosion: A Systematic Mapping Study. Journal of Software: Evolution and Process, 34(3), e2423.
Li, R., Soliman, M., Liang, P., & Avgeriou, P. (2022). Symptoms of Architecture Erosion in Code Reviews: A Study of Two OpenStack Projects. arXiv:2201.01184.
Knieke, C., Rausch, A., & Schindler, M. (2021). Tackling Software Architecture Erosion: Joint Architecture and Implementation Repairing by a Knowledge-based Approach. arXiv:2104.13919.
Neo.K / EveMissLab. 《表觀完好系統》系列第 1–3 篇，以及 MSSP / FPL 既有架構研究。