ویرگول
ورودثبت نام
Maedeh Zarei
Maedeh Zarei
Maedeh Zarei
Maedeh Zarei
خواندن ۲۹ دقیقه·۳ ماه پیش

معماری نرم‌افزار، از ساختار تیم‌ها تا جریان ارزش؛ مروری بر کتاب Team Topologies

وقتی درباره‌ معماری نرم افزار صحبت می‌کنیم، معمولا ذهنمان به سمت Componentها، Moduleها، Serviceها، Interfaceها، Databaseها و نحوه‌ ارتباط آن‌ها می‌رود. با این حال، یک سؤال مهم معمولاً کمتر دیده می‌شود: چه کسانی قرار است این معماری را بسازند، تغییر دهند و در طول زمان از آن مراقبت کنند؟

کتاب Team Topologies: Organizing Business and Technology for Fast Flow of Value نوشته‌Matthew Skelton و Manuel Pais دقیقاً از همین منظر معماری را بررسی می کند. انتشار اولیه این کتاب در سال ۲۰۱۹ و بازنگری آن در سال ۲۰۲۵ با عنوان Second Edition صورت گرفت. نسخه‌ دوم کتاب، دارای ساختار سه بخشی به شرح زیر است:

Teams as the Means of Delivery, Team Topologies That Work for Flow & Evolving Team Interactions for Innovation and Rapid Delivery. [1]

ایده‌ مطرح شده در کتاب به این می پردازد که توسعه و بهره‌برداری از نرم‌افزار را نمی‌توان صرفاً یک مسئله‌ فنی دانست. Software Delivery یک Sociotechnical System است؛ یعنی نتیجه‌ تعامل میان انسان‌ها، تیم‌ها، ساختار سازمانی، فناوری و معماری نرم‌افزار است. بنابراین اگر تیم‌ها و روابط میان آن‌ها به درستی طراحی نشده باشند، حتی یک معماری فنی خوب نیز ممکن است در عمل نتواند جریان مناسبی از تغییرات را ایجاد کند.

هدف نهایی Team Topologies، چیزی است که نویسندگان آن را Fast Flow of Value می‌نامند؛ یعنی حرکت سریع و ایمن تغییرات و ارزش کسب‌ و کاری از ایده تا رسیدن به کاربر با کاهش انتظار، وابستگی، تحویل‌های بین‌ تیمی و سربار هماهنگی. کتاب تأکید می‌کند که برای رسیدن به این هدف، باید هم ساختار تیم‌ها و هم نحوه‌ تعامل آن‌ها را آگاهانه طراحی کرد. [1]

از این منظر، Team Topologies را نمی‌توان صرفاً درباره‌ی مدیریت تیم‌ها دانست. بخش مهمی از استدلال کتاب به این موضوع مربوط است که ساختار تیم‌ها چگونه روی ساختار Software Architecture اثر می‌گذارد و چگونه می‌توان از آن آگاهانه بهره برد.

Team Topologies: Organizing Business and Technology for Fast Flow of Value by Matthew Skelton & Manuel Pais
Team Topologies: Organizing Business and Technology for Fast Flow of Value by Matthew Skelton & Manuel Pais

Part I — Teams as the Means of Delivery

بخش اول کتاب با عنوان Teams as the Means of Delivery، پایه‌های فکری Team Topologies را می‌سازد:

اگر Team واحد اصلی تحویل نرم‌افزار است، این تیم‌ها را چگونه باید شکل داد و چه رابطه‌ای باید بین آن‌ها وجود داشته باشد؟

فصل اول نشان می‌دهد که ساختار رسمی سازمان با نحوه‌ واقعی انجام کار یکسان نیست. فصل دوم توضیح می‌دهد که ساختار ارتباطی تیم‌ها می‌تواند معماری نرم‌افزار را شکل دهد. فصل سوم نیز این بحث را به خود تیم می‌رساند و می‌پرسد یک تیم مؤثر چه اندازه‌ای دارد، چه چیزی را باید مالک شود و چگونه باید Cognitive Load آن را کنترل کرد.

Chapter 1 — The Problem with Org Charts

چرا Org Chart برای طراحی Software Delivery کافی نیست؟

Org Chart یا نمودار سازمانی، ساختار رسمی است که سازمان را نمایش می‌دهد؛ یعنی واحدها، تیم‌ها و روابط گزارش‌دهی میان آن‌ها. این نمودار برای موضوعاتی مانند مدیریت، مسئولیت رسمی و الزامات قانونی مفید است، اما Team Topologies استدلال می‌کند که برای توضیح نحوه‌ واقعی انجام کار در محیط‌های پیچیده‌ی نرم‌افزاری کافی نیست. [1]

مشکل اصلی زمانی ایجاد می‌شود که تصور کنیم خطوط موجود در Org Chart همان مسیرهای واقعی ارتباط هستند.

در یک سازمان نرم‌افزاری، یک برنامه‌نویس ممکن است از نظر رسمی عضو یک تیم باشد، اما برای حل یک مسئله‌ دائماً با توسعه‌دهندگان تیم دیگر، متخصص زیرساخت، مسئول امنیتی یا شخصی از تیم عملیات در ارتباط باشد. بنابراین مسیر واقعی ارتباطات اغلب افقی یا Lateral است، نه صرفاً عمودی و سلسله‌مراتبی.

کتاب در توضیح این وضعیت تأکید می‌کند که افراد در عمل با کسانی ارتباط برقرار می‌کنند که برای انجام کار به آن‌ها نیاز دارند، حتی اگر این ارتباط در Org Chart دیده نشود. [1]

یک مثال ساده

فرض کنیم در ساختار رسمی سازمان چنین چیزی داریم: مدیریت، Team B، Team A و Team C

در واقعیت، برای تحویل یک Feature، تیم A باید دائماً منتظر تیم B باشد و تیم B نیز برای تغییر Database به یک متخصص مرکزی مراجعه کند. در این حالت، اگر فقط Org Chart را ببینیم، ممکن است تصور کنیم سه تیم نسبتاً مستقل داریم. اما در عمل، یک شبکه‌ پیچیده از Dependencyها وجود دارد که مسیر واقعی تحویل را تعیین می‌کند.

بنابراین مسئله‌ی اصلی این است که Org Chart، ساختار رسمی را نشان می‌دهد، اما Software Delivery به ساختار واقعی ارتباط و جریان کار وابسته است.

سه ساختار متفاوت در سازمان

کتاب در این بحث از دیدگاه Niels Pflaeging استفاده می‌کند که در هر سازمان، سه نوع ساختار را باید از هم تفکیک کرد: Formal Structure (ساختار رسمی که همان Org Chart است و روابط رسمی سازمان را نشان می‌دهد)، Informal Structure (شبکه‌ و روابط غیررسمی میان افراد و تیم‌ها؛ برای مثال اینکه در عمل چه کسی مرجع تصمیم‌گیری یا حل مسئله محسوب می‌شود) و Value Creation Structure (نحوه‌ واقعی انجام کار؛ یعنی اینکه افراد و تیم‌ها در عمل چگونه با یکدیگر تعامل می‌کنند تا ارزش تولید شود). [1]

برای محیط‌های دانش‌محور مانند Software Engineering، دو ساختار آخر از اهمیت ویژه‌ای برخوردارند، چرا که ارزش واقعی از طریق تعاملات میان افراد و تیم‌ها ایجاد می‌شود.

Local Optimization در برابر Fast Flow

یکی از نکات مهم این فصل، تفاوت میان Local Optimization و بهینه‌سازی جریان کل سیستم است.

فرض کنیم یک تیم موفق شده زمان انجام کار خودش را نصف کند. اگر تیم بعدی همچنان گلوگاه باشد، این بهبود الزاماً باعث سریع‌تر شدن تحویل نهایی نمی‌شود. به همین دلیل Team Topologies نگاه Systems Thinking را مطرح می‌کند: باید به کل جریان نگاه کرد و مهم‌ترین Bottleneck را پیدا و برطرف کرد، نه اینکه صرفاً یک بخش کوچک را بهینه کنیم. [1] هدف این دیدگاه، Fast Flow of Value است.

Fast Flow به معنی کدنویسی سریع‌تر نیست؛ موضوع این است که یک تغییر بتواند از مرحله‌ ایده تا استفاده‌ واقعی، با کمترین انتظار، Dependency و Handoff حرکت کند. بنابراین اگر یک تیم فوق‌العاده سریع باشد، اما برای هر Release مجبور باشد چند روز منتظر تیم دیگری بماند، سرعت آن تیم به‌ تنهایی جریان کار کل سیستم را افزایش نمی‌دهد.

این نگاه به‌وضوح ریشه‌ یکی از ایده‌های اصلی Team Topologies را نشان می‌دهد:

«به‌جای بهینه‌سازی افراد یا تیم‌های منفرد، باید جریان ارزش در کل سیستم را بهینه کرد.»

چرا سازمان‌های ایستا مشکل‌ساز می‌شوند؟

در مهندسی نرم افزار، فناوری، بازار، نیازهای مشتری و حتی خود محصول دائماً تغییر می‌کنند. بنابراین ساختاری که امروز منطقی است، ممکن است چند ماه بعد به یک Bottleneck تبدیل شود. مدل‌های سازمانی سنتی مانند ساختارهای صرفاً Functional یا حتی Matrix Management این جهت مورد انتقاد هستند که اغلب تصویری Static از سازمان ارائه می‌کنند. بنابراین، کتاب وجود یک مدل Adaptive را مطرح می‌کند؛ مدلی که بتواند با تغییر شرایط، ساختار تیم‌ها و نحوه‌ تعامل آن‌ها را نیز تغییر دهد. [1]

این ایده در بخش‌های بعدی کتاب به Organizational Sensing و تکامل مداوم Team Topologies منجر می‌شود، اما ریشه‌ی آن در همین فصل اول قرار دارد.

به طور خلاصه، Chapter 1 می‌گوید:

برای درک نحوه‌ی واقعی تحویل نرم‌افزار، نباید فقط Org Chart را ببینیم؛ باید Communication Structure و نحوه‌ی واقعی خلق ارزش را نیز در نظر بگیریم.

Chapter 2 — Conway’s Law and Why It Matters

Conway’s Law چیست؟

Mel Conway در سال ۱۹۶۸ رابطه‌ای میان ساختار سازمانی و ساختار سیستم‌هایی که سازمان تولید می‌کند مطرح کرد که در کتاب، تعریف آن به این شکل نقل شده است:

"Organizations which design systems...are constrained to produce designs which are copies of the communication structures of these organizations." [1]

سازمانی که یک سیستم را طراحی می‌کند، تحت تأثیر ساختار ارتباطی خودش قرار دارد و معماری‌ای که ایجاد می‌کند تمایل دارد همان الگوی ارتباطی را منعکس کند.

[1] Skelton, M., & Pais, M. Team Topologies, 2nd ed., Chapter 2.

کتاب برای توضیح این ارتباط از مفهوم Homomorphic Force نیز استفاده می‌کند. منظور از آن، نیرویی است که باعث می‌شود Software Architecture و Team Structure به سمت یک شکل مشابه حرکت کنند. بنابراین برای فهم اینکه چه معماری‌ای در یک سازمان واقعاً قابل دستیابی است، باید نحوه‌ ارتباط تیم‌ها را بشناسیم. [1]

مثال چهار تیم و یک DBA

کتاب برای توضیح این موضوع یک مثال بسیار روشن ارائه می‌کند.

فرض کنید چهار تیم روی چهار بخش مختلف یک سیستم کار می‌کنند. هر تیم، توسعه‌دهنده‌ Front-end و Back-end دارد، اما برای تغییرات Database مجبور است به یک DBA مرکزی مراجعه کند.

در نتیجه ساختار ارتباطی تقریباً چنین است:

Figure 2.1: Four Teams Working on a Software System
Figure 2.1: Four Teams Working on a Software System

Conway’s Law پیش‌بینی می‌کند معماری‌ای که طبیعی‌تر است به سمت چنین ساختاری حرکت کند:

Figure 2.2: Software Architecture from Four-Team Organization
Figure 2.2: Software Architecture from Four-Team Organization

این دقیقاً همان ارتباطی است که کتاب در Figures 2.1 و 2.2 توضیح می‌دهد: تیم‌های جداگانه به یک DBA مرکزی وابسته‌اند و همین ساختار ارتباطی، احتمال شکل‌گیری یک Shared Database را افزایش می‌دهد. [1]

اگر هدف معماری ما همین باشد، مشکلی وجود ندارد، اما فرض کنیم می‌خواهیم Microservices مستقل داشته باشیم که هرکدام Data Store خود را نیز داشته باشند. در این صورت ساختار تیمی قبلی با Architecture مطلوب سازگار نیست.

Reverse Conway Maneuver

در Reverse Conway Maneuver، به‌ جای اینکه فقط معماری را طراحی کنیم و امیدوار باشیم ساختار تیم‌ها در نهایت با آن هماهنگ شود، تیم‌ها را از ابتدا طوری طراحی می‌کنیم که Communication Structure مورد نیاز Architecture مطلوب را ایجاد کنند.

در مثال بالا، اگر هدف ما داشتن چهار Service مستقل باشد، به‌جای یک DBA مرکزی، قابلیت Database را در خود تیم مربوط به هر Service قرار می‌دهیم.

به این ترتیب:

Figure 2.4: Team Design for Microservices Architecture with Independent Services and Data Stores
Figure 2.4: Team Design for Microservices Architecture with Independent Services and Data Stores

ساختار تیمی اکنون با Architecture مورد نظر هم‌راستا شده است.

این رویکرد به‌ ویژه زمانی مهم است که بخواهیم بخش‌های مختلف یک سیستم را مستقل و با حداقل Dependency میان تیم‌ها توسعه دهیم. [1]

Architecture باید Team-Scoped Flow را پشتیبانی کند.

در ادامه‌ی فصل دوم، بحث مهم دیگری مطرح می‌شود: Team-Scoped Flow، یعنی جریان تغییرات تا حد امکان باید در محدوده‌ یک تیم باقی بماند. اگر برای هر تغییر کوچک مجبور باشیم چند تیم را هماهنگ کنیم، جریان تحویل به انتظار و هماهنگی وابسته می‌شود.

کتاب برای رسیدن به این وضعیت، چند اصل شناخته‌شده‌ معماری را مطرح می‌کند:

- Loose Coupling؛ وابستگی شدید میان اجزای سیستم کاهش یابد.

- High Cohesion؛ مسئولیت‌های یک Component تا حد امکان مشخص و مرتبط باشند.

- Clear Version Compatibility؛ سازگاری میان بخش‌های مختلف روشن باشد.

- Clear Cross-Team Testing؛ تست هایی که از مرز تیم‌ها عبور می‌کنند، آگاهانه مدیریت شوند. [1]

در نتیجه معماری از نگاه Team Topologies باید بتواند نحوه‌ واقعی کار کردن تیم‌ها را نیز تسهیل کند.

در نهایت، اگر تعیین کنیم چه تیمی مسئول چه Software Subsystemی باشد، عملاً بخشی از Architecture را نیز تعیین کرده‌ایم. به همین دلیل طراحی سازمان و طراحی نرم‌افزار کاملاً مستقل از یکدیگر نیستند. کتاب حتی تأکید می‌کند تصمیم‌های مربوط به شکل، مسئولیت و مرزهای تیم‌های فنی باید با درک کافی از Architecture گرفته شوند. [1]

Chapter 3 — Team-First Thinking

«تیم، واحد بنیادین تحویل نرم‌افزار است.»

در نگاه Team Topologies، تیم صرفاً مجموعه‌ای از افراد با یک مدیر مشترک نیست. یک تیم واقعی باید ماموریت، هدف، یادگیری و سطح مناسبی از هماهنگی را داشته باشد و بتوانند با هم کار کنند و با هم یاد بگیرند. [1]

Small, Long-Lived Teams

کتاب اندازه‌ی مؤثر معمولی یک تیم را حدود ۷ تا ۹ نفر در نظر می‌گیرد و این موضوع را با محدودیت‌های ارتباط انسانی و مفهوم Dunbar’s Number مرتبط می‌کند. [1]

Dunbar’s Number چیست؟

Dunbar’s Number به محدودیت تقریبی انسان در نگهداری روابط اجتماعی پایدار اشاره دارد. Team Topologies از این ایده برای توضیح این موضوع استفاده می‌کند که تیم نیز ظرفیت محدودی برای ارتباط و هماهنگی دارد.

در همین زمینه کتاب به ایده‌ Amazon’s Two-Pizza Teams نیز اشاره می‌کند؛ یعنی تیم‌ها باید آن‌قدر کوچک باشند که ارتباط و انسجام میان اعضای آن‌ها همچنان قابل مدیریت باشد. [1]

هرچه Team بزرگ‌تر و روابط درون آن پیچیده‌تر شود، حفظ هماهنگی، اعتماد و درک مشترک دشوارتر می‌شود.

چرا تیم‌ها باید Long-Lived باشند؟

تیم‌ها برای تبدیل شدن به یک واحد واقعاً مؤثر، به زمان نیاز دارند. اعضا باید یکدیگر را بشناسند، روش کار مشترک ایجاد کنند، دامنه را بفهمند، اعتماد ایجاد کنند، و الگوهای حل مسئله‌ مشترک بسازند. به همین دلیل کتاب توصیه می‌کند تیم‌ها نسبتاً پایدار باشند و کار را به تیم بدهیم، نه اینکه دائماً افراد را بین پروژه‌ها جابه‌جا کنیم.

این ایده با Brooks’s Law نیز مرتبط می‌شود: اضافه کردن افراد جدید به یک تیم الزاماً ظرفیت آن را فوراً افزایش نمی‌دهد، زیرا هماهنگی و Ramp-up نیز خود هزینه ایجاد می‌کنند. [1]

بنابراین:

«Stable does not mean Static.»

تیم باید پایدار باشد، اما در صورت نیاز و با منطق مشخص تکامل پیدا کند.

The Team Owns the Software

منظور از Ownership صرفاً داشتن دسترسی یا مسئولیت قراردادی نیست. هدف ایجاد چیزی است که کتاب آن را Continuity of Care می‌نامد. یعنی تیم فقط نرم افزار را نمی‌سازد، بلکه در طول عمر آن نیز درک و مسئولیت خود را حفظ می‌کند. این موضوع به Operability و توانایی تکامل تدریجی سیستم کمک می‌کند. [1]

این دیدگاه بعدها در کتاب با رابطه‌ نزدیک‌تر میان Development و Operations نیز ادامه پیدا می‌کند.

Cognitive Load

Cognitive Load مقدار بار ذهنی مورد نیاز برای پردازش و انجام یک کار است. کتاب این مفهوم را بر اساس کار John Sweller در Cognitive Load Theory توضیح می‌دهد. [1]

نویسندگان استدلال می‌کنند که همان‌طور که یک فرد ظرفیت محدودی برای پردازش اطلاعات دارد، یک تیم نیز ظرفیت محدودی برای درک و مدیریت پیچیدگی دارد؛ در نتیجه نمی‌توان به یک تیم تعداد نامحدودی Software Subsystem، Domain، Technology و Responsibility داد و انتظار داشت همچنان منسجم و مؤثر باقی بماند.

سه نوع Cognitive Load داریم: Intrinsic Cognitive Load (پیچیدگی ذاتی خود مسئله)، Extraneous Cognitive Load (پیچیدگی‌ای که ناشی از خود مسئله نیست و از محیط انجام کار ایجاد می‌شود) و Germane Cognitive Load (بار ذهنی‌ای که مستقیماً برای یادگیری، درک عمیق مسئله و عملکرد بهتر صرف می‌شود؛ برای مثال فهم رابطه‌ درست میان دو Service). [1]

هدف این است: کاهش Intrinsic Cognitive Load تا حد امکان، حذف Extraneous Cognitive Load و آزاد کردن ظرفیت ذهنی برای Germane Cognitive Load.

کتاب برای کاهش این بار به راهکارهایی مانند آموزش، انتخاب مناسب فناوری، Pair Programming و به‌ ویژه Automation اشاره می‌کند. [1]

اگر یک Software Subsystem آن‌قدر بزرگ و پیچیده شود که یک تیم دیگر نتواند تصویر کاملی از آن داشته باشد، تیم عملاً نمی‌تواند نرم افزار را به‌صورت مؤثر مالکیت بخشیده و توسعه دهد. بنابراین کتاب پیشنهاد می‌کند:

"اندازه‌ Software Subsystem نباید از Cognitive Capacity تیم مسئول آن فراتر برود." [1]

Team-Sized Architecture

در Team-Sized Architecture مرزهای نرم افزار بر اساس محدودیت‌های انسانی و Cognitive Capacity تیم‌ها نیز در نظر گرفته می‌شوند. پس سؤال فقط این نیست که Monolith بهتر است یا Microservices، بلکه آیا این Software Boundary با ظرفیت شناختی تیمی که مسئول آن است سازگار است؟ به همین دلیل کتاب Team-Sized Architecture را یک رویکرد People-First می‌داند؛ رویکردی که الزاماً به Microservices وابسته نیست. [1]

Team API

وقتی از API صحبت می‌کنیم معمولاً به Interfaceهای نرم‌افزاری فکر می‌کنیم. اما Team API گسترده‌تر است.

از دید کتاب، هر چیزی که یک تیم دیگر برای تعامل مؤثر با یک تیم نیاز دارد، می‌تواند بخشی از Team API باشد؛ از Software API و Documentation گرفته تا Onboarding، روش‌های ارتباطی، Chat Channelها، انتظارات و حتی نحوه‌ درخواست کمک. [1]

Software API = How software talks to software

Team API = How one team interacts with another team

Figure 3.3: Typical vs. Team-First Software Subsystem Boundaries
Figure 3.3: Typical vs. Team-First Software Subsystem Boundaries

بنابراین، در Part I به این پرداخته شد که Org Chart واقعیت کامل سازمان نیست، ساختار ارتباطی تیم‌ها روی معماری اثر دارد و معماری باید با ظرفیت تیم‌ها سازگار باشد. [1]

Team Topologies را می‌توان مکملی برای دیدگاه Allocation Structure در Software Architecture in Practice دانست، نه جایگزینی برای آن؛ چرا که Bass بیشتر توضیح می‌دهد معماری چگونه با ساختارها و Quality Attributeها قابل فهم و ارزیابی است، در صورتی که Team Topologies نشان می‌دهد ساختار تیم‌ها، مسئولیت‌ها و ارتباطات آن‌ها چگونه می‌تواند روی همان معماری اثر بگذارد.

Part II — Team Topologies That Work for Flow

چگونه تیم‌ها و مرزهای آن‌ها را برای جریان بهتر ارزش طراحی کنیم؟

Part II به سه سؤال عملی‌تر پاسخ می‌دهد:

تیم‌ها را چگونه طراحی کنیم؟

چه نوع تیم‌هایی داشته باشیم؟

مرز مسئولیت تیم‌ها و مرزهای نرم‌افزار را کجا قرار دهیم؟

Chapter 4 — Static Team Topologies

تیم‌ها نباید صرفاً در پاسخ به مشکلات لحظه‌ای و به شکل تصادفی ایجاد شوند. نویسندگان برای ساختارهای تیمی‌ای که آگاهانه برای یک Context مشخص طراحی شده‌اند، اصطلاح Team Topologies را به کار می‌برند. در اینجا واژه‌ Static به معنای همیشگی و غیرقابل‌تغییر نیست؛ منظور ساختاری است که برای یک سازمان و یک مقطع زمانی مشخص مناسب است و می‌تواند بعداً تکامل پیدا کند. این نکته مهم است، چون یکی از اصول اساسی کتاب این است که سازمان نباید یک بار Team Structure را طراحی کند و سپس برای همیشه همان ساختار را حفظ کند.

دو Anti-Pattern مهم در طراحی تیم

Anti-Pattern به رویکردی گفته می‌شود که در ظاهر می‌تواند منطقی به نظر برسد، اما در عمل معمولاً مشکلات تکرارشونده‌ای ایجاد می‌کند.

1. Ad Hoc Team Design

Ad Hoc Team Design یعنی تیم‌ها را بدون یک نگاه جامع به کل سازمان و صرفاً در پاسخ به یک نیاز فوری ایجاد کنیم.

برای مثال، فرض کنید یک مشکل جدی در Database رخ داده است. یک واکنش ممکن این است که فوراً یک DBA Team بسازیم. یا اگر فرآیند Deployment دشوار است، یک DevOps Team مستقل ایجاد کنیم. چنین تصمیم‌هایی ممکن است در کوتاه‌مدت منطقی به نظر برسند، اما اگر روابط میان تیم جدید و سایر تیم‌ها بررسی نشود، همین Team می‌تواند به یک Dependency یا Bottleneck جدید تبدیل شود. در نتیجه، حل یک مشکل محلی ممکن است مشکل جدیدی در سطح سیستم ایجاد کند.

2. Shuffling Team Members

Shuffling Team Members یعنی افراد را برای Projectها یا Initiativeهای مختلف دائماً جابه‌جا کنیم و تیم‌ها را پس از پایان هر پروژه منحل یا بازسازی کنیم. این روش ممکن است در ظاهر انعطاف‌پذیری زیادی ایجاد کند، اما هزینه‌هایی دارد که اغلب دیده نمی‌شوند؛ از جمله تشکیل دوباره‌ی تیم، از دست رفتن دانش، Context Switching، کاهش Cohesion، نیاز به ایجاد دوباره‌ی اعتماد و روش کار مشترک و زمان لازم برای آشنایی اعضا با Context جدید.

بنابراین یک مهندس با انتقال از یک تیم به تیم دیگر الزاماً همان عملکرد قبلی را ندارد، زیرا عملکرد تیم فقط به مهارت‌های فردی وابسته نیست و از روابط، Context و نحوه‌ همکاری اعضا نیز تأثیر می‌گیرد.

Design for Flow of Change

هدف طراحی تیم‌ها فقط این نیست که ساختار سازمانی مرتب‌تر شود. هدف اصلی باید Flow of Change باشد؛ یعنی حرکت تغییر از ایده تا نرم افزار قابل استفاده با کمترین اصطکاک، انتظار و Handoff.

Feature Teams

Feature Team تیمی چندتخصصی است که می‌تواند یک Feature را به‌ صورت End-to-End تحویل دهد، به جای اینکه Feature بین تیم‌های تخصصی متعدد جابه‌جا شود.

اما کتاب یک نکته‌ی مهم را هم مطرح می‌کند: Feature Team بدون Engineering Maturity کافی ممکن است مشکل‌ساز شود. اگر تیم مجبور باشد برای یک Feature به چند Codebase متعلق به Component Teamهای مختلف دست بزند، Engineering Discipline پایین می‌تواند باعث افزایش Technical Debt و کاهش اعتماد میان تیم‌ها شود. بنابراین Feature Team یک نسخه‌ی جادویی برای همه‌ی سازمان‌ها نیست و میزان موفقیت آن به Context و بلوغ سازمان وابسته است.

Product Teams

Product Team تیمی است که مسئول مجموعه‌ای از قابلیت‌های یک Product است و هدفش ارائه‌ ارزش End-to-End به کاربران است. با این حال، Product Team حتی با وجود Ownership بالا همچنان ممکن است به Infrastructure، Test Environment، Build Systems یا Delivery Pipeline وابسته باشد.

Non-Blocking Dependencies

هر Dependency الزاماً بد نیست. Dependency زمانی به مشکل جدی تبدیل می‌شود که باعث شود تیم برای ادامه‌ کار منتظر تیم دیگری بماند.

Cloud Teams و Infrastructure

در سازمان‌های مدرن، Cloud و Infrastructure نقش مهمی دارند، اما کتاب نسبت به ساخت تیم‌های تخصصی‌ای که در مسیر اصلی تحویل قرار می‌گیرند هشدار می‌دهد. اگر یک Cloud یا Infrastructure Team برای هر Deployment یا تغییر محیط باید به‌صورت دستی وارد فرآیند شود، این تیم به بخشی از Delivery Path تبدیل می‌شود و Flow را کند می‌کند. راه‌حل، تا حد امکان، ارائه‌ی Capabilityهای زیرساختی به‌صورت Self-Service است؛ یعنی تیم مصرف‌کننده بتواند از آن‌ها بدون هماهنگی دائمی با تیم ارائه‌دهنده استفاده کند.

SRE — Site Reliability Engineering

SRE = Site Reliability Engineering

کتاب SRE را نیز به‌عنوان یکی از الگوهای مرتبط با ساختار تیمی بررسی می‌کند و نکته‌ی قابل توجه این است که SRE Team را نوع خاصی از Stream-Aligned Team در نظر می‌گیرد؛ زیرا مسئولیت آن حول Reliability سرویس‌های بزرگ در Production تعریف می‌شود و کار آن نیز با یک جریان مشخص از تغییرات مرتبط است.

در Team Topologies، مسئولیت Production تا حد امکان به تیمی که Software را می‌سازد و Evolution آن را دنبال می‌کند نزدیک باقی می‌ماند.

Figure 4.3: Relationship between SRE Team and Application Team
Figure 4.3: Relationship between SRE Team and Application Team

انتخاب Topology به Context بستگی دارد و هیچ Topology واحدی برای تمام سازمان‌ها مناسب نیست.

کتاب عواملی مانند این موارد را در انتخاب Topology مهم می‌داند: اندازه‌ی سازمان، مقیاس نرم افزار،Technical and Cultural Maturity، میزان Dependency میان تیم‌ها، Engineering Discipline و Wait Time بین تیم‌ها.

سازمانی با بلوغ پایین ممکن است هنوز برای رسیدن به تیم‌های کاملاً Autonomous آماده نباشد. در چنین شرایطی، تیم‌های تخصصی‌تر می‌توانند موقتاً قابل قبول باشند، به شرط آن که همکاری میان آن‌ها باعث افزایش Wait Time نشود. با افزایش بلوغ فنی و فرهنگی، امکان استفاده‌ی گسترده‌تر از تیم‌های Autonomous و Stream-Aligned فراهم می‌شود.

بنابراین Topology باید با Context سازگار باشد.

Splitting Responsibilities

Chapter 5 — The Four Fundamental Team Topologies

در بسیاری از سازمان‌ها با تعداد زیادی Team Type و Team Name متفاوت مواجه می‌شویم. مشکل این است که این تنوع زیاد باعث می‌شود پاسخ به سؤال‌هایی مثل "چه تیمی چه کاری انجام می‌دهد؟" دشوار شود. راه‌حل Team Topologies کاهش این تنوع به چهار Fundamental Team Topologies است: Stream-aligned Team، Enabling Team، Complicated-subsystem Team و Platform.

Figure 5.1: The Four Fundamental Team Topologies
Figure 5.1: The Four Fundamental Team Topologies

Stream-Aligned Team

Stream چیست؟

Stream به جریان پیوسته‌ای از کار گفته می‌شود که معمولاً با یک Business Domain یا Organizational Capability هم‌راستا است.

بر این اساس، Stream-Aligned Team، تیمی است که با یک Stream of Change هم‌راستا است و هدف اصلی آن حفظ جریان پیوسته‌ی ارزش است.

این تیم باید تا حد امکان Cross-functional و Long-lived باشد، Ownership روشن داشته باشد، بتواند End-to-End کار کند، کمترین Handoff را داشته باشد و بدون انتظار دائمی از تیم‌های دیگر Software را تحویل دهد.

کتاب برای یک Stream-aligned Team مؤثر، Delivery پیوسته‌ی Featureها، Course Correction سریع بر اساس Feedback و حداقل Handoff با تیم‌های دیگر را از رفتارهای مورد انتظار می‌داند.

چرا Stream-Aligned؟

همه‌ی سیستم‌های نرم‌افزاری الزاماً یک Product یا Feature مشخص ندارند. در یک سیستم IoT، یک سرویس عمومی یا یک محیط چندکاناله ممکن است تعریف Product مبهم باشد، اما مفهوم Stream of Change همچنان قابل استفاده است.

همچنین در یک سازمان بهینه‌شده برای Flow، بیشتر تیم‌ها باید Stream-Aligned باشند و سایر Team Topologyها عمدتاً برای کمک به آن‌ها شکل می‌گیرند.

به بیان ساده: "بیشتر تیم‌ها باید مستقیماً به جریان ارزش متصل باشند و تعداد تیم‌های پشتیبان باید محدود و هدفمند باقی بماند."

Enabling Team

Enabling Team تیمی است که به تیم‌های دیگر کمک می‌کند یک Capability جدید را یاد بگیرند یا یک Technology، Practice یا Approach جدید را Adopt کنند.

Enabling Team به‌جای اینکه این کار را برای همیشه بر عهده بگیرد، باید Capability را به تیم مقصد منتقل کند. بنابراین هدف آن ایجاد Dependency دائمی نیست؛ برعکس، باید با انتقال Capability، Dependency را کاهش دهد.

Enabling Team و Community of Practice

Community of Practice شبکه‌ای گسترده‌تر از افراد علاقه‌مند از تیم‌های مختلف است که برای Sharing Knowledge و بهبود Practiceها با یکدیگر در ارتباط‌اند. در مقابل، Enabling Team یک تیم تخصصی متمرکز است که برای یک تیم یا تعداد محدودی تیم، فعالیت‌های Enablement را به‌صورت جدی دنبال می‌کند. این دو می‌توانند در کنار یکدیگر وجود داشته باشند.

Complicated-subsystem Team

Complicated-subsystem Team برای بخشی از سیستم ایجاد می‌شود که به Specialist Knowledge عمیق نیاز دارد؛ به‌گونه‌ای که انتظار اینکه همه‌ی Stream-aligned Teams خودشان این تخصص را در اختیار داشته باشند، منطقی یا اقتصادی نیست. هدف این تیم، Offload کردن پیچیدگی تخصصی از Stream-aligned Teams است.

Complicated-subsystem Team با Component Team چه تفاوتی دارد؟

در یک سازمان سنتی ممکن است بگوییم: "این Component بین چند سیستم مشترک است، بنابراین یک Component Team بسازیم"، اما Team Topologies می‌گوید Shared بودن به‌تنهایی دلیل کافی نیست.

"آیا این Subsystem آن‌قدر پیچیده و تخصصی است که Cognitive Load تیم‌های Stream-aligned را بیش از ظرفیت آن‌ها افزایش می‌دهد؟"

اگر پاسخ منفی باشد، ایجاد یک Team تخصصی جداگانه ممکن است خودش باعث افزایش Dependency شود. کتاب تأکید می‌کند که تصمیم برای ایجاد Complicated-subsystem Team باید بر اساس Cognitive Load گرفته شود، نه صرفاً Shared بودن Component.

Platform Team

هدف Platform، توانمند کردن Stream-aligned Teams برای تحویل Software با Autonomy بیشتر است. Stream-aligned Team همچنان Ownership ساختن، اجرا و رفع مشکلات Application خود را در Production حفظ می‌کند؛ Platform قرار نیست این مسئولیت را از آن بگیرد.

Platform as a Product

Platform نباید صرفاً یک مجموعه ابزار زیرساختی باشد که توسعه‌دهندگان مجبورند خودشان پیچیدگی آن را مدیریت کنند، بلکه باید مانند یک Product یا Service مدیریت شود، به نیازهای کاربران داخلی خود توجه کند و برای تیم‌های مصرف‌کننده ارزش ایجاد کند، نه اینکه مصرف‌کنندگان را مجبور کند خودشان را با پیچیدگی Platform تطبیق دهند.

Self-Service

یعنی یک Stream-aligned Team بتواند Capability مورد نیاز خود را بدون ایجاد یک Ticket یا هماهنگی دستی با تیم Platform دریافت و استفاده کند. در این مدل Platform واقعاً Dependency را حذف نمی‌کند؛ بلکه آن را Non-Blocking می‌کند.

Figure 5.2: Platform Composed of Several Fundamental Team Topologies
Figure 5.2: Platform Composed of Several Fundamental Team Topologies

TVP = Thinnest Viable Platform

یعنی کوچک‌ترین Platformی که Capability کافی برای ساده‌تر و سریع‌تر کردن Delivery تیم‌های مصرف‌کننده را فراهم می‌کند.

Platform باید Complexity را از تیم بگیرد، نه اینکه Complexity جدیدی به آن بدهد.

Platform Grouping و Fractal Organization

کتاب توضیح می‌دهد که در سازمان‌های بزرگ‌تر، معمولاً یک Platform را نمی‌توان با یک تیم کوچک ساخت و اداره کرد. بنابراین Platform ممکن است از چند Team تشکیل شود.

این مفهوم به Fractal Organization مربوط است؛ یعنی الگوهای مشابه Team Topologies می‌توانند در چند سطح یا Zoom Level تکرار شوند. وقتی از بیرون به Platform نگاه می‌کنیم، یک Capability واحد می‌بینیم؛ اما وقتی داخل آن را بررسی کنیم، ممکن است چند Stream-aligned، Enabling، Complicated-subsystem یا Platform Team دیگر ببینیم.

Chapter 6 — Choose Team-First Boundaries

مرز این تیم‌ها و نرم افزار مسئول آن‌ها را کجا قرار دهیم؟

ایده‌ی اصلی این است که Software Boundary نباید فقط بر اساس ساختار فنی موجود انتخاب شود؛ بلکه باید با Responsibility، Ownership و Cognitive Capacity تیم نیز سازگار باشد.

Hidden Monoliths

کتاب هشدار می‌دهد که حتی یک سیستم ظاهراً Distributed یا Microservice-based نیز ممکن است در عمل همچنان به‌شدت یکپارچه باشد.

نمونه‌هایی از این وضعیت عبارت‌اند از:

Application Monolith: یک Application بزرگ و یکپارچه؛

Joined-at-the-Database Monolith: چند Service که به یک Database مشترک وابستگی شدید دارند؛

Monolithic Rebuild و Monolithic Release: جایی که Build یا Release همچنان به‌صورت یکپارچه انجام می‌شود؛

Monolithic Model: تحمیل یک Model مشترک بر Domainهای متفاوت؛

Monolithic Thinking: تلاش برای اعمال یک Technology، استاندارد یا روش واحد بر همه‌ی تیم‌ها بدون توجه به Context.

بنابراین داشتن چند Service به‌تنهایی به معنای استقلال معماری نیست. اگر Serviceها همچنان به Shared Database، Release مشترک یا Coordination گسترده وابسته باشند، ممکن است با یک Distributed Monolith روبه‌رو باشیم.

Fracture Planes

برای انتخاب Boundary مناسب، کتاب مفهوم Fracture Plane را معرفی می‌کند؛ یعنی یک Seam یا نقطه‌ی طبیعی که Software می‌تواند در آن به بخش‌های مستقل‌تر تقسیم شود.

یکی از مهم‌ترین گزینه‌ها Business Domain / Bounded Context است.

هر Splitای لزوماً مفید نیست

جدا کردن Software می‌تواند پیامدهایی مانند Data Duplication، کاهش Consistency، آسیب به UX یکپارچه و افزایش Complexity سیستم‌های توزیع‌شده داشته باشد؛ بنابراین هدف، Distributed کردن سیستم نیست؛ هدف پیدا کردن مرزی است که Cognitive Load را مدیریت کند، Ownership را شفاف کند، Dependencyهای غیرضروری را کاهش دهد و Team Autonomy را افزایش دهد.

چرا Team-First Boundary یک موضوع معماری است؟

اگر Software را به Serviceهای مستقل تقسیم کنیم اما برای تغییر هر Service همچنان به چند Team دیگر وابسته باشیم، Architectural Decomposition در عمل استقلال مورد انتظار را ایجاد نکرده است.

بنابراین Software Boundary و Team Boundary باید تا حد امکان با یکدیگر سازگار باشند.

Figure 6.1: Mobile, Cloud, and IoT Technology Fracture Plane Scenario
Figure 6.1: Mobile, Cloud, and IoT Technology Fracture Plane Scenario

Part III — Evolving Team Interactions for Innovation and Rapid Delivery

حتی اگر تیم‌ها و مرزهای آن‌ها را درست انتخاب کرده باشیم، چگونه باید این تیم‌ها با یکدیگر تعامل کنند و چه زمانی باید این تعاملات یا حتی خود ساختار تیم‌ها را تغییر دهیم؟

کتاب در این بخش تأکید می‌کند که داشتن چهار نوع تیم بنیادی به‌تنهایی برای دستیابی به اثربخشی بالا کافی نیست. باید مشخص شود تیم‌ها چه نوع تعاملی با یکدیگر دارند و این تعاملات در طول زمان چگونه تغییر می‌کنند.

Team Interaction Mode

Team Interaction Mode یعنی الگوی مشخصی که تعیین می‌کند دو تیم چگونه باید با یکدیگر کار کنند.

کتاب سه Essential Team Interaction Modes معرفی می‌کند: Collaboration، X-as-a-Service و Facilitating. نویسندگان این سه Mode را به‌عنوان روش‌های اصلی و شفاف برای تعریف تعامل میان تیم‌های سازنده‌ی سیستم‌های نرم‌افزاری معرفی می‌کنند.

Figure 7.2: The Three Team Interaction Modes
Figure 7.2: The Three Team Interaction Modes
Figure 7.3: Team Interaction Modes Scenario
Figure 7.3: Team Interaction Modes Scenario

DevEx

DevEx مخفف Developer Experience است؛ یعنی تجربه‌ توسعه‌دهندگان هنگام استفاده از یک Platform، ابزار یا Service. این مفهوم به‌ویژه در X-as-a-Service اهمیت پیدا می‌کند، زیرا Service باید برای مصرف‌کننده ساده، قابل فهم، قابل تست و قابل استفاده باشد. کتاب به‌طور مشخص بر اهمیت تجربه‌ی استفاده از Service و کیفیت Documentation تأکید می‌کند.

BAU

BAU مخفف Business as Usual است و در کتاب برای اشاره به تیم‌ها یا فعالیت‌هایی به کار می‌رود که مسئول نگهداری و اجرای سیستم‌های موجود هستند.

Organizational Sensing

Organizational Sensing به توانایی سازمان برای دریافت Signal از محیط و عملکرد خودش و استفاده از آن اطلاعات برای اصلاح Team Structure، Interaction و شیوه‌ی کار اشاره دارد.

Self-Steering

Self-Steering یعنی سازمان بتواند بر اساس Signals و Feedbackهایی که از محیط دریافت می‌کند، مسیر و ساختار خودش را به‌صورت مستمر اصلاح کند.

Chapter 7 — Team Interaction Modes

صرفاً قرار دادن تیم‌ها در کنار هم کافی نیست.

حتی اگر Team Structure مناسب باشد، Interaction نامناسب می‌تواند باعث افزایش Coordination، افزایش Cognitive Load، مبهم شدن مسئولیت‌ها و کاهش Flow شود.

به همین دلیل، کتاب سه Interaction Mode اصلی معرفی می‌کند که هدف آن‌ها ایجاد یک زبان مشترک برای مشخص کردن نحوه‌ی همکاری تیم‌هاست.

Collaboration

Collaboration یعنی دو تیم برای رسیدن به یک هدف مشترک، به‌صورت نزدیک با یکدیگر کار کنند. کتاب این Mode را به‌ویژه برای شرایطی مناسب می‌داند که Discovery و Adaptability اهمیت زیادی دارند؛ مثلاً زمانی که یک Technology جدید، روش جدید یا مسئله‌ای ناشناخته در حال بررسی است. در چنین شرایطی، فرض کردن یک Interface کاملاً تثبیت‌شده از همان ابتدا معمولاً تصمیم مناسبی نیست. دو تیم ابتدا باید بتوانند با یکدیگر یاد بگیرند و شکل مناسب راه‌حل را پیدا کنند.

مزیت اصلی Collaboration این است که هزینه‌ی Handoff را در مرحله‌ی Discovery کاهش می‌دهد.

تیم‌ها می‌توانند Knowledge خود را کنار هم قرار دهند، Prototype بسازند، رفتار فناوری را بررسی کنند و راه‌حل‌های مختلف را سریع‌تر امتحان کنند. کتاب Collaboration را دقیقاً به همین دلیل، یک Driver مهم برای Innovation و Rapid Discovery معرفی می‌کند.

Collaboration اگرچه برای Discovery بسیار مفید است، اما رایگان نیست. هرچه Interaction میان دو تیم بیشتر شود، Coordination و Context Sharing نیز بیشتر می‌شود. بنابراین Collaboration می‌تواند Boundaryها را مبهم کند، Coordination را افزایش دهد، Cognitive Load را بالا ببرد و در صورت تداوم بیش از حد، Flow را کاهش دهد. به همین دلیل، کتاب Collaboration را عموماً برای Discovery مناسب می‌داند نه به‌عنوان بهترین مدل برای Delivery پایدار.

"High Interaction and Mutual Respect."

X-as-a-Service

در این حالت، یک تیم چیزی را در قالب یک Service در اختیار تیم دیگر قرار می‌دهد و Team مصرف‌کننده برای استفاده از آن به Collaboration گسترده نیاز ندارد.

"consuming or providing something with minimal collaboration"

یعنی مصرف یا ارائه‌ چیزی با حداقل همکاری.

عبارت X عمداً عمومی است و می‌تواند موارد مختلفی را شامل شود. از جمله API، Platform Service، Code Library، Infrastructure Service و Software Product.

چه زمانی X-as-a-Service مناسب است؟

این Mode زمانی مناسب‌تر است که مسئله نسبتاً شناخته‌شده باشد، Boundary مشخص شده باشد، API یا Interface پایدار شده باشد، رفتار Service قابل پیش‌بینی باشد و هدف اصلی Delivery سریع و قابل پیش‌بینی باشد.

از مزایای اصلی این Mode، واضح‌تر شدن Ownership و Responsibility، کاهش Detail Sharing و Lower Cognitive Load است.

X-as-a-Service و Developer Experience

در X-as-a-Service، یک تیم Capability یا Service خود را با یک Interface مشخص در اختیار تیم دیگری قرار می‌دهد تا مصرف‌کننده بتواند با حداقل Collaboration از آن استفاده کند. برای موفق بودن این تقابل، Developer Experience (DevEx) اهمیت زیادی دارد؛ Service باید ساده برای استفاده، قابل تست و به‌خوبی مستند باشد و Provider نیز مسئولیت Versioning و Compatibility آن را مدیریت کند. در نتیجه، X-as-a-Service زمانی مناسب‌تر است که Boundary و API نسبتاً تثبیت شده باشند. اگر Interface نامناسب باشد، نیاز به سؤال و هماهنگی افزایش پیدا می‌کند و در نهایت Flow کاهش می‌یابد.

Facilitating

در این حالت، یک تیم به تیم دیگری کمک می‌کند تا یک Capability جدید کسب کند، یک Technology را یاد بگیرد یا یک Impediment را برطرف کند. این Mode ارتباط نزدیکی با Enabling Team دارد و هدف آن ایجاد Capability Transfer و افزایش استقلال تیم مقصد است، نه ایجاد یک Dependency دائمی.

"Help and Be Helped"

این Interactionها با چهار Fundamental Team Topologies نیز ارتباط دارند؛ برای مثال Enabling Team بیشتر از Facilitating استفاده می‌کند، در حالی که Platform و Complicated-subsystem Team معمولاً قابلیت‌های خود را به‌صورت X-as-a-Service ارائه می‌کنند.

Chapter 8 — Evolve Team Structures with Organizational Sensing

چه زمانی باید این Interactionها و حتی خود ساختار تیم‌ها را تغییر دهیم؟

ایده‌ی اصلی این فصل این است که Team Topologies نباید یک طراحی ثابت و یک‌باره باشد. با تغییر Business، Technology، Product، Team Capability و میزان Uncertainty، ساختار مناسب نیز می‌تواند تغییر کند.

Evolution of Team Interactions

یکی از الگوهای مهم کتاب، تکامل رابطه از Collaboration به X-as-a-Service است. در ابتدای یک مسئله یا Technology جدید، Uncertainty زیاد است و Collaboration به تیم‌ها کمک می‌کند با یکدیگر یاد بگیرند. با تثبیت دانش و Boundary، نیاز به تعامل مستقیم کمتر می‌شود و رابطه می‌تواند به یک Service پایدار تبدیل شود.

کتاب این روند را با چهار مرحله‌ی Explore، Exploit، Sustain و Retire نیز مرتبط می‌کند:

Explore: تمرکز بر Discovery و Learning

Exploit: تمرکز بر Delivery قابل پیش‌بینی

Sustain: حفظ، اجرا و تکامل پایدار

Retire: خروج یا بازطراحی Capability یا Serviceای که دیگر ارزش کافی ندارد.

در یک سازمان بزرگ نیز ممکن است بخش‌های مختلف هم‌زمان در این مراحل متفاوت باشند؛ بنابراین Interaction Modeها نیز می‌توانند در بخش‌های مختلف سازمان متفاوت باشند.

Evolution Triggers

تغییر Team Topology باید بر اساس نشانه‌های واقعی انجام شود. کتاب مواردی مانند این‌ها را از مهم‌ترین Evolution Triggerها می‌داند:

- Software دیگر در Cognitive Capacity یک تیم نمی‌گنجد.

- Delivery Cadence کاهش پیدا کرده است.

- تعداد زیادی Business Service به یک مجموعه‌ی مرکزی از Services وابسته شده‌اند.

- Dependencyها یا Coordination بیش از حد شده‌اند.

این نشانه‌ها می‌توانند بیانگر این باشند که Boundary، Ownership یا Interaction فعلی دیگر مناسب نیست و باید بازنگری شود.

Organizational Sensing

یعنی سازمان به‌صورت مستمر از محیط و عملکرد خود Signal دریافت کند و بر اساس آن درباره‌ی Team Structure و Interaction تصمیم بگیرد.

این Signalها می‌توانند از منابعی مانند Production، User Behaviour، Delivery Performance، Team Friction، Business Changes و Technology Changes به‌ دست آیند.

در این نگاه، سازمان صرفاً یک ساختار ثابت نیست؛ بلکه باید بتواند بر اساس Feedback خود را تنظیم کند و به یک Self-Steering Organization نزدیک شود.

Production

Production فقط محل اجرای Software نیست. Production می‌تواند منبع مهمی از Feedback باشد که نشان می‌دهد کاربران واقعاً چگونه از سیستم استفاده می‌کنند، کجا Failure یا Performance Problem وجود دارد، چه تصمیم‌هایی در عمل موفق بوده‌اند و کدام بخش‌های Architecture یا Team Structure نیاز به تغییر دارند.

تیمی که Software را می‌سازد باید تا حد امکان در Running و Operation آن نیز درگیر باشد. در غیر این صورت، ارتباط میان Design، Development و Production قطع می‌شود.

نقش Architect در Evolution

در این مدل، Software Architect فقط طراح ساختار فنی نیست. Architect باید رابطه‌ی میان Architecture، Team Boundaries، Team APIs و Interaction Modes را نیز در نظر بگیرد و از Feedbackهای واقعی برای اصلاح تصمیم‌های معماری و سازمانی استفاده کند.

بنابراین Team Topology یک پاسخ نهایی و ثابت نیست. سازمان باید دائماً شرایط خود را Sense کند، Evolution Triggerها را بشناسد و در صورت نیاز Team Structure، Boundaryها و Interaction Modeها را تغییر دهد.

Figure 9.1: Core Ideas of Team Topologies
Figure 9.1: Core Ideas of Team Topologies

جمع‌بندی

کتاب Team Topologies نگاه به Software Delivery را از سطح صرفاً فنی فراتر می‌برد و نشان می‌دهد که معماری نرم‌افزار، ساختار تیم‌ها و نحوه‌ ارتباط آن‌ها به‌شدت به یکدیگر وابسته‌اند.

در نهایت، می‌توان کل کتاب را در این چرخه خلاصه کرد:

Cycle of Team Topologies
Cycle of Team Topologies

بنابراین پیام اصلی کتاب این نیست که چهار نوع تیم بسازیم؛ بلکه این است که تیم‌ها، مرزهای مسئولیت، نحوه‌ی تعامل و معماری نرم‌افزار باید به‌عنوان یک Sociotechnical System در کنار یکدیگر طراحی و دائماً تکامل داده شوند.

[1] Matthew Skelton, Manuel Pais, Team Topologies: Organizing Business and Technology for Fast Flow of Value, Second Edition, IT Revolution Press, 2025

[2] Len Bass, Paul Clements, Rick Kazman, Software Architecture in Practice, Fourth Edition, Addison-Wesley Professional, 2021

[3] Sadegh Aliakbary, Software Architecture Course, Course Slides

اين مطلب، بخشی از تمرين ها و پروژه درس معماری نرم‌افزار دانشگاه شهيد بهشتی است.

معماری نرم‌افزارمهندسی نرم‌افزارشهید بهشتی
۲
۰
Maedeh Zarei
Maedeh Zarei
شاید از این پست‌ها خوشتان بیاید