接手这个支付模块之前,我一直觉得自己是个经历过风浪的工程师。分布式事务、双写一致性、高并发扣减,这些场景我都处理过,自认为对业务系统的复杂度有足够的敬畏。但真正开始重构这个跑了六七年、经历过四五个团队维护的老支付模块时,我发现自己之前那点经验只是冰山一角。
这个模块有多老?代码里还留着当时某个第三方支付的XML接口对接痕迹,Maven依赖里有2014年的日志框架,数据库表结构里甚至能看出业务人员早期手工补单的影子。它一直处于“能用,但没人敢碰”的状态:能用,是因为线上还在每天跑几万笔交易,真金白银地流转;没人敢碰,是因为谁也不知道改坏一个分支判断,第二天对账单会差出多少钱。
整个重构周期持续了三个月,没有停业务,没有大版本升级,也没有把代码推倒重写。最终达成的效果是:支付成功率从99.82%提升到99.96%,对账差异率下降了约85%,线上问题响应时间从按天计算变成按分钟计算。这个过程中我踩了不少坑,也慢慢想明白了很多事,最终沉淀成五条经验。这篇文章就聊聊我的真实经历和思考,适合那些正准备对存量系统动手、尤其是涉及资金链路的团队参考。
1. 第一件事:先别动代码,把老模块的“真实脾性”摸清楚
那段时间技术圈经常有人讨论“重构”,有前端团队说两天重写了2万行Vue项目,有运维团队讨论机房重构方案。但支付模块的重构,压根不是同一个物种。你没法停服两周重写,然后一键切换——除非你想体验凌晨三点被连环电话叫醒的滋味。
1.1 怎么判断这个模块“必须重构”而不是“还能忍”
在决定动手之前,我先给这个模块做了一次全面体检。不是从代码美观度出发,而是从线上表现出发。当时最触目惊心的几个指标是这样的:
- 支付成功率不稳定:平时99.8%以上,但每到月底、电商大促期间会跌到99.5%以下,业务方天天催排查
- 对账差异率偏高:每天需要人工复核的异常差异单大约有几十笔,严重时上百笔,每个月光处理这些就花不少人力
- 功能改动成本极高:加一个支付渠道,需要改动十几个类,测试回归范围覆盖全链路,上线要挑凌晨低峰期
- 告警形同虚设:监控系统没有接全,部分接口异常需要业务方报告后才知道
对着这份问题清单,我判断这已经不是“要不要重构”的问题,而是“再不动手,后面每加一个新需求都会埋雷”。如果这些问题都不明显,那确实不该盲目重构,毕竟支付模块不是玩具,稳定压倒一切。
1.2 花两周画三张图,比写两周代码更值
重构的第一步不是建分支写代码,而是把老模块的现状彻底看透。我给自己定了一个规矩:前两周只做读代码和画图,不写一行业务代码。
第一张是系统调用链图。这里我不只是看代码里的方法调用,还把线上日志、MQ消息轨迹、定时任务全部串了一遍。我用脚本扫描了所有入口服务和下游依赖,把接近两百个调用关系整理成了一张大图。看到图的那一刻我就明白为什么大家不敢碰了——一个订单创建接口居然同步调用了库存、优惠券、会员积分、消息通知四个系统,其中积分接口超时还会导致支付主流程失败,这种设计简直是给线上稳定性埋雷。
第二张是支付状态机图。老模块里对状态流转的判断散落在各个Service里,有些地方
