一、名詞解釋
代碼影響面（Code Impact Analysis）
是指在代碼變更後，分析這些變更對系統中其他部分的影響範圍。它幫助開發團隊理解代碼修改的潛在影響，從而減少意外問題並提高代碼質量。
模塊級
是指以模塊（Module）為單位的代碼組織、分析和管理的粒度。模塊是代碼的基本單元，通常包含一組相關的功能，可以是 JavaScript 文件、UI 組件、頁面或其他功能單元。
二、背景 & 價值
在過往交易域穩定性建設中，我們完成了多項關鍵工作，包括後台應用拆分、歷史債務重構、權限配置管控和核心H5頁面定期巡檢任務等。此外，我們還整合了前端監控平台的各類異常數據分析與告警能力，幫助提前發現系統性風險，以提升系統的整體穩定性。
通過對於以往故障案例的覆盤，我們也識別出一些導致系統穩定性問題的潛在隱患，尤其是隨着業務複雜度提升，單個版本往往涉及大量頁面改動和複雜的依賴關係。現有的影響面評估方式難以全面覆蓋這些變更，在這種情況下容易導致出現生產問題時止血時間的拉長，影響了系統的穩定性和用户體驗。
在迭代發佈視角下，代碼影響面的分析尤為重要。每次迭代發佈通常涉及多個功能或模塊的更新，而這些更新可能會對系統的其他部分產生直接或間接的影響。
問題梳理
風險評估滯後
依賴人工經驗判斷改動影響面，在涉及多人協作和多個模塊的團隊開發或Monorepo等複雜場景下尤其低效。
信息維度割裂
現有研發協同平台以需求為緯度聚合研發相關信息，而前端穩定性保障則更需要以頁面為緯度聚合迭代相關信息。
變更追蹤困難
關鍵變更信息散落在羣聊或各個系統中，缺乏一個統一的平台來聚合這些信息，導致信息同步和協作效率低下。
因此，我們希望實現一套自動化收集模塊級代碼影響面分析的方案，並以此評估版本需求發佈對於系統整體穩定性的影響，從而提前確保重點模塊能夠得到有效的預警和監控，並創建相應的預案計劃。
價值收益
研發自測能力提升
能夠更精準地識別更改影響的頁面或模塊，確保需求影響範圍符合預期。
測試覆蓋率優化
結合變更影響，確保關鍵路徑的完整測試，提升測試的有效性和覆蓋率。
評估系統複雜度
有助於全面評估版本發佈影響面範圍；對系統各業務模塊進行合理資源分配。
三、技術方案
代碼影響面分析的完整方案分為多個關鍵步驟，通過這些步驟可以實現自動化收集模塊級代碼影響面分析，並評估版本需求發佈對系統整體穩定性的影響。
具體可以參考下面的流程圖瞭解👇：
詳細設計
影響面分析引擎
通過結合代碼變更、依賴關係、業務邏輯等多維度數據，幫助開發團隊快速識別和評估代碼修改的潛在影響，從而減少生產問題的發生，提升系統的穩定性和代碼質量。
※ 依賴關係圖構建
- 使用靜態分析工具分析項目中模塊的依賴關係
- 根據項目類型分別構建依賴關係圖
- 展示變更模塊對其他模塊的影響路徑
※ 代碼變更分析
- 使用版本對比工具分析代碼變更
- 基於DIFF數據，統計變更的函數和變量
- 根據依賴關係圖，初步分析變更的影響範圍
※ 影響範圍標記
- 從變更點出發，追蹤調用路徑，標記所有受影響的節點
- 將影響範圍分為模塊、功能、接口和數據四類
- 解析文件路由信息，輸出頁面列表
根據簡化後的代碼，可以快速理解核心功能的實現原理。
class CodeEffectAnalyzer { private fileImports: { [key: string]: FileImport[] };
// 收集文件的導入依賴 private collectImports(filePath: string, ast: any): void { traverse(ast, { ImportDeclaration: ({ node }) => { // 記錄導入關係 node.specifiers.forEach((specifier) => { this.fileImports[filePath].push({ filePath: path.resolve(path.dirname(filePath), node.source.value), importedName: specifier.imported.name, localName: specifier.local.name, }); }); }, }); }
// 分析文件，提取導出變量和函數 private analyzeFile(filePath: string): FileDetails { const exports: FileExports = {};
// 遍歷 AST，提取導出項 traverse(ast, { ExportDefaultDeclaration: (path) => { exports['default'] = generate(path.node).code; }, ExportNamedDeclaration: (path) => { const declaration = path.node.declaration; exports[declaration.id.name] = generate(path.node).code; }, }); return { exports }; } // 影響面分析檢索 public analyzeImpact(affectedFiles: string[]): AffectedResult { const analyzeImpactRecursive = (filePath: string): void => { const { exports } = this.analyzeFile(filePath); const modifiedList = Object.keys(exports); // 假設所有導出項都被修改 const referencedList: string[] = []; // 找出引用了修改項的代碼 for (const imported of this.fileImports[filePath] || []) { if (modifiedList.includes(imported.importedName)) { referencedList.push(imported.localName); analyzeImpactRecursive(imported.filePath); // 遞歸分析影響面 } } }; // 分析每個受影響文件 for (const file of affectedFiles) { analyzeImpactRecursive(file); } }}平台數據聚合
在各個系統平台之間實現系統穩定性數據的一致性和實時更新，以確保各個部分能夠獲取最新的、準確的信息，進一步實現高效協作和準確分析。
※ 天網權限系統對接
- 獲取菜單層級結構和頁面路徑信息，支持功能權限配置校驗
- 數據扁平化轉換，微前端場景下提取子應用標識
※ 研發協同平台同步
- 獲取迭代需求效能數據，進行彙總與計算
- 建立需求任務與代碼模塊的關聯
※ 前端監控平台集成
- 獲取頁面性能指標（首屏加載時間-FCP、接口響應耗時）、異常數據（JS異常數、接口成功率）以及流量數據（頁面訪問量-PV、頁面訪問數-UV）
- 數據清洗工作（異常值過濾、重複數據移除），數據格式標準化
結果信息可視化
將代碼變更的影響範圍以直觀、易懂的圖形或圖表形式展示出來，並嵌入研發生命週期，幫助開發團隊快速理解變更的潛在影響，並做出相應的決策。
※ 使用可視化工具
- 通過圖形化界面直觀展示代碼變更的影響範圍，降低理解門檻
- 交互聯動，點擊不同模塊直接跳轉至關聯的平台詳情頁
※ 生成多維報告
- 從多個核心維度分析影響面指標
- 提供各維度的分析數據填充至報告模版
※ 集成 CI/CD 流程
- 在合併請求（MR）階段觸發影響面分析並生成報告
- 同時支持手動創建影響面分析任務
數據庫設計
根據架構方案設計，規劃出如下四個表數據結構，用來存儲發佈應用數據、影響面結果數據、頁面異常/性能數據、研發效能等信息，支持高效查詢和擴展性。
業務效果
迭代發佈對系統整體的影響是多維度的，從不同視角進行發佈影響面的全面評估，可以協助責任人制定發佈重點監控方向，從而有效減少風險。
按人員類型劃分成不同角色視角
※ 測試視角
※ 研發視角
※ 管理視角
按影響面維度劃分成多個展示效果
※ 任務詳情
※ 模塊列表
※ 接口信息
※ 需求信息
四、挑戰 & 優化
在大型項目中，模塊間的依賴關係複雜，如何高效、準確地構建依賴關係圖是一個挑戰。
挑戰1：複雜依賴關係分析
※ 問題描述
- 代碼風格與框架差異。 不同項目採用不同技術棧、模塊化方案、動態語法及特殊語法導致解析困難重重
- 動態依賴難以追蹤。 運行時依賴（如按需加載、環境變量分支邏輯）無法通過靜態分析捕獲
- 系統路由規則差異。 不同系統採用不同的路由方案，其中微前端場景下，主應用與子應用的路由可能獨立管理，形成多層嵌套路由結構
※ 解決思路
- 多語言/框架適配。 統一AST解析引擎，兼容主流模塊化規範
- 運行時依賴追蹤。 選擇動態分析工具並添加日誌記錄
- 統一路由元信息提取。 多框架路由解析適配器，微前端主子應用路由協同
挑戰2：跨內部平台系統集成
※ 問題描述
- 接入流程繁瑣。 各內部平台系統需單獨申請權限配置令牌，重複操作多，維護成本高
- 數據實時性與一致性。各平台數據更新頻率不同，聚合時可能產生衝突
※ 解決思路
- 模塊化設計架構。 功能模塊獨立開發，優先級劃分，MVP思維
- 數據版本快照。 版本控制管理，對關鍵數據人工干預兜底
優化1：跳過額外分析檢測
在CI/CD流程中，部分代碼變更（如文檔更新、配置文件調整）無需觸發完整的代碼影響面分析。通過檢測機制，可減少不必要的資源消耗，提升流水線執行效率。
- 條件判斷跳過分析。 根據變更文件類型或所在目錄信息，動態決定是否執行分析
- 提交信息比對。 比較兩次檢測之間的 commit** 差異，無內容主動跳過分析
- 白名單機制。 對特定文件或目錄配置白名單，包含無需分析的特定文件或目錄
優化2：緩存機制優化
合理的緩存策略和異步任務處理可以優化檢測效率，降低 CPU 使用率和內存佔用，進而提升系統整體性能。
- 設置適當的緩存失效策略。 以模塊或文件的唯一標識（如文件路徑、Git提交哈希）作為緩存鍵，當依賴項或代碼發生變更時，清空相關緩存
- 任務異步處理。 將依賴分析和 AST 解析任務異步處理，使用消息隊列將任務排入隊列，避免阻塞主線程
五、總結展望
通過實現一套自動化收集模塊級代碼影響面分析的方案，我們可以更精準地評估版本需求發佈對於系統整體穩定性的影響，從而提前確保重點模塊能夠得到有效的預警和監控，並創建相應的預案計劃。這將有助於提升研發自測能力、優化測試覆蓋率、評估系統複雜度，最終提高系統的穩定性和代碼質量。
之後我們將繼續優化影響面分析引擎，提升依賴關係分析的準確性和效率，進一步融合多維度數據，完成在線流量報表、全棧大盤數據建設，實現更高效的數據聚合和可視化展示，為開發團隊提供更強大的支持。
往期回顧
1. 得物自研DSearch3.0搜索核心引擎升級之路
2. 以細節詮釋專業，用成長定義價值——對話@孟同學 ｜得物技術
3. 得物可觀測平台架構升級：基於GreptimeDB的全新監控體系實踐
4. 大語言模型的訓練後量化算法綜述 | 得物技術
5. DPP推薦引擎架構升級演進之路｜得物技術
文 / 卓翎
關注得物技術，每週更新技術乾貨
要是覺得文章對你有幫助的話，歡迎評論轉發點贊～
未經得物技術許可嚴禁轉載，否則依法追究法律責任。
