FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

技能指南 · 指南

直连 ERP 数据库,为何是 FDE 最贵的捷径

用防腐层隔开旧 schema,读写分走不同入口,下次 ERP 升级时新产品才不会被一起拖垮。

分享微博

要点速览

  • 直连数据库搭建成本最低,拆除成本最高。应把它当作最后手段,而不是默认选项。
  • 防腐层把遗留数据模型挡在新代码之外,代价是多一些延迟,多一个要运维的服务。
  • 读用变更数据捕获,写走带错误处理工具的异步通道。只有别无他路时才用 UI 机器人。
一棵决策树,根节点问题是“读还是写?”。“读”分支通向变更数据捕获,即读取事务日志。“写”分支再按“量大吗?”分叉:是,则用 SAP IDoc 这类异步通道;否,则用 OData 或 RFC 这类同步 API。三条路径最终都汇入一条橙色横条:防腐层(ACL),也就是唯一知道 ERP 列名的文件。
读写分离,各走各的接入点,所有数据都经过同一个转换层。来源:Microsoft、aixsap、Netguru,详见正文引用。

设想一位前线部署工程师(FDE)在客户工厂驻场的第二周。正在开发的智能体需要读取采购订单、创建收货单,但客户的 ERP 已有十多年历史。API 文档没人维护,数据库管理员倒是爽快,直接给了一个能读表的账号。

几乎每个 FDE 都会遇到这种情况,而头几天做的决定会长期伴随项目。连上并不难,难的是连接方式在十八个月后依然站得住:那时 ERP 升级,产品不能跟着垮掉。

最容易进的门,往往最难出

Microsoft 的架构文档把问题说得很准:遗留系统的 schema 往往错综复杂,API 也早已过时。如果不加处理地直接对接,新应用最终会被迫沿用旧系统的语义。

最明显的症状,是新代码里到处出现 if STAT_CD == "02" 这样的语句。到了这一步,产品已经和 ERP 牢牢绑在一起。

所以那个数据库账号值得比表面上更多的警惕。Netguru 一篇关于遗留系统集成的分析说得很直白:直连数据库是搭建成本最低、拆除成本最高的集成模式。演示时它很快。

但之后每改一次列,就得再修一次,而且没人会提前通知。

解决办法不是拒绝一切捷径,而是先把所有入口梳理清楚,再为读和写各选一个。

入口 适用场景 代价
直接读写数据库 几天内搭起来的原型 代码与 schema 紧耦合,拆除成本极高
变更数据捕获(读取事务日志) 遗留应用无法改动时的读路径 需要理解每种数据库的日志
异步通道,如 SAP IDoc 大批量写入 拿不到即时结果
同步 API(OData、RFC) 查询、单条记录写入 受制于遗留系统的吞吐量
UI 自动化机器人 别无他路时 界面一改就坏,错误难以诊断

读和写要走不同的门

读路径和写路径的风险不同,应当分开。读这一侧,如果遗留应用围绕数据库构建且无法修改,Microsoft 建议两种做法:在数据库上建触发器,或者用变更数据捕获读取事务日志,把变更推送给新服务。

两者之中应优先选变更数据捕获:它读的是事务日志,不需要查询或挂接 ERP 的业务表。

写路径更敏感,因为写错一笔就是账目出错。以 SAP 为例,aixsap 上的一篇分析认为,IDoc 适合异步、大批量写入,因为它内置错误重处理和监控;而 OData 是同步的。

同一来源还指出,RFC 仍在使用,但适用范围在收窄,而且调用方需要另装连接器。

这条经验不只适用于 SAP:优先选客户运维团队已经会监控的通道。凌晨 2 点一张收货单卡住时,他们需要一个熟悉的界面去重新处理,一位已离职工程师留下的脚本帮不上忙。

转换层:唯一知道旧列名的地方

无论走哪扇门,数据都要跨过一道边界。Microsoft 称之为防腐层(ACL,anti-corruption layer):一个转换层,让一个系统保持原样,同时不损害另一个系统的设计和技术。Netguru 的说法更简洁:ACL 把遗留系统的数据模型挡在新代码之外。

下面是采购订单的例子。列名是虚构的,但数据类型做过 ERP 的人都不陌生:数字状态码、带前导零的供应商编码、以最小单位存储的金额、以字符串存储的日期。

# acl/purchase_order.py — 唯一允许知道 ERP 列名的文件
from dataclasses import dataclass
from datetime import date, datetime
from decimal import Decimal

class UnknownLegacyValue(Exception):
    pass

@dataclass(frozen=True)
class PurchaseOrder:            # 新应用的模型
    order_id: str
    supplier_id: str
    amount: Decimal
    due_date: date
    status: str                 # "open" | "approved" | "cancelled"

STATUS_MAP = {"01": "open", "02": "approved", "09": "cancelled"}

def from_legacy(row: dict) -> PurchaseOrder:
    code = row["STAT_CD"]
    if code not in STATUS_MAP:
        # 立即停止,不要猜
        raise UnknownLegacyValue(f"未知状态码 STAT_CD={code!r} PO={row['PO_NO']}")
    return PurchaseOrder(
        order_id=row["PO_NO"].strip(),
        supplier_id=row["VEND_CD"].lstrip("0"),
        amount=Decimal(row["AMT"]) / 100,
        due_date=datetime.strptime(row["DUE_DT"], "%Y%m%d").date(),
        status=STATUS_MAP[code],
    )

代码很短,但有三点值得注意。智能体和所有下游服务只看到 PurchaseOrder,永远看不到 STAT_CD。未知状态码会抛出明确的错误,而不是悄悄赋一个默认值。ERP 被替换时,只需要重写一个文件。

ACL 不是免费的。Microsoft 明确指出,这一层会增加延迟,而且多了一个需要管理和维护的服务。遗留系统很慢时,ACL 可以采用异步、事件驱动的方式运行:数据通过消息转换,新的业务逻辑不必再迁就旧系统的节奏。

这适合大批量数据流,或两个系统需要彻底解耦的场景。

现场五步

第一步是梳理。像上表那样列出所有入口,注明每个入口归谁负责、如何报错。要问客户的不只是“有没有 API?”,而是“这个同步出故障时,谁会收到告警,去哪里查?”

接着,把读和写分开,各选一扇门。读优先用变更数据捕获,写优先用带监控工具的异步通道。第三步是先写 ACL 再写功能,并为真实数据里发现的每个意外值写一个测试。

第四步是规划渐进式替换。Martin Fowler 回忆,他和同事们选择了渐进式现代化,而不是一次性重写。Strangler Fig 模式用一个门面(facade),即代理,拦截发往遗留系统的请求,再把它们路由到旧应用或新服务。

不过 Microsoft 也指出,如果发往后端的请求无法拦截,这一模式就不适用,而封闭的 ERP 恰恰常见这种情况。此时合理的选择是退回到用变更数据捕获处理读,并接受写这一侧推进得慢一些。

最后一步是把决定记录下来:选了哪扇门、为什么、接受了什么代价。接手的人最需要的就是这份文档。

常见陷阱

第一个陷阱,是让演示用的捷径变成正式架构。第一周写的直接查表语句,到上线时可能还在,只因为没人抽得出时间回头修。

第二个陷阱,是把 UI 机器人当成“集成”。Workato 提醒,应用界面一变,这类机器人就容易失效。Activepieces 指出了一个更关键的区别:API 会返回状态码,准确说明流程为何失败;机器人只能猜按钮在哪里。

如果非用机器人不可,就把它放到 ACL 后面,这样替换它时不必动其他任何东西。

第三个陷阱是乐观的转换。给一个没人知道含义的状态码赋默认值,是让智能体在客户真实数据上“自信地出错”的最快方式。

FDE 岗位描述里的“integrate with customer ERP”或“legacy systems”,指的正是这类工作。简历上只写“SAP 集成”说明不了什么。要写清楚选了哪个入口、为什么,以及如何处理同步失败。

本周的练习不止于读路径:为你转换过的实体写出反向函数 to_legacy,再写一个往返测试。取一条真实记录,转换成新模型,再转换回去,逐个字段与原始记录比对。

每一处不一致,无论是供应商编码的前导零、货币单位还是日期格式,都标出了一个位置:如果不先发现,写路径就会在那里弄乱客户的账目。

这篇文章对你有帮助吗?

7 个信源
路线图上的下一篇 · 阶段 2: 全栈工程能力代码换来 FDE 面试,客户能力决定录用约 1,000 个 FDE 岗位中,多数要求 Python 和全栈,47% 要求直接与客户打交道。