大型主機環境下的現代化改造專案越來越依賴量化指標，旨在簡化跨越數十年的龐大系統的決策過程。與降低複雜性、提升效能、增強安全性以及加快交付速度相關的指標通常被視為衡量進展的指標。單獨來看，這些指標似乎客觀且可操作。然而，一旦這些指標成為明確的目標，它們就會開始潛移默化地影響工程行為，導致報告的改進與系統的實際健康狀況脫節。這種動態與古德哈特定律高度吻合，並暴露了傳統系統現代化改造成功評估方式中存在的結構性缺陷。
大型主機系統會放大這種影響，因為它們的行為源自於 COBOL 程式、JCL 作業流程、事務管理器和長期資料儲存之間緊密耦合的交互作用。測量框架很少能捕捉到這種完整的互動空間。相反，它們強調的是局部屬性，這些屬性更容易透過靜態檢查或運行時採樣來提取。因此，現代化團隊可能在優化單一元件的同時，不知不覺地增加了全域脆弱性、爭用或資料不一致。指標層面的改進往往掩蓋了更深層的問題。 軟體管理複雜性 這些隱患直到運作故障顯現出來才會顯現。
問題不在於指標是否存在，而是它們凌駕於架構背景之上。當現代化專案優先考慮數值閾值而忽略結構依賴關係時，指標便開始主導工程決策，而非描述系統的真實情況。重構工作受制於衡量指標，而非降低系統風險。效能調優更注重可見的效能提升，而非端到端吞吐量的穩定性。安全修復著重於可量化的發現，而非真正意義上的風險敞口降低。這些現象反映了在更廣泛的領域中觀察到的挑戰。 應用程序現代化 但在大型主機環境中，這些措施更難被發現和修正。
要解釋為什麼現代化指標在傳統系統中失效，就需要將注意力從單一數字轉移到削弱這些指標的架構條件。這包括依賴關係如何在批次和線上工作負載之間傳播變更、資料流如何跨越子系統邊界，以及效能特徵如何從共用基礎架構中湧現。透過從大型主機系統的角度審視古德哈特定律，就能闡明為什麼傳統的最佳化策略屢屢表現不佳，以及為什麼現代化工作需要更深入、更具系統意識的洞察才能在運作壓力下保持有效性。
古德哈特定律如何在指標驅動的傳統系統現代化中體現
傳統系統現代化改造專案通常始於一個良好的初衷，即希望為那些幾十年來日漸晦澀難懂的系統環境引入清晰的流程和可控的管理。量化指標承諾在龐大的大型主機系統中實現可比性、進度追蹤和管理層可視性。諸如降低複雜性、缺陷密度、測試覆蓋率或批次持續時間改進等指標被採用，旨在將深奧的技術變革轉化為易於理解的指標。在早期階段，這些指標可以揭示真正的問題所在，並有助於確定介入的優先順序。
然而，隨著現代化工作的推進，指標的角色也悄悄轉變。最初作為描述性訊號的指標，逐漸演變為與資金決策、交付里程碑或領導層報告掛鉤的績效目標。此時，衡量框架開始對工程行為施加壓力。在大型主機環境中，系統行為具有高度湧現性，依賴關係錯綜複雜，而這種壓力會加速古德哈特定律所預測的情況的發生。指標不再反映系統健康狀況，反而開始以意想不到的方式影響系統，常常掩蓋新的風險形式。
大型主機團隊中以指標目標作為行為約束
當現代化指標成為明確的目標時，它們就如同限制條件一般，影響工程團隊如何分配工作量和管理風險。在大型主機環境中，交付週期較為保守，生產穩定性至關重要，因此團隊自然傾向於那些能夠滿足衡量標準且感知幹擾最小的變更。這往往會導致局部最佳化，雖然能夠提升已發表的指標，但卻無法解決複雜性或脆弱性背後的根本原因。
例如，降低複雜度的目標常常會導致對 COBOL 程序進行表面上的重構。大型程式可能會被機械地拆分成更小的單元，以降低報告的複雜度評分，即使執行路徑和資料依賴關係保持不變。雖然儀錶板顯示有所改進，但隨著控制流分佈到具有隱式耦合的更多模組中，實際運行情況往往更難以理解。隨著時間的推移，這種行為會削弱從靜態程式碼分析技術中獲得的指標的分析價值，因為它們所衡量的結構不再與執行時間行為相關。
同樣的模式也出現在缺陷和品質指標中。當設定閾值時，團隊可能會優先考慮壓製或重新分類發現的問題，而不是解決系統性原因。在變革會帶來重大營運風險的環境中，從局部優化的角度來看，這種行為是合理的。它既能最大限度地減少直接風險，又能滿足外部報告要求。然而，從系統角度來看，這會造成盲點，真正的風險會在測量模型之外累積。
大型主機團隊尤其容易受到這種影響，因為機構知識往往可以取代正式文件。工程師依靠經驗來應對指標無法捕捉到的極端情況。當指標凌駕於這種情境理解之上時，團隊會透過優化可見的部分而非結構上重要的部分來適應。久而久之，衡量框架變成了一種行為約束，限制了有意義的現代化，而不是促進了現代化。
局部最佳化與系統級結果
在傳統環境中，古德哈特定律最具破壞性的表現之一是局部最佳化與系統層級結果之間的矛盾。大型主機系統由相互依賴的批次流程、線上事務、共享資料集和調度約束組成，這些元件以非線性方式相互作用。指標必然會抽象化大部分這種交互作用。當目標在元件層級強制執行時，它們會激勵那些改善局部指標但損害全局效能的決策。
效能最佳化方面的一個常見例子是這樣的：團隊可能被要求縮短批次執行時間或降低特定作業的 CPU 佔用率。為此，他們會優化單一程式、調整調度優先權或引入快取機制，為目標工作負載帶來可衡量的效能提升。這些變更單獨來看通常有效，但可能會將資源爭用轉移到其他作業、延長下游處理窗口，或引入先前不存在的時間敏感性問題。
由於指標很少考慮跨流依賴關係，這些副作用在故障發生之前往往不可見。根據報告的指標，系統看起來運作狀況良好，但其運作裕度卻在縮小。如果影響分析技術是選擇性地應用，而不是遍及整個依賴關係圖，這種動態變化會更加嚴重。缺乏系統層面的視角，優化工作會無意間以犧牲可見的改進為代價，造成隱藏的不穩定性。
隨著時間的推移，組織可能會引入更多指標來捕捉新發現的問題。但這反而加劇了問題。每個新目標都會增加團隊必須滿足的限制條件，進一步鼓勵戰術優化而非結構改進。最終結果是，現代化專案雖然能帶來令人矚目的指標成長，但在韌性、可預測性和營運信心方面卻收效甚微。
隨著現代化進程的推進，度量單位的意義也逐漸消逝
指標很少會立即失效。它們的劣化是一個漸進的過程，這使得在長期的現代化項目中很難檢測到古德哈特效應。在早期階段，改進往往是真誠的，因為顯而易見的低效率和冗餘問題得到了解決。隨著這些改善機會的逐漸耗盡，持續的指標改進需要越來越人為的干預措施，這些措施雖然能夠維持數值上的進步，但卻無法帶來相應的系統效益。
在大型主機環境中，程式碼和度量框架的長期存在會加速這種侵蝕。在多年計畫初期選定的指標，往往在其最初的理由早已失效之後仍沿用。團隊會逐漸學會如何有效率地滿足這些指標，而機構記憶也會強化這些行為。隨著時間的推移，指標不再是具有實際意義的訊號，而變成了一種程式化的產物。
這種現像在複雜性和可維護性指標中尤其明顯。隨著團隊逐漸了解這些指標的計算方式，他們會調整編碼模式以盡量降低分數，而不是闡明意圖或降低耦合度。指標本身不斷變化，但它與可維護性的語意連結卻逐漸減弱。決策者可能會將持續的改進解讀為進步的證據，卻意識不到該指標已經與其原本旨在代表的特性脫鉤。
大型主機系統的長壽命加劇了這種影響。變更累積緩慢，回饋週期也很長。等到指標失真顯現出來時，要扭轉這個局面，就需要重新思考現代化方法和測量策略。如果沒有能夠保留系統上下文的更深層的軟體智能，企業可能會花費數年時間去優化那些已不再能描述其所依賴系統的指標。
為什麼傳統系統中的衡量壓力超過了理解力？
在大型主機現代化過程中，古德哈特定律的核心在於衡量壓力與系統理解之間的不平衡。指標易於制定和報告，而深入了解遺留系統卻需要耗費大量成本和時間。在專業知識匱乏、文件不完整的環境中，組織往往會選擇以衡量指標來取代理解。
這種替代會形成一個回饋循環。由於指標驅動決策，建構系統行為的共享心智模式的重要性降低。工程師專注於達成目標，而不是探索測量框架之外的依賴關係、極端情況或故障模式。隨著時間的推移，組織對指標的依賴性越來越強，而指標的可靠性卻在下降。
問題不在於指標本身有缺陷，而是它們的應用缺乏對結構性現實的充分理解。在大型主機環境中，行為源自於眾多文件不完善的元件之間的交互，這種理解是不能想當然的。必須透過分析主動建構這種理解，分析應考慮控制流、資料沿襲和執行上下文。
當現代化措施未能重視對此問題的理解時，古德哈特定律便不再是一種風險，而是一種必然。指標變成了地圖，而非實際疆域，決策也隨之遵循地圖，即便地圖已偏離現實。認識到這一動態是製定能夠抵禦指標扭曲、並與實際系統運作狀況保持一致的現代化策略的第一步。
為什麼大型主機架構會放大指標失真效應
大型主機環境具有一些結構性特徵，這些特徵從根本上改變了指標在壓力下的行為。與現代新建系統不同，這些平台是逐步演進的，在數十年間累積了多層邏輯、數據契約和運作假設。因此，系統行為並非來自孤立的模組，而是源自於眾多組件的交互作用。當現代化改造專案將指標目標應用於此類環境時，架構上的現實會放大衡量指標與實際重要指標之間的差異。
這種放大效應的出現是因為大型主機系統在設計之初並未考慮持續測量。執行路徑涵蓋批次和線上工作負載，資料在不相關的功能之間被重複使用，效能特徵取決於共享的基礎設施和調度策略。從單一工件中提取的指標只能反映這種現實的片段。當這些片段成為衡量目標時，古德哈特定律的影響會比在松耦合系統中更為顯著，加速報告的改進與實際運行結果之間的脫節。
大型主機系統中的緊密耦合與湧現行為
大型主機架構加劇指標失真的主要原因之一是其設計中固有的緊密耦合。 COBOL 程式經常共享副本、資料集和全域控制結構，這些結構都隱含地將它們的行為綁定在一起。 JCL 作業流程協調整個處理視窗內的執行順序和資源分配。諸如 CICS 之類的事務管理器協調數千個針對共享狀態的並發互動。這些關係通常是隱式的、未記錄的，即使是經驗豐富的團隊也只能部分理解。
當對環境中的各個組件應用指標時，它們無法解釋由這些耦合關係產生的湧現行為。程序級指標可能表示複雜度降低或效能提升，但這種變化可能會改變執行時間或資料存取模式，從而波及到依賴的作業。由於這些影響發生在測量範圍之外，因此在故障或效能下降之前，指標框架無法捕捉到它們。
這種動態變化削弱了許多常用現代化指標的有效性。靜態檢查得出的指標可能顯示效能提升，但執行時間行為卻變得難以預測。單一事務的效能指標可能有所提高，但由於其他環節的爭用，整體吞吐量卻可能下降。耦合度越高，局部測量結果與全局結果之間的差距越大。
在這樣的系統中，缺乏全面的依賴關係知覺會導致指標產生誤導。如果團隊不了解變更如何在緊密關聯的組件間傳播，就如同在黑暗中摸索優化。由此產生的偏差並非微小的誤差，而是系統性的結果，因為將還原論方法應用於那些行為無法在不損失意義的情況下簡化的系統。
指標壓力下的批量和線上工作負載幹擾
大型主機環境獨特地將批次和線上工作負載融合在同一運作生態系統中。批次作業按固定計劃處理大量數據，而線上事務則要求全天候低延遲和高可用性。這些工作負載會競爭 CPU、I/O、記憶體和鎖定資源，它們的交互作用由經過多年運行調優而不斷完善的調度策略所控制。
以指標驅動的現代化通常一次只針對一種工作負載類型。例如，縮短批次視窗的措施可能專注於縮短特定作業的執行時間。團隊可能會優化文件存取模式、引入並行處理或調整作業優先級，以實現可衡量的效能提升。雖然這些變更可以改善報告的批次指標，但它們可能會加劇重疊期間的資源爭用，或導致線上事務資源不足。
由於指標通常範圍狹窄，此類幹擾往往無法被衡量。線上效能下降可能要等到用戶遇到問題時才會被歸因於批量優化工作。反之，線上調優措施可能會將負載轉移到批次處理視窗中，從而延長處理時間並增加運行風險。在這兩種情況下，指標都只反映了局部成功，而掩蓋了系統層面的權衡取捨。
這種互動說明了為什麼像那些在…中使用的績效指標 軟體效能指標分析 在大型主機環境下，目標壓力會導致可靠性下降。資源的共享特性意味著改進不能孤立地評估。如果不考慮工作負載幹擾，指標最佳化就會變成零和博弈，一個領域的收益會被其他領域的損失所抵銷。
資料重用和隱藏依賴鏈
資料重用是長期運作的大型主機系統的顯著特徵。為某一特定目的所建立的文件、表格和記錄，往往會隨著時間的推移而被下游流程重新利用。這些二次利用可能沒有文件記錄，或者只有少數專家知道。隨著現代化改造的推進，為了優化資料結構，通常會引入與資料存取效率、冗餘減少或模式簡化相關的指標。
在指標壓力下，團隊可能會整合資料集、刪除看似冗餘的欄位或最佳化存取路徑，以滿足可衡量的目標。雖然這些變更可以改善本地資料指標，但它們可能會破壞依賴舊資料語義的隱藏依賴鏈。批次作業可能會使用未記錄格式的數據，資料核對流程可能會假定特定的順序，異常處理路徑也可能依賴舊欄位值。
由於這些依賴關係很少被測量框架捕捉到，因此它們的破壞不會立即表現為指標倒退。相反，故障會在之後以數據不一致、協調錯誤或細微的邏輯缺陷的形式顯現出來。指標驅動的變更表面上看起來是成功的，直到其副作用在系統中擴散開來。
這種模式凸顯了缺乏全面影響意識的測量方法的限制。在大型主機環境中，資料不僅是一種被動資產，更是跨流程的協調機制。忽略這項作用的指標會激勵一些削弱系統完整性的變更，同時卻傳遞出進步的訊號。
基礎設施共享和指標引發的爭用
大型主機平台的高效性源自於廣泛的基礎設施共享。 CPU池、I/O通道、緩衝區快取和鎖定機制都經過最佳化，以支援各種並發工作負載。效能特徵取決於這些共享資源的調度和使用方式，而不僅僅是應用程式邏輯。現代化指標通常會忽略這個基礎設施層，而專注於應用程式層面的指標。
當強制執行諸如降低 CPU 使用率或交易延遲目標等指標時，團隊可能會做出一些改變，從而改變資源消耗模式。例如，快取策略可能會減少單一應用程式的 CPU 週期，但同時會增加全域記憶體壓力。並行化可能會縮短單一應用程式的執行時間，但同時也會增加共享鎖定或 I/O 頻寬的爭用。
由於基礎設施指標通常以粗略的層級進行匯總，這些變化對於以應用為中心的測量框架是不可見的。根據特定指標，系統似乎效率更高，但隨著爭用模式的加劇，其穩定性裕度卻在縮小。這正是古德哈特定律的典型體現：優化可測量的變數會降低未測量但至關重要的屬性。
要解決這種偏差，需要對應用程式邏輯和基礎架構互動進行全面分析。如果缺乏這種視覺性，共享環境中的指標最佳化必然會以犧牲長期脆弱性為代價，換取短期效益。在大型主機系統中，基礎設施共享是基礎而非偶然，這種權衡尤其顯著且代價高昂。
建築不透明度和測量的局限性
加劇大型主機環境中指標失真的最後一個因素是架構的不透明性。數十年的漸進式變革導致系統結構僅被部分理解。文件不完整，所有權分散，執行行為靠推斷而非觀察。指標可以作為彌補這種理解缺失的一種有吸引力的替代方案，但它們無法取代這種理解。
隨著衡量壓力增大，組織更加依賴指標，正是因為深入分析顯得不切實際。這種依賴加速了古德哈特效應的發生。儘管指標的適用範圍有限，但它們卻被奉為權威，決策也隨之遵循，即便其解釋力日漸式微。系統的真實行為與指標所描述的情況漸行漸遠。
如果沒有諸如此類的技術所支援的架構透明度 跨系統影響分析指標不可避免地會超出其解釋能力。在大型主機現代化改造中，這種超越並非個案，而是一種結構性問題。認識到這一點對於理解為何指標驅動的方法在傳統環境中屢屢無法帶來可持續的改進至關重要。
程式碼品質指標在數十年程式碼庫中的失效
程式碼品質指標通常被視為中立的指標，用於揭示老舊系統中的結構性缺陷。在傳統的大型主機環境中，這些指標常用於論證重構投資的合理性、確定修復優先級，並向利害關係人展示現代化進程。諸如複雜度評分、重複率和可維護性指數等指標，預計將數十年累積的邏輯轉化為可操作的訊號，並可隨時間進行追蹤。
然而，在運行數十年的程式碼庫中，這些指標與實際系統行為之間的關係十分脆弱。程式碼的長期存在，加上不斷演變的業務規則和平台限制，意味著許多品質指標反映的是表面特徵而非實際功能。一旦這些指標被提升為目標，古德哈特定律就會發揮作用。程式碼品質指標開始反映的是是否符合測量標準，而非可靠性、清晰度或變更安全性方面的實質改進。這種脫節在長期架構漂移和漸進式變更所塑造的環境中尤其明顯。
環路複雜性作為現代化的誤導性訊號
圈複雜度常被用來作為衡量程式碼可理解性和風險的指標。原則上，高複雜度意味著存在大量難以推理和測試的執行路徑。然而，在實踐中，將此指標應用於運行數十年的大型機程式碼庫會引入偏差，一旦程式碼庫成為現代化改造的目標，其有效性就會大打折扣。
傳統 COBOL 程序通常編碼著隨著監管變化、市場波動和營運異常而不斷演進的業務邏輯。複雜性的累積並非源自於糟糕的設計選擇，而是因為程式本身就承載著業務行為的歷史記錄。當現代化改造專案要求降低複雜性時，團隊往往傾向於重構控制流程以滿足指標要求，卻不願改變底層邏輯。條件邏輯可能會被提取到輔助程序中，或透過機械轉換進行扁平化處理，從而降低報告的分數。
雖然這些變更改善了複雜性指標，但往往會降低概念清晰度。執行路徑分散到更多模組，增加了維護人員的認知負擔。由於邏輯不再局限於特定區域，調試和影響評估也變得更加困難。指標顯示有所改進，但變更後系統反而更難理解。
這種偏差因複雜度的計算方式而加劇。許多工具在計算決策點時，並未考慮語意意圖或執行頻率。很少執行的錯誤路徑與核心業務邏輯具有相同的權重。為了應對指標壓力，團隊可能會重構低風險路徑以獲得數值上的提升，而忽略高風險的交互作用。久而久之，指標就會偏離最初的目的。
這種模式的持續存在表明，曾經具有參考價值的指標一旦被當作目標，就會失去意義。在持續數十年的系統中，複雜性往往是表象而非根源。如果不探討其邏輯存在的根本原因，僅僅減少指標數量只會帶來表面上的改變，而非真正的現代化。
可維護性指標與結構健康的錯覺
可維護性指標試圖將多個因素整合為單一分數，以代表代碼的長期健康狀況。這些指標通常會將複雜性、規模和註釋密度聚合為一個標準化值。在遺留環境中，這類指標很有吸引力，因為它們能夠提供大型程式碼庫結構品質的高階概覽。
當人們不了解這些指標的局限性，就用它們來引導現代化決策時，問題就出現了。在長期運作的系統中，可維護性並非僅取決於程式碼結構，它還深受介面穩定性、行為可預測性以及原始程式碼中不可見的隱式契約的影響。一個可維護性得分低的程序可能運行穩定，並且維護人員對其理解透徹，而一個得分更高的重構版本可能會引入不確定性。
當可維護性指標成為目標時，團隊會調整自身行為以最佳化計算公式。註釋密度可能增加，但解釋力卻未必提升。函數可能會被拆分或合併以影響規模計算。這些改動雖然提高了分數，但底層維護負擔卻維持不變甚至增加。此指標最終淪為優化練習，而非洞察本質的手段。
在比較可維護性指標與實際故障率的分析中，反覆觀察到了這種現象，例如在以下文獻中討論的那些分析： 可維護性與複雜性指標在數十年的程式碼庫中，隨著團隊學習如何滿足評分模型，衡量可維護性與實際變更風險之間的差距會隨著時間的推移而擴大。
因此，可維護性指標在經驗豐富的工程師中逐漸失去信譽，但在報告撰寫中仍然具有影響力。這種分歧強化了古德哈特定律。即使最了解系統的人意識到其相關性正在下降，但該指標仍然在影響決策。
程式碼覆蓋率目標與測試意義的稀釋
測試覆蓋率指標通常被引入到傳統系統現代化改造專案中，以證明驗證工作的改進和風險的降低。更高的覆蓋率被視為代碼行為得到更深入理解且更能適應變化的證據。然而，在大型主機環境中，覆蓋率目標往往會產生與此假設相反的結果。
遺留系統通常缺乏全面的自動化測試套件，因為其行為是透過運作穩定性而非獨立測試來驗證的。在這種情況下引入覆蓋率目標會激勵團隊編寫執行程式碼路徑卻不斷言有效結果的測試。簡單的呼叫測試雖然能提高覆蓋率，但幾乎無法保證在實際條件下的正確性。
隨著覆蓋率目標的收緊，這種行為愈演愈烈。團隊專注於最大化執行的程式碼行數，而非驗證業務規則。錯誤處理路徑可能被人為觸發，而複雜的資料互動卻未經測試。指標穩步提升，但係統對回歸的敏感度依然如故。
僅憑覆蓋率統計數據很難發現這種測試意義的淡化。測試數量雖然增加，但其語意價值卻在下降。隨著時間的推移，覆蓋率逐漸淪為合規性的象徵，而非品質指標。工程師可能會對這項指標失去信任，但它仍然影響著現代化進程的進程。
在運行數十年的程式碼庫中，行為與資料狀態和執行上下文緊密耦合，覆蓋率指標尤其容易受到這種扭曲的影響。如果沒有對資料流和執行語意進行補充分析，覆蓋率目標會鼓勵一些看似有效率的活動，而實際上風險降低效果有限。
重複指標與過度激進整合的風險
程式碼重複指標通常用於識別整合和重複使用的機會。在遺留系統中，重複程式碼往往被視為技術債務，會增加維護成本和不一致的風險。雖然這種解釋在某些情況下是正確的，但如果將重複指標孤立地視為現代化目標，就會出現問題。
在長達數十年的程式碼庫中，邏輯重複的存在可能出於合理原因。業務規則、監管要求或運行環境的細微差別，都可能導致語法相似但語義不同的並行實現。重複性指標很少能捕捉到這些細微差別。它們只能辨識結構上的相似性，而無法理解實際意圖。
在指標壓力下，團隊可能會合併重複程式碼以降低報告的重複率。這種合併可能會引入條件邏輯來處理各種情況，從而增加複雜性和耦合性。或者，他們可能會創建服務於多個上下文但略有不同的共享模組。雖然重複指標有所改善，但由此產生的程式碼更難安全地修改。
如果下游依賴關係沒有被完全理解，風險就會加劇。合併後的程式碼可能會被比預期更廣泛的進程調用，從而放大未來變更的影響。看似減少了冗餘，實則擴大了風險範圍。
這種模式表明，當以重複指標作為最佳化目標時，會如何削弱系統彈性。在傳統環境中，重複並非總是缺陷。如果不進行情境分析就將其視為缺陷，則會導致結構性變更雖然滿足了衡量目標，但卻增加了現代化改造的風險。
為什麼程式碼品質指標會隨著時間推移而失去意義
在數十年程式碼庫中，程式碼品質指標普遍存在一個共同的問題：它們與最初設計用於衡量的屬性之間的語義聯繫逐漸減弱。在現代化改造的初期，這些指標能夠凸顯實際存在的問題。但隨著它們逐漸成為目標，團隊會做出調整，工具會進行最佳化，行為也會改變。指標本身雖然不斷變化，但它們的解釋力卻不斷下降。
這種侵蝕並非偶然。它是將簡化的衡量標準應用於複雜且歷經歷史演變的系統所必然導致的後果。在大型主機環境中，邏輯、資料和執行上下文密不可分，程式碼品質不能只歸結為靜態屬性。忽視這現實的指標會引發古德哈特效應。
認識到這種不足並不意味著放棄衡量。它強調的是，我們需要將指標解讀為指示性指標而非目標，並將其建立在對系統行為的更深刻理解之上。如果缺乏這種基礎，遺留系統中的程式碼品質指標將繼續顯示進步，卻掩蓋了現代化旨在消除的風險。
降低端對端吞吐量的效能最佳化指標
性能指標在大型主機現代化專案中扮演著核心角色，因為它們能夠提供切實可見的改進證據，尤其是在變革本身就存在風險的環境中。 CPU 使用率、批次持續時間、交易回應時間和吞吐量等指標通常用於證明重構工作和基礎設施投資的合理性。這些指標在對成本高度敏感的大型主機環境中尤其重要，因為效能提升往往與財務效率和營運成功直接相關。
當這些指標從診斷工具轉化為固定的最佳化目標時，挑戰便隨之而來。在緊密耦合的大型主機系統中，效能特徵並非源自於孤立的程式碼路徑，而是源自於工作負載、資料存取模式和共用基礎架構之間的交互作用。當最佳化工作僅僅專注於提升單一效能指標時，往往會降低端到端吞吐量和系統穩定性。這正是古德哈特定律的典型體現：對可衡量改進的追求反而會損害指標原本旨在代表的特性。
CPU 減少目標和瓶頸重新分配
在大型主機環境中，降低 CPU 使用率是常見的以效能為導向的現代化目標之一。企業通常會設定降低 MIPS 消耗的目標，以控制授權成本並延緩硬體升級。乍一看，這種方法似乎合理。 CPU 使用率可衡量、可審計，並且與成本模型直接相關。然而，一旦 CPU 使用率降低成為目標而非指標，它就會改變最佳化行為，從而扭曲整體效能。
為了應對 CPU 效能目標，團隊通常會重構程式碼，以盡量減少頻繁執行路徑中的指令數量。循環展開、計算值快取以及積極重複使用記憶體結構等措施都可以減少特定程式的 CPU 週期。雖然這些改變確實降低了測得的 CPU 消耗，但它們往往會增加記憶體壓力、I/O 爭用或鎖定持續時間。最終結果是瓶頸被重新分配，而不是被消除。
由於 CPU 指標通常在作業或程式層級進行跟踪，因此次要影響往往不可見。 I/O 等待時間增加或鎖定持有時間延長可能會減慢下游進程或線上事務，而不會觸發 CPU 警報。即使 CPU 指標有所改善，吞吐量也會下降。隨著時間的推移，系統對工作負載變化變得更加敏感，即使是微小的需求高峰也會導致不成比例的效能下降。
這種動態在批次密集型環境中尤其具有破壞性，因為在這些環境中，作業流程需要精心平衡以滿足處理視窗的要求。以 CPU 為中心的最佳化可能會縮短單一作業的運作時間，但由於資源爭用加劇，反而會延長整個批次作業的完成時間。如果沒有進行全面的分析，團隊會繼續追求降低 CPU 使用率，但他們沒有意識到他們正在削弱他們試圖提升的吞吐量。
延遲指標與執行路徑碎片化
交易延遲是現代化改造中經常關注的另一個指標，尤其是在面向客戶的工作負載中。縮短回應時間自然與更好的使用者體驗和系統效率密切相關。然而，在大型主機環境中，延遲指標通常只能反映執行行為的一小部分。
為了達到延遲目標，團隊可能會重構事務邏輯，以最大限度地減少同步處理。這可能包括將工作延遲到非同步例程中執行、將交易拆分為多個階段，或跳過被認為非關鍵的驗證步驟。這些變更通常能夠有效縮短單一交易的回應時間，但卻會將執行路徑分散到多個元件和處理階段。
碎片化引入了新的協調開銷。延遲處理必須進行追蹤、重試和協調。錯誤處理變得更加複雜，故障模式也更多。雖然前端延遲有所改善，但隨著非同步工作負載的累積和共享資源的競爭，後端吞吐量可能會受到影響。
延遲指標很少考慮這些下游影響。它們只報告事務邊界處的成功，卻掩蓋了其後不斷增長的積壓。隨著時間的推移，針對延遲最佳化的系統在持續負載下會變得脆弱，出現難以診斷的不可預測的效能下降。這種權衡凸顯了在不考慮吞吐量的情況下優化反應速度的局限性，這一矛盾在以下分析中得到了探討： 吞吐量與反應速度監測.
當延遲成為目標時，它就不再代表整體效能狀況。相反，它會驅動架構決策，使架構決策優先考慮即時回應，而非可持續的處理能力。
批量視窗壓縮和隱藏內容
在支援連續或近乎連續線上操作的大型主機環境中，批次視窗壓縮是一項常見的現代化目標。縮短批次視窗能夠提高可用性和靈活性，使系統能夠在減少對線上工作負載幹擾的情況下處理資料。因此，與批次持續時間和完成時間相關的指標備受重視。
為了實現這些目標，團隊可能會並行處理批次作業、調整排程優先權或最佳化文件存取模式。雖然這些技術可以縮短批次作業的持續時間，但它們通常會引入隱性競爭。並行作業可能會爭用相同的資料集或資料庫資源，從而增加鎖定爭用和 I/O 等待時間。調度變更可能會導致執行關鍵維護功能的低優先權進程資源不足。
由於批次視窗指標關注的是完成時間而非資源交互，因此這些副作用不會立即顯現。批次視窗看起來更短，但係統實際上更接近其爭用閾值運行。資料量或工作負載時間上的微小變化都可能引發連鎖延遲或故障。
如果在未對資料存取模式進行全面分析的情況下執行批次最佳化，這種影響會被放大。例如，縮短某個作業的執行時間可能會加劇其他作業對共享資料集的爭用。隨著時間的推移，即使指標顯示有所改進，批次生態系統對變化的容忍度也會降低。這種模式與研究中發現的問題相呼應。 吵雜的查詢爭用模式其中局部最佳化會加劇全域不穩定性。
異常處理優化導致吞吐量下降
異常處理邏輯通常被視為效能最佳化的目標，因為它被認為會增加系統開銷。各種指標可能會突顯異常處理路徑的頻率或成本，促使團隊簡化錯誤處理流程以縮短執行時間。但在遺留系統中，由於異常邏輯與業務規則同步演進，這種最佳化可能會產生意想不到的後果。
簡化異常處理可以降低罕見錯誤路徑的成本，進而提昇平均效能指標。然而，它也可能移除防止錯誤擴散的保護機制。當異常發生時，它們可能會引發更廣泛的故障，或需要更昂貴的恢復措施。系統在正常情況下運作速度似乎更快，但在高負載情況下，速度會顯著降低，且效能更難預測。
僅關注平均性能的指標無法捕捉到這種性能下降。它們獎勵消除人們認為的低效之處，卻忽略了最壞情況下的表現表現。隨著時間的推移，以這種方式優化的系統在遇到異常情況時會出現效能急劇下降，從而在高峰需求或故障場景下降低吞吐量。
此類變更對性能的影響往往只有在事故發生後才能被察覺，事後分析表明，異常處理路徑為了滿足優化目標而被修改。這凸顯了將效能指標視為絕對目標而非上下文指標的危險性，尤其是在可靠性和吞吐量緊密耦合的系統中。
為什麼性能指標會失去系統級意義
在大型主機環境下的效能最佳化工作中，反覆出現的一個模式是指標與系統級結果逐漸脫鉤。早期優化確實能帶來實質的效益，增強人們對衡量框架的信心。但隨著目標越來越高，團隊往往會採取一些僅僅滿足指標要求，而將成本轉移到系統其他方面的措施。
這種意義的喪失並非僅源自於指標本身的缺陷，而是源自於在缺乏充分系統情境的情況下應用這些指標。大型主機系統的性能是湧現的，它受到無法以單一維度指標捕捉的交互作用的影響。當這些指標被提升為目標時，古德哈特定律就會揭示，優化行為最終會損害被衡量的屬性。
認識到這種動態變化對於尋求可持續改進的現代化工作至關重要。效能指標作為訊號仍然很有價值，但前提是必須理解依賴關係、爭用和執行流程。如果缺乏這種理解，效能優化就變成了轉移瓶頸而非消除瓶頸，最終雖然指標亮眼，但吞吐量和彈性卻在下降。
合規導向重構指標引入的隱性風險
合規性要求給傳統系統現代化改造帶來了獨特的壓力。與性能或品質改進項目不同，合規性驅動的項目通常以外部定義的標準為依據，這些標準會帶來監管或審計後果。為了證明符合強制性標準，系統會引入與安全發現、控制覆蓋率、資料處理一致性和補救措施數量相關的指標。在大型主機環境中，這些指標經常被追溯應用於那些原本並非為滿足現代合規性框架而設計的系統。
與其他指標驅動型措施一樣，當合規性指標被視為系統安全的最終衡量標準而非部分訊號時，問題就出現了。一旦合規性指標成為目標，工程行為就會為了滿足稽核要求而做出調整，有時甚至會犧牲架構完整性。在邏輯路徑、資料沿襲和異常處理深度交織的遺留系統中，這種調整可能會引入新的風險，而這些風險對於旨在預防它們的指標而言卻難以察覺。
安全發現計數和表面風險降低
在現代化專案中，最常見的合規性指標之一是已識別和已解決的安全漏洞數量。靜態分析工具、掃描框架和基於規則的偵測器會產生漏洞列表，這些列表會被追蹤、確定優先順序並最終修復，以此來展示進度。原則上，漏洞數量的減少應該與安全態勢的改善有關。但實際上，一旦修復數量成為衡量標準，這種相關性就會減弱。
在大型主機環境中，許多報告的發現與技術上不合規但操作受限的遺留模式有關。例如，共享服務程序可能會在多個上下文中觸發重複的發現，或者遺留的輸入驗證邏輯可能無法與現代威脅模型完全匹配。在指標壓力下，團隊通常會尋求最快的解決方案。這可能包括抑制發現、縮小偵測規則範圍，或進行一些最小的變更以消除警報而不改變執行行為。
雖然這些措施降低了已報告的風險，但它們可能會掩蓋真正的風險敞口。更令人擔憂的是，補救措施可能會在未充分了解下游影響的情況下改變程式碼路徑。與安全相關的重構可能會引入額外的驗證層、日誌記錄或異常處理，從而影響效能和控制流程。如果這些變更的範圍僅限於滿足特定發現，則它們與現有邏輯的交互作用可能無法充分分析。
隨著時間的推移，該指標顯示出穩定提升的趨勢，同時系統也不斷累積細微的行為變化。從表面上看，安全態勢似乎更強，但由於關鍵路徑複雜性的增加，系統可能變得更加脆弱。這種模式反映了管理方面更廣泛的挑戰。 靜態程式碼安全發現 當指標鼓勵的是結果而非理解。
資料處理指標與意外暴露路徑
合規性舉措通常會引入一些專注於資料處理的指標。這些指標可能包括受保護的敏感欄位數量、應用加密的實例數，或為確保存取控制合規性而審計的路徑數量。在資料重用普遍存在且隱式契約常見的傳統大型主機系統中，應用此類指標本身就非常複雜。
當資料保護指標成為衡量標準時，團隊可能會實施一些符合形式標準的變更，卻忽略了資料在系統中的實際流動方式。例如，他們可能在特定存取點添加加密，卻對中間轉換過程置之不理；或者在輸出邊界應用資料脫敏邏輯，卻忽略了內部重用。這些變更雖然提高了指標得分，但卻可能導致不同執行路徑下資料處理方式的不一致。
更微妙的是，合規驅動的重構可能會引入新的風險暴露途徑。例如，為了審計目的而新增日誌記錄可能會無意中以明文形式擷取敏感資料。引入資料驗證層可能會將資料複製到具有不同存取控制的臨時結構中。由於合規性指標通常追蹤控制是否存在，而不是它們如何交互，因此這些副作用無法被衡量。
在長達數十年的程式碼庫中，資料語意通常隱式地編碼在程式結構中，而非文件中。在未進行完整的溯源分析的情況下重構資料處理邏輯，可能會破壞這些語意。系統雖然仍滿足合規性指標，但卻逐漸偏離了一致的資料模型。這種脫節凸顯了那些只關注控制存在性而非數據行為的指標的限制。
控制覆蓋率指標與條件邏輯的激增
控制覆蓋率指標旨在證明系統內所有必要的檢查和安全措施都得到了一致的應用。這些指標通常會追蹤相關程式碼路徑中是否存在特定的驗證、授權或日誌記錄操作。在現代化專案中，提高控制覆蓋率通常被視為風險降低的證據。
在傳統的大型主機系統中，提高程式覆蓋率通常需要在現有程式中插入額外的條件邏輯。每個新的控制項都會引入分支，這些分支會與原有的條件、錯誤處理和復原邏輯互動。雖然覆蓋率指標有所提高，但執行路徑的複雜性也會增加。這種額外的複雜性可能會掩蓋原有的業務邏輯，並使程序行為的推理變得更加困難。
隨著控制邏輯的累積，意外交互的可能性也隨之增加。原本罕見的極端情況可能會因為分支的增加而變得更加常見。錯誤路徑可能會以意想不到的方式交叉，從而使復原方案更加複雜。這些影響很少能被覆蓋率指標捕捉到，因為覆蓋率指標將每個控制視為獨立的成功。
結果是，系統表面上看起來控制得更好，但實際運作卻更難以預測。工程師可能難以追蹤事務如何在層層控制中流轉，尤其是在文件不完整的情況下。這種以指標為導向、追求覆蓋率的做法，無意中削弱了控制措施原本旨在提供的清晰度和穩定性。
當控制措施不考慮執行上下文而統一應用時，這種模式尤其成問題。在大型主機環境中，同一個程式可能服務於多個風險等級不同的業務流程。在所有地方應用相同的控制措施雖然滿足了指標要求，但卻忽略了上下文差異，從而增加了過度控制和意外行為的風險。
審計準備指標和架構偏差
審計準備通常透過補救措施的完整性、文件覆蓋率或與既定標準的符合程度等指標來衡量。這些指標旨在證明系統能夠經受外部審查。在遺留系統中，要達到審計準備狀態，通常需要對自然演進的系統進行文件和控制的改造。
當審計指標成為目標時，團隊可能會優先考慮那些容易證明的變更，而不是那些能夠提升架構一致性的變更。文件可能會更新以反映期望狀態，而非實際行為。介面可能在紙面上被形式化，但在程式碼中卻執行得不夠嚴謹。這些做法雖然提高了審計分數，但卻擴大了文件描述與實際運作情況之間的差距。
因此，架構偏差加速出現。系統的概念模型與其實現方式漸行漸遠，使得未來的變更風險更大。工程師所依賴的文件已無法準確描述執行行為，這增加了維護或後續現代化改造過程中出錯的可能性。
由於審計指標很少能捕捉到這種偏差，因此這種偏離往往被掩蓋。組織表面上看起來合規，但係統卻變得越來越難以理解和改進。這表明，以合規為導向的指標可能會在無意中削弱它們原本旨在確保的透明度。
為什麼合規指標會在遺留系統中造成隱形風險
以合規性為導向的重構指標所帶來的隱憂源自於一個共同的根源。這些指標關注的是可觀察的成果，例如已解決的問題、已新增的控制措施或已產生的文件。然而，遺留系統的行為源自於難以觀察的複雜互動。當指標取代了對系統的理解時，古德哈特定律就會揭示出優化行為將著眼於表面而非實質。
在大型主機環境中，這種替換尤其危險，因為微小的改變都可能產生巨大的影響。為了滿足某個指標而增加的控制項可能會改變執行時間、資料處理或錯誤傳播方式，而這些改變在故障發生之前往往難以察覺。等到問題顯現時，它們通常已經與最初的合規性計劃脫節了。
認識到這種動態變化並不會降低合規性的重要性。它強調了我們需要將合規性指標視為部分指標，而非安全性的最終證明。如果缺乏系統層面的洞察，無法了解重構變更如何與遺留系統行為相互作用，那麼以合規性為導向的現代化改造可能會在聲稱成功的同時，製造出新的漏洞。
依賴盲視是古德哈特效應的核心促成因素。
在傳統系統現代化改造專案中，指標偏差並非僅源自於指標選擇不當，而是由一個更為根本的限制所致：無法洞察行為如何在系統中傳播。在大型主機環境中，依賴關係跨越程式、資料集、作業排程、事務流和基礎架構層。這些依賴關係決定了變更部署後的實際行為，但它們很少能以統一的方式呈現。
當依賴關係意識不完整時，指標會被孤立地解讀。人們會想當然地認為某個領域的改進是有益的，卻忽略了其下游影響。這種盲點為古德哈特定律的出現創造了理想條件。一旦指標成為最佳化目標，優化行為就會利用顯而易見的部分，卻無意間破壞了隱藏的部分。依賴盲點不僅會加劇指標失真，還會使複雜的遺留系統中的這種失真在結構上變得不可避免。
隱藏的控制流依賴關係和指標誤讀
大型主機系統中的控制流很少局限於單一程式。執行路徑會遍歷 COBOL 模組，呼叫外部例程，透過配置驅動的邏輯進行分支，並重新進入共用服務。 JCL 負責協調跨作業的執行順序，而事務管理器則根據執行時間條件動態地路由請求。這種控制流大多是隱性的而非顯性的，是透過約定而非正式結構推論出來的。
專注於單一程序或事務的指標假設控制流程邊界與程式碼邊界一致。但實際上並非如此。優化某個程式執行路徑的變更可能會改變下游元件的執行時序或呼叫頻率。由於這些依賴關係在指標模型中不可見，因此報告的改進會被誤解為系統範圍內的效益。
當這些指標成為目標時，團隊會在可見範圍內積極優化。控制流被重構以降低衡量的複雜度或延遲，卻不去理解執行路徑如何在其他地方重複使用。隨著時間的推移，控制流程圖變得越來越碎片化，邏輯分散在各個模組中，雖然滿足了指標要求，但卻掩蓋了實際行為。
這種碎片化削弱了診斷能力。當事件發生時，追蹤執行路徑需要根據不完整的證據重建控制流。由於指標驅動的重構掩蓋了原始結構，工程師難以將症狀與變更關聯起來。即使對運行情況的理解不斷下降，指標仍然顯示成功。
因此，缺乏全面的控制流程可見度並非次要問題，而是指標失去意義的主要原因。如果不了解系統實際執行過程，測量就無法區分局部最佳化和系統效能下降。
資料流盲點與安全變革的錯覺
資料流依賴性是遺留系統中最容易被忽略的風險來源之一。大型主機應用程式通常在批次和線上工作負載之間共用資料集，透過副本簿重複使用記錄佈局，並且依賴約定而非模式強制執行的隱式資料不變性。這些資料流定義了資訊如何在系統中移動和轉換。
指標很少能捕捉到這一維度。程式碼品質指標著重於結構，效能指標著重於資源消耗，合規性指標著重於控制的存在。這些指標都無法揭示資料如何在組件間流動，也無法揭示變更如何改變下游的資料語意。
當現代化指標成為目標時，團隊會重構看似獨立的程式碼，卻在不知不覺中改變了資料流的特性。針對某個使用者最佳化的欄位轉換可能會破壞其他使用者的預期。重新排序處理順序的效能提升可能會改變資料的可用時間。由於資料流依賴關係是不可見的，因此根據指標來看，這些變更似乎是安全的。
由此產生的故障往往不易察覺。數據不一致的情況緩慢出現，數據核對流程出現偏差，報告的準確性下降，但不會立即觸發警報。等到問題被發現時，它們已經與最初由指標驅動的變化脫節了。
這種動態說明了為何資料流盲點會成為古德哈特效應的有力推手。指標獎勵的是顯而易見的改進，卻掩蓋了決定係統正確性的數據行為變化。由於缺乏對數據傳播方式的洞察，優化決策只能基於不完整的資訊做出，一旦指標被強制執行，必然會導致數據失真。
理解這個問題需要的不僅是靜態檢查，還需要對資料進行跨執行情境的分析，這種方法在相關工作中已有討論。 程式間資料流如果沒有這樣的分析，指標就無法可靠地引導現代化決策。
跨模組依賴鍊和不斷擴大的爆炸半徑
遺留系統的特徵是存在跨越模組、作業和子系統的長依賴鏈。單一變更可能會透過共用服務、重複使用工具或通用資料結構影響數十個下游元件。這些依賴鏈定義了變更的真實影響範圍，但它們很少在度量框架中反映出來。
當在模組或作業層級應用指標時，它們隱含地假設依賴關係很淺或易於理解。但在存在數十年的程式碼庫中，這種假設並不成立。依賴鏈往往是自然而然地發展起來的，通常缺乏文件記錄。工程師只能依靠經驗和謹慎來管理它們。
指標驅動的現代化會打破這種平衡。當目標激勵團隊進行激進的重構時，團隊往往會在對下游影響缺乏充分認識的情況下進行更改。重構後的實用程式現在可能被比以前更多的上下文呼叫。合併後的函數可能成為單點故障。即使指標有所改善，影響範圍也會擴大。
由於依賴鏈不可見，這種擴展無法衡量。從指標來看，系統似乎更簡潔、更有效率，但故障後果日益嚴重。這在大型主機環境中尤其危險，因為從大範圍故障中恢復成本高且耗時。
隨著時間的推移，組織會遇到一個悖論。指標顯示風險降低，但事件越來越難以隔離和解決。每次故障都會影響更多元件，根本原因分析也變得更加複雜。這種悖論的直接原因是缺乏依賴關係意識的最佳化。
在討論中，人們強調了理解依存鏈的重要性。 依賴性影響可視化如果缺乏這種透明度，指標會給人一種虛假的安全感，從而削弱韌性。
時間依賴性與穩定性的誤讀
並非所有依賴關係都是結構性的。許多依賴關係是時間性的，由執行順序、時間假設和調度行為決定。批次作業依賴先前作業產生的資料。線上事務假定某些更新已經完成。清理進程期望資源在特定時間被釋放。這些時間依賴關係對系統穩定性至關重要。
指標很少考慮時間關係。效能指標衡量的是持續時間和延遲，但它們無法反映執行順序的假設。當最佳化目標促使執行時間改變時，時間依賴性很容易被打破。
例如，縮短批次作業的持續時間可能會導致下游作業提前啟動，在資料完全準備就緒之前就存取資料。優化交易延遲可能會增加並發性，從而在設計為串行存取的進程中引發爭用。這些影響可能不會立即表現為故障，但會引入競爭條件和間歇性錯誤。
由於指標側重於平均值和總數，因此時間上的不穩定性難以察覺。系統表面上看起來很穩定，直到極端情況累積起來。一旦發生故障，由於故障取決於時間互動而非確定性邏輯，因此很難重現和診斷。
這種依賴盲點尤其有害，因為它會削弱人們對系統的信心。工程師會失去對測試結果的信任，並且難以預測系統在高負載下的行為。然而，各項指標卻持續顯示改進，反而強化了人們掌控系統的錯覺。
解決時間依賴性問題需要理解執行流程隨時間的變化，而不僅僅是程式碼結構。如果缺乏這種理解，效能和效率指標將繼續無法準確反映穩定性，從而導致優化行為損害可預測性。
為什麼依賴盲點會導致指標失敗不可避免
依賴盲點並非工具缺陷，而是遺留系統的結構性問題。數十年的漸進式變更造就了依賴關係繁多、隱性且文件不完善的環境。指標提供了一種誘人的捷徑，在難以理解依賴關係的地方提供量化的清晰表述。
古德哈特定律解釋了接下來會發生什麼事。一旦指標成為目標，行為就會調整以滿足衡量標準。在缺乏依賴關係意識的情況下，這種調整不可避免地會利用盲點。優化雖然提高了指標，但也破壞了未被察覺的關聯。
這種動態使得指標失效成為可預測而非偶然事件。只要依賴關係不可見，指標就無法可靠地反映系統在壓力下的健康狀況。認識到依賴關係盲點是古德哈特效應的根本原因，可以重新定義現代化挑戰。問題不在於指標的存在，而是對它們試圖描述的系統缺乏充分的理解就應用了這些指標。
在現代化努力解決這一盲點之前，大型主機環境中的指標驅動型措施將繼續產生令人印象深刻的數據，但同時也帶來日益增長的營運風險。
Smart TS XL 與超越指標最佳化的系統層級洞察
大型主機環境中現代化指標的反覆失敗表明，僅靠改進目標無法彌合差距。指標失效並非因為其本身不準確，而是因為它們脫離了系統行為。因此，要解決古德哈特效應，就需要將重點從指標最佳化轉移到對系統結構的理解。這種轉變在遺留系統中尤其關鍵，因為遺留系統的行為源自於跨越語言、平台和執行環境的依賴關係。
Smart TS XL 精準地定位於測量與理解的交會點。它並非用新指標取代現有指標，而是提供系統層面的洞察，解釋指標變化的原因以及這些變化背後的真正意義。透過對傳統環境和跨平台環境中的控制流、資料流和依賴關係傳播進行建模，Smart TS XL 使組織能夠將指標解讀為更廣泛的行為背景下的訊號，而不是導致資料失真的目標。
從追求指標轉向行為解讀
傳統的現代化專案通常將指標視為需要達成的目標。必須降低複雜性，必須提高效能，必須降低風險，並且必須用數字來證明進展。 Smart TS XL 則重新定義了這種方法，它將指標視為需要解讀而非最佳化的觀察結果。這種差別看似細微，實則至關重要。
Smart TS XL 不僅關注指標是否有所改進，還支持分析指標變化的原因以及系統其他部分因此受到的影響。例如，報告的複雜度降低可以與呼叫圖、執行路徑和依賴密度的變化進行比較分析。如果複雜度降低而依賴扇出增加，那麼表面上的改進實際上是一種權衡，而非淨收益。
這種行為解讀在大型主機環境中尤其重要，因為局部改進往往掩蓋了全局影響。 Smart TS XL 將指標變化與結構性變化關聯起來，使團隊能夠識別最佳化行為何時會產生古德哈特效應。它非但沒有阻礙指標測量，反而透過將指標與系統實際情況結合，賦予指標新的意義。
這種方法與更廣泛的討論一致，即 軟體智慧平台 它強調理解而非報告。透過在依賴關係感知模型中對指標進行情境化處理，Smart TS XL 可幫助組織避免陷入優化那些不再反映系統健康狀況的指標的陷阱。
系統級依賴關係映射作為對古德哈特定律的一種平衡
古德哈特定律在依賴關係隱藏的環境中尤為突出。當團隊無法看到變更的傳播方式時，他們會優化可見的部分，卻無意中破壞了看不見的部分。 Smart TS XL 透過建立涵蓋程序、資料儲存、批次作業和事務流程的全面依賴關係圖來解決這種不平衡問題。
這些地圖為評估變革提供了一個共同的參考點。在實施以指標為導向的措施之前，團隊可以評估哪些元件相互連接、資料如何流動以及執行路徑的交會點。這種可視性使得預測指標本身無法掩蓋的副作用成為可能。
例如，效能最佳化工作不僅可以從局部效能提升的角度進行評估，還可以從其對下游作業和共享資源的影響進行評估。合規性驅動的重構可以評估其對控制流和異常傳播的影響。跨平台遷移步驟可以分析其依賴關係擴展情況，而不僅僅是完成狀態。
透過揭示這些關係，Smart TS XL 降低了企業為追求指標而操縱的動機。最佳化決策不再以數值目標為導向，而是基於潛在影響。如此一來，依賴關係映射便能起到抵消古德哈特效應的結構性作用，確保改進真正反映系統的變化。
分析表明，這種可見性的重要性不容忽視。 企業依賴關係映射其中，理解系統關係被證明對降低風險至關重要。 Smart TS XL 將此洞見應用於傳統系統現代化改造領域。
透過影響感知分析保留指標意義
當指標的變化無法解釋時，它們就失去了意義。 Smart TS XL 透過將指標變化與特定的結構性轉變連結起來，恢復了指標的可解釋性。這種具有影響感知能力的分析使團隊能夠區分健康的最佳化和指標失真。
當程式碼品質指標提升時，Smart TS XL 可以揭示這種提升是源自耦合度降低、執行路徑更清晰，還是資料流簡化。如果提升實際上是由機械式的重構導致碎片化加劇，這種差異就會顯現出來。指標重新獲得了診斷價值，因為它們不再被孤立地解讀。
同樣的原則也適用於性能和合規性指標。 Smart TS XL 並非簡單地接受表面上的改進，而是能夠深入分析變更對吞吐量、爭用和故障模式的影響。合規性相關的重構可以評估其對執行複雜性和資料處理一致性的影響，從而避免引入潛在風險。
這種解讀能力在指標長期沿用並持續現代化改造的環境中至關重要。隨著系統演進，指標的含義可能會改變。影響感知分析將解讀錨定在目前的系統結構中，防止過時的指標導致不恰當的決策。
這種方法是既有做法的補充。 測試的影響分析將它們從驗證擴展到戰略現代化決策。
支持在指標壓力下進行決策
現代化專案始終面臨證明進展的壓力。通常需要透過指標來證明投資的合理性、指導優先順序並滿足監管要求。 Smart TS XL 並不能消除這種壓力，但它可以幫助決策者在不犧牲系統完整性的前提下應對壓力。
Smart TS XL 透過提供變更如何影響系統行為的證據，使圍繞進展的敘述更加細緻入微。組織不再只是報告孤立的指標改進，而是可以解釋權衡取捨、風險緩解和依賴關係穩定等問題。這使得討論的重點從數字目標轉向基於資訊的決策。
在實踐中，這意味著團隊可以在不顯得抗拒衡量指標的情況下，抵制適得其反的優化。他們可以解釋為什麼某些指標的變化會產生誤導，並提出基於系統洞察的替代方案。這種能力在大型主機環境中尤其重要，因為在大型主機環境中，不透明的風險往往會加劇人們對變革的抗拒。
因此，Smart TS XL 能夠在指標壓力下促進負責任的現代化。它使組織能夠批判性地而非被動地運用指標，從而在維持指標有效性的同時，避免因古德哈特理論而導致的扭曲。
為什麼系統洞察比指標目標更持久
指標本質上是瞬息萬變的。目標會改變，優先順序會調整，衡量框架也會不斷演進。相較之下，系統洞察的價值會隨著時間的推移而累積。每一次分析都會加深我們對系統運作方式及其對變化響應的理解。
Smart TS XL 致力於維護這項持久資產。透過建構和維護系統結構和行為的動態模型，它支援現代化工作，即使指標不斷變化，這些工作也能保持穩健。由於最佳化行為的指導原則不再僅基於數值閾值，而是基於對系統的理解，因此古德哈特定律的影響也隨之降低。
在傳統環境中，現代化往往是一個多年過程，因此這種區別至關重要。指標會不斷更迭，但理解依賴關係、流程和影響的需求卻始終不變。 Smart TS XL 將現代化策略與此現實結合，提供了一種超越指標優化、實現永續系統演進的方法。
衡量傳統系統現代化改造中仍重要的因素
指標驅動型現代化屢屢失敗，並不代表指標本身毫無用處。它揭示了許多常用指標與真正決定係統彈性、變更安全性和長期生存能力的屬性存在嚴重脫節。在傳統的大型主機環境中，最重要的因素很少能透過表面指標來體現。相反，它們存在於即使在優化壓力下也能保持穩定的結構特徵之中。
要衡量真正重要的指標，就需要重新定義指標的角色，從目標轉向視角。與其關注某個數字是否有所提升，不如將重點放在系統吸收變化、從故障中恢復以及可預測地演進的能力是否有所增強。這些特質雖然更難量化，但也更能抵禦古德哈特效應的影響。在傳統系統現代化改造中，持久的進展取決於反映系統行為而非是否符合預設閾值的指標。
變化傳播範圍作為穩定性指標
在遺留系統中，變更傳播範圍是最有意義的指標之一。當程序、資料集或作業進行修改時，受影響的下游組件數量遠比孤立的品質評分更能反映系統的穩定性。一個小的變更影響有限且可預測的系統，其根本健康狀況要優於一個微小的修改就會在整個系統中產生不可預測的連鎖反應的系統。
與傳統指標不同，變更傳播範圍不會鼓勵表面最佳化。縮小變更傳播範圍需要結構性改進，例如明確介面、減少不必要的耦合以及劃分職責。這些變更難以偽造，且往往能帶來持久的效益。因此，即使在衡量壓力下，該指標仍然具有意義。
在運作數十年的大型主機環境中，不受控制的傳播往往是現代化改造的主要風險來源。工程師之所以猶豫是否要修改程式碼，並非因為程式碼本身複雜，而是因為他們無法準確預測哪些部分會受到影響。透過明確影響範圍，測量傳播範圍可以直接解決此問題。
這概念與以下所描述的做法非常吻合： 衡量代碼波動性的影響當這種方法評估波動性時，著眼於其下游影響，而不僅僅是波動頻率。透過關注變化的擴散範圍，組織可以深入了解變革的真實成本和風險。
追蹤傳播範圍隨時間的變化可以揭示現代化努力是否真正降低了系統脆弱性。爆炸半徑的縮小表明取得了不易被操縱的進展，使其成為對抗古德哈特效應所引發的扭曲的有力反制措施。
依賴密度和結構濃度
另一個在壓力下依然重要的屬性是依賴密度。它指的是有多少責任和關係集中在單一組件上。高依賴密度表示結構集中，即一個領域的故障或變化會產生不成比例的後果。
隨著時間的推移，共享的實用程式、資料結構和服務承擔的責任越來越多，傳統系統往往會朝著更高的依賴密度發展。傳統的指標可能會忽略這種趨勢，因為單一組件看起來很小或很簡單。依賴密度透過突顯系統結構脆弱之處，揭示了隱藏的風險。
衡量依賴密度會抑製表面重構。拆分程式碼而不減少依賴關係並不能改善指標。真正的改進需要重新分配職責並明確邊界。這些措施符合長期現代化目標，且不易被操縱。
在大型主機環境中，依賴關係密度尤其重要，因為共用組件通常同時支撐批次和線上工作負載。識別並降低過度集中可以顯著提高系統的彈性，並簡化未來的變更。
這種方法反映了從以下工作中獲得的見解： 依賴性濃度分析強調風險往往取決於結構，而不僅僅是規模或複雜性。透過追蹤依賴關係的聚集位置，組織可以衡量直接影響故障影響和復原工作的因素。
平均恢復時間作為行為指標
平均恢復時間通常被視為營運指標，但在傳統系統現代化改造中，它也是衡量系統結構健康狀況的有力指標。恢復時間反映了系統在壓力下的可理解性、可觀察性和可控制性。恢復速度快的系統往往具有更清晰的執行路徑、更好的隔離性和更可預測的行為。
與許多性能指標不同，恢復時間很難透過表面優化來提升。要改善恢復時間，需要投入資源來提升清晰度、改進工具並簡化結構。這些改進通常會降低古德哈特效應，因為它們改善的是實際性能而非表面表現。
在大型主機環境中，由於隱藏的依賴關係和不透明的執行流程，恢復時間通常會延長。測量恢復時間可以間接地暴露這些弱點。如果儘管其他指標看似有所改善，但事件解決所需時間卻更長，則表示現代化並未解決核心問題。
在討論中，我們將探討恢復與結構之間的關係。 縮短平均恢復時間其中，簡化依賴關係被證明是提升營運韌性的關鍵。追蹤復甦趨勢與結構性變化之間的關係，能夠提供對進展的客觀視角。
由於恢復時間反映的是實際運行經驗，即使其他指標得到最佳化，它仍然具有意義。它體現了系統應對意外情況的能力，而這種能力無法完全預測或人為操控。
變更下執行路徑的可觀測性
另一個持久的指標是變更引入後執行路徑的可觀察性。這指的是團隊追蹤變更部署後發生情況的難易度。高可觀察性意味著執行路徑易於理解、可追蹤和可解釋。低可觀察性則表示不透明，行為必須透過反覆試驗來推論。
專注於可觀測性的指標能夠抵禦古德哈特效應，因為它們依賴人類經驗而非數值閾值。如果工程師在變更後難以解釋行為，那麼無論其他指標如何報告，可觀測性都較低。
在遺留系統中，可觀測性常常受到邏輯碎片化和隱式控制流的限制。衡量可追溯性和清晰度的提升能夠直接應對這項挑戰。能夠清楚展現執行路徑的工具和實踐可以減少對經驗知識的依賴，並增強對現代化決策的信心。
已在以下背景下討論了可觀測性在現代化中的作用： 遙測驅動的影響分析強調可觀測性如何支持更安全的演進。透過將可觀測性視為首要成果，組織可以專注於理解而非最佳化。
這項指標在壓力下依然保持穩健，因為它無法透過表面上的改變來滿足。可觀測性的提高反映了系統可知性和可管理性方面取得的真正進展。
為什麼這些措施不符合古德哈特定律
這些指標的共同特徵是不易被操縱。它們衡量的是源自於結構和行為而非孤立事物的屬性。要改善這些指標，需要進行與現代化根本目標一致的變革，例如降低脆弱性、提高清晰度和促進更安全的變革。
古德哈特定律適用於那些易於優化且不會改變實際情況的指標。諸如傳播範圍、依賴密度、恢復時間和可觀測性之類的指標，如果沒有實際進展，就很難改進。因此，即使長期跟踪，它們仍然具有意義。
在傳統大型主機環境中，現代化改造是漸進式的，風險承受能力也較低，這些措施能提供更可靠的指導。它們將注意力從數位目標轉移到系統品質上，而係統品質才是決定現代化改造能否在實踐中取得成功的關鍵。
透過專注於真正重要的事項，組織可以衡量進展，而不會落入指標驅動扭曲的陷阱。最終，組織能夠制定出基於系統行為而非控制幻覺的現代化策略。
當指標不再能衡量現實時
在大型主機環境中進行傳統系統現代化改造時，總是會暴露出同樣的結構性缺陷。一些原本有用的指標，一旦被提升為目標值，就會逐漸失去與系統行為的關聯。古德哈特定律並非事後應用的抽象經濟原理，而是直接體現在工程決策、重構策略、效能調優以及跨平台遷移計畫。結果是，報告的進度與實際運行之間的差距越來越大。
這種缺陷在遺留系統中尤其頑固，並非源自於設計意圖不佳或缺乏規範，而是系統本身的性質所致。數十年的漸進式變革造就了這樣的架構：系統行為源自於依賴網路而非孤立元件。忽略這現實的指標必然會過度簡化問題。當施加壓力時，最佳化行為會遵循指標而非系統本身，從而產生數值上看似顯著但結構上空洞的改善。
在程式碼品質、效能、合規性和遷移等各個方面，同樣的模式反覆出現。局部最佳化會損害全域穩定性。一個維度的改進會將風險轉移到另一個維度。依賴盲點會導致偏差不斷累積，最終導致指標從未預測的事件發生。等到故障發生時，因果關係往往已被層層指標驅動的變更所抹去。
未來的發展方向並非放棄測量，而是降低其作為決策驅動因素的地位。指標作為指示仍然具有價值，但前提是必須透過系統層面的理解來解讀。對控制流、資料傳播、依賴集中和執行行為的結構性洞察，能夠賦予那些原本會隨時間漂移的數字意義。在此背景下，進步不再取決於指標是否發生變化，而是取決於系統是否變得更可預測、更具彈性且更易於理解。
傳統系統現代化改造的成功之道在於，企業必須認識到，真正重要的並非總是能用儀表板來概括。能夠長久運作的系統，其行為可解釋、變化可預測、故障可快速恢復。指標或許能輔助實現這個目標，但永遠無法取代目標本身。
