TechFoco Logo
首页专题归档站点地图
© 2026 TechFoco. All rights reserved.
文章归档专题网站地图站点地图 XML爬虫规则
  1. 首页
  2. /
  3. 返回归档
  4. /
  5. 数据契约怎样把隐含约定变成可以验证的承诺

数据契约怎样把隐含约定变成可以验证的承诺

2026年11月20日•TechFoco 精选

数据契约怎样把隐含约定变成可以验证的承诺

论题:能读取数据,距离正确使用还有多远

一个程序成功连接数据库,查询正常返回,结果能够生成图表,这条链路看起来已经完成。然而,技术成功并不必然代表解释正确。数据可能采用了不同单位,时间可能记录的是处理时间,某个状态可能已经改变含义,空白也可能表示尚未观察而非数值为零。如果这些区别只存在于几个人的记忆里,系统越容易访问数据,误解传播得反而可能越快。

二〇二六年十一月十八日,Simon Harrer 与 Arif Wider 在 MartinFowler.com 发表《Data Contracts》。作者主张把共享数据看作有明确接口的服务,用机器可读、可验证、可版本化的契约表达结构、语义、质量与使用边界,并把检查接入持续交付。文章使用 ODCS 展示这一思路,也提醒契约需要维护成本,不应一次覆盖所有数据。对 AI Agent 而言,明确元数据可以减少猜测,但过时的说明同样会放大错误。

以下内容是围绕这一论题的独立工程分析,并非原文逐段翻译。文中的气象观测、博物馆目录和公共交通场景均为假设,用来讨论设计取舍,不对应现实机构的内部系统,也没有声称某种措施已经取得具体统计效果。核心问题是:什么承诺值得写下来,怎样证明它仍成立,以及承诺失效之后谁负责处理。

编辑分析:首先区分结构正确与意义正确

结构检查回答数据能否按预定形式处理。一个字段是字符串还是整数,是否允许为空,记录是否拥有唯一标识,这些都可以形成明确检查。结构约束十分必要,因为缺列、类型改变或重复主键可能直接让程序失败。但结构检查的通过,只能证明数据满足某些形式条件,不能证明字段描述的对象和使用者以为的对象一致。

意义检查更难。一个名为日期的字段,可能是事件发生日期、上传日期或最后修订日期。三种解释都能使用同一种日期类型,也都能通过格式验证。若消费者用上传日期研究季节变化,即使每条记录格式完美,得到的结论仍然可能偏离问题。契约必须说明这种区别,而不能让字段名承担全部解释工作。

同样,一个非空的地点名称不一定适合作为稳定关联键。机构可能改名,地点名称可能重复,拼写规范也可能改变。消费者真正需要的或许是一个稳定标识及其有效范围。这里的困难不是缺少更严格的正则表达式,而是尚未明确希望保持稳定的对象是什么。技术校验只能检验已经被表达出来的承诺。

因此,写契约时可以先问:如果另一位没有参加过项目讨论的人,只凭这份说明使用数据,最可能误解哪里?这个问题通常比罗列尽可能多的元数据字段更有方向。答案可能是一条单位说明,也可能是对覆盖范围的限制。契约的完整程度应当由实际依赖决定,而不是由文档看起来是否庞大决定。

假设场景一:气象观测中的时间与缺失

假设一个公共研究团队共享逐小时气温观测。提供者在每天固定时间汇总记录,下游希望比较不同地点的温度变化。此时至少有三类时间值得区分:观测实际发生的时间、设备提交记录的时间,以及汇总任务写入数据集的时间。若契约只保留一个笼统的更新时间,消费者就无法知道迟到数据应该归入哪一个观察窗口。

团队还需要说明缺失的含义。传感器未上报、设备维护、观测值被质量审核拒绝,可能都暂时没有温度数值,却不代表同一件事。如果把这些情况统一替换为零,数据格式会更整齐,解释却会更混乱。一个有用的契约应当允许表达缺失原因,并说明哪些下游计算必须排除或单独报告这些记录。

假设后来团队决定接纳迟到观测,就需要说明历史窗口是否可能修订,以及消费者怎样知道一份结果已经更新。数据的新鲜度和最终性是两个不同维度:数据可以很快出现,但尚未稳定;也可以在较晚发布时已经经过完整审核。只写“及时更新”无法让消费者决定何时适合生成正式图表。

这个例子没有给出真实的时延或缺失率,因为承诺值需要结合观测方式和使用目的协商。它展示的重点是,服务质量应当与具体语义连接。消费者能够知道哪些记录可用于当前分析,比单独看到一个最新更新时间更有帮助。契约所承诺的不是永远没有缺失,而是缺失能够被正确理解和处理。

编辑分析:质量规则必须能影响决定

一条质量规则存在的理由,应当是它检查的条件会影响某种实际使用。若某个阈值失败后,没有任何人知道应该暂停什么、继续什么或通知谁,那么告警很快会变成背景噪声。反过来,如果每个轻微异常都导致全链路停止,团队可能为了保持运行而关闭检查。规则的技术精确性和操作意义必须一起设计。

可以把规则分为几种作用。某些约束是读取的必要条件,例如无法识别记录类型时就不能继续解析。另一些约束影响可信程度,例如某个观测窗口覆盖不足,应当降低结论的适用范围。还有一些检查只是发现趋势的线索,适合安排调查,而不适合直接阻断。不同作用可以采用不同处置路径,避免所有失败都被解释为同一种事故。

规则也需要说明检查对象。对整份数据集的平均值进行校验,可能掩盖某个分区全部缺失;对每个小分区都设置严格阈值,又可能因为样本太少而持续误报。选择粒度时,应当回到消费者依赖的单位:他们按日期、区域、设备还是版本使用数据?检查粒度应当足以保护这些依赖,而不只是让总体指标显得正常。

此外,阈值不是永久事实。采集方式、业务定义和消费者用途变化时,都可能需要重新讨论。修改阈值应当留下理由,并检查是否只是为了让失败消失。契约变更的审查对象不仅是格式差异,还包括它改变了谁对数据的合理期待。能够解释这种变化,才有机会避免把治理退化为调参数。

编辑分析:版本管理保护的是依赖关系

版本号本身不会带来兼容性。它的价值来自团队对变化含义的共同约定,以及对依赖者的迁移安排。删除字段通常容易识别,字段类型改变也相对直观;但同一个字段从一种统计口径切换到另一种口径,可能没有任何模式差异,却对消费者造成更大影响。兼容性判断必须同时关注结构和语义。

增加字段也不总是无风险。如果消费者按列位置解析结果,或者默认导出文件只有固定列数,新字段就可能改变行为。提供者需要明确消费者应当如何读取接口,并让这种使用方式成为可测试的约束。不能一方面宣布增加字段兼容,另一方面默许所有下游依赖物理列顺序。

更深一层的问题是消费者的容忍范围。有的程序可以忽略不认识的枚举值,有的程序只能接受一组封闭状态。提供者若扩展状态集合,就需要知道哪个契约承诺包含开放集合,哪个接口曾经承诺封闭集合。这里没有统一适用的答案,只有需要提前表达的选择。未声明的选择最后往往会以故障形式出现。

迁移安排也应当包含结束条件。并行提供两个版本可以降低切换风险,但长期保留所有旧版本会增加维护和质量检查成本。团队需要知道哪些消费者仍在使用旧版本、何时停止新增依赖,以及怎样确认可以退役。版本管理保护的是一个能够持续演进的关系,而不是无限保留历史状态。

假设场景二:博物馆藏品目录的语义变化

假设一个博物馆提供藏品目录,原先的年代字段只有一段文本。为了支持研究检索,团队计划拆分为起始年代、结束年代和置信说明。新结构看似更规范,却也改变了消费者怎样表达不确定性。旧文本可能包含推测、争议或修订历史,不能简单把其中一个数字提取出来就宣称完成迁移。

如果搜索界面只需要粗略年代筛选,可以使用区间;如果研究应用需要引用学术判断,则还需要知道判断依据和版本。两个用途不应当被迫使用同一份被过度简化的数据。提供者可以说明某个接口只适合检索,并将更完整的研究说明作为另外的可访问材料。契约可以表达限制,而不必假装一个接口满足所有需求。

在迁移期间,团队可以保留旧表示并提供新表示,但必须说明两者是否由同一来源生成,以及发生冲突时以什么为准。测试可以检查区间起点不晚于终点,却无法单独确认年代考证是否正确。形式正确与专业判断仍然需要不同的验证路径,这一点应当在发布说明里明确。

消费者也需要参与。一个下游应用也许一直把年代文本原样展示给访客,另一个应用则将它拆成数字排序。前者可能几乎不受影响,后者却可能依赖未被承诺的文本写法。通过实际使用方式检查迁移,往往比只看提供者自己的示例更能发现隐含依赖。这是一个假设分析,并非某次真实迁移的效果报告。

编辑分析:持续交付与持续观察承担不同任务

发布前检查适合验证新的实现是否仍满足已知约束。它可以发现字段删除、契约格式错误和测试样本中的不一致,却无法预见所有未来输入。数据会在代码不变时发生变化,例如上游设备调整上报方式、第三方增加新的类别,或某个分区迟迟没有到达。因此,契约还需要运行期间的观察。

运行检查不应当只是重复发布前测试。它需要关注实际到达的数据、时间窗口、覆盖范围与来源状态,并把结果关联到具体的数据版本。只有这样,消费者才能知道某条承诺是在何时、对哪些数据、通过何种检查得到验证。一个没有时间范围的绿色标记,容易让过去成功被误认为当前可靠。

出现失败后,也应当区分数据异常和检查器异常。数据库暂时不可达,意味着当前无法完成验证,不能直接等同于数据已经违反承诺;检查查询自身错误,也不能被包装成质量合格。系统至少应当保留成功、失败和未知三种状态,并让未知具有明确的后续处理方式。

对消费者而言,最有用的输出往往不是内部检查日志,而是这次异常影响哪些结果、哪些数据仍可用,以及预计何时提供下一次状态。底层错误可以留在工程证据中,公开服务状态应当围绕实际使用后果组织。这种分层能够让契约既服务自动化,也服务需要作出判断的人。

编辑分析:元数据说明不能代替访问控制

说明某个数据集只能用于某种目的,并不意味着系统已经阻止其他用途。机器可读的使用边界能够帮助发现问题、生成检查或解释责任,但实际授权仍需由身份、角色、范围和执行点落实。把文档里的限制当成安全机制,会使消费者误以为一条文字已经提供了技术保证。

对 Agent 尤其要区分两类信息:数据如何理解,以及它现在被允许做什么。前者可以来自契约,后者应当来自可信的授权系统。数据源中的说明不应有权扩大工具权限,也不应覆盖调用方已经设置的操作边界。即使元数据来自正常维护的目录,也需要在系统中明确它的信任级别。

同样,契约中不应放入访问凭据来换取便利。位置、接口类型和角色说明可以帮助定位资源,凭据则应当通过受控机制提供。减少重复手工配置,并不要求把秘密复制到每份元数据。若一个工具需要用到更广权限,应当通过正式授权路径,而不是把额外指令藏在数据描述中。

这也说明治理自动化需要检查执行结果。生成了掩码规则,不代表生产查询已经应用;批准了只读角色,不代表实际连接没有继承更宽权限。契约可以成为检查的依据,却不能自动证明检查已经落实。工程验收应当覆盖真正使用的数据通路,而不只核对配置文件是否存在。

假设场景三:公共交通数据与自动分析助手

假设一个城市开放交通运行数据,分析助手需要比较线路在不同日期的服务状况。数据集中同时存在计划班次与实际执行记录。若助手直接把两者连接,可能把取消班次算成缺失数据,也可能重复计算补发记录。契约可以帮助它区分记录类型,但仍需要明确问题到底是在比较计划兑现情况还是实际运输活动。

提供者可以给出经过检查的示例查询,帮助消费者理解常见关联方式。不过,示例只能支持它覆盖的问题,不能自动延伸到所有新问题。助手如果把一个按日汇总的查询改写为按小时统计,就需要重新检查时区、跨日运行和聚合粒度。复用查询可以减少重复工作,却不能取消对新用途的验证。

假设某日数据尚未完成补录,助手应该能够报告当前结果的覆盖范围,或等待稳定版本,而不是因为表中已有记录就立即给出确定排名。是否允许使用未完成窗口,应当由任务需求决定。比较实时状态与制作正式历史报告,具有不同的准确性和时效性要求。

这个场景也能说明为何需要保留过程证据。记录采用的数据快照、契约版本、查询及检查状态,能够帮助后来者重现结论。当数据修订时,系统可以识别哪些输出需要重新生成。可信分析并不只依赖一次正确回答,还依赖解释答案为什么在当时成立,以及它在什么条件下已经失效。

反论证:是否只是给现有文档换一种格式

如果契约只是把已有说明转成结构化文件,却没有检查、责任人或变更流程,它确实可能只增加维护负担。标准化格式不能自动解决组织不愿承担责任的问题,也不能使模糊定义凭空变清楚。对这种担忧,合理回应不是继续增加字段,而是选择一个实际存在误解或故障的共享边界,证明契约能帮助谁完成什么工作。

另一种担忧是,严格约束会阻碍探索。研究人员尚不知道将来需要哪些字段,提供者也不可能预先保证每一种用途。因此,可以区分稳定共享接口与探索材料。探索数据可以明确标注不稳定和有限保证,消费者也可以提出新需求。契约不是要求所有对象都永久固定,而是防止不稳定对象被误认为稳定服务。

还有一种批评认为,文档永远会过时,维护它没有意义。这个问题恰好要求把契约与实现及运行检查联系起来。能够自动发现差异的文档,与只能等待读者反馈的说明,其失效方式不同。不过,自动检查仍然只能覆盖已经表达的条件,团队不能因为采用了标准就停止观察真实使用中的误解。

因此,契约是否值得投入,应当结合共享频率、消费者数量、变化速度和失败影响判断。对一个短期、单人使用的临时数据集,完整治理流程可能并不合算;对被多条流水线长期依赖的接口,缺少明确约定可能带来持续协调成本。选择边界比追求一次铺开更重要。

编辑分析:怎样评价实施是否有用

评估效果时,可以先记录实际问题,而不急于给出收益百分比。有哪些字段含义经常被问起,哪些变化会让消费者临时修复,哪些数据质量失败直到最终报告才被发现?这些问题能够帮助选定第一批契约内容,也能作为之后回顾的参照。没有基线时,不应把实施后的主观顺畅感直接描述为量化收益。

同时要观察额外成本。提供者是否需要重复维护多份说明,规则变更是否有清楚的评审入口,告警是否有人处理,以及消费者是否真的读取了契约。如果只有平台团队认真维护,而实际生产者与使用者仍然依靠口头约定,契约可能只是多了一层中间材料。实施应当减少解释分叉,而不是增加一份没人相信的副本。

也可以关注错误是否更早被发现,以及发现后能否定位到明确边界。并非所有问题都必须被契约预防;有时它的价值是让团队迅速知道当前承诺已经失效,并确定哪些消费者需要通知。减少未知范围本身就是一种实际收益,但应当如实说明这一收益属于恢复能力,而不是夸大为事故完全消失。

最后,契约应当能够退出或简化。某项规则长期没有消费者需要,某个版本已经无人使用,或某段说明已经被共享语义定义覆盖,都可以安排清理。治理也有生命周期。只有允许删除没有价值的承诺,团队才有余力认真维护那些真正影响正确性与协作的约束。

适用条件、局限与结论

数据契约适用于存在明确共享关系、可识别责任以及可检查承诺的场景。它不能替代专业领域判断,不能自动保证来源真实,也不能独自解决授权、隐私和组织激励问题。一个准确描述低质量数据的契约,仍然可能对消费者有用;一个承诺过高却无人兑现的契约,则可能比坦诚说明局限更具误导性。

面对 AI Agent,契约的意义也不应被夸大为机器从此理解全部业务。它提供的是减少猜测的可检查条件,以及在条件不足时识别不确定性的依据。是否真正按照这些条件行动,还取决于工具设计、访问边界、验证流程和失败处理。信息更明确,只是可信执行的一部分。

真正值得追求的结果,是让共享数据的使用者能够回答三个问题:正在依赖什么,凭什么认为这些条件仍然成立,以及条件失效之后怎样继续。结构化格式、版本管理和自动测试都应当服务这三个问题。承诺不必覆盖所有可能性,但必须清楚、可验证,并且有人愿意在它失效时承担维护责任。

公开原文:https://martinfowler.com/articles/data-contracts.html

继续阅读

较新文章

PHP 发布安全更新,修复混合大小写协议导致的明文传输

较早文章

Microsoft To Do 应用退役计划明确保留集成过渡期

相关文章

查看更多

TikTok 推出自有 AI 内容来源检测工具

TikTok 推出自有 AI 内容来源检测工具 新工具允许无需登录上传图片或视频,检查是否由 TikTok 的 AI 功能生成或编辑,并结合 C2PA 内容凭证与 VeraDura 隐形水印识别来源。

2026年11月21日

Windows 11 KB5132057 预览更新推出新版搜索体验

Windows 11 KB5132057 预览更新推出新版搜索体验 11 月 19 日的可选预览更新对应 25H2/26H2 的 26200.10075 与 26300.10075,搜索改为精简结果列表,并支持直接执行部分设置操作及文件预览。

2026年11月21日

OpenAI 公布受保护推理提取的防御评测结果

OpenAI 公布受保护推理提取的防御评测结果 在内部自适应红队评测中,从历史请求提取受保护推理的平均成功率,由原始防护的 GPT-6 Astra 的 54.0% 降至更新防护的 GPT-6.2 Astra 的 0.2%。

2026年11月21日

ChatGPT Space 开始向 Plus 用户开放协作页面

ChatGPT Space 开始向 Plus 用户开放协作页面 符合条件的 Plus 账户将逐步获得 Space,可组织页面与文件、邀请他人共同编辑,页面也支持在 iOS 和 Android 上修改。

2026年11月21日

Andarium 已从 App Store 移除,代码与侧载版本继续提供

Andarium 已从 App Store 移除,代码与侧载版本继续提供 项目仓库确认,基于 Kernarium 运行时的 Android 模拟器 Andarium 已因应用审核要求从 App Store 下架。

2026年11月21日

WorkBuddy 公测电脑操控,支持无 API 的桌面应用

WorkBuddy 公测电脑操控,支持无 API 的桌面应用 WorkBuddy 新增基于界面识别的点击、输入与滚动能力,可在后台操作未开放接口的软件。

2026年11月21日