Kratos技术系列｜从Kratos设计看Go微服务工程实践

转载地址：https://mp.weixin.qq.com/s/D8py9Ia1KVoPZP-RCfwkgQ

在Kratos中，API定义、gRPC Service、HTTP Service、请求参数校验、错误定义、Swagger API json、应用服务模版等都是基于Protobuf IDL来构建的：

举一个简单的helloworld.proto例子：

syntax = "proto3";
package helloworld;
import "google/api/annotations.proto";import "protoc-gen-openapiv2/options/annotations.proto";import "validate/validate.proto";import "errors/errors.proto";
option go_package = "github.com/go-kratos/kratos/examples/helloworld/helloworld";
// The greeting service definition.service Greeter {// Sends a greeting  rpc SayHello (HelloRequest) returns (HelloReply)  {  option (google.api.http) = {// 定义一个HTTP GET 接口，并且把 name 映射到 HelloRequestget: "/helloworld/{name}",        };// 添加API接口描述(swagger api)option (grpc.gateway.protoc_gen_openapiv2.options.openapiv2_operation) = {description: "这是SayHello接口";        };  }}
// The request message containing the user's name.message HelloRequest {// 增加name字段参数校验，字符数需在1到16之间  string name = 1 [(validate.rules).string = {min_len: 1, max_len: 16}];}
// The response message containing the greetingsmessage HelloReply {  string message = 1;}
enum ErrorReason {// 设置缺省错误码  option (errors.default_code) = 500;// 为某个错误枚举单独设置错误码  USER_NOT_FOUND = 0 [(errors.code) = 404];  CONTENT_MISSING = 1 [(errors.code) = 400];;}

以上是一个简单的helloworld服务定义的例子，这里我们定义了一个Service叫Greeter，给Greeter添加了一个SayHello的接口，并根据googleapis规范给这个接口添加了Restful风格的HTTP接口定义，然后还利用openapiv2添加了接口的Swagger API描述，同时还给请求消息结构体HelloRequest中的name字段加上了参数校验，最后我们在文件的末尾还定义了这个服务可能返回的错误码。

这时我们在终端中执行:kratos proto client api/helloworld/ helloworld.proto 便可以生成以下文件：

由上，我们看到Kraots脚手架工具帮我们一键生成了上面提到的能力。从这个例子中，我们可以直观感受到使用使用Protobuf带来的开发效率的提升，除此之外Kratos还有以下优点：

• 清晰：做到了定义即文档，定义即代码

• 收敛，统一：将逻辑都收敛统一到一起，通过代码生成工具来保证HTTP Service、grpc Service等功能具有一致的行为

• 跨语言：众所周知Protobuf是跨语言的，java、go、python、php、js、c等等主流语言都支持

• 拥抱开源生态：比如Kratos复用了google.http.api、protoc-gen-openapiv2、protoc-gen-validate 等等一些犀利的Protobuf周边生态工具或规范，这比起自己造一个IDL的轮子要容易维护得多，同时老的使用这些轮子的gRPC项目迁移成本也更低

开放性

一个基础框架在设计的时候就要考虑未来的可扩展性，那Kratos是怎么做的呢？

1. Server Transport

我们先看下服务协议层的代码：

上面是Kratos RPC服务协议层的接口定义，这里我们可以看到如果想要给Kratos新增一个新的服务协议，只要实现Start()、Stop()、Endpoint()这几个方法即可。这样的设计解耦了应用和服务协议层的实现，使得扩展服务协议更加方便。

从上图中我们可以看到App层无需关心底层服务协议的实现，只是一个容器管理好应用配置、服务生命周期、加载顺序即可。

2. Log

我们再看一个Kratos日志模块的设计：

这里Kratos定义了一个日志输出接口Logger，它的设计的非常简单 - 只用了一个方法、两个输入、一个输出。我们知道一个包暴露的接口越少，越容易维护，同时对使用和实现方的心智负担更小，扩展日志实现会变得更容易。但问题来了，这个接口从功能上来讲似乎只能输出日志level和固定的kv paris，如何能支持更高级的功能？比如输出 caller stack、实时timestamp、 context traceID ？这里我们定义了一个回调接口Valuer：                        

这个Valuer可以被当作key/value pairs中的value被Append到日志里，并被实时调用。

我们看一下如何给日志加时间戳的Valuer实现：

使用时只要在原始的logger上再append一个固定的key和一个动态的valuer即可：

这里的With是一个Helper function，里面new了一个新的logger（也实现了Logger接口），并将key\value pairs暂存在新的logger里，等到Log方法被调用时再通过断言.(Valuer)的方式获取值并输出给底层原始的logger。

所以我们可以看到仅仅通过两个简单的接口+一个Helper function的组合我们就实现了日志的大多数功能，这样大大提高了可扩展性。实际上还有日志过滤、多日志源输出等功能也是通过组合使用这两接口来实现，这里待下次分享再展开细讲。

3. Tracing

最后我们来看下Kratos的Tracing组件，这里Kratos采用的是CNCF项目OpenTelemetry。

OpenTelemetry在设计之初就考虑到了组件化和高可扩展性，其实现了OpenTracing和W3C Trace Context的规范，可以无缝对接zipkin、jaeger等主流开源tracing系统，并且可以自定义Propagator 和 TraceProvider。通过otel.SetTracerProvider()我们可以轻易得替换Span的落地协议和格式，从而兼容老系统中的trace采集agent；通过otel.SetTextMapPropagtor()我们可以替换Span在RPC中的Encoding协议，从而可以和老系统中的服务互相调用时也能兼容。

工程流程

我们知道在工程实践的时候，强规范和约束往往比自由和更多的选择更有优势，那么在Go工程规范这块我这里主要介绍三块：

1. 面向包的设计规范

Go 是一个面向包名设计的语言，Package 在 Go 程序中主要起到功能隔离的作用，标准库就是很好的设计范例。Kratos也是可以按包进行组织代码结构，这里我们抽取Kratos根目录下主要几个Package包来看下：

/cmd: 可以通过 go install 一键安装生成工具，使用户更加方便地使用框架。

/api: Kratos框架本身的暴露的接口定义

/errors: 统一的业务错误封装，方便返回错误码和业务原因。

/config: 支持多数据源方式，进行配置合并铺平，通过 Atomic 方式支热更配置。

/internal：存放对外不可见或者不稳定的接口。

/transport: 服务协议层（HTTP/gRPC）的抽象封装，可以方便获取对应的接口信息。

/middleware: 中间件抽象接口，主要跟transport 和 service 之间的桥梁适配器。

/third_party: 第三方外部的依赖

可以看到Kratos的包命名清晰简短，按功能进行划分，每个包具有唯一的职责。

在设计包时我们还需要考虑到以下几点：

• 包的设计必须以使用者为中心，直观且易于使用，包的命名必须旨在描述它提供的内容，如果包的名称不能立即暗示这一点，则它可能包含一组零散的功能。

• 包的目的是为特定问题域而提供的，为了有目的，包必须提供，而不是包含。包不能成为不同问题域的聚合地，随着时间的推移，它将影响项目的简洁和重构、适应、扩展和分离的能力。

• 高便携性，尽量减少依赖其他代码库，一个包与其它包依赖越少，一个包的可重用性就越高。

• 不能成为单点依赖，当包被单一的依赖点时，就像一个公共包（common），会给项目带来很高的耦合性。

2. 配置

首先，我们来看下常见的基础框架是怎么初始化配置的：

这是Go标准库HTTP Server配置初始化的例子，但是这样做会有如下几个问题：

• &http.Server{}由于是一个取址引用，里面的参数可能会被外部运行时修改，这种运行时修改带来的危害是不可把控的。

• 无法区分nil和0值，当里面的参数值为0的时候，不知道是用户未设置还是就是被设置成了0。

• 难以分辨必传和选传参数，只能通过文档说明来隐式约定，没有强约束力。

那么Kraots是怎么解决这些问题的呢？答案就是Functional Options 。我们看下transport/http/client.go的代码：

Client.go中定义了一个回调函数ClientOption，该函数接受一个定义了一个存放实际配置的未导出结构体clientOptions的指针，然后我们在NewClient的时候，使用可变参数进行传递，然后再初始化函数内部通过 for 循环调用修改相关的配置。

这么做有这么几个好处：

• 由于clientOptions结构体是未导出的，那么就不存在被外部修改的可能。

• 可以区分0值和未设置，首先我们在new clientOptions时会设置默认参数，那么如果外部没有传递相应的Option就不会修改这个默认参数。

• 必选参数显示定义，可选值则通过Go可变参数进行传递，很好的区分必传和选传。

3. Error规范

Kratos为微服务提供了统一的Error模型：

• Code用作外部展示和初步判断，服务端无需定义大量全局唯一的XXX_NOT_FOUND，而是使用一个标准Code.NOT_FOUND错误代码并告诉客户端找不到某个资源。错误空间变小降低了文档的复杂性，在客户端库中提供了更好的惯用映射，并降低了客户端的逻辑复杂性。同时这种标准的大类Code的存在也对外部的观测系统更友好，比如可以通过分析Nginx Access Log中的HTTP StatusCode来做服务端监控和告警。

• Reason是具体的错误原因，可以用来更详细的错误判定。每个微服务都会定义自己Reason，那么要保持全局唯一就需要加上领域前缀，比如User_XXX。

• Message错误信息可以帮助用户轻松快捷地理解和解决API 错误

• Metadata中则可以存放一些标准的错误详情，比如retryInfo、error stack等

• 这种强制规范，避免了开发人员直接透传Go的error 从而导致一些敏感信息泄露。

接下来我们看下Error结构体还实现了哪些接口：

• 实现了GRPCStatus () *status.Status 接口，这样就实现了从http status code到grpc status code的转换，这样Kratos Error可以被gRPC直接转成google.rpc.Status传递出去。

• 实现了标准库errors包的Is (error) bool接口，这样使用者可以直接调用errors.Is()来比较两个erorr中的reason是否相等，避免了使用==来直接判断error是否相等这种错误姿势。

依赖注入

依赖注入 (Dependency Injection)可以理解为一种代码的构造模式，按照这样的方式来写，能够让你的代码更加容易维护，一般在Java的项目中见到的比较多。

依赖注入初看起来比较违反直觉，那么为什么Go也需要依赖注入？假设我们要实现一个用户访问计数的功能。我们先看看不使用依赖注入的项目代码：

​​​​​​​

type Service struct {    redisCli *redis.Client}
func (s *Service) AddUserCount(ctx context.Context) {    //do some business logic    s.redisCli.Incr(ctx, "user_count")}
func NewService(cfg *redis.Options) *Service {    return &Service{redisCli: redis.NewClient(cfg)}}

这种方式比较常见，在项目刚开始或者规模小的时候没什么问题，但我们如果考虑下面这些因素：

• Redis是基础组件，往往会在项目的很多地方被依赖，那么如果哪天我们想整体修改redis sdk的甚至想把redis 整体替换成mysql时，需要在每个被用到的地方都进行修改，耗时耗力还容易出错。

• 很难对App这个类写单元测试，因为我们需要创建一个真实的redis.Client。

使用依赖注入改造后的Service：

​​​​​​​

type DataSource interface{    Incr(context.Context, string)}
type Service struct {    dataSource DataSource}
func (s *Service) AddUserCount(ctx context.Context) {    //do some business logic    s.dataSource.Incr(ctx, "user_count")}
func NewService(ds DataSource) *Service {    return &Service{dataSource: ds}}

上面代码中我们把*redis.Client实体替换成了一个DataSource接口，同时不控制dataSource的创建和销毁，把dataSource生命周期控制权交给了上层来处理，以上操作有三个主要原因：

• 因为Service层已不再关心dataSource的创建和销毁，这样当我们需要修改dataSource实现的时候，只要在上层统一修改即可，无需在各个被依赖的地方一一修改。

• 因为依赖的是一个接口，我们写单元测试的时候只要传递一个mock后的Datasource实现即可 。

• 这里dataSource这个基础组件不再被会到处创建，可以做到复用一个单例节省资源开销。

Go 的依赖注入框架有两类，一类是通过反射在运行时进行依赖注入，典型代表是 uber 开源的 dig，另外一类是通过 generate 进行代码生成，典型代表是 Google 开源的 wire。使用 dig 功能会强大一些，但是缺点就是错误只能在运行时才能发现，这样如果不小心的话可能会导致一些隐藏的 bug 出现。使用 wire 的缺点就是功能限制多一些，但是好处就是编译的时候就可以发现问题，并且生成的代码其实和我们自己手写相关代码差不太多，更符合直觉，心智负担更小。所以Kratos更加推荐 wire，Kratos的默认项目模板中 kratos-layout 也正是使用了 google/wire 进行依赖注入。

我们来看下wire使用方式：

我们首先要定义一个ProviderSet，这个Set会返回构建依赖关系所需的组件Provider。如下所示，Provider往往是一些简单的工厂函数，这些函数不会太复杂：

​​​​​​​

type RedisSource struct {    redisCli *redis.Client}
// RedisSource实现了Datasource的Incr接口func (ds *RedisSource) Incr(ctx context.Context, key string) {    ds.redisCli.Incr(ctx, key)}
// 构建实现了DataSource接口的Providerfunc NewRedisSource(db *redis.Client) *RedisSource {    return &RedisSource{redisCli: db}}
// 构建*redis.Client的Providerfunc NewRedis(cfg *redis.Options) *redis.Client {    return redis.NewClient(cfg)}// 这是一个Provider的集合，告诉wire这个包提供了哪些Providervar ProviderSet = wire.NewSet(NewRedis, NewRedisSource)

接着我们要在应用启动处新建一个wire.go文件并定义Injector，Injctor会分析依赖关系并将Provider串联起来构建出最终的Service：

// +build wireinject
func initService(cfg *redis.Options) *service.Service {    panic(wire.Build(        redisSource.ProviderSet,//使用 wire.Bind 将 Struct 和接口进行绑定了，表示这个结构体实现了这个接口，wire.Bind(new(data.DataSource), new(*redisSource.RedisSource)),        service.NewService),    )}

最后执行wire .后自动生成的代码如下：

//go:generate go run github.com/google/wire/cmd/wire//+build !wireinject
func initService(cfg *redis.Options) *service.Service {    client := redis2.NewRedis(cfg)    redisSource := redis2.NewRedisSource(client)    serviceService := service.NewService(redisSource)    return serviceService}

由此我们可以看到只要定义好组件初始化的Provider函数，还有把这些Provider组装在一起的Injector就可以直接生成初始化链路代码了，上手还是相对简单的，生成的代码所见即所得，容易Debug。

综上可见，Kraots是一款凝结了开源社区力量以及Go同学们大量微服务工程实践后诞生的一款微服务框架。现在腾讯云微服务治理治理平台(微服务平台TSF)也已支持Kratos框架，给Kratos赋予了更多企业级服务治理能力、提供多维度服务，如：应用生命周期托管、一键上云、私有化部署、多语言发布。