工程架构设计指导原则

			发展方向	建设原则
研发效率	开发便捷性 （特指新逻辑开发）		提供CodeGen、开发脚手架、IDE等工具，减少开发工作量。 合理设计函数、组件、算子、服务的接口，提供高质量文档，降低开发者的学习成本。
	复用范围 （组织架构维度）		抽象逻辑支持 跨服务复用。 抽象逻辑支持 跨组织复用。 抽象逻辑支持 跨业务线复用。	形成统一业务开发框架，跨服务、跨组织、跨业务线推广
	复用率		合理设计逻辑的的抽象粒度，提高长期可复用率。 合理设计逻辑的对外透出形式。 主要分为代码、静态库、动态库、服务几个层面。按照先后顺序，可控性递减，变更影响范围递增，复用效率递增，长期维护性递增。 支持逻辑检索、逻辑推荐，减少信息壁垒，提高传播效率	抽象并沉淀公共逻辑、公共数据结构，梳理为基础算子库、业务算子库 透出形式设计原则 代码：应尽量避免代码级别复用。除非逻辑过于简单，或迭代/分裂频率非常高 库：有明确责任方，稳定运行x天且y天没有迭代或分裂的算子沉淀为库 静态库：若开发环境与运行环境可能存在差异，或希望降低功能变更的生效范围（须重新编译 + 发布），适合采用静态库 动态库：若开发环境与运行环境不会存在差异（例如Java服务，或采用容器交付），或希望加快功能变更的生效速度（仅需重新发布），适合采用动态库 服务：逻辑有明确责任方，且逻辑内聚，组织结构稳定，希望功能变更大面积生效，适合采用服务。服务等同于一个“大算子”，长期应尽可能弱化服务的概念。 提供算子搜索能力
	协作效率		抽象常用数据结构，形成标准接口，减少沟通次数 降低开发、测试、发布粒度，提高上下游变更兼容性，降低协作干扰	复用频率较高的核心数据结构需要跨服务、跨组织、跨业务线统一 实现算子粒度开发、测试、发布
运维效率	稳定性	系统复杂度	支持部署隔离。 若大量业务逻辑、业务数据合并部署，库符号、JAR包的冲突概率提高，部署过程中发生干扰的概率提高。应尽量降低部署粒度，保证部署环境隔离。 减少重复部署。 若同样的逻辑/数据需要反复部署，出现遗漏、错误的概率提高，运维的效率降低。应尽可能保证同一逻辑/数据仅部署一次。	算子粒度环境隔离部署 相同的逻辑/数据即使被多个上游引用，仍只部署一次（冲突1）
		风险隔离	防止故障扩散 当多个上游调用同一个集群时，由任意一个上游引发的故障会扩散到所有其他上游，如coredump、负载打满等情况。在架构设计时应明确可接受的故障影响范围，谨慎设计部署与调用关系。 支持非核心逻辑局部降级 当非核心逻辑出现故障时，不应波及到核心逻辑。在架构设计时应明确非核心逻辑的影响范围，谨慎设计部署与调用关系。	多个上游调用同一个服务时，该服务尽量独立部署（冲突1） 非核心逻辑应被剥离，并隔离部署
	可观测性		提高故障处理效率 当出现异常时，应提供故障快速定位、保存故障现场、初步分析等能力。 提供Trace能力 支持日常请求Trace，方便业务数据分析、系统性能分析、系统异常定位。	系统应提供左侧提到功能
	成本治理		资源按使用量进行保障与计费，而不是按占用量保障与计费 避免业务方“自行占用”	提供“按使用量结算”的账单 按使用量结算提供了资源量化指标，激励业务方优化吞吐，提高机器资源利用率，自发衡量业务收益与成本的ROI。按照使用量结算是资源池化的前提，资源池化能进一步提高资源利用率。 支持多租户，支持按照租户维度导入资源，并支持为租户保障定额资源供应。 不保证机器独占 若允许业务方独占指定物理机/虚拟机，则限制了自动调度的灵活性，不利于整体资源最优配置。应仅向业务方承诺“保障使用量充足”，不承诺机器独占。
资源效率	存储效率		提供多种“性能-成本”组合的存储介质，并支持如下两种模式 业务方自行指定数据存储介质 系统根据目标智能调度数据存储介质 从单点数据视角优化资源开销 从全局调度视角优化存储资源开销	分级存储 + 冷热数据 数据压缩 支持列存、压缩算法等，面向业务ROI优化存储成本，涉及压缩时须结合CPU成本统筹考量。 按需分配存储资源 由业务方定义个存储介质各份数据的最大规模，平台通过智能调度实现存储效率最大化。 公共数据独立存储 多个上游共同依赖的数据应尽量独立部署，避免重复存储。（冲突1）
	吞吐&时延		优化CPU利用率 减少IO等待带来的损耗 减少无效计算 实现CPU资源弹性调度 优化网络传输开销与时延 在时延约束下 优化吞吐 在吞吐约束下 优化业务目标	非阻塞异步IO框架 应全面推广非阻塞异步IO体系，提高重IO节点的CPU利用率。 超时请求就地熔断 对于已经超时的逻辑，不再执行后续计算，立刻丢弃，减少无效计算 混部 支持在离线混部，在线潮汐混部（冲突1） 体系化治理RPC引入的时延与吞吐问题 应梳理业务服务分布与机器分布，统筹协调部署，取消跨机房调用 引入新的RPC技术，优化线程模型，优化RPC序列化开销 引入零拷贝技术，减少内核开销 重点优化长尾请求 解决优化超时带来的“吞吐量锁死”。应重点关注长尾超时约束服务吞吐上限的情况，针对性优化提高失败率约束下的CPU利用率。 面向时延约束，智能优化吞吐上限 应尽可能细化调度的最小粒度，通过智能调度达成全局最优。 面向业务的业务智能算力调配 通过资源调配，实现业务目标最优。