python 微服务框架_微服务：SSH框架微服务改进实战方法论

导引

这篇文章从实操层面详细介绍如何对SSH框架的支付系统实施具体的技改。这里不涉及具体代码写法，重点在于说明方法论。虽然以SSH(Apache Struts + Springframework + Hibernate)框架为例，也适合各种常用的Web架构(Apache Struts/Spring MVC / Apache Velocity + Springframework + Mybatis/Hibernate)。

选取入手模块

如果遗留系统规模庞大，那应该如何挑选入手点？以支付系统为例，如前文所述，支付系统一般包括账户，交易，订单，优惠券，钱包，支付渠道，清结算，支付网关，运营系统等模块。模块很多，如何选择突破点？ 我们采取的方法是寻找对外依赖最小的模块，由此开始调整。 首先模块依赖关系整理出来。

从上图可以看出来，账户系统在依赖树中是处于树根的位置，对它的调整相对容易。只要保持对外接口不变即可。

重构目标

其次是确定本模块重构的目标，也就是通过重构，将达到什么样的结果。目标的制定可以从如下角度考虑：

1. 功能泛化：即让相同的接口支持更加通用的功能，比如将代扣和充值功能完善并重构为支付产品商务系统，建立支付商品，出入库，订单等子系统。
2. 功能完善：对现有功能进行完善， 将原来未实现的功能补充完成。 比如建立和完善账户系统，为清结算工作提供支持。
3. 性能提升：这是最容易说服人的一个理由了。 比如：在存储上，调整原依赖单一依赖mysql数据库的问题，接口可以根据需求选择合适的数据库，实现读写分离，比如对高性能需求的接口采用内存数据库。

重构策略

重构如同飞行中更换引擎，必须非常小心，我们采取的策略是：小步快跑，积小胜为大胜。

• 每一个改进点，需在1~3天内完成，不能超过一个周。
• 每次改进，均可直接上线运行，不需要长时间的AB测试。

在功能也就是对外接口不变的前提下，开始进行拆分工作。 在结构上，原SSH系统是一个大项目，所有代码分层分模块堆在一起。微服务系统需要将它们拆分。直观的拆分方法是按层，按模块同构的拆分成各个独立运行和维护的系统。由此带来了一系列的调整。

基于层的全面重构

如果遗留接口不多，人力足够，老板又认可，那当然需要执行全面的系统重构了。 在SSH架构下，重构可以采用自上而下的方法进行，这样可以确保每一层的重构都有明确的输入输出，并且是可测试的。

API网关

在SSH架构下，对API网关需求不大，一般都不需要这个网关。如果有的话，也是通过NGINX的rewtite模块来实现，逻辑简单，人工维护即可。而一旦接口层按照业务来拆分后，网关路由逻辑复杂多了，通过人工维护配置文件难度激增，必须调整成自动注册更新路由的方式。也就是每个服务需要将自己提供的服务和API注册到API网关上， API网关需要自动识别并加载新的路由。

针对这个需求，我们开发了一个Connector， 其工作原理如下：

• 服务在启动完成后，注册到ZooKeeper上。
• Connector监听ZooKeeper，一旦有变更，则获取服务列表，更新nginx.conf文件。
• Connector在更新完成nginx.conf文件后，执行Nginx的reload命令，让配置生效。
• load balancer 将服务打到Nginx上，Nginx可以按照新配置来执行服务路由。

在服务关闭时，执行类似的操作。第一步是在服务关闭前，将服务从ZooKeeper上删除。注意必须在服务关闭前删除，否则会发生服务不可用的错误。 服务注册项从ZooKeeper上删除，并且本地服务没有流量后，才能关闭服务。

Connector可以和Nginx部署在同一台机器上。

服务接口调整

使用Spring MVC实现的Controller或者使用Apache Struts实现的Action，需要按照业务进行组合，拆分到具体项目中，原则上，一个项目不应该有超过5个接口，避免接口过于复杂。本次调整需要做的工作包括：

• 增加服务注册机制，在服务启动时将服务注册到ZooKeeper上；
• 增加服务退出机制，在服务关闭时将服务解除注册；
• 将服务按照业务组合，建立对应的项目；
• 将服务依赖的业务逻辑层打包到同一个jar中，作为后续改进的基础。
• 服务上线，替换掉现有的服务。

业务逻辑层调整

在Spring Framework框架下，业务逻辑层被实现为服务层和DAO层之间的桥梁。 对于绝大多数应用来说，业务逻辑层都是非常薄的一层封装，调整为微服务架构下，业务逻辑层有三种处理方式：

• 抽象为独立的RPC服务，对于功能比较复杂业务逻辑，可以使用这种方式。
• 下沉到DAO层，如果逻辑上涉及数据访问操作多，或者需要事务处理的，可以合并到DAO中，一同实现为RPC。
• 上浮到接口层。如果业务逻辑比较简单，也可以上浮。

DAO层的重构

DAO层的重构的工作量比较大。 需要将原来访问数据库的逻辑，调整为远程RPC调用：

1. 针对DAO的接口，开发RPC服务，将数据访问逻辑通过RPC来隔离；
2. 提供DAO的RPC接口客户端，替换原DAO服务接口的实现。

这样在业务逻辑层和服务层中调用的DAO，调整为RPC调用，将数据访问逻辑和业务逻辑分离。这样在DAO层就可以根据业务需要选用合适的存储数据库。

性能优化

完成上述调整，这才是万里长征走完的第一步。接下来就是码农们最心爱的性能优化了。 对于大部分线上应用来说，性能优化主要的工作是选择合适的存储介质来满足性能的需求。

1. 数据可以直接写入MySQL或者其他的持久化存储。这个库也会被称之为主库。但是如果写入性能要求高，可以调整为先写入内存数据库，再同步到持久化存储中。
2. 线上数据访问，指根据ID或者其他的某个属性值来读取1-2条数据。一般不要直接从MySQL等持久化存储中出，需要采用Couchbase、Redis等内存数据库。
3. 线上数据检索，检索和访问需要分开。按照关键字、时间等条件的检索，一般用Elastic来满足。
4. 线上数据列表，如最新、最热、推荐等，都需要将数据预先计算好，放在Couchbase或者Redis等内存数据库中，读取的时候直接从库中出数据，不能执行实时计算。

通过这几个步骤，就可以优化线上服务的性能，最终呢，瓶颈应该不是在数据库或者CPU上，而是在带宽上。 那这就是砸钱的商务行为了。这样处理，带来的最大的问题是空间浪费，是典型的以空间换时间的做法。 技术上的挑战，那就是数据一致性问题。 对于一致性要求不强的需求，这个做法是没问题的。

那如何在不同存储之间同步数据呢？主要的做法有：

1. 使用数据库本身自带的同步机制。好处是一般不需要开发，问题是数据库的同步机制，如MysQL、HBase的Replication机制，仅支持少数类型的备库，对数据库本身也有压力。
2. 使用公共同步工具，如阿里的canal。
3. 使用消息中间件来实现数据同步。

采用消息中间件目前主流的做法，适合于对数据实时性要求不高的场景。 如下图所示，在数据写入的服务中，完成写入后，抛出消息。其他数据库通过接受消息来更新数据。

优点是系统灵活，无论是同DC还是跨DC的情况都可以正常工作。 对数据同步的情况，可以通过MQ提供的监控系统也能够了解。 缺点是开发工作量大，数据同步实时性不高。

如果时间不够

上述重构是非常理想的场景了，那如果时间不足，只能部分重构，应该如何处理？一种方式是针对DAO层来改进。

一般来说，重构往往意味着数据结构的变更。另一方面，由于数据写入的服务相对数据读取服务要少得多，所以可以采用的策略是：

1. 调整DAO服务中数据写入操作，将数据写入到新的库表中。
2. 采用MQ来实现新库表和老库表的数据同步， 参见上图。
3. 老的DAO服务中数据读取的操作保持不变。

毕竟大部分的服务并不需要太高的性能需求。 只需要将性能要求高的服务进行重构，实现读写分离即可。重构方式如上描述。

总之，技改的难度在于如何梳理出头绪来。 本文算是抛砖引玉，欢迎大家热烈讨论。

附注：

原文已不可靠，二手分享自：http://dockone.io/question/1233

编者觉得有一定的参考价值，故于本头条号再次分享了此文，或可借鉴参考。