微服务架构多“微”才合适?

原文地址:http://mp.weixin.qq.com/s/eZeA4P2uyRSZdiF-rjb7Pw

一、互联网架构为什么要进行服务化-总结

上一篇和大伙交流了一下,随着数据量、并发量、业务复杂度的增长,互联网架构会出现以下问题:

1)代码到处拷贝

2)底层复杂性扩散

3)基础库(so/jar/dll)耦合

4SQL质量得不到保障,业务相互影响

5)数据库耦合

“服务化”是一个很好的解决上述痛点的方案

 

不少评论也提出了不少有建设性的观点,汇总出来分享给大伙:

@田卫 同学提到:

服务化之后,可能会引发分布式事务的问题,“没人愿意引入分布式事务,当基于业务水平拆分的时候,要业务专家介入,合理拆分服务化,以后就服务内高内聚,事务可以保证,对于夸服务调用,通过补偿等手段,只要最终一致性就行,毕竟连现在的银行转账都不是强一致性。”

@田卫所说,分布式事务是业界没有彻底解决的难题,任何架构设计都是一个折衷,吞吐量?时延?一致性?哪个是主要矛盾,优先解决哪个问题。大数据、高并发、业务复杂性是主要矛盾的时候,或许“最终一致性”是一个替代“事务”更好的,或者说业务能够接受的方案。

 

@侯滇滇 同学提到:

多了一层服务层,架构实际上是更复杂了,需要引入一系列机制对服务进行管理,RPC服务化中需要注意:

1RPC服务超时,服务调用者应有一些应对策略,比如重发

2)关键服务例如支付,要注意幂等性,因为重发会导致重复操作

3)多服务要考虑并发操作,相当单服务的锁机制比如JAVA中的synchronized

 

@黄明 同学提到:

服务化之后,随着规模的扩大,一定要考虑“服务治理”,否则服务之间的依赖关系会乱成麻

 

二、互联网微服务架构多“微”才适合

大家也都认可,随着数据量、流量、业务复杂度的提升,服务化架构是架构演进中的必由之路,今天要讨论的话题是:微服务架构多“微”才合适?

【粗粒度:一个服务层】


最粗犷的玩法,所有基础数据的访问,都通过一个service访问,在业务不是特别复杂的时候还好,一旦业务变复杂了,这个service层会变得非常重,成为耦合点之一,以微信场景为例,假设有一个通用的服务层来访问基础数据,这个服务层可能是这样的:


有一个统一的service层,用户信息,好友信息,群组信息,消息信息都通过这个service层来走。

细节:微信单对单消息是一个写多读少的业务,故没有缓存。

 

【一个子业务一个service

如果所有的信息存储都在一个service里,那么一个地方出bug,就将影响整个业务,所以更合理的做法是在服务层进行细分,架构如何细分?垂直拆分是个好的方案,将子业务一个个拆出来

1用户相关的子业务有user-service

2好友相关的子业务有friend-service

3群组相关的子业务有group-service

4消息相关的子业务有msg-service

这样的话,一个service出问题也不会影响其他service,同时数据层也按照业务垂直拆分开了。

服务粒度变细之后,出现一个新的问题,业务与服务的连接关系变复杂了,有什么好的优化方案么?


常见的,加入一个高可用服务分发层集群,并在协议设计时加入服务号,可以减少蜘蛛网状的依赖关系:

1)调用方依赖分发层,传入服务号

2)分发层依赖服务层,通过服务号参数分发

 

【一个数据库对应一个service

数据访问service最初是从DAO/ORM的数据访问需求过来的,所以有些公司也有一个数据表一个service的玩法

一个子业务对应一个service的玩法是:


1)服务层,整个群业务是一个service

2)存储层,实际可能对应了群信息、群成员、群消息等多个数据表

 

拆分成一个数据表一个service,则架构会变成这样:


群信息表,群成员表,群消息表等各个数据表之间也解耦开了,不会相互影响了。

 

【一个接口对应一个service

微服务架构中更极端的,甚至一个接口对应一个微服务,这样的话,架构就演化为:


1修改群信息服务

2增加群信息服务

3获取群信息服务

多个服务操纵同一个数据表,使用同一片缓存,每个接口出问题,都不会影响其他接口。

 

三、粒度粗细的优劣

上文中谈到的服务化与微服务,不同粒度的服务化各有什么优劣呢?

总的来说,细粒度拆分的优点有:

1)服务都能够独立部署

2扩容和缩容方便,有利于提高资源利用率

3)拆得越细,耦合相对会减小

4)拆得越细,容错相对会更好,一个服务出问题不影响其他服务

5)扩展性更好

6

 

细粒度拆分的不足也很明显:

1)拆得越细,系统越复杂

2)系统之间的依赖关系也更复杂

3运维复杂度提升

4监控更加复杂

5)出问题时定位问题更难

6

 

关于微服务架构的粒度问题,以及各粒度的优劣,大伙有什么好的看法,欢迎补充,建设性的意见将在后续文中和大伙share

 

四、结束的话

聊了许多,有网友问,笔者对待服务化以及微服务粒度的看法,个人觉得,子业务系统粒度作为微服务的单位是比较合适的:


末了,讨论完微服务架构的粒度,后续文章和大家聊一聊微服务的最佳实践,需要什么样的框架、组件、技术能够将服务化在较短的时间内开展起来。


  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Java高并发高性能分布式框架从无到有微服务架构设计 微服务架构模式〔Microservice Architect Pattern〕.近两年在服务的疯狂增长与云计算技术的进步,让微服务架构受到重点关注 微服务架构是一种架构模式,它提倡将单一应用程序划分成一组小的服务,服务之间互相 协调、互相配合,为用户提供最终价值.每个服务运行在其独立的进程中,服务与服务间采 用轻量级的通信机制互相沟通〔通常是基于的RESTful API〕.每个服务都围绕着具体业务进行构建,并且能够被独立地部署到生产环境、类生产 环境等.另外,应尽量避免统一的、集中式的服务管理机制,对具体的一个服务而言,应根 据业务上下文,选择合适的语言、工具对其进行构建.微服务架构优势 首先简单介绍了微服务〔Microservices〕的内涵与优势,微服务架构的本质,是用一些功 能比较明确、业务比较精练的服务去解决更大、更实际的问题.微服务架构将服务拆分, 分别采用相对独立的服务对各方面进行管理,彼此之间使用统一的接口来进行交流,架构 变得复杂,优势也很明显: 复杂度可控:在将应用分解的同时,规避了原本复杂度无止境的积累.每一个微服务专注 于单一功能,并通过定义良好的接口清晰表述服务边界.由于体积小、复杂度低,每个服 务可由一个小规模开发团队完全掌控,易于保持高可维护性和开发效率.什么是微服务架 构微服务架构优势 独立部署:由于微服务具备独立的运行进程,所以每个微服务也可以独立部署.当某个 服务发生变更时无需编译、部署整个应用.由微服务组成的应用相当于具备一系列可并行 的发布流程,使得发布更加高效,同时降低对生产环境所造成的风险,最终缩短应用交付周 期. 技术选型灵活:微服务架构下,技术选型是去中心化的.每个团队可以根据自身服务的需 求和行业发展的现状,自由选择最适合的技术栈.由于每个微服务相对简单,当需要对技术 栈进行升级时所面临的风险较低,甚至完全重构一个微服务也是可行的. 容错:当某一组建发生故障时,在单一进程的传统架构下,故障很有可能在进程内扩散,形 成应用全局性的不可用.在微服务架构下,故障会被隔离在单个服务中.若设计良好,其他 服务可通过重试、平稳退化等机制实现应用层面的容错. 扩展:单块架构应用也可以实现横向扩展,就是将整个应用完整的复制到不同的节点.当 应用的不同组件在扩展需求上存在差异时,微服务架构便体现出其灵活性,因为每个服务 可以根据实际需求独立进行扩展.互联网高并发相关名词页面浏览数〔page views 〕唯一身份浏览量〔Unique PageViews〕独立访问者数量〔unique visitors〕重复访问者数量〔repeat visitors〕每个访问者的页面浏览数〔Page Views per user〕高并发之前我将高并发的解决方法误认为是线程或者是队列可以解决,因为高并发 的时候是有很多用户在访问,导致出现系统数据不正确、丢失数据现象,所以想到 的是用队列解决,其实队列解决的方式也可以处理,比如我们在竞拍商品、转发评论博 或者是秒杀商品等,同一时间访问量特别大,队列在此起到特别的作用,将 所有请求放入队列,以毫秒计时单位,有序的进行,从而不会出现数据丢失系统数据不正确 的情况. 经过查资料,高并发的解决方法有俩种,一种是使用缓存、另一种是使用生成静态页面; 还有就是从最基础的地方优化我们写代码减少不必要的资源浪费:<1.不要频繁的new对 象,对于在整个应用中只需要存在一个实例的类使用单例模式.对于String的连接操作,使 用StringBuffer或者StringBuilder.对于utility类型的类通过静态方法来访问.2. 避免使用错误的方式,如Exception可以控制方法推出,但是Exception要保留stacktrace 消耗性能,除非必要不要使用 instanceof做条件判断,尽量使用比的条件判断方式.使用JAVA中效率高的类,比如Array List比Vector性能好.>高并发 - 需要解决的问题一:应用缓存二:缓存三:多级缓存四:池化五:异步并发六:扩容七 :队列高并发-应用缓存堆缓存 使用Java堆内存来存储缓存对象.使用堆缓存的好处是没有序列化/反序列化,是最快的缓 存.缺点也很明显,当缓存的数据量很大时,GC〔垃圾回收〕暂停时间会变长,存储容量受 限于堆空间大小.一般通过软引用/弱引用来存储缓存对象,即当堆内存不足时,可以强制 回收这部分内存释放堆内存空间.一般使用堆缓存存储较热的数据.有Guava Cache: 缓存和ConcurrentMap是非常相像的,但是它们也不完全一样.最根本的区别就是,Concur rentMap会持有所有添加的对象,直到被显示的移除.而缓存为了限制其内存的使用,通

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值