微服务架构的两大解耦利器与最佳实践

内容简介：微服务架构的两大解耦利器与最佳实践

【51CTO.com原创稿件】

​这几年， 微服务架构 这个术语渐成热门词汇，但它不是一个全新架构，更不是一个包治百病的架构。那么，微服务架构究竟能够解决什么问题，又带来哪些痛点？

本文将与大家谈谈这个问题，以及微服务架构的两大解耦利器配置中心和消息总线的最佳实践。

微服务架构解决的问题与带来的痛点

上图是 互联网典型的高可用架构 ，大部分公司如果没有使用微服务， 正在使用这样的架构：

• 用户端是浏览器 browser，APP 客户端

• 后端入口是高可用的 nginx 集群，用于做反向代理

• 中间核心是高可用的 web-server 集群，研发工程师主要在这一层进行编码工作

• 后端存储是高可用的 db 集群，数据存储在这一层。更典型的公司，web-server 层是通过 DAO/ORM 等技术来访问数据库。

最初的架构都没有服务层，这样的架构会遇到怎样的痛点？对于没有使用微服务架构的公司来说，要不要升级到微服务架构呢？

58 同城和 58 到家的架构痛点

回答这个问题之前，先来看看您是否遇到和 58 同城及 58 到家类似的架构痛点：

图一，代码拷贝 。A、B、C 业务线，如果没有微服务架构，可能要直接访问数据库里的数据来实现自己的业务需求。拿访问用户数据举例，用户中心包括所有公司必备的业务，比如登陆、注册、查找用户信息等。如某业务线需要访问用户信息，需要通过封装用户访问代码模块实现。如业务繁多，每个业务线都需要访问用户信息，潜在的会存在代码拷贝问题。

图二，底层复杂性扩散 。随着流量的增长，需要加入缓存，对数据的访问模式和流程都会带来影响。从直接访问数据库，变到先访问缓存再访问数据库。这样的复杂性，所有的业务都需关注，代码都要重新做一遍。包括数据量增大后，要进行的水平线切分、分库、分表，存储引擎的变化等复杂性，要扩展到业务线。

图三，代码库耦合 。58 同城遇到图一和图二问题，最初想到的方案并不是微服务，而是将相互拷贝的复杂性代码封装到一个代码库（DLL 或 jar 包），实现统一的相关功能，屏蔽复杂性。

拷贝代码的好处是代码独立演化，做改动互不影响。弊端是一旦用上库，业务就会耦合在一起，因共用jar包，一旦其中某个业务升级，其他的业务就可能受影响。

图四，数据库耦合 。业务线不只访问 user 数据，还会结合自己的业务访问自己的数据：典型的情况是通过 join 数据表来实现各自业务线的一些业务逻辑。这样的话：

• 业务线 A 的 table-user 与 table-A 耦合在了一起；

• 业务线 B 的 table-user 与 table-B 耦合在了一起；

• 业务线 C 的 table-user 与 table-C 耦合在了一起；

结果就是：table-user，table-A，table-B，table-C都耦合在了一起。随着数据量的越来越大，业务线 ABC 数据库无法进行垂直拆分，必须使用一个大库（疯了，一个大库 300 多个业务表 =_=）。

图五，SQL 质量得不到保证，业务之间互相影响 。由业务方拼装的 SQL 语句调用方式，通过 ORM（对象关系映射）的方法生成 SQL 语句数据库，这个库是共用的，会影响所有的业务线。一旦某业务有慢 SQL 出现，其他业务就会受影响。

回到 要不要做微服务升级的问题 ，如果大家所负责的系统、模块或公司也存在以上的这些问题，建议考虑做服务化，在中间加一个服务层，所有调用不允许直接连接底层库。服务化还有一个很重要的特点就是数据库私有化，任何人不能跨越服务程序，干预数据库。想调用要通过接口来实现，当数据库性能变差，直接加一台机器，把数据库迁移，对调用方不会产生影响。

在 58 同城，用户中心由专门的部门负责，是全公司、全业务依赖比较重的服务，它对代码要求和稳定性要求比较高。 整个 SQL 语句是服务层控制，向上提供有限的服务接口和无限的性能 。

工程师要保障虽然提供用户基础数据的接口数是有限的，但调用方不需要关心底层细节，可以认为性能是无限的。至于如何扩容，就是服务层的事情了。

下图是 互联网典型的服务化架构 。以用户中心为例，用户中心服务向上屏蔽底层技术的复杂性，上层通过 RPC 接口来调用服务，如同调用本地函数一样，不需要关注分库、分表、缓存。

业务方需要数据，把数据拼装出来返回 APP/PC 端即可，可以不关心数据存在哪里，底层的复杂性也由用户层来承担。这样一来，用户库只有用户服务依赖，任何人不得跨越用户服务来直接调用数据库，就不会存在代码拷贝、代码库、数据库耦合的情况。

微服务架构的两大解耦利器

微服务虽然看上去很好，但也给系统带来很多问题，如部署方面，越来越复杂，分层越来越多，处理时间也随之增加。如网络交互方面，运维负载性、追查问题等等。那么：

• 面对架构的耦合及复杂性如何来优化

• 结构如何配置

接下来，我们介绍 配置中心最佳实践与消息总线最佳实践这两大解耦利器 。

放弃 IP 连接服务，选择内网域名 。58 到家是创业公司，痛点和很多公司都很相似。其中一个场景是 IP 的变化。最初，IP 写在配置文件中，通过某个 IP 或端口访问数据与服务。当某台机器出现问题，DB 同事会在新机器做部署，更换 IP。当某个服务或 IP 发生变化，就在配置文件中修改，重启。

这里的经验分享是 千万不要用 IP 连接服务或数据库，要选择内网域名 。这两者的 区别 在于：

• 使用 IP 连接服务或数据库的方式，所有的库都和一个表有关联，一旦机器挂掉或升高配，几乎所有的业务都需要修改 IP。即便只是升级一个业务，都会严重影响其他业务。

• 选择内网域名的方式后，如果换 IP，在运维层面可以进行统一切断，自动向上链接，上游的业务就不用动，也不受下层变动的影响。

配置私藏 。如下图是 58 到家早期改成内网域名之后的配置文件。底层用户服务或数据库，是个高可用集群，从 IP1 到 IP3。上游有三个依赖，两个服务器，一个 Web 调用这个高可用集群。Web 包含 WBE2.conf，调用 IP1，IP2，IP3。

在实践过程中，这种配置私藏的方式遇到两个痛点：

1. 升级时不知道被那个服务调用 。当遇到流量越来越大，需要添加服务器时，如上图，把 IP1 去掉，增加 IP4 和 IP5 的时候，需要通知上游。但问题在于流量不大时，因为对业务非常熟悉，工程师能够准确的找到服务器对应的负责人。随着业务越来越复杂，工程师遇到出现了问题，不知道模块被谁依赖的情况。

2. 升级时需要上游配合重启 。当增加 IP 时，需要找到对应的上游服务器负责人，通知他进行服务器重启。公司成百上千的服务每天都有人在升级，当时的做法是采用建群，随时做通知，但这样很影响研发同事写代码的效率。

全局配置 。最开始底层的通用基础服务，配置是写在每个站点；而且每个应用私藏在配置文件里，在升级过程中，不知道谁私藏了这个配置。

面对这两个痛点，58到家采用了下图的解决方案：全局配置

。

全局配置也就是升级，只需要做流程与规范上的优化，对原有系统架构不产生任何影响，成本低且可平滑的慢慢迁移。

下图的实现原理是 把最初放在每个服务器中的配置文件，抽取一个全局配置文件，做好目录结构 global.conf。所有基础服务配置如果由多个 global.conf 上游来读取，必须通过 global.conf 来读取。这样所有的业务都在 global.conf，就可以保障下一次升级可连接到最新。

那么， 在做扩容的时候，能不能实现调用方不需要升级呢？ 当然可以，两个小组件就可以实现：

• 监控全局文件的变化情况，发生变化就进行回调，这样用户中心要配置修改的是全局配置。

• 动态链接池组件。这是一个自身及调整流程成本都很低的组件，负载均衡也会在其中实现。

配置中心 。全局配置对于服务提供方而言，问题依然没有全部解决，扩容不需要重启，却仍不知道被谁依赖，不知道被谁访问，就没办法做服务治理、限流等操作。这时，工程师就要引入配置中心，来解决这个问题。

配置中心思路是 部署用户中心承载所有配置，取代所有全局配置文件。这样一来，所有都依赖配置中心上游，服务1，服务2，服务3，都不再访问global.conf，而是通过配置中心来拉取相关配置，配置变更，配置中心反向回调，调用方也不要重启。

配置中心最佳实践总结 。配置中心是微服务架构中一个逻辑解耦但物理不解耦的利器。它原来在逻辑上依赖于自己的配置文件，依赖于下游，现在不再向配置文件索要配置，而是所有调用方逻辑上只依赖于配置中心。物理上不解耦，是从配置文件拿到配置以后该连谁还是连谁。

消息总线 （Message Queue），后文称 MQ，是一种跨进程的通信机制，用于上下游传递消息。它也是微服务架构中很常见的解耦利器之一，在 数据驱动的任务依赖、调用方不关注处理结果、关注结果的长时间调回 等场景下使用。

数据驱动的任务依赖 。大部分公司都有 BI、数据部门，每天都会跑一些日志、数据库，多个任务之间往往存在依赖关系，任务1先执行，依次是任务 2、任务 3 输入，最终得到结果。在没有消息总线之前，大多公司和58到家的做法雷同，就是人工排班表。

人工排班表的弊端如下 ：

1. 原本执行时间是40分钟，但为保险，每个人都会多加时间，导致任务总执行时间延长。

2. 万一某一任务的执行时间超过预留时间，接下来的任务不知情，会导致整个业务失败。

3. 多个业务之间可能有多重依赖，特别是在数据统计、数据分析过程中，一些核心脚本执行完，后面一系列脚本才能执行。

如下图，这种数据驱动的任务依赖非常适合使用MQ解耦。

• task1准时开始，结束后发一个“task1 done”的消息

• task2订阅“task1 done”的消息，收到消息后第一时间启动执行，结束后发一个“task2 done”的消息

• task3同理

采用 MQ 的优点是：

• 不需要预留 buffer，上游任务执行完，下游任务总会在第一时间被执行

• 依赖多个任务，被多个任务依赖都很好处理，只需要订阅相关消息即可

• 有任务执行时间变化，下游任务都不需要调整执行时间

需要 特别说明的是 ，MQ 只用来传递上游任务执行完成的消息，并不用于传递真正的输入输出数据。

调用方不关注处理结果，这样的情况也适合消息总线来做解耦。举例，58 同城的很多下游需要关注“用户发布帖子”这个事件，比如招聘用户发布帖子后，招聘业务要奖励 58 豆；房产用户发布帖子后，房产业务要送 2 个置顶；二手用户发布帖子后，二手业务要修改用户统计数据。

对于这类需求，常见的实现方式是使用调用关系：帖子发布服务执行完成之后，调用下游招聘业务、房产业务、二手业务，来完成消息的通知，但事实上，这个通知是否正常、正确的执行，帖子发布服务根本不关注。

这种方法的痛点是：

• 帖子发布流程的执行时间增加了

• 下游服务宕机，可能导致帖子发布服务受影响，上下游逻辑+物理依赖严重

• 每当增加一个需要知道“帖子发布成功”信息的下游，修改代码的是帖子发布服务，这一点是最恶心的，属于架构设计中典型的依赖倒转，谁用过谁痛谁知道（采用此法的请评论留言）

采用下图的优化方案：MQ解耦

• 帖子发布成功后，向MQ发一个消息

• 哪个下游关注“帖子发布成功”的消息，主动去MQ订阅

采用 MQ 的优点是：

• 上游执行时间短

• 上下游逻辑+物理解耦，除了与 MQ 有物理连接，模块之间都不相互依赖

• 新增一个下游消息关注方，上游不需要修改任何代码

上游关注执行结果，但执行时间很长。 有时候上游需要关注执行结果，但执行结果时间很长（典型的是调用离线处理，或者跨公网调用），也经常使用回调网关+MQ来解耦。

举例：微信支付，跨公网调用微信的接口，执行时间会比较长，但调用方又非常关注执行结果，此时一般怎么玩呢？

一般采用 “回调网关+MQ” 方案来解耦，新增任何对微信支付的调用，都不需要修改代码。

• 调用方直接跨公网调用微信接口
  

• 微信返回调用成功，此时并不代表返回成功
  

• 微信执行完成后，回调统一网关
  

• 网关将返回结果通知 MQ
  

• 请求方收到结果通知

这里 需要注意的是 ，不应该由回调网关来调用上游来通知结果，如果是这样的话，每次新增调用方，回调网关都需要修改代码，仍然会反向依赖，使用回调网关+ MQ 的方案。

综上所述， 两个解耦利器的最佳实践场景如下：

• 配置中心 是逻辑解耦，物理不解耦的微服务的利器。它可以解决配置导致的系统耦合，架构反向依赖的问题，配置中心的演进过程，配置私藏到全局配置文件，到配置中心。

• 消息总线 是逻辑上解耦，物理上也解耦的微服务架构利器。它非常适合数据驱动的任务依赖，调用方不关注处理结果，或者调用方关注处理结果，但是回调的时间很长的场景。不适合调用方强烈关注执行结果的场景。

以上内容由编辑王雪燕根据沈剑老师在 WOTA2017 “微服务架构实践”专场的演讲内容整理。

【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】

【责任编辑：wangxueyan TEL：（010）68476606】

以上所述就是小编给大家介绍的《微服务架构的两大解耦利器与最佳实践》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！

查看所有标签

猜你喜欢:

• 解耦并不难 - 单体系统中的解耦
• 解耦并不难：分布式系统中的解耦
• AppDelegate解耦
• 聊聊AppDelegate解耦
• AppDelegate解耦
• AppDelegate解耦

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。