2天时间,聊今年最热的 Agent、上下文工程、AI 产品创新等话题。2025 年最后一场~ 了解详情
写点什么

微服务之旅的经验分享

  • 2016-12-12
  • 本文字数:1635 字

    阅读完需:约 5 分钟

多年来,我们一直努力展示众多微服务实践者在采用微服务的过程中获得的经验和教训 Piotr Gankiewicz 是一名软件工程师。他踏上了微服务之旅,现在决定分享一些过程当中的经验和教训。当然,就像所有的经验一样,它不是全都与你的实践相关,但是这些经验和教训还是值得了解的。正如 Piotr 说的:

不久前,我终于决定深入到微服务的世界了。我确实花了相当长的时间寻找使用这种架构模式的机会,并最终找到了。在经过三个月的尝试和学习,其中大部分都是自学(困难的方式),我相信是时候分享一些经验了。

他从讲述一些核心的系统设计方面开始,其中包括 API 管理(gateway)。他引入了“服务总线”的概念,而没有真的定义它。他还讨论了存储服务的添加:

[…] 为了在只读数据库(这里就是 CQRS 一类的东西)中存储对象,你很可能需要订阅所有类型的事件,像 UserCreated 和 InvoicePaid 等等。然后你需要与特定的(微)服务通信获取数据,然后将它存入数据库中。在这种场景下,你的 API 需要负责订阅事件、映射数据和保存数据到数据库。这有问题吗? 多数情况下当然没有。但是,我更倾向于下述解决方案。它将 API 和微服务完全分离。这样,就出现了所谓的存储服务,由它来订阅事件,从(微)服务获取数据等等。存储服务知道怎样扁平化数据。API 只需要给存储服务发送 HTTP 请求来获取数据。它并不需要关心数据是从哪里来的,是内部的数据库,还是缓存,还是处于天涯海角的某个服务。

最后在给出他的经验和教训(他称为“小贴士和窍门”)之前, 他用对服务的定义总结了设计方面。服务的部分定义包括:

每个(微)服务处理自己的领域模型、仓库、业务逻辑等等。整个基础服务唯一共有的是服务总线和一套命令和事件集合。

那么回到小贴士和窍门。我们这里只包含其中一部分。对那些认为微服务的大小重要的人,首先是“让服务尽量小”。

创建多个小型的专注于单一领域的微服务比创建少量臃肿的执行完全不同任务、在相同的范围内管理不相干职责的微服务要好。最常见的例子有:创建 / 验证用户账户、 发送消息、管理产品、处理支付等等。每个领域纳入到单独的有独特实体的服务中。

从别人对微服务、事件溯源和 CQRS 的说法展开,Piotr 认为 CQRS 至关重要:

遵循 CQRS,你需要做的全部事情是发送无返回值的命令和执行幂等的查询。如果你遵循这一模式,你会很快发现扩展应用程序简单多了,只需要分离读写操作。

接下来回到数据。为服务选择数据库的方式至关重要。这再次和其他人讨论的相似:

每个服务(不是单个服务实例,因为你可能有许多同一服务的实例运行在不同的节点上)都应该有自己的数据库。这样你不仅能消除单点故障(整个系统使用单一的庞大数据库) ,最重要的是还能自由选择最适合特定任务的数据库。你可能想使用 SQL 执行严重依赖事务的金融操作,或者使用 NoSQL 数据库存储数十亿 JSON 文档。

Piotr 提到了其它一些事情,如请求追踪(他举例说明了在他的学习之旅中的实现方法 )、使用异步消息方法(使用 HTTP)、确保新服务易于部署(可能隐晦地引用到持续集成和持续部署)以及编写端到端测试。最后提到的是“包含故障恢复、服务发现和其它一些有用的机制"。

任何时候出错了,你可能希望保证整个系统不会崩溃或者至少其中一部分不会崩溃。确保你引入了重试机制(比如 Polly )、服务发现工具,如 Consul 以及集中保存证书,比如使用 Vault Azure Key Vault 或者我的开源项目 Lockbox

Piotr 讨论的大部分和过去这些年别人说的非常相似,所以在使用微服务开发时我们很可能正趋向一个关于方法有效还是无效的共识。但是需要注意的是,尽管 Piotr 讨论了他的一些经验和教训,但是没有任何关于他开发的应用程序表现如何的说明(负载下扩展、恢复能力等等)。可能后期会有,我们拭目以待。

查看英文原文: Sharing Experiences from a Microservices Journey


感谢冬雨对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ @丁晓昀),微信(微信号: InfoQChina )关注我们。

2016-12-12 18:0011512
用户头像

发布了 33 篇内容, 共 13.0 次阅读, 收获喜欢 10 次。

关注

评论

发布
暂无评论
发现更多内容

字节跳动开源 Kelemetry:面向 Kubernetes 控制面的全局追踪系统

字节跳动开源

Kubernetes 云原生 可观测 追踪系统

sharding-jdbc分库连接数优化 | 京东物流技术团队

京东科技开发者

分库分表 Sharding sharding-jdbc 企业号 7 月 PK 榜

掌握这些写简历投简历的“黑魔法”,告别简历已读不回!

王中阳Go

golang 简历优化 面试技巧 求职面试 后端面试

龙蜥开发者说:参与开源要敢于担任不同角色 | 第 21 期

OpenAnolis小助手

开源 标准化 sig 龙蜥开发者说 T-one

【推荐】贵阳市等保测评机构看这里!

行云管家

贵阳 等保 等级保护 等保测评

MobPush 工作台操作指南:查看推送数据

MobTech袤博科技

大数据 前端 后端

谈一谈LLM在推荐域的一些理解

阿里技术

大模型 AIGC

用友BIP数智化底座使能行业创新发展

用友BIP

数智底座

SUFS: 存储资源使用量预测服务

KaiwuDB

KaiwuDB 存储资源使用量预测

架构师日记-到底该如何搭建一个新系统 | 京东云技术团队

京东科技开发者

架构 架构设计 工程架构 企业号 7 月 PK 榜

极客欢聚,燃动夏日!开发者嘉年华等你来

飞桨PaddlePaddle

人工智能 百度 paddle 飞桨

DHorse v1.2.1 发布,基于k8s的发布平台

tiandizhiguai

DevOps k8s

实时社群技术专题(二):百万级成员实时社群技术实现(消息系统篇)

JackJiang

网络编程 即时通讯 IM

【活动回顾】Data + AI 时代下的云数仓设计 @Qcon

Databend

纯代码和低代码的本质区别

互联网工科生

软件开发 低代码 代码开发

性能测试的理解误区

老张

性能测试 稳定性保障

手把手教你用 NebulaGraph AI 全家桶跑图算法

NebulaGraph

人工智能 图数据库

经过半年的努力,我终于成为了谷歌开发者专家(GDE)

拭心

android 面试 谷歌 GDE

浅析JVM GC配置指南 | 京东云技术团队

京东科技开发者

JVM 垃圾回收 GC 企业号 7 月 PK 榜

我们搬家啦!新家园,新征程,新篇章

KaiwuDB

KaiwuDB 剪彩 揭牌

小红书2024届REDstar技术提前批招聘火热进行中,快喊上学弟学妹看过来!【附专属内推码】

小红书技术REDtech

技术 招聘 校招 小红书

Python第三方库(包)的安装(windows系统)

MEImei

中字头企业数字化转型的挑战与机遇

用友BIP

国产替代

壹米滴答助力制造业、商贸业及电商企业提升商业流通效率

联营汇聚

和鲸 × 于峻川丨以遥感领域为例,浅谈 AI for Science 带来的数据开放、跨学科协同及产学研一体

ModelWhale

遥感 AI for Science 协同科研 数据开放 产学研一体

常规LED广告显示屏的运营成本怎么估算

Dylan

广告 项目 运营 成本 LED显示屏

微服务之旅的经验分享_SOA_Mark Little_InfoQ精选文章