热门搜索: 项目管理 产品管理 开发管理 敏捷 新产品研发 需求分析 架构 信息安全 大数据 云计算 质量/测试 运维
飞马网会员
LPLRY
互联网架构为什么要做服务化?
被浏览 3 次
3
人气
飞马网-互联网架构为什么要做服务化?

 

一、互联网高可用架构,为什么要服务化?

【服务化之前高可用架构】

在服务化之前,互联网的高可用架构大致是这样一个架构:

d640127ace3c37417b626fc38beb2858_meitu_31.jpg

 

1)用户端是浏览器browserAPP客户端

2)后端入口是高可用的nginx集群,用于做反向代理

3)中间核心是高可用的web-server集群,研发工程师主要编码工作就是在这一层

4)后端存储是高可用的db集群,数据存储在这一层

 a0a4d1c153f42f7f3b9558f7f904eaa9_meitu_30.jpg

更典型的,web-server层是通过DAO/ORM等技术来访问数据库的。

 

可以看到,最初都是没有服务层的,此时架构会碰到一些什么痛点呢?

【架构痛点一:代码到处拷贝】

举一个最常见的业务的例子->用户数据的访问,绝大部分公司都有一个数据库存储用户数据,各个业务都有访问用户数据的需求:

8e1e63151722a19600a36000ac161b07_meitu_25.jpg

在有用户服务之前,各个业务线都是自己通过DAOSQL访问user库来存取用户数据,这无形中就导致了代码的拷贝

 

【架构痛点二:复杂性扩散】

随着并发量的越来越高,用户数据的访问数据库成了瓶颈,需要加入缓存来降低数据库的读压力,于是架构中引入了缓存,由于没有统一的服务层,各个业务线都需要关注缓存的引入导致的复杂性

6e7b234125442e4e24b7c53b16bf09a9_meitu_24.jpg

对于用户数据的写请求,所有业务线都要升级代码:

1)先淘汰cache

2)再写数据

对于用户数据的读请求,所有业务线也都要升级代码:

1)先读cache,命中则返回

2)没命中则读数据库

3)再把数据放入cache

这个复杂性是典型的“业务无关”的复杂性,业务方需要被迫升级。

 

随着数据量的越来越大,数据库需要进行水平拆分,于是架构中又引入了分库分表,由于没有统一的服务层,各个业务线都需要关注分库分表的引入导致的复杂性

47b5aaae89911c160cae2158b5db302c_meitu_27.jpg

这个复杂性也是典型的“业务无关”的复杂性,业务方需要被迫升级。

包括bug的修改,发现一个bug,多个地方都需要修改

 

【架构痛点三:库的复用与耦合】

服务化并不是唯一的解决上述两痛点的方法,抽象出统一的是最先容易想到的解决:

1)代码拷贝

2)复杂性扩散

的方法。抽象出一个user.so,负责整个用户数据的存取,从而避免代码的拷贝。至于复杂性,也只有user.so这一个地方需要关注了。

 

解决了旧的问题,会引入新的问题,库的版本维护与业务线之间代码的耦合

业务线Auser.so由版本1升级至版本2,如果不兼容业务线B的代码,会导致B业务出现问题;

业务线A如果通知了业务线B升级,则是的业务线B会无故做一些“自身业务无关”的升级,非常郁闷。当然,如果各个业务线都是拷贝了一份代码则不存在这个问题。

 

【架构痛点四:SQL质量得不到保障,业务相互影响】

业务线通过DAO访问数据库:

8e1e63151722a19600a36000ac161b07_meitu_25.jpg

本质上SQL语句还是各个业务线拼装的,资深的工程师写出高质量的SQL没啥问题,经验没有这么丰富的工程师可能会写出一些低效的SQL假如业务线A写了一个全表扫描的SQL,导致数据库的CPU100%,影响的不只是一个业务线,而是所有的业务线都会受影响

 

【架构痛点五:疯狂的DB耦合】

业务线不至访问user数据,还会结合自己的业务访问自己的数据:

9e6e31b2f767532c56e1bc8d9ab30808_meitu_26.jpg

典型的,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Atable-usertable-A耦合在了一起,业务线Btable-usertable-B耦合在了一起,业务线Ctable-usertable-C耦合在了一起,结果就是:table-usertable-Atable-Btable-C都耦合在了一起。

随着数据量的越来越大,业务线ABC的数据库是无法垂直拆分开的,必须使用一个大库(疯了,一个大库300多个业务表 =_=)。

 

【架构痛点六:

 

二、服务化解决什么问题?

为了解决上面的诸多问题,互联网高可用分层架构演进的过程中,引入了“服务层”。

4f16fea3d63d14f5363cd6c0024225b8_meitu_23.jpg

以上文中的用户业务为例,引入了user-service,对业务线响应所用用户数据的存取。引入服务层有什么好处,解决什么问题呢?

【好处一:调用方爽】

有服务层之前:业务方访问用户数据,需要通过DAO拼装SQL访问

有服务层之后:业务方通过RPC访问用户数据,就像调用一个本地函数一样,非常之爽

User = UserService::GetUserById(uid);

传入一个uid,得到一个User实体,就像调用本地函数一样,不需要关心序列化,网络传输,后端执行,网络传输,范序列化等复杂性。

 

【好处二:复用性,防止代码拷贝】

这个不展开叙述,所有user数据的存取,都通过user-service来进行,代码只此一份,不存在拷贝。

升级一处升级,bug修改一处修改。

 

【好处三:专注性,屏蔽底层复杂度】

47b5aaae89911c160cae2158b5db302c_meitu_27.jpg

在没有服务层之前,所有业务线都需要关注缓存、分库分表这些细节。

13798d185d0c774689e2237c8ff04c34_meitu_28.jpg

 

有了服务层之后,只有服务层需要专注关注底层的复杂性了,向上游屏蔽了细节

 

【好处四:SQL质量得到保障】

8e1e63151722a19600a36000ac161b07_meitu_25.jpg

原来是业务向上游直接拼接SQL访问数据库。

 

ddd4c72f07e19c18c800ee6f2055846a_meitu_32.jpg

有了服务层之后,所有的SQL都是服务层提供的,业务线不能再为所欲为了。底层服务对于稳定性的要求更好的话,可以由更资深的工程师维护,而不是像原来SQL难以收口,难以控制。

 

【好处五:数据库解耦】

9e6e31b2f767532c56e1bc8d9ab30808_meitu_26.jpg

原来各个业务的数据库都混在一个大库里,相互join,难以拆分。

ddd4c72f07e19c18c800ee6f2055846a_meitu_32.jpg

服务化之后,底层的数据库被隔离开了,可以很方便的拆分出来,进行扩容

 

【好处六:提供有限接口,无限性能】

在服务化之前,各业务线上游想怎么操纵数据库都行,遇到了性能瓶颈,各业务线容易扯皮,相互推诿。

服务化之后,服务只提供有限的通用接口,理论上服务集群能够提供无限性能,性能出现瓶颈,服务层一处集中优化

 

文章来源【架构师之路】

飞马网

飞马网
活跃成员
飞马网会员
Ala
飞马网会员
roger
飞马网会员
lily
飞马网会员
牛油果子
飞马网会员
野子Lillian
飞马网会员
一叶知秋Peter
飞马网会员
Cikande
飞马网会员
晨曦