各位群友，大家好。今天要和大家分享的话题是“基于微服务的企业应用架构设计范式”。

这个话题曾经分别在PWorld大会和QCon2016大会上做过分享，得到不错的反响，因此借着今天这个机会也分享给大家。

微服务好像是这两年突然火起来的，其实和很多其他架构风格一样，微服务架构也是我们在用软件改变世界的过程中，为了适应内外部环境的变化，而逐渐演化出的一种当前的最佳实践。

比如SOA，比如J2EE，比如传统分布式；微服务架构和它们都有千丝万缕的联系。

前几天我们的CTO焦总发表了一篇文章：《从前世看今生，从JavaEE到微服务》，推荐大家看看，对微服务的来龙去脉讲得非常清楚。

这些年来，我们帮助一些客户在分布式/微服务架构方面进行了一些尝试与实践，在这个过程中碰到了以前在单体应用下很少需要特意关注的问题。

比如数据一致性、比如stateless service、比如出现异常后的错误排查等等。

在这个过程中，积累了一些经验，我把这些经验总结成范式（或者叫最佳实践），一共八个，如上图。

一、采用同步方式记录业务流水

流水记录了业务状态最终确定前的整个过程，是给业务参与各方看的，这个参与各方包括了客户（比如大家拿到的信用卡刷卡记录）、第三方系统（比如对账文件）、内部用户（比如我们给客服打电话，客服可以知道你的交易历史）等等。

由于流水的作用和系统日志非常像，因此有些系统在设计时会把这两者混淆起来，基于性能的考虑，会像记录日志那样，用异步方式来记录流水。其实这是非常大的误区。就像上面所说，流水有业务含义，是给业务参与各方看的，它所记录的数据应该是和业务数据有一致性要求，而日志是给我们程序员看的，偶尔丢个一两条是可接受的。

因此我们需要用同步的方式来记录业务流水，也就是说记录流水应该和正常的业务操作在同一个事务中。

上图中，第一个“内部操作”更改了业务数据状态，因此需要同步记录业务流水，其他几个环节只记录日志即可。

二、流水号设计的GAIR模式

在记录流水和日志的过程中，我们需要唯一标识一笔服务调用。站在IT全局的视角来看，我们需要记录并能在适当的时候还原整个调用链。出现数据不一致时，我们要进行补偿操作，又需要能够定位错误发生时的数据状态……

这些都需要以“流水号”为基础，这就带来了微服务架构的第二个范式——流水号的GAIR（盖尔）模式。

G、A、I、R分别代表：Global_ID（全局流水号）、Answer_ID（响应流水号）、InRequest_ID（外部请求流水号）、Request_ID（内部请求流水号）

这四个流水号的产生方、产生时机各不相同，下图展示了它们之间的区别和联系。

三、元数据驱动的微服务定义

以元数据的方式定义微服务带来两个好处。

机器可读，这给未来全面自动化提供了前提条件。

标准统一，这给服务在整个交付环节中的横向打通提供了支撑。

我们在实践中，以元数据方式，定义了服务接口数据的结构、每个数据项所遵循的数据标准、每个服务接收请求数据时的校验规则和值转换规则等等。

这些元数据提供给专门的服务治理系统、数据治理系统、DevOps平台，从而构建出数字化IT。

四、同步模式异步化

在移动互联的外部环境中，微服务化的IT系统如何应对不确定的并发请求、超量请求？同时还要兼顾我们所连接的外部系统的网络中断、宕机等服务不可用、超时等一系列问题。

要解决这些问题，需要运用我们的第四个范式：以异步的方式处理同步调用。

在实践中，我们所使用的异步方式和传统异步不太一样。

传统基于事件的异步，每个并发流作为一个有限状态机，应用直接控制并发，随着负载的增加，吞吐量会饱和，响应时间也会线性增长。

我们使用SEDA（Staged Event Driven Architecture），将接入、接出与逻辑处理相隔离，根据不同的业务操作类型合理分组，分别对待。

关于SEDA的详细介绍，请大家参看以前在群里的分享《为什么选择SEDA作为云平台的基础消息处理架构》

五、进程间服务无状态

什么是状态？首先，我们这里所说的状态是一种数据。如果一个数据需要在多个服务之间共享才能完成一笔交易，那么这个数据就被称为状态。

依赖这个状态的服务，就是有状态服务。否则，就是无状态服务。

在业务上，状态的共享是不可避免的。典型的用户Session、现在新出现的云粘贴、网约车都是需要状态在不同服务间共享的场景。

但在技术实现上，考虑到系统的可伸缩性，我们又需要做到无状态化处理。

具体有四种手段：

请求方持有状态，每次调用时传递给服务提供方

粘滞+复制，这种技术并不新鲜，传统的JavaEE应用服务器集群就采用这种方式。这种方式对应用来说简单有效，但需要中间件支持。

把状态保存在分布式缓存中

把状态保存在持久化数据库中

后两者区别也显而易见，在此不做赘述。

具体使用哪种方式，要从多个维度综合考量，这里列出了我们经常考量的几个维度：时间窗口、性能、可靠性、安全性。

六、保证最终数据一致性

接下来是微服务架构下的数据一致性问题。这是一个大课题，概括的讲，我们可能需要转变思路，考虑采用柔性事务，使得数据达到最终一致。

当然，有些场景是必须要追求强一致性的，那么我们可能要在设计服务时就要考虑，是不是可以不分布。毕竟，“低耦合”是美好的，但同时还要有“高内聚”。

保证数据最终一致性有三种模式：

可靠事件模式

补偿模式

TCC模式

关于这三种模式的详细资料，以前在群里也做过分享《微服务架构下的数据一致性保证（一）》、《微服务架构下的数据一致性保证（二）》、《微服务架构下的数据一致性保证（三）》

七、用编排实现微服务组合

前面讲了这些模式，从架构角度来看挺清楚，确实也应该这么做。但是从工程角度来看，实施起来难度其实也不小。微服务之间的调用超时、事务、异步、状态等等，要做到代码写好，不出错，恐怕也是一个门槛比较高的事情。

所以，我们强调：用编排方式实现微服务的组合。

无论是配置式的编排，还是图形式的编排，都可以大大降低编程复杂度，使得一些很好的架构思想不会因为工程实现上的复杂和高门槛，而难以落地，最终成为空谈。

如果大家对编排方式实现微服务的组合没有直观的感觉，推荐大家访问：ifttt.com，一试便知。

八、业务配置集中管理

记得前两天有位群友问我，docker启动时，如何根据不同的参数动态加载面向测试、生产环境的配置。

这个问题的答案就是业务配置集中管理。

其实技术上，业务配置集中管理没有什么太多的难点。我们需要做的是有一个切实可行的步骤来逐步实现。

普元云计算专区：http://primeton.csdn.net/m/zone/primeton/index#

普元公众号：