举一反三-论微服务架构及其应用

ps: 更多微服务信息

ps: 微服务与SOA区别

微服务架构举例

微服务的落地技术

微服务的技术可大致分为五类

举一反三-论微服务架构及其应用

论微服务架构及其应用
微服务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。在微服务架构中，每个服务都是一个相对独立的个体，每个服务都可以选择适合于自身的技术来实现。每个服务的部署都是独立的，这样就可以更快地对特定部分的代码进行部署。
请围绕“论微服务架构及其应用”论题，依次从以下三个方面进行论述。
1、概要叙述你所参与管理或开发的软件项目，以及你在其中所承担的主要工作。
2、简要描述微服务优点。
3、具体阐述如何基于微服务架构进行软件设计实现的。

问题1：同上述。可以公共使用

问题2：

优点概述：

技术选型灵活

在微服务架构中，每个服务都是一个相对独立的个体，每个服务都可以选择合适于自身的技术来实现；

因为对于单块的系统而言，采用一个新的语言，数据库或者框架都会对整个系统产生非常巨大的影响，这样就导致我们在尝试新技术的时候望而却步。

微服务不同，我们完全可以只在一个微服务中采用新技术，然后等成熟之后再推广到其他的服务当中

易于容错，系统更稳定

在单块系统中一个部分出现问题，可能导致整个系统的问题；

微服务架构中，每个服务可以内置可用性的解决方案与功能降级方案，所以比单块系统强大

更易扩展/修改/重构

在单块的系统中我们如果要对系统进行扩展的话，必须是整体的进行扩展；

使用微服务的架构中，可以针对单个服务进行扩展。

在微服务架构中，我们可以在需要时轻易的重写服务，或者删除不再使用的服务

可独立部署

对于大型单块的系统，哪怕是修改了一行代码，都要对其进行重新的整体的部署。影响大，风险高。

在微服务中，每个服务都是独立部署的，而且还可以实现自动化的部署，这样就可以更快的对特定部分的代码进行部署。

当某个微服务发生变更时，无需编译、部署整个应用。

复杂度可控

对于传统的单块系统来说，系统越大代码库越大，则越难管理，而且还会出现一系列管理方面的问题。

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地表述服务边界。由于体积小、复杂度低，每个微服务可由一个小规模开发团队完全掌控(避免代码库过大)，易于保持高可维护性，并提高了开发效率。

ps: 更多微服务信息

微服务缺点:

1、开发人员必须处理创建分布式系统的复杂性

2、部署的复杂性

在部署和管理时，由许多不同服务类型组成的系统的操作比较复杂

3、增加内存消耗

微服务架构用多个服务实例取代了1个单体应用程序实例，如果每个服务都运行在自己的JVM中，那么有多少个服务实例，就会有多少个实例在运行时的内存开销

ps: 微服务与SOA区别

共同点：

都是对单体架构的拆分

区别：

微服务架构举例

业务服务系统各司其职，每个系统只负责自己业务范围内的职责，比如商品系统仅服务商品相关的服务，创建，更新，查询，上下架等整个的生命周期并被购物车系统依赖，服务系统之间的逻辑关系清晰，且不同系统间只能通过对方提供的接口做访问，管理方便，每个系统拥有自己独立部署服务器，拥有自己的存储数据库，故障可隔离，配合日志，消息，监控，配置中心等分部署微服务下的配合组件做到一个可监控，可隔离，又可通信的服务体系

ps: 核心业务服务层，也是微服务实现。

微服务的落地技术

参考：微服务技术概述_Fall_Flower的博客-CSDN博客

微服务技术栈：

服务集群。微服务在拆分的时候会根据业务功能模块，把一个单体项目拆分成功能独立的项目，每个项目完成一部分业务功能，将来独立开发和部署，我们将每个独立的项目称为服务，一个大型互联网项目往往包含数百上千的服务，最终形成服务集群
注册中心和配置中心。当一个请求到来的时候，服务a可能会去调服务c，服务c再去调服务e，当业务越来越复杂的时候，服务间的调用关系就会混乱不堪，想靠人去记录和维护是不可能的，这时候就要引出注册中心了。

注册中心能记录每个微服务的ip、端口、能干什么事情，这样当一个服务需要去调用另外一个服务时，它不需要去记录对方的ip、端口信息，只需要去注册中心拉取即可。

配置中心，它可以统一管理服务集群里面所有服务的配置，如果你需要跟新某个服务的配置，只需要修改配置中心相应配置，它会去通知相关服务去修改配置实现配置的热更新。

服务网关。服务跑起来之后，当用户来访问时，究竟去访问哪个微服务呢，这时候就需要一个网关组件，网关组件还能让微服务不对外暴露。在访问的时候还会去做一些负载均衡。
分布式缓存和分布式搜索。数据库将来肯定无法抗住高并发，因此我们还会加入分布式缓存。
消息队列。在微服务中还需要异步通信的消息队列组件。在一个请求到来时，假设调用了服务a，用时10ms，但是服务a调用了服务c，又用时10ms，而服务a在调用c的时候自己也不能再处理新的请求，这样就降低了整体服务效率。
分布式日志和系统监控链路追踪。这么庞大的集群，若某处发生问题是很难定位的，所以这时候有引入了分布式日志，分布式日志可以统一的为所有服务日志做存储、统计、分析，将来出问题就比较好定位了。
持续集成。

如此庞大的微服务集群，可能会达到数千上万的服务，部署也成了一个问题。靠人工部署肯定不现实，所以以后还会进行自动化部署。可以利用Jenkins工具对微服务项目进行自动化编译，基于docker做一些打包，形成镜像，再基于k8s技术去实现自动化的部署。这一套工具就被称为：持续集成

结合微服务技术加上持续集成，这才是完整的微服务技术栈。

微服务的技术可大致分为五类

实践1——服务通信：远程的网络通信调用函数的方式就是RPC（Remote Process Call）远程过程调用。

一个 RPC 框架基本需要解决协议约定、网络传输、服务发现这三个问题。

①协议约定问题（Stub）指的是怎么规定远程调用的语法，怎么传参数等

②传输协议问题（RPCRuntime）指的是在网络发生错误、重传、丢包或者有性能问题时怎么办？

③服务发现问题（插件比如:etcd）指的是如何知道服务端有哪些服务可以调用，从哪个端口访问？

rpc调用过程：

1、调用者（客户端Client）以本地调用的方式发起调用；
2、Client stub（客户端存根）收到调用后，负责将被调用的方法名、参数等打包编码成特定格式的能进行网络传输的消息体；
3、Client stub将消息体通过网络发送给服务端；
4、Server stub（服务端存根）收到通过网络接收到消息后按照相应格式进行拆包解码，获取方法名和参数；
5、Server stub根据方法名和参数进行本地调用；
6、被调用者（Server）本地调用执行后将结果返回给server stub；
7、Server stub将返回值打包编码成消息，并通过网络发送给客户端；
8、Client stub收到消息后，进行拆包解码，返回给Client；
9、Client得到本次RPC调用的最终结果。

gRPC 是一款高性能、开源的 RPC 框架，产自 Google，基于 ProtoBuf 序列化协议进行开发，支持多种语言。（ps: rpc是一种协议，grpc是基于rpc协议实现的一种框架）

grpc优点

Protocol Buffers 压缩性高，速度快。
HTTP 2.0 流传输。
支持多语言。

grpc缺点

可读性差。
对浏览器支持有限。
外部组件支持较差

ps :

RPC主要用于公司内部的服务调用，性能消耗低，传输效率高，服务治理方便。
HTTP主要用于对外的异构环境，浏览器接口调用，APP接口调用，第三方接口调用等。

实践2——异步化服务通信：RPC属于同步服务通信，若我们需要使用异步化的服务通信可以借助rocketmq或者kafka之类的消息中间件。

Kafka 是一个分布式流式处理平台。这到底是什么意思呢？

流平台具有三个关键功能：

1、消息队列：发布和订阅消息流，这个功能类似于消息队列，这也是 Kafka 也被归类为消息队列的原因。
2、容错的持久方式存储记录消息流： Kafka 会把消息持久化到磁盘，有效避免了消息丢失的风险·。
3、流式处理平台：在消息发布的时候进行处理，Kafka 提供了一个完整的流式处理类库。

Kafka 主要有两大应用场景：

消息队列：建立实时流数据管道，以可靠地在系统或应用程序之间获取数据。
数据处理：构建实时的流数据处理程序来转换或处理数据流。

和其他消息队列相比,Kafka的优势在哪里？

1、极致的性能：基于 Scala 和 Java 语言开发，设计中大量使用了批量处理和异步的思想，最高可以每秒处理千万级别的消息。
2、生态系统兼容性无可匹敌：Kafka 与周边生态系统的兼容性是最好的没有之一，尤其在大数据和流计算领域。

实践3——服务限流：在服务入口层面加上一个限流器。google的guava rateLimit就可以提供。在高并发下一旦服务有问题或异常，将影响大批量流量、大量用户。 rateLimit是线程安全的，所以在并发环境中可以直接使用，无需额外的同步。每个URL使用各自的RateLimiter而不是公用一个，占用的内存也不大。

实际使用中，通常先使用tryAcquire()检测尝试获取许可证，如果可行再去执行请求；否则，可以等待一段时间，知道许可证可用，或者适当拒绝。