微服务到底解决了什么问题？

2019年4月15日11:23:30 1 14,910 views

摘要

微服务架构的话题非常之火，很多朋友都在说怎么做service服务化？
解答“怎么做”之前，先得了解“为什么做”“。
我们做技术千万不能是这种思路，别人都在做，所以我们也要搞`。

并不是所有的业务都适合 服务化，互联网高可用架构，到底为什么要服务化？

一、service服务简介

服务 Service 是什么?
简单来说, 服务就是为满足他人的需求所做的事情, 一个服务就是一个独立的功能单元, 比如上菜服务, 结帐服务, 泊车服务.

但这个服务员既要上菜, 又要结账, 还要代客泊车, 这个服务员会很累, 很烦, 也很容易出错, 比较好的做法是不同的服务由不同的服务员提供, 各司其职, 一个人不要负责太多职责.

所以, 服务化就这样诞生了，而微服务 Micro Service, 意谓一种微小的服务, 崇尚小而美, 避免大而全.

微服务特点：
- 分而治之以降低复杂性
- 分而用之以提高可重用性
- 分而做之以提高开发效率

二、服务化之前，高可用架构是什么样的？

2.1 互联网的典型高可用架构如下：

1. 客户端：APP，H5，小程序，PC浏览器；
2. 后端入口：高可用的反向代理nginx集群；
3. 站点应用：高可用的web-server集群；
4. 后端存储：高可用db集群；

2.2 经典业务交互流程图

通过上面的架构图，我们需要了解业务是如何交互的，其中典型的web-server集群是通过DAO/ORM等技术来访问数据库。

DAO：data access object 数据访问对象，用来跟数据库打交道的服务层
ORM: object relation mapping. 对象关系映射。通过映射搞关系框架与数据库交互。

简略交互图入下：

可以看到，最初是没有服务层的，此时架构会碰到什么典型痛点呢？

2.3 架构痛点一：代码到处拷贝

举一个最常见的业务例子，用户数据访问，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。

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

2.4 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，如果没有统一的服务层，各个业务线都需要关注缓存的引入导致的复杂性。

对于写请求，所有业务线都要升级代码：
（1）先淘汰cache；
（2）再写db；

对于读请求，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db；
（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。

2.5 数据架构水平拆分、分库分表

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，如果没有统一的服务层，各个业务线都需要关注分库分表的引入导致的复杂性。

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。
典型的耦合，还包括bug的修改，发现一个bug，多个地方都需要修改。

2.6 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痛点的方法，抽象出统一的“库”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，库的版本维护会导致业务线之间的耦合。
问题1:
业务线A将user.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。
问题2:
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。

2.7 架构痛点四：SQL质量无法保障，业务相互影响

业务线通过DAO访问数据库，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，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。
逗哥想说：运维工程序员又要背锅了。

2.8 架构痛点五：疯狂的DB耦合

业务线需要访问user数据并且还会结合自己的业务访问自己的数据。
逗哥说：user_biz表，也是用uid做主键。（uid用户ID）
典型的，通过join数据表来实现各自业务线的一些业务逻辑。
问题：
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。
如果后期数据量增大，那么业务ABC将无法垂直拆分，后续的问题可想而知，数据量会越来越大。

2.9 架构痛点六引用服务化

架构中引用服务化后，形成高可用服务化集群，实现高可用分层结构，对业务线响应用户的数据进行存取

引入服务层有什么好处，到底解决什么问题呢？

好处一：调用方便
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，范序列化等复杂性。

好处二：复用性，防止代码拷贝
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1点所有都生效，bug修改一处所有都修改。
好处三：专注性，屏蔽底层复杂度

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。

在有了服务层之后，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

原来是业务访问代码，然后拼接sql访问数据库。

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。