初探架构设计 | 青训营笔记

zeke
162 阅读12分钟

这是我参与「第三届青训营 -后端场」笔记创作活动的的第8篇笔记

本文主要介绍了软件架构从单机架构到SOA微服务架构的演变过程，对云计算和云原生提供的服务资源进行了简单的介绍，对后续的架构知识学习有一定的帮助

什么是架构

架构定义

Q：如何给架构下定义？

A：架构，又称软件架构：

  • 是有关软件整体结构与组件的抽象描述
  • 用于指导软件系统各个方面的设计

Q：架构的重要性？

A：那盖房子来做举例子。 我们都知道，地基对于一栋楼房的主要性，架构对于一个软件的重要性也是类似的：

  • 架构没设计好，软件容易崩，用户体验上不去。最终要么重构，要么放弃
  • 架构设计好了，软件的稳定性上去了，用户体验高了，口碑一点点就打造出来了
  • 良好的架构基础，也为软件的未来发展提供了更多的可能。为用户赋能，实现自身价值

单机架构

All in one，所有的东西都在一个进程里，部署在一个机器上。

image.png

单体架构

在单机架构的基础上，将进程部署到多个机器上(水平扩容)。

  • 优点：具备水平扩容能力; 运维不需要停服
  • 缺点：后端进程职责太多，越来越臃肿; 爆炸半径较大，进程中一个很小的模块出现问题，都可能导致整个进程崩溃

image.png

垂直应用架构

在单机架构基础上，将进程按照某种依据/应用目的切分开。比如，A 软件和 B 软件的后端原先采用单机架构部署，那就是一个进程部署在多个机器上；如果用垂直应用架构，可以将 A 和 B 的后端拆分为 A、B 两个进程分别提供不同的服务，然后再按照单体模式的思路，部署在多个机器上。

  • 优点: 一定程度上减少了后端进程职责; 一定程度上缩小爆炸半径
  • 缺点：没有根本解决单体架构的问题

image.png

SOA (面向服务架构)

SOA 架构中，服务为一等公民，将进程按照不同的功能单元进行抽象，拆分为『服务』。有了服务之后，SOA 还为服务之间的通信定义了标准，保证各个服务之间通讯体验的一致性。

  • 优点：各服务的职责更清晰; 运维粒度减小到服务，爆炸半径可控
  • 缺点：ESB (企业服务总线) 往往需要一整套解决方案
  • 问题：数据一致性如何保证（装货台共交付了多少蛋糕）；高可用（这么多师傅，如何合作）；治理（烤箱坏了，如何容灾）；解耦VS过魏（运维成本变高了） image.png

微服务

在 SOA 架构中，ESB 起到了至关重要的作用。但从架构拓扑来看，它更像是一个集中式的模块。有一个 SOA 分布式演进的分支，最终的形态便是微服务。微服务可以看作SOA的去中心化演进方向

  • 优点：兼具 SOA 解决的问题; 服务间的通信更敏捷、灵活
  • 缺点：运维成本

image.png

小结

  • 架构演进的初衷：满足软件迭代诉求，提高迭代效率；需求量越来越大，终归要增加人手；越做越复杂，终归要分工合作
  • 架构演进的思路：随着蛋糕越来越大，逐渐切分；垂直切分——分布式，水平切分——分层/模块化

企业级后端架构剖析

云计算

云计算是指通过软件的自动化管理，提供计算资源的服务网络，是现代互联网大规模熟悉分析和存储的基石

云计算基础：

  • 虚拟化技术（类比整租vs合租）-Docker
    • 硬件层面（VM 虚拟机）- KVM/Xen/VMware
    • 操作系统层面（Container 容器）- LCX/Docker/Kata Container
    • 网络层面 - Linux Bridge/Open v Switch
  • 编排方案（类比业主vs租凭平台）-K8s
    • VM - OpenStack/VMWare Workstation
    • Container - Kubernetes/Docker Swarm 云计算架构：
  • 云服务

    • IaaS（Interface as a Service） - 云基础设施，对底层硬件资源池的抽象（买房子 vs 房屋租凭平台）

    • PaaS（Platform as a Service） - 基于资源池抽象，对上层提供的弹性资源平台（清包 vs 全包）

    • SaaS（Software as a Service） - 基于弹性资源平台构建的云服务（从零培训 vs 雇佣培训过的师傅）

    • FaaS（Function as a Service） - 更轻量级的函数服务。好比 LeetCode 等 OJ，刷题时只需要实现函数，不需要关注输入输出流（纯手工制作 vs 蛋糕机批量生产）

image.png

  • 云部署模式（拓展）
    • 私有云 - 企业自用
    • 公有云 - AWS/Azure/Google Cloud/Huawei
    • 混合云

云原生

云原生，实际是云原生（计算）的简称，它是元计算发展到现在的一种形态。 云原生技术为组织（公司）在公有云、自由云、混合云等新型的动态环境中，构建和运行可弹性拓展的应用提供了可能。 它的代表技术：

  • 弹性资源
  • 微服务架构
  • DevOps
  • 服务网格

image.png

弹性资源

基于虚拟化技术，提供的可以快速扩缩容的能力。可以分为弹性计算资源和弹性存储资源两个方面。
弹性计算资源：

  • 服务资源调度：
    • 微服务
    • 大服务
  • 计算资源调度
    • 在线计算 - 互联网后端服务（热销榜单）
    • 离线计算 - 大数据分析。Map-Reduce/Spark/Flinnk（热销榜单更新）
  • 消息队列
    • 在线队列 - 削峰、解耦
    • 离线队列 - 结合大数据分析的一整套方案，如 ELK的 弹性存储资源：
  • 经典存储
    • 对象存储 - 视频、图片等。结合 CDN 等技术，可以为应用提供丰富的多媒体能力
    • 大数据存储 - 应用日志、用户数据等。结合数据挖掘、机器学习等技术，提高应用的体验
  • 关系型数据库
  • 元数据
    • 服务发现
  • NoSQL
    • KV 存储 - Redis
    • 文档存储 - Mongo

在云原生的大背景下，不论是计算资源还是存储资源，他们都像是服务一样供用户使用。

DevOps

DevOps是云原生时代软件交付的力气，贯穿整个软件开发周期。结合自动化流程，提高软件开发、交付效率

1653278246(1).png

微服务架构

微服务架构下，服务之间的通讯标准是基于协议而不是 ESB 的。

  • HTTP - H1/H2（RESTful API）
  • RPC - Apache Thrift/gRPC 如何在 HTTP 和 RPC 之间选择？
  • 性能 - RPC 协议往往具备较好的压缩率，性能较高。如 Thrift, Protocol Buffers
  • 服务治理 - RPC 中间件往往集成了丰富的服务治理能力。如 熔断、降级、超时等
  • 协议可解释性 - HTTP 通信的协议往往首选 JSON，可解释性、可调试性更好 云原生场景下，微服务大可不必在业务逻辑中实现符合通信标准的交互逻辑，而是交给框架来做

image.png

服务网格

什么是服务网格？

  • 微服务之间通讯的中间层
  • 一个高性能的 4 层网络代理
  • 将流量层面的逻辑与业务进程解耦

没有什么是加一层代理解决不了的问题，服务网格相比较于 RPC/HTTP 框架：

  • 实现了异构系统治理体验的统一化
  • 服务网格的数据平面代理与业务进程采取进程间通信的模式，使得流量相关的逻辑（包含治理）与业务进程解耦，生命周期也更容易管理

image.png

蛋糕店云原生架构例子

image.png

企业级后端架构的挑战

挑战

基础设施层面：

Q：我们总说，云是弹性的，也就是说，在用户的角度，云提供的资源是无限的。然而，云背后的物理资源是有限的。在企业级后端架构里，云如何解决近乎无限的弹性资源和有限的物理资源之间的矛盾？

Q：闲事的资源就这么空着呢？如何提高资源利用率，提高物理资源的价值转换率？

用户层面：

Q：上了云原生微服务后，服务之间的通信开销较大，应该如何做成本优化？

Q：微服务看起来没有那么美好，网络抖动导致的运维成本较高，如何解决？

Q：异构的物理环境应该对用户是透明的，如何屏蔽这些细节？

离在线资源并池

核心收益：

  • 降低物理资源成本
  • 提供更多的弹性资源，增加收入 在线业务特点：
  • IO密集型为主
  • 潮汐性，实时性 离线业务特点：
  • 计算密集型占多数
  • 非实时性 考虑到在线业务的潮汐性，物理资源的用量不是一成不变的。基于离在线资源并池，可以：
  • 提高物理资源利用率
  • 提供更多的弹性资源

image.png

自动扩缩容

核心收益：

  • 降低业务成本 利用在线业务潮汐性自动扩缩容，可以根据CPU使用率等指标来实现扩缩容的处理

image.png

微服务亲合性部署

核心收益：

  • 降低业务成本
  • 提高服务可用性

微服务之间的通信成本较高，是否可以：

  • 形态上是微服务架构
  • 通信上是单体架构

亲合性部署，通过将微服务调用形态与资源调度系统结合，将一些调用关系紧密、通信量大的服务部署在同一个机器上，并且使用 IPC 代替 RPC 的方式，降低网络通信带来的开销

  • 将满足亲和性条件的容器调度到一台宿主机
  • 微服务中间件与服务网格通过共享内存通信
  • 服务网格控制面实施灵活、动态的流量调度

image.png

流量治理

Q：微服务之间的通信流量为什么需要治理？

Q：都有哪些常用的治理手段？

Q：微服务中间件和服务网格在其中扮演着怎样的角色？

核心收益：

  • 提高微服务掉哦用容错性
  • 容灾
  • 进一步提高开发效率，DevOps发挥到极致 解决思路：基于微服务中间件 & 服务网格的流量治理
  • 熔断、重试
  • 单元化
  • 复杂环境（功能、预览）的流量调度

屏蔽异构环境的算力差异

Q：基础设施层往往是个复杂的异构环境，比如，有些机器的 CPU 是英特尔的，而有些是 AMD 的。就算是同一个品牌，也可能是不同代际。如何将这些差异屏蔽掉，使用户尽可能不感知呢？

Q：什么情况下，我们觉得，服务需要扩容了？异构环境会对这个评判标准产生怎样的影响？

核心收益：

  • 打平异构环境的算力差异
  • 为自动扩容提供正向输入 解决思路：CPU水位负载均衡
  • Iass：提供资源探针
  • 服务网格：动态负载均衡

image.png

后端架构实战

问题

如何设计一个根据主机层面的资源信息，实时进行流量调度的系统，打平不同宿主机异构环境的算力差异。

关键点：

  • 紧急回滚能力
  • 大规模
  • 极端场景

输入：

  • 服务网格数据面
    • 支持带权重的负载均衡策略
  • 注册中心存储了所有容器的权重信息
  • 宿主机能提供 - 容器的资源使用情况 - 物理资源信息（如CPU型号等）

image.png

自适应静态权重

方案：

  • 采集宿主机物理资源信息
  • 调整容器注册的权重 优势：
  • 复杂度低
  • 完全分布式，可用性高
  • 微服务中间件无适配成本 缺点：
  • 无紧急回滚能力
  • 缺乏运行时自适应能力

image.png

自适应静态权重Alpha

方案：

  • 容器动态权重的自适应调整
  • 服务网格的服务发现 & 流量调度能力 演进方向：
  • 解决无法紧急回滚的问题
  • 运行时权重自适应 缺点：
  • 过度流量倾斜可能会有异常情况（权重可能两极分化） image.png

自适应静态权重Beta

方案：

  • 服务网格上报RPC指标 演进方向：
  • 极端场景的处理成为可能 缺点：
  • 时序数据库压力较大
  • 动态权重决策中心职责越来越多，迭代->变更->风险

image.png

自适应静态权重Release

演进方向：

  • 微服务化
  • 引入消息队列削峰，解耦
  • 离在线链路切分
  • 梳理强弱依赖

image.png

尾声

  1. 没有最好的架构，只有最合适的架构
  2. 做架构设计
    • 需求先行：先从需求出发。要满足什么样的需求？预期规模有多大？
    • 业界调研：做足够的业界调研。业界对于类似的需求是怎么做的？有无成熟的方案可以借鉴？直接拿来用有什么问题？
    • 技术选型：内部/社区都有哪些基础组件，涉及的技术组件是自研，还是使用开源的？
    • 异常情况：任何时候，都不能做『输入合法』的假设。容灾能力一定要有。考虑清楚xxx不行了怎么办
  3. 学好架构，是工程师成长的一个重要标志

参考文献

avatar
文章
阅读
粉丝