这是我参与「第五届青训营 」伴学笔记创作活动的第 8 天
架构初探 - 谁动了我的蛋糕
架构
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
单机架构
单机就是把所有功能都实现在一个进程里,并部署在一台机器上
优点: 简单
缺点: 运维需要停服
单体架构
分布式部署,按应用垂直切分的单体
优点: 水平扩容、运维不需要停服
缺点: 职责太多,开发效率不高、爆炸半径大
SOA(Service-Oriented Architecture) & 微服务架构
SOA
- 将应用的不同功能单元抽象为服务
- 定义服务之间的通信标准
微服务架构
- SOA的去中心化演进方向
云计算
通过软件自动化管理,提供计算机资源的服务网络,是现代互联网大规模数据分析和存储的基石
云计算基础
虚拟化技术
- 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
- VM - OpenStack/VMWare Workstation
- Container - Kubernetes/Docker Swarm
云计算架构
云服务
- IaaS - 云基础设施,对底层硬件资源池的抽象
- PaaS - 基于资源池抽象,对上层提供的弹性资源平台
- SaaS - 基于弹性资源平台构建的云服务
- FaaS - 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
云部署模式
- 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,它是云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
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。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。
弹性计算资源
计算资源调度
- 在线计算-互联网后端服务
- 离线计算-大数据分析。Map-Reduce/Spark/Flinnk
消息队列
- 在线队列 - 削峰、解耦
- 离线队列 - 结合数据分析的一整套方案,如 ELK
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
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
- 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
- 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
DevOps
DevOps是云原生时代软件交付的利器,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
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
企业级后端架构的挑战
问题
基础设施层面
- 物理资源是有限的(机器、带宽)
- 资源利用率受制于部署服务
用户层面
- 网络通信开销大
- 网络抖动导致运维成本提高
- 异构环境下,不同实例资源水位不均
离在线资源并池
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
核心收益
- 提高物理资源利用率、降低物力资源成本
- 提供更多弹性资源,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
自动扩缩容
利用在线业务潮汐性自动扩缩容
核心收益
- 降低业务成本
微服务亲和性部署
微服务之间的通信成本较高,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
形态上是微服务架构、通信上是单体架构
- 将满足亲合性条件的容器调度到一台主机
- 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
核心收益
- 降低业务成本
- 提高服务可用性
流量治理
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
核心受益
- 提高微服务调用容错性
- 容灾
- 进一步提高开发效率,DevOps发挥到极致
CPU水位负载均衡
屏蔽异构环境的算力差异,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?
- IaaS:提供资源探针
- 服务网格:动态负载均衡
后端架构实战
问题提炼
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
宿主机能够提供
- 容器的资源使用情况
- 物理资源信息(如CPU型号)
关键点
- 紧急回滚能力
- 大规模
- 极端场景
自适应静态权重
方案
- 采集宿主机资源信息
- 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
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
- 过渡流量倾斜可能会有异常情况
自适应静态权重Beta
方案
- 服务网格上报RPC指标
演化方向
- 极端场景的处理成为可能
缺点
- 时序数据库压力大
- 动态权重决策中心职责越来越多,迭代->风险->变更
自适应静态权重Release
演化方向
- 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