此笔记位置已失效,请从目录继续阅读。
全书导读
本书讨论分布式架构中难以靠单条规则解决的决定:服务多大、数据库如何拆分、共享代码放在哪里、跨服务工作怎样协调、契约应多严格,以及分析数据由谁负责。困难来自这些选择相互牵动,一个维度的改善常以另一个维度的代价为条件。
第一部分把系统拆开观察。先建立量子与耦合的语言,再用模块化、组件评估和分解模式处理代码结构;随后把数据迁移与数据库选择加入讨论,最后用推动拆分和推动合并的力量确定服务边界。第二部分把部件重新接起来,依次分析复用、数据、通信、事务、契约与分析架构。末章教读者为自己的问题构建取舍分析,三个附录提供回查入口。
贯穿全书的Sysops Squad案例不是一个可复制的标准答案。团队不断补充业务场景,原先看似占优的方案可能随语言、变化频率、性能目标或协调范围而改变。阅读时应保留每项决定的上下文、其他选择与后果,不能按一张通用优缺点表累计得分。
本地版权页写October 2021 First Edition及2021-09-23 First Release,OPF日期2021-10-27,Copyright为2022。这些是不同出版字段,出版年月按版次采用2021-10,ISBN为9781492086895,不把版权年份误作首次发行年月。
全书主线
架构边界先由实际独立性来定义。量子不只是一个服务进程:启动和运行需要的库、存储与基础设施都会影响静态耦合;跨边界调用的通信方式、一致性目标和协调安排又构成动态耦合。只有分开观察,才能解释“独立部署”为什么不自动等于独立运行或独立变化。
拆分从内聚、耦合和业务能力开始,而不是先定服务数量。组件评估与分解模式帮助逐步去掉不合适的依赖;数据库迁移、事务和共同数据则揭示仅拆代码不足以完成边界迁移。服务粒度需要在变更、扩展、隔离等拆分收益与事务、通信、数据依赖等合并力量之间判断。
接起来时,每个选择都会移动责任。共享库把逻辑留在调用进程,却带来版本依赖;共享服务增加运行时依赖;Sidecar把运维能力放在相邻进程。数据所有权回答谁负责写入,数据访问回答其他服务怎样获得信息,两者需要分别判断。缓存、复制和共享领域都有传播或变更代价。
跨服务流程进一步暴露一致性与恢复问题。编排把流程知识集中,协同把部分知识分布给参与者;Saga的通信、一致性与协调维度组合成不同成本。补偿是业务动作,可能失败,也不能保证抹去已传播的副作用;状态机和后台修复提供另一种结果表达,但仍需可观察的恢复职责。
契约决定独立变化的空间,分析数据架构则把技术边界扩展到组织责任。最终的取舍分析要回到当前场景,比较范围相等的方案,先暴露真正冲突的目标,再用探针与证据收窄不确定性。
flowchart LR
A[业务目标与具体场景] --> B[结构与服务边界]
B --> C[数据所有权和访问]
C --> D[通信与工作流]
D --> E[一致性、恢复与契约]
E --> F[比较代价和验证假设]
F --> A
前言:困难来自相互制约的取舍
本书起源于作者整理《Fundamentals of Software Architecture》时暂时搁下的复杂案例。这些问题缺少容易套用的答案,却包含大量相互冲突的条件,因此需要同时观察结论与形成结论的过程。架构与数据双向决策解释作者为何邀请数据领域作者加入:谁能读写数据、运营与分析数据如何分开,会与结构、通信和组织职责相互约束。
本书以具体案例展示取舍分析,目标是让读者把过程用于自己的问题,而非记住一个最终架构。前言同时给出字体约定、示例材料与授权、联系信息和致谢;这些已经阅读,属于出版辅助信息,不作为当前行业统计或技术机制。
原书依据 · 1 处
第01章 没有最佳实践时如何决策
本章把架构工作定义为在具体约束下做取舍。架构是难以事后改变的结构,先理解为什么选某个结构,再决定实现方式。数据寿命常长于系统,拆单体又会把数据与事务边界一并推到架构层;因此后续不能只拆代码。ADR保存决策依据,适应度函数把重要原则变成持续反馈。
贯穿案例Sysops Squad是上门维修支持系统:客户提交工单,系统匹配专家、路由移动端、发通知、完成后收集调查;客户注册、账单和报告属于旁路流程。现有单体出现丢工单、派错专家、整体不可用和改动易破坏其他功能等问题。其18个组件和单一三范式数据库构成后续拆分练习的起点。表1-1实际列出命名空间与职责,表1-2列出24张表;此处使用表格文字即可解释组件与数据职责,未从ER图推导文字未给出的外键关系。
架构选择权衡:架构问题往往同时受组织环境、技术约束和互相冲突的质量目标影响,现成最佳实践不能保证适用。架构师的工作是明确候选方案、客观评估各自牺牲什么,再选择在当前条件下最可接受的组合。评价目标是项目整体成功,而非让每个架构特性同时达到最优;约束变化时必须重新评价。
架构建议依赖约束:架构风格的流行依赖当时的约束。集中式SOA曾回应企业整合与共享资源需求;Linux、自动化环境配置等使环境运维成本下降,才让微服务成为可行选择。可迁移的知识是分析约束与决策的关系,而不是把当时流行的实现当成永久原则。
运营与分析数据:运营数据支持销售、交易和库存等日常业务,典型处理是OLTP中的增删改;中断会直接影响业务运行。分析数据用于预测、趋势与商业智能,可以是图数据或交易数据快照,主要影响长期决策。拆分架构时须分别考虑两者需求,不能用同一套实时性或数据布局假设替代。
ADR记录决策理由:架构决策记录用短文本保存一个具体决策。上下文说明问题和备选方案,决策段给出选择及理由,后果段记录取舍和应用后的影响。它使后来者能理解为何如此设计,但记录本身不能保证实现遵从;执行约束还需要适应度函数等治理机制。
适应度函数守护架构:架构适应度函数是对一个或多个架构特性进行客观完整性评估的机制,可以是结构测试、运行监控或混沌实验。它将架构原则变成可反复执行的检查,提前发现演化中的偏离;并非仅限代码单测,也不是用业务功能测试替代架构治理。
可测性先于治理:“高性能”“敏捷”过于模糊,不能直接形成客观检查。先把复合目标拆成可测特性,如可部署性、可测试性和周期时间,再为它们定义指标。客观不等于固定阈值:性能指标可以随并发人数变化,只要上下文与判定规则明确。
原子与整体适应度:原子适应度函数单独评估一种架构特性,例如组件循环依赖;整体适应度函数同时检验互相影响的特性。安全改动可能降低性能,提升并发容量也可能妨碍突发弹性,因此单项指标都合格并不自动证明组合效果合格。
架构与业务测试边界:业务测试验证领域规则,如邮寄地址组成;架构适应度函数验证弹性、结构依赖等质量属性,原则上无需了解具体业务即可执行。是否需要领域知识是区分两者的实用线索,但并非严格二分:两类测试可能交叉,关键在验证目标。
持续治理避免结构腐化:自动导入等日常便利会逐渐制造组件循环,使单个组件无法独立复用。将无循环和分层依赖规则接入持续构建,可以在破坏出现时提供反馈,而非等一周后的评审。适应度检查应守住重要原则,避免堆成开发者无法工作的复杂约束体系。
适应度检查持续执行:适应度函数只有运行才有治理效果,通常应自动并持续执行;无法自动化的法律审查也可作为流水线人工阶段。企业可给安全团队保留统一流水线检查入口,漏洞出现时向所有项目下发版本检查,并在规则本身变化后重新触发检查,减少靠人工逐项目扫描的遗漏。
服务组件与耦合:服务是一组有凝聚力、独立部署的可执行功能;组件是执行业务或基础设施职责的架构构件,常体现为包、命名空间或文件目录;两者粒度不能互换。耦合的判断是:一方变化是否可能迫使另一方变化以维持正确性,而非只看是否存在网络调用。
通信协调与原子性:同步与异步描述调用者是否等待响应;编排与协同描述工作流协调责任是否集中在一个服务;原子性描述所有部分是否始终保持一致状态。这些是不同设计维度:异步并不天然等于协同,也不自动决定一致性。契约则是任意两个软件部分交接的接口,范围包括本地方法和远程调用。
第一部分导引:拆开结构关系
这一部分先把复杂系统拆成能够单独理解的关系。静态耦合关注类、组件或服务如何连接、依赖哪些部件;动态耦合关注调用方式、传递信息和契约严格程度。第2章的静态耦合追踪运行依赖与动态耦合三维取舍进一步说明这两个观察层面,不能把编译期依赖和运行时通信混成一个指标。
第3–5章依次讨论模块化、评估代码结构和分解模式;第6章把数据库与事务带回架构边界,第7章用推动拆分与推动合并的力量确定服务粒度。拆分用于看清结构,并不意味着每个部件都应该成为远程服务。
原书依据 · 2 处
第02章 辨别架构中的耦合
耦合是“一方变化可能迫使另一方变化”。过度解耦无法组成有用软件;真正的分析对象是每种依赖的必要性和变化代价。架构量子把部署、功能内聚、静态依赖与运行时通信放到统一边界描述中。
本章静态图分别讨论单体、共享数据库服务化、带协调器事件架构、代理式事件架构以及微服务:图名不是边界证明,共享库、协调器和紧耦合界面都可能成为全局耦合点。正文已说明这些关系,未推导图中未解释的内部节点。动态分析再把通信、一致性和协调拆成三个二值维度;表2-1列出8种组合及从很高到很低的耦合范围,命名是后续saga讨论的索引,不代表最低耦合总是最好。案例最后用不同弹性规模的工单与分配服务展示:静态独立后,同步调用仍会临时绑住运行特性。
拆解架构耦合维度:做取舍前先找出哪些部分纠缠在一起,再辨别各自耦合方式,最后评估一处变化对相互依赖系统的影响。解耦不是越多越好:过细服务会把事务和协调问题放大,过粗则损害独立扩展。必须先拆开通信、一致性、协调等维度,才能说明一个选择为何合适。
架构量子定义边界:架构量子是能够独立部署、具有高功能内聚与高静态耦合,并考虑同步动态耦合的架构单元。它用运行所需依赖和运行时行为解释边界,使架构师、开发者与运维有共同讨论范围。它近似限界上下文但不等同:量子还显式追踪部署依赖和通信对质量属性的牵连。
独立部署包含数据:独立部署不能只检查服务进程。若服务必须依赖一个按独立节奏发布的共享数据库才能工作,它们没有完整的独立部署边界;操作系统、消息代理和其他启动必需品也必须纳入。识别边界时可问:从零启动这个单元,到能在近生产环境运行,究竟需要哪些东西?
功能内聚限制量子范围:功能内聚指实现同一业务领域或工作流的行为与数据聚在一起。一个大单体虽然整体可部署,却往往包含多个领域,不能仅靠部署条件证明它拥有好的内聚。理想微服务应对齐单一领域或工作流;服务彼此隔离程度和内部业务集中度都要看。
静态耦合追踪运行依赖:静态耦合描述系统如何被接起来:数据库、框架、消息代理、容器编排和其他运行必需项都构成依赖。共享数据库或全局协调点可能让看似分布式的系统仍只有一个量子。画出依赖连线能回答改动影响哪些系统;静态独立不要求参与所有业务流程,只要求单元能实际运行。
服务化架构保留共享库:本书的服务化架构是特定风格:单独部署的界面、粗粒度领域服务与单体数据库组成分布式宏观分层。它通过保留数据库缓解数据拆分复杂度,适合数据库分离收益不足或代价过高的情境;代价是共享数据仍构成架构耦合点,不能把服务进程数当成独立量子数。
前端也能形成耦合点:多个服务即使各有数据,如果统一界面必须等待所有后端才可工作,前端仍会把它们的可用性、性能和扩展范围绑在一起。微前端让服务提供相应界面片段,在画布中组合并以事件松耦合通信,可把量子边界延伸到前端;仅把页面拆组件不足以自动获得该效果。
动态耦合三维取舍:运行时耦合由通信是否等待、一致性要求和协调责任分配共同决定。同步等待会让调用者被被调者速度拖住;异步队列可缓冲不同处理速率,让两者继续独立运行,但工作流结果仍需后续回传。一致性与协调不是通信方式的同义词:原子事务较容易与同步编排组合,高扩展常倾向最终一致的异步协同。
同步等待传导扩展约束:即便两个服务在静态上独立,若Ticketing以Assignment十倍的弹性规模运行,却同步等待Assignment响应,整个工作流仍被较慢一方限制。异步队列提供缓冲,使发送者放入消息后继续工作,之后再接收完成通知。它缓解运行速度耦合,不能因此声称业务处理立即完成。
第03章 架构模块化的业务驱动
模块化是把系统组织成可独立理解、改变或部署的部分,它的目的在于支持业务应对变化。上市速度由敏捷性支持,敏捷性又由维护、测试与部署能力组成;竞争优势还依赖扩展和可用性。
本章用愿望清单过期字段展示技术分层与领域分区的不同变更范围,用演唱会售票展示渐进增长与瞬时尖峰的差别,再指出服务拆得越小、互调越多,测试、部署、扩展和隔离收益可能越差。因此必须把真实症状映射到特性,而不是把拆分本身当成果。案例将报表与调查故障、并发工单和数据库负载分别对应到隔离与扩展收益,最后用ADR同时记录收益和迁移代价。
原XHTML的可维护性公式MathML确实写成ML=100×Σci,紧随文字却说入向耦合越高可维护性越低;此处存在表达不一致,因此只保留文字说明及指标列表,不据该式作数值推导。图3-9相邻文字也有扩展/弹性比较措辞不一致,此处以明确的定义、MTTS解释及粗粒度边界讲解,不将星级转换为测量结果。
模块化必须回应业务:拆系统的理由应是业务所需的上市速度和竞争优势,而非“现有补丁都没用”。把当前症状对应到可维护、可测、可部署、可扩展和容错,再说明拆分如何改善,并明确迁移成本和风险,才能形成可检验的业务论证。模块化也可在模块单体、微内核内部实现,不必一律变成分布式服务。
领域分区缩小变更范围:可维护性是增删改功能及内部升级的难易程度,受组件耦合、内聚、复杂度、大小和分区方式影响。按技术层分区时,一个愿望清单过期字段会横跨界面、业务、数据库,并牵涉多个团队;按业务领域聚合可把相关修改限制在领域部署单元,细粒度服务进一步限制到功能。关键是领域变化与模块边界对齐。
可测试性受耦合限制:可测试性同时包含测试难易和覆盖完整性。有自动化测试不等于可测:过期、注释掉的用例和遗漏关键流程都会降低完整性。独立部署单元可缩小回归范围,但服务间通信增加后,改动A可能仍要测试B、C,分布式进程并不自动带来局部验证。
可部署性包含风险频率:可部署性须同时看部署难易、频率和风险。把大量改动积攒到低频发布会增大组合风险,也让已完成修复等待上线;小而独立的发布能减少仪式与影响范围。但频率仍需匹配用户接受变化的能力,跨服务有序整体发布则会丧失独立部署收益。
扩展性与弹性不同:扩展性是在用户负载逐步增长时维持响应;弹性是在瞬时剧增或不规则尖峰中维持响应。后者尤其依赖很短的平均启动时间MTTS,因此单元细小与轻量运行环境很重要。独立模块让热点单独扩容;细粒度缩短启动;但为一次交易做大量同步调用会反过来削弱两者。
故障隔离需要断开同步依赖:容错在此指部分系统失败时,其余部分仍可用。拆成独立部署单元能把内存耗尽等灾难故障限制在局部;复制整个单体对所有副本共有的程序缺陷帮助有限。若健康服务同步依赖故障服务,隔离仍会失效;异步通信可减少这种运行依赖,前提是业务允许延后处理。
迁移论证记录负面后果:架构业务案例既要说明收益,也要写清付出的代价。Sysops Squad将报告负载与工单处理分开以缓解冻结,将故障组件分离以保住核心流程;与此同时新功能会延迟、迁移增加费用、原有发布流程要管理多个单元,数据库也必须拆分。明确后果能让赞助者批准真实方案,而非只批准收益承诺。
第04章 选择架构分解方法
模块化解释为何拆,架构分解解释怎么拆。拆分不是发现一段可分离功能就立即移走;首先要了解代码结构,确认是否可修复、能否识别组件,然后选路径。入出耦合、抽象度、不稳定度与主序距离共同帮助诊断结构,仍需结合实际代码和业务风险判断。
对于边界较清晰的系统,先改良组件、组合领域服务,再选择是否继续微服务化;对于边界混乱的系统,战术分叉以复制后删除减少追依赖负担,但保留结构与重复代码债。Sysops Squad因大多组件接近主序、边界已清楚且最在意维护和可靠性,选择组件分解,接受时间较长的代价。
已读取原XHTML的MathML确认三条公式分母及绝对值,正文采用A=抽象数/总构件数、I=Ce/(Ce+Ca)、D=|A+I−1|,没有沿用纯文本提取丢失的分数布局。
拆分先评估内部结构:架构分解先判断代码是否值得修复并可拆,再看是否存在可辨认的组件边界。边界清楚可渐进提取组件;结构混乱则可考虑战术分叉。随手从“最容易的一块”开拆的吃大象反模式缺乏全局方案,容易造出分布式单体。单个指标不能代替架构师对可分解性的判断。
入向与出向耦合:入向耦合Ca统计有多少代码构件引用当前构件;出向耦合Ce统计当前构件依赖多少其他构件。拆单体时,一个被多处复用的Address类不只是“可直接拿走”的工具:其入向连接揭示拆分影响范围,出向连接揭示需一同处理的依赖。度量可针对组件、类或函数,比较前要统一粒度。
抽象度衡量构件比例:抽象度A=抽象构件数÷(抽象构件数+具体实现构件数),表示接口、抽象类等相对于全部构件的比例。抽象帮助表达整体功能;单个巨大main方法几乎没有这种结构。但抽象度高并非越好,必须与依赖方向配合,才知道接口是否有用而实现是否脆弱。
不稳定度关注外部牵动:不稳定度I=Ce/(Ce+Ca),描述一个组件受外部依赖变化牵动的程度。Ca=2、Ce=0时I=0;Ce=3时I=3/5。I接近1表示依赖外部多,潜在变化来源多;I接近0可能稳定,也可能只是具体实现被大量依赖而僵硬,须结合抽象度判断。
主序距离联合看结构:主序距离D=|A+I−1|联合抽象度A与不稳定度I,靠近A+I=1的组件较平衡。低抽象且低不稳定的组件进入痛苦区:具体实现被广泛依赖,难改;高抽象且高不稳定的组件进入无用区:抽象难以使用。它是诊断线索,不能独自证明系统可拆或必须重写。
以组件构建服务:组件是拥有明确角色、职责及操作集合的应用构件,常对应包或目录。基于组件的分解先重构出清晰组件,再分组成粗粒度领域服务,而非逐类直接变成微服务。这样服务边界从领域组合中浮现,能减少重复共享代码并支持受控渐进迁移。
服务化可作迁移台阶:从单体先到粗粒度领域服务,可以先解决领域和功能分区,再决定哪些领域值得细化成微服务。此阶段通常可保留数据库,继续使用原部署产物,也不强制容器化。它减少一次迁移同时解决的问题,也可成为最终架构;不意味着跨服务的数据与发布耦合已经消失。
战术分叉以删除代提取:战术分叉先按目标服务复制完整单体,各团队逐步删除不需要的功能,而不是从混乱代码中拉出一块后不断追逐依赖。编译与测试帮助判断能否删去代码。适合组件边界难辨、需要快速隔离关键系统的场景;目标服务范围必须预先决定。
战术分叉留下结构债:战术分叉的收益是前期分析少、删除比提取容易;代价是残留潜伏代码、原有混乱结构,以及多副本共享代码难以一致维护。它缩小了代码量,却不自动改善内部设计。维护性和共享功能一致性是主要问题时,已有清晰组件边界往往支持更慢但可控的组件分解。
第05章 基于组件的分解模式
六种组件分解模式把“单体到分布式”的大动作分成受控的结构重构。首先建立可信组件清单,并把33%代码量的报告组件按报表业务拆成工单、专家、财务和共享部分;再识别真正重复的通知领域逻辑,在去重收益与耦合集中之间作判断。
扁平化不等于让所有目录同一深度,而是保证源码都归属叶组件:复杂高频变化的工单域向上拆出独立组件,简单稳定的调查域把模板合回去。接着读取组件依赖图,区分共享编译依赖与功能交互,发现重构机会。所有组件按业务协作归到工单、报告、客户、管理及共享五域后,最后才分期提取独立领域服务并修改界面调用。
架构故事说明每次重构支持的业务能力;每个模式的适应度检查守住重构成果,防止单体在迁移过程中继续变形。原章表5-2至5-18给出实际语句、命名空间、职责和迁移映射,此处逐步读取其文本;共享库过滤属于视图选择,并未消除原有编译依赖。标准差公式原文MathML与伪代码须共同读取以恢复开方和N−1分母,相关治理卡采用伪代码规则,未声称实测。
分解模式构成渐进路线:基于组件的分解依次识别和定尺寸、归并公共领域逻辑、扁平化、确认依赖、划分领域、提取领域服务。初次迁移按整体顺序推进;迁移期间单体仍在维护,之后可按需要单独重用模式并持续治理。重构先形成可辨认、可归属的组件,避免直接把混乱代码切成远程服务。
架构故事连接业务驱动:架构故事记录影响应用结构的代码重构,并指出它支持什么业务目标或架构特性。例如拆分支付服务是为了新增支付类型时更易扩展和更敏捷。它不同于用户功能故事,也不同于以后有空再清理的技术债事项;其依据是当前业务或质量能力需要及时改变结构。
用语句量识别组件异常:组件尺寸可用命名空间内所有源码语句数之和近似,优于受个人编程风格影响很大的文件数、类数或物理行数。清单同时记录可识别职责的名字、稳定命名空间、语句数、占全库比例和文件数。异常大提示职责过多或复杂,但只有存在清楚子领域才按职责拆;不能为凑均匀尺寸任意切割。
组件尺寸阈值随系统变化:尺寸治理既可检查语句占全库比例,也可检查距平均数多少个标准差,发现新增、过大或异常小的组件后提醒架构师。百分比阈值应随组件总数选择,10个组件时30%与50个组件时10%只是本书示例,不是通用红线;数值异常是调查信号,不是自动决定拆分。
组件清单与离群持续治理:持续维护组件清单时,比对当前命名空间与上次清单,新增或删除都记录并通知。尺寸离群可计算样本标准差s,再用|组件语句数−均值|/s比较阈值;本章伪代码用3个标准差。这样重构成果可在迁移期间继续维护,不能只在开始时统计一次。
归并共同领域功能:多个组件若业务上下文不同但完成的领域功能相同,可归并公共逻辑减少未来重复服务;如工单、账单、调查审计都写动作和用户到审计表。领域共享是部分业务流程共用,日志、监控和安全等基础设施共享则服务所有流程。公共逻辑也可成为共享库,不必一律远程服务化。
共享功能检索需要人工判断:相同命名空间叶子名、多个组件共用类或继承结构,都是寻找重复领域功能的线索;例如多处使用SMTPConnection可能暗示分散的邮件通知。自动检查只能发现候选,不能证明语义相同;确认不是重复逻辑的calculate、validate等应进入排除清单,避免持续误报。
归并会集中入向耦合:归并公共功能减少重复,却会把依赖集中到一个组件。Sysops Squad三个通知组件的入向数是2、2、1,归并后为5:总连接数没变,但5个使用方现在依赖同一点。应重新检查集中后的影响与维护风险,再决定是否接受,不能只比较全局连接总和或代码重复量。
叶节点界定组件:扁平化规定源码只存在命名空间或目录叶节点;被下级命名空间扩展的节点是领域或子领域,不再是组件。其中仍存的源码称孤儿类,即在这套组件定义下没有明确归属。该规则是组织与迁移边界约定,不是语言语法规定,也不意味着这些类真的无法被调用。
扁平化可合并也可拆开:去除孤儿类有两种方向:把下级功能并回父节点,使父节点成为唯一叶组件;或把父节点源码按职责移入新叶组件,使父节点只保留领域含义。调查逻辑简单少变化,适合把模板并回;工单分配复杂且频繁改动,则保留分配、路由并拆出维护、完成和共享组件。选择依职责与变化方式,而非统一目录深度。
共享源码也须明确归属:共享接口、抽象类和工具类放在领域根目录,仍属孤儿类,应移入专门叶组件。使用统一且不与业务混淆的sharedcode等命名,可统计共享组件数量和共享语句占比:前者提示潜在共享库或服务数量,后者提示拆分后依赖维护负担。共享占比高是风险线索,不是固定比例的失败判决。
组件依赖图估计拆分难度:组件依赖只统计跨命名空间引用,不把组件内部类关系混在同一张图。依赖稀少常可通过移动与重构分离;依赖密集时可能必须混合重写,极端缠绕可能根本不宜拆。图帮助估计可行性、工作量和改造路线,不能把本书高尔夫球、篮球、飞机的类比当精确工期。
拆职责可减局部耦合:组件A被20个组件使用,未必每个使用方都需要A全部功能。若14个只依赖一小块,把该块拆为A1后,主体A2可能只剩6个入向依赖。需要追到真实职责和调用用途,才能让主体更独立;仅把文件搬进新目录却保留同一组调用,不会产生该收益。
依赖治理同时看数量方向:组件总耦合CT=入向CA+出向CE,可分别设阈值提醒;阈值由系统结构决定。还应明确禁止某些依赖,如工单维护不可直接访问专家资料,通过自动结构检查持续约束。共享编译库可在分析功能服务图时单独过滤,但须保留原依赖图,不能把过滤当消除依赖。
领域分组先于服务提取:组件领域把相关组件逻辑归组,命名空间层级表达领域、子领域、叶组件,后续才能整体提取服务。须与业务负责人核验:组件都有去处且组内业务内聚。先完成全部领域识别与重构,再迁出,可避免迁出后才发现调查等功能归错领域而反复搬动。
命名约束维持领域边界:领域重构后,用允许的领域名单阻止源码悄悄进入新领域;领域服务提取后,检查其中组件都使用对应命名空间前缀。这只能治理结构归属,不能自动判断业务语义正确,因此名单和领域划分仍需人工协作。持续检查让后续维护不把领域服务重新变成无结构单体。
提取领域服务分离部署:领域服务把同一业务领域的多个组件提取到独立工程并单独部署,界面改用远程方式访问。最简单形态仍共享数据库,先获取粗粒度部署隔离,再根据各领域实际需求决定微服务细化。过早细化会同时引入数据分解、工作流、分布式事务和运维自动化等成本。
原书依据 · 17 处
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
- 基于组件的分解模式 · 查看原书依据
第06章 拆分操作数据
操作数据是在线业务读写直接依赖的数据。拆开它会失去原来单库联表、完整性约束和整体事务带来的便利,所以必须先建立拆分理由,再讨论怎么迁。六种拆分动力与数据关系、事务两种整合动力形成拉力:例如独立服务上线并不能防止共享数据库停机拖垮全部业务,也不能阻止所有实例的连接池把数据库挤满。容量推算必须包含服务实例数。 细节可结合数据拆分的相反驱动、契约隔离数据库变更、连接配额须计入实例进一步理解。
数据域把同一业务范围中密切相关的表与约束保留在一起,只拆跨域依赖。五步迁移先在原库内识别领域、分schema,再把跨域SQL改为服务间访问,最后才迁独立服务器并切换连接。同义词可以帮助梳理过渡依赖,却不能完成真正隔离。备份恢复和复制切换分别承担停机与协调成本。 细节可结合数据域保留内部关系、五步渐进拆库、同义词只是迁移踏板进一步理解。
拆开后才有机会按负载选择模型:关系库提供通用SQL和事务;键值库按已知键取整体;文档库理解内部属性;列族库重视行键与稀疏高写;图数据库显式保存关系;NewSQL结合关系接口和横向扩展;云数据库是一组运营方式而非统一模型;时序库围绕追加和窗口查询。聚合减少连接与转换,却让跨聚合分析和边界修改更难。问卷案例把这些原则落到五类问卷的实际变化成本:接受少量重复问题,换取一次读取与简单呈现。 细节可结合聚合导向的收益与边界、关系库偏重通用事务、键值库依赖已知键、文档库保留内部可查询性、无模式只是模式迁位、分片把分区移向多节点、列族库围绕行键建模、图数据库显式保存关系、NewSQL兼顾横扩与事务、云原生不是统一数据模型、时序库服务时间窗口分析、问卷聚合以变更目标取舍进一步理解。
第07章 服务粒度
服务粒度是部署单元承载多少职责的问题,模块化则是如何划分部分。类数与行数受风格影响,语句数和公开接口数只能帮助观察,不能替代业务判断。通知是一个职责还是三个职责没有脱离情境的答案,因此先看内聚,再检查变化频率、吞吐差异、故障传播、安全入口和明确的扩展趋势。每个拆分理由都要说明具体收益,拆走一块后剩余部分也应有清晰责任。 细节可结合粒度衡量职责而非行数、单一职责须结合内聚、按变化速率隔离部署、吞吐差异支持独立扩展、故障隔离后检查剩余内聚、安全边界包括操作入口、扩展性拆分要有增长证据进一步理解。
相反,事务、同步工作流、共享领域代码和数据关系可能要求把服务放回一起。串行调用会累加网络与鉴权延迟,传递依赖会抵消故障隔离,局部提交也使业务整体失去直接回滚能力。应检查多少请求真正跨服务、其中哪些最关键,以及共同业务规则是否不断迫使它们一起上线。通用日志库不是合并的充分理由,而强耦合数据和频繁共享规则往往更有说服力。 细节可结合整体事务是合并驱动、调用链会抵消拆分收益、共享领域代码提示边界、数据互赖会约束服务粒度进一步理解。
工单分配与路由虽然是两种活动,路由失败却必须重新分配,负载又一致,所以选择单服务、内部三个组件。注册案例把业务“全有或全无”作为硬约束,再用API与网格的权限控制缓解安全压力,接受统一测试部署与扩展的代价。两个案例都把争论转成可说明的权衡,并不提供统一大小标准。 细节可结合组件隔离不必独立部署、注册原子性可约束拆分进一步理解。
第二部分导引:重新建立协作
拆开的部件仍需要共同完成工作,因此第二部分从结构转入通信。Larry Constantine的题辞提醒:把本来内聚的模块强行分割,可能提高耦合并降低可读性。服务数量本身不能证明架构更好;需要继续检查拆分后为恢复完整行为引入了多少协调。
这一部分依次分析复用、所有权与访问、工作流、分布式事务、契约以及分析数据。它们共同回答一个问题:在选择边界之后,怎样管理跨边界的状态、消息与变化。题辞的拆分代价在主章的粒度与耦合分析中继续展开,这里保留导引,不再复制知识卡。
第08章 复用模式
复用在进程内常只是导入代码,在分布式系统中却同时决定部署与运行耦合。复制代码消除了共享构建依赖,但把修复传播变成逐处工作,所以只适合几乎静止的小块。共享库通过编译绑定和显式版本隔离升级时机;大库易管理依赖却扩大升级面,小库隔离变化却需要更多依赖治理。版本还必须有通知与淘汰策略,频繁变化库不宜套用与稳定库相同的保留数量。 细节可结合复制代码只适合稳定小块、共享库粒度的两面、库版本需要退出策略进一步理解。
共享服务把相同能力集中为远程执行,方便异构语言和高频变化,却把错误与升级风险移到运行时;延迟、扩展和故障都可能传给调用者。边车则针对另一种需要:让每个服务获得一致的日志、监控、鉴权和发现能力,并经网格统一治理。它利用运维与领域之间的正交关系,通常不应吸入领域模型;即使是工具库,也要比较多少团队需要与每个实例承担的开销。 细节可结合共享服务把风险移到运行时、边车复用运维能力、正交耦合分离关注点、边车准入看普及率与开销进一步理解。
抽象能发现相似性,慢变化的契约才使复用具有长期价值。把所有客户概念集中为巨型服务会制造脆弱性;平台需要用封装把内部快变与外部慢变分开。工单共享数据逻辑的取舍正是应用这一标准:历史变化少、直接读写频繁,选择可版本共享库,接受升级和连接池管理,而不增加一个每次都必须经过的数据服务。 细节可结合复用价值取决于变化速率、稳定数据逻辑宜用共享库进一步理解。
第09章 数据所有权与分布式事务
数据所有权以谁负责修改为起点,读取频率再高也不自动获得所有权。只有一个写者最容易处理;所有服务都写审计表时,可设专门审计服务;只有少数同域服务写同表时,则比较拆表、共同数据域、委托单一拥有者和服务合并。每种方案都把代价移向不同位置:拆表需要同步,数据域扩大变更边界,委托增加调用依赖,合并则扩大共同扩展与部署范围。 细节可结合写入者决定数据所有权、公共写入归专门服务、拆表把共同写入变单写、共享数据域扩大变更边界、委托所有权的两种优先级、合并服务恢复单一写者进一步理解。
所有权确定后必须再检查业务事务。ACID让一个事务单元整体提交、遵守约束、按隔离级别处理并发并保留已提交数据;服务各自提交后,这些性质不会自动覆盖整个业务请求。BASE描述处理中软状态与最终收敛,收敛多快、能否恢复由具体模式决定。后台同步用外部进程跨表修复,响应快但侵入边界;请求编排等各方完成,便于控制结果但用户等待且补偿复杂;事件驱动让各服务异步追赶,需要持久订阅、足够事件保留以及死信处理。 细节可结合ACID保护一个事务单元、独立提交产生业务软状态、后台同步牺牲边界、请求编排等待整体完成、事件一致性仍需失败出口进一步理解。
退订例中客户与合同状态已提交,账单更新失败会留下部分完成;原文支持的是状态不一致,未证明发生实际重复扣费。补偿可重建客户资料并恢复合同状态,但须保存恢复信息、防范创建副作用,也可能补偿失败而需人工介入。因此补偿不能冒充隔离事务。最终的调查表案例利用本来就有的通知携带工单信息,把联合写转成调查服务唯一写,并明确接受调查创建与工单完成不再同属一个事务。 细节可结合退订局部提交留下残态、退订补偿需要恢复信息、通知携带数据解除共同写入进一步理解。
原书依据 · 17 处
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
- 数据所有权与分布式事务 · 查看原书依据
第10章 分布式数据访问
拆分数据库之后,服务常需要读取自己不拥有的数据。愿望清单缺少商品描述这一小问题体现四种方案:请求拥有者、把必要列复制到本地、使用本地复制缓存、或扩大数据域共同读取。第一种最简单却让性能、容量与可用性依赖拥有者;第二种去掉每次远程读取,却需要同步变化、控制副本写权限并接受一致性窗口。 细节可结合远程读取保边界增依赖、列复制换取本地读取进一步理解。
缓存必须区分三种模型。单服务缓存不共享,集中缓存仍须远程访问并依赖缓存服务器,复制缓存则把同一份数据放到每个实例,按单一拥有者写入、其他副本只读的方式传播。它有利于读性能与已启动后的故障隔离,却有首实例填充依赖、所有实例内存倍增、高频更新难追赶和动态IP发现等边界。异步传播不等于即时强一致,库存等高变化数据不能照搬相对静态描述数据的结论。 细节可结合三种缓存共享方式、复制缓存保留单一写者、复制缓存有启动容量边界进一步理解。
若一致性、容量等使复制不适合,共享数据域可以保留联表与完整性约束,但表结构本身成为多服务契约,访问安全和变更需要共同治理,共享数据库风险也仍存在。专家资料案例先算清900名专家、每人约1.3KB和最多六份实例,再检查变化率、许可及网络部署,最终选择复制缓存。这个结论依赖小而较静态的数据和明确写者,并非普遍缓存优先。 细节可结合共享数据域以表为契约、专家资料缓存先算规模进一步理解。
第11章 管理分布式工作流
工作流是多个领域服务共同完成的一项业务活动,协调则是安排这些服务的顺序、分支、状态与恢复。编排把这项责任放到协调器,舞蹈让服务依照设计好的消息关系接续动作。两者都可以表达正常下单:记录订单、验证付款、安排履约和发邮件。编排里同步验证支付,履约与通知可异步,因为它们不必在付款确认前同步完成。编排集中流程责任解释为何协调器应服务于具体工作流而非成为全局总线;舞蹈把流程分散到服务说明移除协调器后,流程知识实际去了哪里。
真正区分两者的是错误路径。付款被拒时,需要通知用户并修正订单;已付款后发现缺货,则还要退款。编排可沿已存在的协调器到服务的路径处理,舞蹈则要由发生错误的服务发出合适的领域事件,连接原先不直接协作的参与者。复杂性来自业务必须协同的事实,叫作语义耦合;增加技术分层还可能增加实现耦合,见语义耦合不可消除。因此“最解耦”不等于“最容易维护”。
流程还需要知道执行到了哪里。前端控制器持有流程状态让入口领域服务兼管整体进度,查询容易但职责与通信增多;无状态舞蹈按需重建进度不存整体临时状态,而在查询时拼装各服务结果,平时灵活但查询成本高;消息携带流程状态把状态随消息传递,后续服务少做查询,却没有集中实时查询入口。这三种方案提供不同状态责任分配,不能混为一种无成本的去中心化。
选择要回到实际异常和扩展目标。工单有取消、重新分派、设备失联、丢路由和状态追踪需求,Sysops最终选择编排,并把单协调器的潜在扩容问题写入ADR;状态查询单独看并不能决定胜负,因为舞蹈也能实现。按异常复杂度选协调方式把该案例收束成判断边界:简单、少异常且需高吞吐时可偏向舞蹈,异常路径复杂时集中协调通常更实用。
第12章 事务Saga
Saga是一串跨服务本地动作及失败后的协调安排,不能直接获得单库事务的隔离与回滚保证。本章把通信、整体一致性目标、协调方式分为三个二选一维度,构成八种组合;Saga的三个选择维度解释维度之间为何会互相牵制。这里的“原子”描述试图全成全败的工作流目标,不表示底层已经拥有全局隔离。
同步模式中,史诗Saga的补偿代价的Epic使用协调器并追求整体原子,后续失败后补偿前面成功步骤;它熟悉但同步等待和全局协调限制扩展。传话Saga沿链补偿的Phone Tag保持同步与原子目标,改由服务沿链协调,正常路径少中央瓶颈,失败时却需沿链撤销。童话Saga放宽整体原子的Fairy Tale保留同步编排但允许最终一致,服务独立提交、协调器负责后续修复;时间旅行Saga适合单向流的Time Travel进一步用舞蹈,适合简单单向流水线,复杂异常要由各服务自己协调。
异步不会自动解决事务困难。异步原子编排增添竞态的Fantasy Fiction采用异步、原子目标与编排,协调器同时管理多个待决事务与依赖;恐怖Saga的逆序恢复难题的Horror Story把中央协调也去掉,服务必须跟踪乱序动作并逆序撤销,恢复组合最多。允许最终一致后,并行Saga分离事务与协调的Parallel可以异步并行、集中处理复杂流程;选集Saga偏向简单高吞吐的Anthology再去掉协调器,更适合简单高吞吐,但上下文和错误处理分散在服务内。整体耦合程度与实现复杂度是不同指标,低耦合的模式仍可能很难恢复。
另一条错误处理路径是管理待决状态,而非立刻恢复全部旧值。专家已经完成维修,调查服务暂时不可用时,先记录NO_SURVEY并向专家确认维修提交,再由协调器重试,必要时交管理员,见状态修复隔离用户等待。这要求业务容许短暂不一致,并保证恢复责任有人承担。Saga状态机暴露恢复路径给出CREATED、ASSIGNED、ACCEPTED、REASSIGN、COMPLETED、NO_SURVEY和CLOSED的合法迁移,明确无专家、无法路由和调查失败时停留在哪里。
补偿还有两种必须面对的失败窗口。补偿不能收回已传播副作用中,完成事件已被分析服务消费,随后把工单反写回处理中也无法撤回传播出去的副作用;补偿失败使结果难以解释中,补偿本身失败,原状态保留,用户重试可能再收到“已经完成”的错误。因此分布式补偿不是数据库回滚,恢复模型要包含已传播副作用和修复失败。源码标记关联Saga成员把服务参与哪些Saga保存在源码标记中,以帮助测试和变更影响分析;标记只提供可检索文档,不替团队实现事务协调。
第13章 契约
契约是架构各部分传递信息或依赖的格式,既包括API,也包括库依赖、缓存和集成边界。它横切通信、协调与一致性,因此选择gRPC等实现前,先要决定连接的语义和严格度,见契约覆盖架构连接。
严格和宽松是连续谱:严格契约明确字段、类型等要求,便于验证和文档,但变化时可能迫使多方一起升级;宽松名值对减少实现约束,代价是验证责任更多落到应用与测试。JSON能增加schema变严格,协议名称并不能代替分析。严格与宽松契约的边界同时说明版本策略既能平滑演进,也会产生支持与废弃成本。微服务可各自维护不同的Customer内部模型,只在边界交换必要事实,避免内部表示被共享类型绑定。
要同时获得宽松格式与可靠集成,可以由消费者定义自己必须获得什么,把契约测试交给提供方纳入持续集成,即消费者契约保证最低需求。测试不只检查类型,也可加入业务范围限制;它依赖团队持续运行并处理失败,忽略红灯就不再提供保证。
印记耦合扩大变更半径讨论印记耦合:传一个整体大结构,每个服务只关心其中一小块。Wishlist只需姓名却依赖完整Profile时,不相关字段的变化也会破坏集成,大消息乘上高调用量还会浪费带宽。按需投影缩小契约以不同Profile投影和资源增补说明按需传递,而不是为未来可能用途过早绑定所有字段。不过印记耦合也有实际用途:用契约承载舞蹈进度把流程状态附在消息里,让复杂舞蹈获得上下文,代价是更大的契约和协作者耦合。
最后,契约还受到发布节奏约束。工单管理与分派语义常一起变化,较紧契约合理;通知和调查变化慢,可以更宽松。移动端虽然与工单语义紧密,但商店审批限制升级速度,最终采用宽松名值对和临时扩展,双方承担更多校验逻辑;发布节奏影响契约严格度展示为何同一工作流不同连接可有不同严格度。
第14章 管理分析数据
操作数据服务于当前交易,分析数据服务于聚合、报表、预测等问题,两者需要不同的模式和计算负载。仓库以转换换集中分析的数据仓库先从操作库抽取、转换为统一schema再加载,集中分析减少交易库压力;星型模型分开事实与维度的星型模型用事实与维度简化聚合。问题在于数据被技术性集中后,源领域变更要跨团队修改管道,领域语义也需分析人员重新理解。仓库的集中算力收益与这套维护成本要一起评价。
数据湖延后转换仍有耦合的数据湖保留集中数据与管道,改成先加载原始数据、按需转换,减少前期建模浪费并支持部分机器学习用途。但质量、发现关系、隐私识别与转换工作转移到下游,并没有消失;批量新鲜度、上游变化和管道脆弱性仍需治理。原始数据放在一起也可能通过组合暴露个人信息。
数据网格改变的是所有权和协作方式。数据网格的四项支撑把四项原则放在一起:领域拥有数据、数据作为产品、自助平台、计算化联邦治理。领域熟悉语义并对消费者体验负责,平台提供发现和生产能力,联邦规则通过代码在访问处执行;不是简单地把中央库拆散,也不能仅凭名称宣称隐私风险已消除。
数据产品量子承担分析接口定义数据产品量子DPQ:它包含自己的分析代码与数据,由领域团队维护,向消费者提供契约。源对齐DPQ投射本领域数据,聚合DPQ组合多个来源,用途专属DPQ支撑特定分析或模型。协作量子异步分开两类数据进一步说明协作量子:DPQ与操作服务运行独立、契约紧密,但更新应异步且最终一致,避免分析事务拖住操作流程;分析消费者对DPQ的查询可以根据需要同步或异步。
Sysops把工单历史、人员每日快照和调查结果聚合为Experts Supply DPQ,为技能和地区供给预测服务。领域团队负责源产品,平台团队提供自助创建、发现、运行监测和治理执行;联邦组决定跨域标准。预测依赖完整输入,趋势输入宁缺勿残要求完整日快照或明确排除整日,避免漏报被误判为需求下降。消息间隙检测与消费者契约用于守住质量,但阈值要依据真实流量,缺失日过多仍会损害趋势。
第15章 构建自己的权衡分析
权衡分析不是从通用方案中选“最好”的,而是找出当前系统中哪些维度互相牵动。权衡先找缠结维度从静态依赖和运行协作分开建模开始:启动、运行必需的库、存储、消息设施属于静态依赖,仅在业务流程里交换信息的量子则动态耦合。团队可把部署自动化变成依赖证据来源。独立评分后合并矩阵先轻量建模可行组合、分别评价,再合并同一组指标,逐次固定关键决策并检查后续限制,避免在巨大的问题空间里直接猜答案。
很多架构实例条件不同,数值不能直接横比。定性比较与定量验证说明可先做定性分析,用组织内代表实例或技术探针检验,再通过客观测试积累定量证据。MECE保证同类比较的MECE要求比较范围不重叠且覆盖所需类别:不能把一个消息队列与包含大量其他能力的ESB直接打分;同时要检查是否漏掉相关新选项。
指标必须放回正确情境。图15-3的通用表中,共享库在性能、容错等项目占优;图15-4补充系统有四种语言、共享功能变化频繁且当前不重视性能容错后,共享服务更贴合需求。正确情境改写优劣排序解释为何情境改变排序,而非多数优点自动获胜。场景收窄真正的取舍用更新信用卡、新增积分支付和混合支付三种场景进一步收窄问题:拆分服务有利独立发布与扩展,混合支付却增加协调及一致性难度,最终要在实际业务所需的敏捷与性能一致性之间决策。
沟通也要保留关键情境。用业务结果沟通架构把同步异步协议转成业务可判断的问题:客户请求结束前保证信用审批已启动,还是更快接受请求且降低协调器故障影响?分析细节应可追溯,但与利益相关者讨论时需突出决定性的业务结果。
经验和技术热情只能提供假设。消息拓扑也需场景验证把竞价消费者加入一个主题与使用独立队列分别建模,比较统一契约、数据访问和扩容控制,不能把某种拓扑的可扩展性当成全部答案。以约束验证替代技术传教的单仓库案例则允许尝试,同时用适应度函数防止项目因相邻而意外依赖。结尾把整本书的方法收束到迭代设计与可验证结果:不断减少未知,记录决策,跨团队协作,再用本系统证据修正结论。
附录A:基础概念的查阅入口
附录A把本书引用的基础概念指向《Fundamentals of Software Architecture》中的具体章节与页码:圈复杂度、组件耦合与内聚、技术与领域分区、分层架构、基于服务的架构以及微服务架构。它提供的是回查地址,没有重新展开这些概念的定义、推导或适用边界。这里逐项登记,不能凭术语名虚构额外知识卡,也不声称本轮已阅读被指向的整本书。
附录B:决策记录索引
附录B汇集Sysops Squad案例中的13项架构决策记录入口,从ADR标题模板、迁移分布式和组件分解,经过文档数据库、工单路由与客户服务合并、运维Sidecar和共享数据库库,再到单表所有权、调查表归属、专家资料缓存、工单编排和移动端宽松契约。每个标题用于回到主章中的上下文、决定与后果;本附录没有新增论证,因此不另生13张只重复标题的卡。使用时仍须回读案例条件,避免把一个团队的选择当成普遍规则。
附录C:取舍表的查阅路径
附录C按主题汇集书内图表的编号与标题。第6章的数据库采用特征图用于回查数据库家族;第8–10章的表比较复用、共同所有权、同步与数据访问;第11–13章覆盖编排、协同、Saga与契约;第14–15章则把分析数据架构和最终取舍过程放在一起。
这些入口能帮助读者找到相应比较,却没有在本处重复表格的判断条件、评分或机制。查阅时应连同主章问题、约束和后果一起读取;某个方案在一张表中的优势,不足以替代系统上下文。全部图表标题已阅读,零卡是由于这里仅为索引,真实内容保留在主章。
跨章综合
服务拆分不是消除耦合,而是重新安排耦合的位置。进程内依赖变成远程消息后,部署范围可能缩小,响应时间、故障传播和结果解释却会变复杂。应同时保留静态与动态视图,不能只用组件数量衡量改造成效。
数据与状态把多章连接起来。一个服务拥有表不意味着别的服务不需要其中信息;复制解决读取位置,却引入传播时延、来源与重建问题;事务补偿解决部分已提交工作的纠正,却不能提供原事务的完整隔离。因此所有权、访问、流程和失败恢复必须一起建模。
复用与契约是变化的两面。公共代码减少重复,同时可能扩大升级协调;严格契约提供明确验证,同时限制独立演进。是否值得付出这些代价,取决于使用方数量、语言、变化频率以及出错后果,不能只依据通用表中的性能或灵活性评级。
技术结构还需要组织责任承接。数据网格把数据产品责任交给领域,同时要求自助平台和联合治理;这不是把仓库换成一个新存储产品。编排器集中流程知识也不代表业务服务可以不处理自己的幂等、错误与状态。
本书的收束是决策过程:先发现相互牵动的维度,以实际场景限定问题,再分别分析可行组合并合成比较。定性评价能组织讨论,尚未测量的性能和可用性仍是假设;适应度函数或局部技术探针用于验证真正影响当前决定的条件。
发散与实践
两项实践分别针对机制与决策。ideas/idea-001-深读补偿执行边界.md固定Camunda Platform 7.21.0实际commit,已收集源码并填写补偿范围、快照、顺序、等待、失败和业务副作用的首轮映射;后续按100分钟快速路线与六个详细单元继续阅读,没有运行测试或真实补偿。ideas/idea-002-记录归档恢复取舍.md以当前bookBase批次的共享锁、已导入集合与中断恢复日志为真实对象,计划形成场景表及一页ADR,不改造现有协议或虚构性能结果。
采用这两项,是因为它们能从已发生的问题和可核验实现开始。数据库迁移、数据网格组织落地与服务边界重构需要更多真实业务、数据和测量;本轮记录为未采用候选,避免把抽象案例当作已执行工程。