单体架构服务转型至分布式的踩坑经历

背景

我们在聊架构风格之前先明确一个问题，什么是架构？我们为什么要选择架构？用来解决哪些问题？

什么是架构

书本定义：“软件的架构是一种抽象的结构，他由软件的各个组成部分和这些部分之间的依赖关系构成”。

我的理解是，架构就是根据业务选择合适的技术、中间件，并且按照合适的设计模式对这些模块，进行组装来满足业务特性的需求。

选择架构风格的目的

我们选择架构风格的初衷在于 “三更原则”（自己的理解） ：更好地降本提效、更快地发版上线、更好地维护系统稳定性。

任何一个架构风格，都可以实现功能性需求，但是一个好的架构风格能在功能性需求之上，提升非功能性需求。那么你可能会问，什么是非功能性需求？举例：扩展性、稳定性等等。

这里将会以我认知结合踩过的坑，来给大家详细讲一下，我们是如何从单体架构演进到分布式架构。在向分布式单体架构的演进的道路上，又是如何进行的抉择，以及为什么最后同时选择了 微服务架构+分布式架构 的原因。接下来就结合一个系统来作为案例，贯穿主线讲解。

首先来讲一下，最初的单体架构的经历和转型。

单体架构

我们在系统创建之初，往往都是集中业务、单点部署系统，所有业务打一个包，快速上线。满足了业务初期的快速发版上线，而且适合中小公司没有自己的 PaaS 平台，应对初期快速迭代的业务，开发、迭代、测试、发布都是非常的便捷。那么单体架构都有什么类型呢？

单体架构类型

单体架构也分为大泥团架构、分层单体架构、模块化单体架构，他们的区别是什么呢？

 

• 大泥团单体架构：毫无分层、所有模块聚焦在一起，相互穿插（除非是你接手需要改造，否则不要创建这样的架构风格。这种大泥团架构很难拆分，到最后的下场往往都是重新搭建）；

   

• 分层单体架构：普遍的选择。架构进行了简单的分层，比如传统的 MVC 三层架构；

   

• 模块化单体架构：一般是随着业务的发展，由分层单体架构演变而来，特点就是引入了多个业务模块并且提供相应的服务能力。

   

 

单体架构的优缺点

优点

 

• 应用的开发很简单

   

• 易于对应用程序大规模的更改

   

• 测试相对简单、直观

   

• 部署简单明了

   

• 横向扩展不费吹灰之力

   

 

在业务的初期，单体架构的优点，无论从哪个方面来说，都优于其他架构风格，但是随着业务的增加、耦合，单体架构的缺点也逐渐暴露出来，这个也符合“康威定律”。那么单体架构的“后期”会暴露出哪些问题呢？

缺点

 

• 代码库膨胀

   

• 过度的复杂性会吓退开发者

   

• 开发速度慢

   

• 从代码提交到实际部署的周期很长，而且容易出问题

   

• 难以扩展

   

• 系统的稳定性得不到保障

   

• 需要长期依赖某个可能过时的技术栈

   

 

单体架构的这些缺点，其实影响的还是我上面提到的“三更原则”。经过上面的铺垫，相信大家已经对单体架构风格已经有了简单的理解。

光有方法论是不行的，我们得结合项目以及代码片段来加深理解，做到真正的应用。接下来我就用一个库存系统来进行串联进行讲解。先通过这张图来了解下库存系统是用来做什么的？

 

• 创建之初，1 个服务提供商品库存维护、库存查询、库存扣减能力。

   

• 随着业务的发展，库存面向多个服务：B 端业务，平台内部业务系统、平台外部中台。C 端业务，订单商品扣减库存、网关查询库存数量。

   

 

单体架构的案例——库存系统

最初的库存代码分层如下：

 

• api：对外提供的 Dubbo 服务

   

• common：封装了公共方法

   

• dao：封装了数据库 DHCP 交互

   

• domain：实体类

   

• inner-api：系统内部 API 交互

   

• router：废弃

   

• rpc：上下游 RCP 交互

   

• service：业务逻辑层

   

• web：Web 服务层

   

• worker：任务调度层

   

 

在最初很长的一段时间里，我们部署了两个单体服务。一个是 API 接口来保障上游的库存查询以及调用，另一个是 Web 服务的后台管理平台。这两个单体服务很好的贴合了最初的业务迭代和发版速度，但是后来随着业务的增加附加调用量的增加，单体服务的无论是从性能和稳定性都出现了较大的波动。

意料之外，情理之中的事故惨案

2015 年 6 月 26 日晚，也是一个促销活动的前夕，库存的 Web 管理平台挂了，原因就是大量库存导入，服务器的内存不足导致机器宕机。商家、运营无法通过导表的方式去维护库存数量，在这之前已经经历过了多次横向扩容。还是出现了预料之外的流量和稳定性的问题。

而且在接下来的大促过程当中，库存的单体服务 API 接口也承受了非常大的压力。

一方面是上游调用方有很多，比如 App 端首页中的门店网关，查询商品是否有库存，是否展示。购物车加车，也会查询商品库存的数量，提单则会对库存数量进行扣减，乃至后续的订单取消同样也会调用库存接口。

另一方面大的 KA 商家通过中台对接对库存进行操作，为了尽可能的让商家门店的库存和线上平台的库存保持一致，减少线上线下库存不一致导致的超卖、少卖。中台同步间隔时间都非常短，5 分钟~10 分钟就要全量同步一次。后续随着入驻的商家增多，这个量级增长得也非常的迅速。于是我们开启了单体服务向分布式服务演进的大门。

分布式架构

分布式架构的优缺点

优点

 

• 可用性高

   

• 可扩展性高

   

• 系统容错性高

   

• 业务代码可读性高

   

• 维护简单

  
  这些优点正是我们当时库存系统欠缺的，尤其是其中的可用性、系统容错性，是我们系统演进迭代的首要目标。

 

《分布式架构体系》中描述到，分布式架构的核心理念也是按照（功能、业务、领域等）对系统进行拆分，通过合理的拆分结构，实现各业务模块的解耦，同时通过系统级容错设计，在廉价硬件基础设施上构建起高可用、可扩展的开放技术体系。

所以我们库存系统到底要按照什么进行拆分，功能？业务？领域？在拆分之前我们一定要明确设计的目标，避免目标方向错误带来的人力、成本资源的浪费。在弄清楚目标之前，我们先了解下分布式架构的缺点，通过了解这些缺点来衡量满足我们目标的前提下，需要进行哪些方面的取舍，就如 CAP 原则一样，只能满足其中的两个，AP 或者 CP。

2）分布式架构的缺点

 

• 服务多，人员对拆分后的业务模块理解要花费一些成本

   

• 技术栈升级耗费人力

   

• 分布式事务的保持

   

• 业务模块之间的 RPC 交互损耗

   

 

库存系统的特点，高可用、高并发、强数据一致性。接下来我们就来讲一下，库存是如何从单体架构向分布式架构进行的转型。

单体架构如何向分布式架构转型

因为库存面临的最大的问题是稳定性，所以我们首先针对功能进行了拆分。

1）功能拆分

这一步是相对简单的，我们梳理出库存面向服务的业务方进行服务划分。这部分无需进行太多代码的改造，一套接口通过变更不同的 group 别名，部署到不同的集群即可。

拆分后，不同的服务应对不同的业务方，系统错误的隔离性好，不会说出现一损俱损的局面，稳定性上也有了保障。在解决了稳定性的问题后，留给我们了一些喘气的间隔，可以有时间去进行代码的优化。因为刚才也提到了，我们只是通过分布式的集群部署来解决容错性的问题，但是代码还是一套，臃肿的代码也会拖慢我们的开发上线速度。那么接下来要进行的就是，对业务代码的解耦，这块也是难度最高的。我们是如何做的呢？

2）业务拆分

业务拆分的思路是什么呢？

 

• 以业务本身为导向，充分了解系统业务模型，划分业务边界；

   

• 业务依赖的范围，细分功能，尽量减少功能之间的重复依赖；

   

• 根据拆分功能的影响大小进行评估，拆小保大；

   

• 拆分的过程中不要修改业务逻辑，不要进行拆分之外的任何优化动作（除非是bug）。

   

 

基于上述拆分的思路，库存系统又是如何划分的业务模块呢？动了哪些代码？

3）如何划分业务模块

关于业务划分，网上有很多方法论，事件风暴法、四色建模法等等，但是万法不离其宗，那就是围绕事件。以库存系统举例：库存初始化（门店 + sku 库存创建）、库存数量维护（修改现货数量、修改可售状态）、扣减业务（购物车扣减、提单扣减、订单取消扣减）、提醒业务（缺货提醒）等。每一个事件都有独立的链路轴，以及时间线可以形成闭环。

4）如何在原有模块上拆分

大多数单体架构都是面向过程的设计，domain 层充斥这个各种 DTO、VO、BO，所以在层与层的数据交互过程中，大都是经历了多次的 POJO。另外就是 Service 层充斥着和 DAO 层数据交互以及参杂了业务，而且严重违反了依赖倒置原则，整个层变得非常的沉重。这里举个例子：

 

• 同层级间相互引用

   

• Service 层包含了太多业务逻辑，无法保障原子性

   

 

这里截取部分代码片段作为案例，来讲述下我们在拆分业务的过程中，需要做一些什么操作。

 

• 对 Service 层进行 CQS 的拆分

   

• 把业务逻辑从原有的 Service 层抽离，保障 Service 方法遵循 SRP 原则

   

• 新增业务聚合层（或者向六边形架构里提到的 adapter 转接口）来聚合 Service 层的方法

   

 

原始代码

@Servicepublic class SkuMainServiceImpl implements SkuMainService {private static final org.slf4j.Logger LOGGER = LoggerFactory.getLogger(SkuMainServiceImpl.class);

@Resourceprivate SkuMainDao skuMainDao;@Resourceprivate ZkConfManagerCenterService zkConfManagerCenterService;@Resourceprivate ProductImagesService productImagesService;//同级互相引用，未遵循依赖倒置@Resourceprivate MqService mqServiceImpl;
@Value("${system.group.environment}")private String systemGroupEnvironment;* 问题：service层聚合了太多业务逻辑 倒置上层方法没办法统一* @param skuMainInfoMQEntity* @throws Exceptionpublic void editorSaveProuct(SkuMainInfoMQEntity skuMainInfoMQEntity) throws Exception {try {SkuMainBean skuMainBean = skuMainInfoMQEntity.getSkuMainBean();if (skuMainBean == null) {throw new Exception("修改参数为空！");
SkuMainBean originalSku = this.getSkuMainBeanBySkuId(skuMainBean.getId());if (originalSku == null) {throw new Exception("无效SkuId！");
SkuMainBean skuMainUpdate = updateIsWeightMark(skuMainBean);SkuMainBean skuMainPre = this.get(skuMainUpdate.getId());// 系统下架的商品 强制下架if (skuMainPre != null && skuMainPre.getSystemFixedStatus() != null && skuMainPre.getSystemFixedStatus().equals(SystemFixedStatusEnum.SYSTEM_FIXED_STATUS_DOWN.getCode())) {skuMainUpdate.setFixedStatus(FixedStatusEnum.PRODUCT_DOWN.getCode());
boolean flag = skuMainDao.editorProduct(skuMainUpdate);if (flag) {if (!zkConfManagerCenterService.isDefaultStoreStatisticsscore(skuMainBean.getOrgCode())) {SkuMainBean saveSkumainBean = this.get(skuMainUpdate.getId());// 防止未查到,把缓存覆盖if (saveSkumainBean != null) {cacheSkuMainBean(saveSkumainBean);// 发送Sku修改MQsendSkuModifyMq(SkuModifyOpSourceEnum.MIX_UPDATE_SKU, originalSku, new SkuMainInfoMQEntity(skuMainUpdate));ProductImagesBean productImagesBean = productImagesService.queryImagesBySkuId(skuMainUpdate.getId());SkuMainInfoCheckMQEntity skuMainInfoCheckMQEntity = new SkuMainInfoCheckMQEntity();skuMainInfoCheckMQEntity.setSkuMainBean(skuMainUpdate);skuMainInfoCheckMQEntity.setProductImagesBean(productImagesBean);mqServiceImpl.sendJosMQ(skuMainInfoCheckMQEntity, MqTypeEnum.RcsKeywordsCheck);mqServiceImpl.sendJosMQ(skuMainInfoCheckMQEntity, MqTypeEnum.SenseKeyWordsCheck);} else {LOGGER.info("add open platform sku , not not not send mq! skuId = {}", skuMainBean.getId());} catch (Exception e) {LOGGER.error("修改商品信息失败.e:", e);throw new Exception(e);

 

CQS 和 SRP 的改造，拆解 GOD Classes

Read 服务

Write 服务

抽离到业务层 Business 层后

@Servicepublic class SkuMainBusinessServiceImpl implements SkuMainBusinessService {private static final org.slf4j.Logger LOGGER = LoggerFactory.getLogger(SkuMainBusinessServiceImpl.class);

@Resourceprivate ZkConfManagerCenterService zkConfManagerCenterService;@Resourceprivate MqService mqService;@Resourceprivate SkuMainReadservice skuMainReadservice;@Resourceprivate SkuMainWriteservice skuMainWriteservice;
@Value("${system.group.environment}")private String systemGroupEnvironment;* 问题：service层聚合了太多业务逻辑 倒置上层方法没办法统一* @param skuMainInfoMQEntity* @throws Exceptionpublic void editorSaveProuct(SkuMainInfoMQEntity skuMainInfoMQEntity) throws Exception {try {SkuMainBean skuMainBean = skuMainInfoMQEntity.getSkuMainBean();if (skuMainBean == null) {throw new Exception("修改参数为空！");SkuMainBean originalSku = skuMainReadservice.getSkuMainBeanBySkuId(skuMainBean.getId());if (originalSku == null) {throw new Exception("无效SkuId！");SkuMainBean skuMainUpdate = skuMainWriteservice.updateIsWeightMark(skuMainBean);SkuMainBean skuMainPre = skuMainReadservice.queryDbById(skuMainUpdate.getId());// 系统下架的商品 强制下架if (skuMainPre != null && skuMainPre.getSystemFixedStatus() != null && skuMainPre.getSystemFixedStatus().equals(SystemFixedStatusEnum.SYSTEM_FIXED_STATUS_DOWN.getCode())) {skuMainUpdate.setFixedStatus(FixedStatusEnum.PRODUCT_DOWN.getCode());boolean flag = skuMainWriteservice.editorProduct(skuMainUpdate);if (flag) {if (!zkConfManagerCenterService.isDefaultStoreStatisticsScore(skuMainBean.getOrgCode())) {SkuMainBean saveSkumainBean = skuMainservice.queryDbById(skuMainUpdate.getId());// 防止未查到,把缓存覆盖if (saveSkumainBean != null) {skuMainWriteservice.cacheSkuMainBean(saveSkumainBean);// 发送Sku修改MQskuMainWriteservice.sendSkuModifyMq(SkuModifyOpSourceEnum.MIX_UPDATE_SKU, originalSku, new SkuMainInfoMQEntity(skuMainUpdate));} else {LOGGER.info("add open platform sku , not not not send mq! skuId = {}", skuMainBean.getId());} catch (Exception e) {LOGGER.error("修改商品信息失败.e:", e);throw new Exception(e);

 

构建好的业务层

拆分小结

拆分到这里，业务层的划分基本就比较清晰了。而且在这个增量整合底层代码的过程中，面向过程的业务线也都梳理的比较清晰了，底层方法也都提取到了业务层收口，通过接口对外提供服务。那么接下来我们要面临的问题就是，如何对具体的读写进行拆分。

基于 CQRS 打造分布式服务

上面我们也提到了，进行了整体功能的拆分，并没有对具体的读写服务的拆分。在面向服务的场景下，功能里也是分读服务、写服务。那么我们有什么原则来指导读写服务的分离么？那就是 CQRS 的思想：命令职责查询分离，不单单指代码，同样也是适用于服务。

优先拆分读还是优先拆分写

建议从拆分读开始，因为读服务相对于写服务简单一些，而且更容易提高系统对外服务的稳定性，写服务的流程相对底层改动比较大，测试的周期也会比较长。在前期，动写服务系统出问题的概率会比较大，所以综合稳定性、扩展性来说，优先拆分读服务是一个比较好的选择。

CQRS 的思想适合所有业务场景吗？

以库存系统举例，我们就按照 CQRS 的思想复刻一版，看看会出现什么问题。

 

• 每一次修改同步库存写入任务表

   

• schedule 任务读取任务表

   

• 把任务表的修改数据同步到 Read 服务中的 redis 中

   

 

在这个过程中，存在两个问题：

 

• 大数据量任务同步的问题：也就是 Event Bus 同步 Redis 的数据同步速度问题。

   

• 延迟问题：库存要求实时性非常高，如果因为任务积压导致的延迟，会让库存陷入困境之中。大量的库存数量不对导致的超卖、超卖会瞬间击溃业务。

  
  

 

所以每一个架构、每一种思想都是要结合业务去分析。我们可以借鉴 CQRS 的命令查询职责分离，在面对业务系统部署的时候，不要死板的遵循固有的模式，要对现有的风格做出一定的取舍。所以，我们在应对库存业务的时候，基于 CQRS 的风格创建出了库存独有的 CQRS-StockCenter。

CQRS 的活学活用：CQRS-StockCenter

 

• business 业务层写入命令

   

• writeService 服务写入读服务 Redis

   

• MQ 消息作为异步数据补全写入 MySQL 备份、写入流水

   

库存通过这套设计强依赖了 Redis 来作为库存查询、修改的中间件。保障了数据的强一致性。库存在原有的服务上，分离了读写，保障了系统的 CQRS 命令职责查询分离。

分布式事务

大家都知道事务。简单来说，事务由一组关联操作构成，A->B->C ，如果执行到C报错了，那么要回滚 B->A。

对于本地事务来说，这个相对很简单，如果你用了事务型数据库比如 MySQL，并且不涉及多个数据源的情况下，保障事务的 ACID 非常的容易。但是我们这里要提到的就是分布式事务。

系统拆分后，由于每个服务是一个独立的模块，负责一块业务，那么在整个业务轴的流程下，各个服务节点的跨系统事务回滚成为了一个难题。

业界也有一些方案，比如 JTA（JAVA Transaction API 即 Java 事务 API）和 JTS（Java Transaction Service 即 Java 事务服务），为 J2EE 平台提供了分布式事务服务。

但是，这种需要满足 XA（两阶段提交）的标准非常的重。而且现在的业务多样性，很多数据库比如 MongoDB，并不支持 XA 的标准分布式事务，一些流行的中间件，比如 RabbitMQ 和 Kafka 也不支持分布式事务。