最近参加了ECUG大会，其中有两个分享是有关微服务的，一个是CODING的微服务拆分，一个是网易的服务网格实践，那我对这些也有些思考，今天我们来聊一聊到底要不要选择serviceMesh架构的，正确的来说是关于服务网格的架构，但是这种架构也可以说是微服务架构的一种变体。时间是40分钟，虽然时间不长，但是还是感觉受益匪浅。下面我将对我的认知和今天学到的东西进行叙述，欢迎大家来评论讨论，也可以加我的微信进行讨论。

1 为什么要拆服务？

这个问题，其实你去百度和谷歌搜索，一定会有一箩筐的问题，但是我感觉废话太多，下面说下我对这个问题的看法。

单体的痛点

1. 编译、启动、扩容时间长
2. 代码冗余复杂
3. 资源利用率低
4. 业务模块复用率低

微服务的优点是什么？（微服务让我们更好的应用设计模式！）

1. 低耦合、高内聚(单一职责)
2. 业务边界清晰、复用性高(迪米特原则)
3. 面向接口的编程，不依赖细节，（依赖倒转原则）
4. 易开发、易维护、易发布（scrum小步快跑）
5. 动态伸缩，资源利用率更高（节省成本）
6. 针对业务使用不同的技术（最优方案）

微服务的缺点呢？

1. 运维成本高(感谢容器拯救我们，但是大量服务还是费神费力)
2. 分布式导致应用复杂性提高(出现很多让你想不到bug)
3. 跟踪费力(感谢链路追踪解决这个问题)
4. 排查费力(感谢日志分析平台)
5. 需要开发拥有一定实力

以上就是我现在想到的一些想法，如有不足，欢迎补充

2 关于服务粒度与业务边界

吴海黎今天说他们之前在拆一个北京的电商项目时，由于没有经验，也就是没有微服务拆分的内功（下面会讲，先卖个关子），对微服务进行了盲目的拆分，根据数据库表结构进行拆分，基本上一张表一个微服务，导致少量程序猿维护大量的细粒度微服务，这种情况虽然不多见，但是这个问题确实是很多在开发者在拆服务时候会遇到的一个问题。微服务的拆分不光要根据业务边界进行拆分，同时也跟公司的组织架构有关系。

那么如何进行服务拆分?

如果在一个没有对服务拆分经验的团队来说，那么最好的方案就是根据模块拆分，这样可以保证60%的情况下不会出现一些太大的问题，比如电商行业的话就是用户、商品、订单、库存等

如果恰好你的团队有对服务拆分有经验的童鞋，那就好办太多了，高呼一句DDD万岁！DDD本质上是一种面向对象的思维（真正的），习惯了对数据CURD和MVC模型的童鞋是很难转变过来的。因为DDD实在是太抽象了，很多时候我们都是云里雾里，我现在也只是略微清晰，需要慢慢的去消化，进步。现在开始进行第一步

2.1 场景分析

1. 解读用户视角,用例分析,用户旅程分析
2. 探索业务领域的场景,业务场景分析
3. 产出场景、用例、子域依赖关系
4. 参与者:产品经理、需求分析人员、架构师、开发组长和测试组长。

2.2 业务建模

1. 对业务和问题域分析
2. 建立领域模型
3. 向上微服务边界划分设计
4. 向下聚合指导实体对象设计
5. 产出类图、顺序图、状态图等静动态分析结果
6. 参与者:领域专家,产品经理、需求分析人员、架构师、开发组长和测试组长。

推荐使用事件风暴，不懂就去百度它，这是一种非常高效的建模方式，并且很有意思。这种方法是一种事件优先的思想，把发生的事情作为设计的首要考虑目标。也就是说是一种事件驱动的方式，那么怎么做呢？

1. 捕捉领域事件,重现事件发生顺序，用橙色标签表示，比如用户信息已查询
2. 找到事件的来源，用蓝色标签表示，比如查找用户信息
3. 找出领域事件属性，用黄色标签表示，多来源可以多颜色，比如输入输出
4. 寻找业务领域聚合实体，用绿色标签，比如事件触发者

2.3 架构设计

下面就说下DDD中的分层架构，这块我也只是了解皮毛，并没有使用这种4层架构进行服务开发过，工作中还是使用MVC这种贫血模型更多一些,这里可能也是我的一个欠缺点，后期也会补一补。。

1. 表示层（你就理解为Controller层好了，对外提供接口，网络传输边界）
2. 应用层（观察者模式，领域对象协调任务，用户用例操作，这步分布式调用）
3. 领域层（实体，值，聚合对象，业务逻辑实现）
4. 基础层（接口管理，数据库持久化）

看看这种架构，再看看MVC的架构，这种DDD的架构是严格按照面向对象的思想去实现的，我们使用MVC模式其实本质上就是扛着面向对象的大旗干着耍流氓的事。

之前说过微服务的架构不光跟业务边界有关系，还跟公司的组织架构有关系。这句话是什么意思呢?让我们先来了解下康威定律

2.4 康威定律（摘自网络）

通俗的来讲：产品必然是其（人员）组织沟通结构的缩影。比如下方是国际大厂的组织架构

康威定律可谓软件架构设计中的第一定律，起初只是在杂志上的发表，后经过《人月神话》这本软件界圣经的引用，并命名为康威定律（Conway’s law），因此得以推广。只通过简单的描述可能无法理解康威定律的精髓所在，原文中康威定律可总结为四个定律：

1. 第一定律 组织沟通方式会通过系统设计表达出来。
2. 第二定律 时间再多一件事情也不可能做的完美，但总有时间做完一件事情。
3. 第三定律 线型系统和线型组织架构间有潜在的异质同态特性。
4. 第四定律 大的系统组织总是比小系统更倾向于分解。

2.4.1 第一定律

组织沟通方式决定系统设计。

这条定律重点是讲组织架构和沟通对系统设计的影响。组织的沟通和系统的设计之间紧密相连，特别是复杂系统，解决好人与人的沟通才能有一个更好的系统设计。

《人月神话》中总结出了随着人员的增加沟通成本呈指数增长的规律：沟通成本 = n(n-1)/2

这也是为什么互联网公司都追求小团队的原因之一。沟通的问题会带来系统设计的问题，进而影响整个系统的开发效率和最终产品结果。

2.4.2 第二定律

时间再多一件事情也不可能做的完美，但总有时间做完一件事情。

人手永远是不够的，事情永远是做不完的，但可以一件一件来。这不就是软件行业中“敏捷开发”模式所解决的问题吗。面对这样的状况，敏捷开发可以做到不断迭代、持续交付、快速验证和反馈，并持续改进。

再牛的开发也会写出bug，再全面的测试覆盖率也无法测出所有的问题。解决方案不是消灭这些问题，是容忍一些问题的存在，然后通过适当的设计（冗余、监控、高可用设计）当问题发生时能够快速解决。

几个开发人员的小公司，去追求微服务、去追求中台架构，这是追求完美吗？不是，是找死。

好的架构不是买来的，也不是设计出来的，而是根据业务落地生根长期演化来的。

2.4.3 第三定律

线型系统和线型组织架构间有潜在的异质同态特性。

这一定律是第一定律的具体应用。想象一下如果公司的组织架构是这样的：

团队是分布式，每个团队都包含产品、研发、测试、运维等角色。而此时系统是单块的，项目沟通和协调的成本是巨大的，弄不好还会打起来。

如果将单块的系统拆分成微服务，每个团队负责自己的部分，对外提供对应的接口即可，互不干扰。系统效率将得到提升。这与软件设计中的高内聚、低耦合是相通的。

直白的说就是想要什么的系统就搭建什么样的团队，有什么样的团队就搭建什么样的系统。需要前后端分离的系统就搭建前后端分离的团队，反之，拥有前后端分离的团队，可以设计前后端分离的系统。当然，如果能统筹管理，拥有重组团队或设计系统架构的权利，那就再好不过了。通常情况下让两者形成1：1的映射关系，更加高效。

2.4.4 第四定律

大的系统组织总是比小系统更倾向于分解。

“话说天下大势，分久必合，合久必分。”系统越复杂，越需要增加人手，人手越多，沟通成本也呈指数增长。分而治之便是大多数公司选择的解决方案。分不同的层级，分不同的小团队，让团队内部完成自治理，然后统一对外沟通。

说到这，你是不是想起来秦始皇的中央集权郡县制？

3 技术选型

话说这两天的大会上，CODING和网易都在分享服务网格在他们那里落地的实践。这个点怎么说呢？

之前我是调研过一阵子这种架构，概念很棒，将服务治理等技术从代码中剥离出来，使得我们的业务代码更干净，无侵入，更专注于业务逻辑。

但是目前开源社区主推的两种技术貌似都不是很成熟，它们分别是Istio 和 Linkerd。最有意思的是CODING选的是Linkerd，网易选的是Istio。那么我怎么看这个点呢，我从各个维度来给你讲讲。

3.1 要不要使用服务网格架构

首先我们要讨论为啥要使用服务网格。是不是真的有多语言业务痛点。如果你的业务都是Java生态的，那先别凑热闹，SpringCloud+Dubbo已经很香了。该有的都有了，你要的还给你更新，包括国内的形式，SpringCLoud跟Alibaba的py交易，已经是让java的微服务开发方便的不能再方便了。那真正需要考虑服务网格这种架构的是那些有异构服务业务的公司。

比如AI行业，因为AI的服务化99%都是Python写的，我对python的服务治理真的是煞费苦心，所以我其实挺希望sidecar可以快速崛起，但是现在还是太弱，虽然最近有一个小太阳graalVM在不断的升起，但是把python完美运行在jvm上可能还是需要个几年吧。

比如云行业，在google的golang（够浪）风靡全球，火爆2018的情况下，很多公司使用goolang去做一些跟网络相关的应用，毕竟golang的io模型是真的香，用golang去开发个网关啥的，在2018可能是随处可见的事。而且这个浪货能真正实现编译native应用，脱离虚拟机环境各种浪。

那么针对这种异构服务的情况，以往我们的做法是什么，通过http、thrift、grpc等方式解决服务调用的问题。但是在服务治理这，确实是让人脑仁疼，java的服务治理是spring都给集成好了，而其他语言，python、golang、nodejs的命运就是自己公司封装一套ioc框架来加载各种服务治理的插件，更有甚者直接生撸各种代码。但是服务网格的出现让异构服务眼前一亮，弄个sidecar把这些糟心的东西（控制面板和数据面板）都帮我弄好，这太方便了，老子终于也有java那种帝王般的待遇了。

但是，目前开源社区的服务网格产品都还不是很成熟，特别是Istio，底层使用iptables进行网络管理，尤其是架构中用来观察数据的Mixer简直就是性能杀手，让你的吞吐量一落千丈，我问网易的冯常健这个问题，他说他们线上直接把这个关了，用以前的链路追踪来代替它的观测性，不然根本不够它吃性能的。再加上经常出幺蛾子的Policy，如果不是大厂，没有专门的架构团队或者中间件团队来优化的话，还是死了这条心吧。再来说说Linkerd，它的性能可比Istio好上不少，但是在生态完整性上还是偏弱，没有Istio那么成熟，但对比我们传统应用也是有一定的延迟。最主要的是两者的易用性没那么高，并且目前来说还属于初创阶段，相当于5年前的k8s吧，玩一玩可以，如果不是大厂，没有精力去优化，那么还是等等吧。

之前网络上有很多拿istio、linkerd、zuul、gateway、nginx做路由转发性能测试，结果是gateway被吊打,这里要澄清下,别拿ab做测试了，gateway底层使用reactor netty，不支持HTTP1.0，什么年代了还用http1.0，这种也叫基准测试？你拿http1.1试试，吊打你们不?

再告诉你们一个点，springcloud sidecar其实挺香的。而且现在dubbo在多语言适配上走的越来越远了。所以使用这种sidecar进行服务网格实践也是一种不错的选择。

服务网格架构可以用，但是不要拘泥于形式，拘泥于框架

对于istio和linkerd，我的建议是：

大厂有精力维护优化，可以去搞。

小作坊的话，安心吃瓜，让大厂先去踩坑吧。

3.2 架构推荐

下面我将把我对微服务架构这块的相关选型经验进行输出（下文不会提高istio和linkerd）

我对各种组件的选型，本着下面的这个思想:

求稳，就走别人走过的路。用一些开源的，相对标准的技术，而不是一味的求新求小众。有时可能小众组件仅突出一个点，但是给你带来的却是毁灭级的无便携和不可维护。

3.2.1 服务注册与发现

1. zoookeeper
2. eureka
3. consul
4. coreDNS
5. nacos

注册中心要解决问题是下面这几点：

1. 服务动态伸缩
2. 服务监控状态

所以我们在选型的时候要考虑下面这几点：

1. 规模性，大规模选ap，小规模选cp
2. 成熟度，功能是否能满足
3. 维护成本，社区是否活跃，出现问题是否可以快速解决
4. 性能，使用时是否有性能问题
5. 稳定性，是否稳定，怎么选主，网络不稳时怎么办

3.2.2 服务调用

1. Thrift
2. dubbo

在对服务调用进行选型时我们主要考虑以下几点：

1. 长连接还是短连接
2. rpc是否规范
3. 代码侵入是否严重
4. 性能好不好
5. 是否支持多语言

3.2.3 配置中心

1. springcloud-conf
2. apollo
3. disconf
4. nacos

配置中心要解决问题是下面这几点：

1. 动态修改线上配置，基于开关开发
2. 驱动devops

3.2.4 限流熔断

1. sentinel
2. hystrix
3. resilience4j

限流熔断要解决问题是下面这几点：

1. 服务高可用
2. 单点故障导致链路瘫痪的情况
3. 高并发时优先保证部分请求

3.2.5 链路追踪

听说es官方也出了一款开源的apm，不过还没调研

1. zipkin
2. pinpoint
3. skywalking
4. jaeger

链路追踪要解决问题是下面这几点：

1. 分布式调用链分析难
2. 性能优化无从下手

3.2.6 监控告警

这一块了解不是很清楚，估计运维可能理解更深一些，不过推荐使用prometheus+Grafana，因为后期一些业务监控可以直接写进prometheus（时序数据库），然后使用grafana进行可视化

3.2.7 日志中心

市面上基本只有两种splunk和elk

可能互联网公司中elk更多一些

3.2.8 服务网关

因为我们要在网关上做一些比如路由、权鉴、过滤、限流、熔断等操作。

所以我们会选择一些方便编程的网关，所以可能nginx系列不会在这里使用，而会在外层使用

这一块基本上就是zuul、spring cloud gateway，那么基于性能考虑，基本上就是gateway了

别再跟我说gateway性能没有zuul好了，请带着智商跟我说话！

3.2.9 服务编排

1. docker-swarm

这里就不多说了，选择k8s这种主流的准没错。但是由于k8s没有可视化界面。

我们采用了Rancher2，底层使用k8s来进行一些服务编排。

---