如今，微服務架構已經成為了現代應用開發的首選。雖然它能夠解決大部分的程式問題，但是它并非一顆百試不爽的“銀彈”。
在采用這種架構之前，我們應當事先了解可能出現的各種問題及其共性，預先為這些問題準備好可重用的解決方案。
那麼，在開始深入讨論微服務的不同設計模式之前，讓我們先了解一下微服務架構的一些建構原則：
● 可擴充性
● 可用性
● 彈性
● 獨立、自主性
● 去中心化治理
● 故障隔離
● 自動調配
● 通過 DevOps 實作持續傳遞
在遵循上述各條原則的同時，我們難免會碰到一些挑戰。下面我們來具體讨論可能出現的各種問題、及其解決方案。
分解模式
按照業務功能分解
問題：微服務是有關松散耦合的服務，它采用的是單一職責原則。雖然我們在邏輯原理上都知道要将單個應用分成多個小塊，但是在實際操作中，我們又該如何将某個應用程式成功分解成若幹個小的服務呢？
解決方案：有一種政策是按照業務功能進行分解。此處的業務功能是指能夠産生價值的某種業務的最小機關。那麼一組給定業務的功能劃分則取決于企業本身的類型。
例如，一家保險公司的功能通常會包括：銷售、營銷、承保、理賠處理、結算、合規等方面。每一個業務功能都可以被看作是一種面向業務、而非技術的服務。
按照子域分解
問題：按照業務功能對應用程式進行分解隻是一個良好的開端，之後您可能會碰那些不易分解的所謂“神類”（God Classes）。這些類往往會涉及到多種服務。
例如，訂單類就會被訂單管理、訂單接受、訂單傳遞等服務所使用到，那麼我們又該如何分解呢？
解決方案：對于“神類”的問題，DDD（Domain Driven Design，領域驅動設計）能夠派上用場。
它使用子域（Subdomain）和邊界上下文（Bounded Context）的概念來着手解決。
DDD 會将企業的整個域模型進行分解，并建立出多個子域。每個子域将擁有一個模型，而該模型的範圍則被稱為邊界上下文。那麼每個微服務就會圍繞着邊界上下文被開發出來。
注意：識别子域并不是一件容易的事，我們需要通過分析業務與組織架構，識别不同的專業領域，來對企業加強了解。
刀砍模式（Strangler Pattern）
問題：前面我們讨論的設計模式一般适用于針對那些“白手起家”的 Greenfield 應用進行分解。
但是我們真實接觸到的、約占 80％ 的是 Brownfield 應用，即：一些大型的、單體應用（Monolithic Application）。
由于它們已經被投入使用、且正在運作，如果我們簡單按照上述方式，同時對它們進行小塊服務的分解，将會是一項艱巨的任務。
解決方案：此時，刀砍模式（Strangler Pattern）就能派上用場了。我們可以把扼殺模式想象為用刀砍去纏在樹上的藤蔓。
該方案适用于那些反複進行調用的 Web 應用程式。對于每一個 URI（統一資源辨別符）的調用來說，單個服務可以被分解為不同的域和單獨的子服務。其設計思想是一次僅處理一個域。
這樣，我們就可以在同一個 URI 空間内并行地建立兩套獨立的應用程式。最終，在新的應用重構完成後，我們就能“刀砍”或替換掉原來的應用程式，直到最後我們可以完全關閉掉原來的單體應用。
內建模式
API 網關模式
問題：當一個應用程式被分解成多個小的微服務時，我們需要關注如下方面。
具體如下：
● 如何通過調用多個微服務，來抽象出 Producer（生産者）的資訊。
● 在不同的管道上（如電腦桌面、移動裝置和平闆電腦），應用程式需要不同的資料來響應相同的後端服務，比如：UI（使用者界面）就可能會有所不同。
● 不同的 Consumer（消費者）可能需要來自可重用式微服務的不同響應格式。誰将去做資料轉換或現場操作？
● 如何處理不同類型的協定？特别是一些可能不被 Producer 微服務所支援的協定。
解決方案：API 網關将有助于解決在微服務實施過程中所涉及到的上述關注點。
具體如下：
● API 網關是任何微服務調用的統一入口。
● 它像代理服務一樣，能夠将一個微服務請求路由到其相關的微服務處，并抽象出 Producer 的細節。
● 它既能将一個請求扇出（fan out，輸出）到多個服務上，也能彙總多個結果，并發回給 Consumer。
● 鑒于通用 API 無法解決 Consumer 的所有請求，該方案能夠為每一種特定類型的用戶端建立細粒度的 API。
● 它也可以将某種協定請求（如：AMQP）轉換為另一種協定（如：HTTP），反之亦然，進而友善了 Producer 和 Consumer 的處理。
● 它也可以将認證與授權存儲庫從微服務中解除安裝出去。
聚合器模式
問題：雖然我們已經在 API 網關模式中讨論了如何解決聚合資料的問題，不過我們仍将做進一步的讨論。
當我們将業務功能分解成多個較小的邏輯代碼塊時，有必要思考每個服務的傳回資料是如何進行協作的。
顯然，該責任不會留給 Consumer，那麼我們就需要了解 Producer 應用的内部實作。
解決方案：聚合器模式将有助于解決該問題。它涉及到如何聚合來自不同服務的資料，然後向 Consumer 發送最終響應。
具體說來，我們有如下兩種實作方法：
● 複合微服務（Composite Microservice） 将會去調用全部所需的微服務，整合各種資料，并在回傳之前轉換資料。
● API 網關（API Gateway） 也能對多個微服務的請求進行 Partition（分區），并在發送給 Consumer 之前聚合資料。
我們建議：如果您用到了任何業務邏輯的話，請選用複合微服務；否則請采用 API 網關方案。
用戶端 UI 合成模式
問題：當各種服務按照業務功能和子域被分解開發時，它們需要根據使用者體驗的預期效果，從一些不同的微服務中提取資料。
在過去的單體應用中，我們隻要從 UI 到後端服務的唯一調用中擷取所有的資料，并重新整理和送出到 UI 頁面上便可。如今，情況則不同了。
解決方案：對于微服務來說，UI 必須被設計成單屏、單頁面的多段、多區域的結構。
每一段都會去調用單獨的後端微服務，以提取資料。像 Angular JS 和 React JS 之類的架構都能夠實作為特定的服務合成 UI 元件。
通過被稱為單頁應用（Single Page Applications，SPA）的方式，它們能夠使得應用程式僅重新整理螢幕的特定區域，而不是整個頁面。
資料庫模式
按服務配置設定資料庫
問題：您可能會碰到如何定義資料庫架構的微服務問題。
下面是具體的關注點：
● 服務必須是松散耦合的，以便能夠被二次開發、部署和獨立擴容。
● 各個業務交易需要在橫跨多個服務時，仍保持不變。
● 某些業務交易需要從多個服務中查詢到資料。
● 資料庫有時需要根據規模需求被複制與分片。
● 不同的服務具有不同的資料存儲需求。
解決方案：為了解決上述需求，我們需要通過設計為每個微服務配備一個獨享的資料庫模式。
即：該資料庫僅能被其對應微服務的 API 單獨通路，而不能被其他服務直接通路到。
例如，對于關系型資料庫，我們可以使用：按服務配置設定私有表集（private-tables-per-service）、按服務配置設定表結構（schema-per-service）、或按服務配置設定資料庫伺服器（database-server-per-service）。
每個微服務應該擁有一個單獨的資料庫 ID，以便它們在獨享通路的同時，禁止再通路其他的服務表集。
按服務共享資料庫
問題：上面讨論的按服務配置設定資料庫是一種理想的微服務模式，它一般被前面提到的 Greenfield 應用和 DDD 式的開發。但是，如果我們面對的是需要采用微服務的單體應用就沒那麼容易了。
解決方案：按服務共享資料庫的模式雖然有些違背微服務的理念，但是它對于将前面提到的 Brownfield 應用（非建立應用）分解成較小的邏輯塊是比較适用的。
在該模式下，一個資料庫可以比對不止一個的微服務，當然也至多 2～3 個，否則會影響到擴容、自治性和獨立性。
指令查詢職責隔離（CQRS）
問題：對于按服務配置設定資料庫的模式而言，我們如何在微服務的架構中，實作對多個服務進行聯合查詢資料的需求呢？
解決方案：CQRS 建議将應用程式拆分成兩個部分：指令和查詢。指令部分主要處理建立、更新和删除之類的請求；查詢部分則利用物化視圖（Materialized Views）來處理各種查詢。
它通常配合事件溯源模式（Event Sourcing Pattern）一起建立針對任何資料的變更事件。而物化視圖則通過訂閱事件流，來保持更新。
Saga 模式
問題：當每個服務都有自己的資料庫，而且業務交易橫跨多個服務時，我們該如何確定整體業務資料的一緻性呢？
例如：對于某個帶有客戶信用額度辨別的電商應用而言，它需要確定新的訂單不會超出客戶的信用額度。
但是，由于訂單和客戶分屬不同的資料庫，應用程式無法簡單地實作本地交易的 ACID（原子性、一緻性、隔離性、持久性）特性。
解決方案：Saga 代表了一個高層次的業務流程，它是由一個服務中的多個子請求，并伴随着逐個更新的資料所組成。在某個請求失敗時，它的補償請求會被執行。
實作方式有如下兩種：
● 編排（Choreography）： 沒有中央協調器，每個服務都會産生并偵聽其他服務的事件，以決定是否應采取行動。
● 協調（Orchestrator）： 由一個中央協調器（對象）負責集中處理某個事件（Saga）的決策，和業務邏輯的排序。
觀測模式
日志聚合
問題：我們來考慮這樣一個用例：某個應用程式包括了那些在多台機器上運作的多個服務執行個體，各種請求橫跨在這些多個服務執行個體之中。同時，每個服務執行個體都會生成一種标準格式的日志檔案。
那麼我們如何針對某個特定的請求，通過各種日志來了解該應用程式的行為呢？
解決方案：顯然，我們需要一個集中化的日志服務，将各個服務執行個體的日志予以聚合，以便使用者對日志進行搜尋和分析。他們可以針對日志中可能出現的某些消息，配置相應的警告。
例如：PCF（Pivotal Cloud Foundry）平台擁有一個日志聚合器，它從每種元素（如：路由器、控制器等）中收集與應用相關的日志。而 AWS Cloud Watch 也具有相似的功能。
性能名額
問題：當各種服務組合随着微服務架構變得越來越複雜時，監控交易的完整性，并能夠在出現問題時及時發出警告，就顯得尤為重要了。那麼我們該如何收集與應用相關的性能名額呢？
解決方案：為了收集不同操作的統計資訊，并提供相應的報告和警告。
我們一般會用兩種模式來聚集各項名額：
● 推式： 将各項名額推給專門的名額服務，如：NewRelic 和 AppDynamics。
● 拉式： 從名額服務處拉取各項名額，如：Prometheus。
分布式跟蹤
問題：在微服務架構中，橫跨多個服務的請求是比較常見的。某個服務需要通過橫跨多個服務去執行一到多項操作，才能處理一些特定的請求。
那麼，我們該如何通過跟蹤某個端到端的請求，以獲知出現的問題呢？
解決方案：我們需要一種具有特性的服務。
具體特性服務如下：
● 為每個外部請求配置設定一個唯一的 ID。
● 将該外部請求 ID 傳給所有的服務。
● 在所有的日志消息中都包含該外部請求 ID。
● 在集中式服務中，記錄處理外部請求的相關資訊，包括：開始時間、結束時間、和執行時間。
Spring Cloud Slueth + Zipkin Server，是一種常見的實作方式。
健康檢查
問題：我們在實施微服務架構的過程中，可能會碰到某個服務雖已啟動，但是無法處理交易的情況。
那麼，我們該如何通過負載均衡的模式，來確定請求不會“落入”失敗的執行個體中呢？
解決方案：每個服務都需要有一個端點，通過諸如 /health 的參數，對應用進行健康檢查。
該 API 需要能夠檢查主機的狀态，其他服務與基礎設施的連接配接性，以及任何特定的邏輯關系。
Spring Boot Actuator 不但能夠實作端點的健康檢查，還能夠被定制實施。
橫切關注點模式（Cross-Cutting Concern Patterns）
外部配置
問題：通常情況下，一個服務需要去調用其他的服務和資料庫。在諸如開發、QA（Quality Assurance，品質保證）、UAT（User Acceptance Test，使用者驗收測試）、和生産環境中，端點的 URL、或某些配置的屬性會有所不同。
是以，有時候我們需要對這些服務的各種屬性進行重構、和重新部署。那麼我們如何避免在配置變更中修改代碼呢？
解決方案：外部化（externalize）所有的配置，包括各個端點的 URL 和信任憑據，以保證應用程式在啟動時、或運作中能夠加載它們。
Spring Cloud 配置伺服器提供了向 GitHub 進行屬性外部化的選項，并将其作為環境屬性予以加載。
此法保證了應用程式能夠在啟動時就被通路到，或是在不重新開機伺服器的情況下實作重新整理。
服務發現模式
問題：當微服務初具規模時，我們需要考慮如下兩個關于調用服務方面的問題。
具體問題如下：
● 由于采用了容器技術，IP 位址往往被動态地配置設定給不同的服務執行個體。是以，每次當 IP 位址發生變化時，Consumer 服務可能會受到影響，需要我們手動更改。
● Consumer 需要記住每個服務的 URL，這就倒退成了緊耦合的狀态。
那麼，Consumer 或路由器該如何獲知所有可用的服務執行個體與位置呢？
解決方案：我們需要建立一個服務系統資料庫，來儲存每個 Producer 服務的中繼資料（Meta Data）。
一個服務執行個體在啟動時，應當被注冊到表中；而在關閉時，需從表中被登出。
Consumer 或路由器通過查詢該系統資料庫，就能夠找到服務的位置。Producer 服務也需要對該系統資料庫進行健康檢查，以確定能夠消費到那些可用的、且正在運作的服務執行個體。
我們一般有兩種服務發現的類型：用戶端和伺服器端。使用用戶端發現的例子是 Netflix Eureka；而使用伺服器端發現的例子是 AWS ALB。
斷路器模式
問題：有時候，某個服務在調用其他服務，以擷取資料的時候，會出現下遊服務（Downstream Service）“掉線”的情況。
它一般會帶來兩種結果：
● 該請求持續發往該掉線服務，直至網絡資源耗盡和性能降低。
● 使用者産生不可預料的、較差的使用體驗。
那麼我們該如何避免服務的連鎖故障，并妥善處置呢？
解決方案：Consumer 應該通過一個代理來調用某項遠端服務，就像電路中的斷路器一樣。
當出現持續失敗的數量超過設定門檻值時，斷路器就會“跳閘”一段時間，進而導緻所有調用遠端服務的嘗試被立即切斷。
在超過設定時間之後，斷路器隻允許有限數量的測試請求通過。而如果這些請求成功了，那麼斷路器将恢複正常運作；否則判定為故障依舊，并重新開始新的定時周期。
Netflix Hystrix 就很好地使用了該斷路器模式。它可以在斷路器“跳閘”的時候，幫助您定義一種回退機制，以提供更好的使用者體驗。
藍綠部署模式
問題：在微服務架構中，一個應用程式可以有多個微服務。如果我們為了部署一個增強版，而停止所有的服務，那麼停機時間一旦過長，就會對業務造成影響。
況且，這對于回退來說也将會是一場噩夢。那麼我們該如何避免、或減少部署過程中服務的停機時間呢？
解決方案：我們可以采用藍綠部署的政策，以減少或消除停機時間。在藍、綠兩個相同的生産環境中，我們假設綠色環境有着目前真實的執行個體，而藍色環境具有應用程式的最新版本。
在任何時候，隻有一個環境能夠處理所有真實的流量，并對外提供服務。如今，所有的雲服務平台都能提供基于藍綠部署的選項。
當然，我們還可以采用許多其他的微服務架構模式，如：Sidecar 模式、鍊式微服務（Chained Microservice）、分支微服務（Branch Microservice）、事件溯源模式（Event Sourcing Pattern）、和持續傳遞方式等。
原文釋出時間為：2018-11-14
本文作者：陳峻編譯
本文來自雲栖社群合作夥伴“技術瑣話”，了解相關資訊可以關注“技術瑣話”。