首先，建立一个单一的应用模型我们假设你开始开发一个出租车应用，并计划与优步和海洛竞争。通过最初的沟通和需求收集，您开始手动生成一个新项目，或者使用像Rails、Spring Boot、Play或Maven这样的平台。新的应用是一个模块化的六角形架构，如下图所示(一个简单的出租车应用):应用的重点是模块实现的业务逻辑，包括服务、域工具和事件。

焦点周围是与外部世界接口的适配器。适配器的例子包括数据库访问组件、生成和消费消息的消息组件以及公开应用编程接口或实现用户界面的网络组件。虽然有一个逻辑的模块化架构，但是法语应用程序是作为一个单元打包和部署的。

实际模式取决于应用法语的语言和框架。例如，许多Java应用程序被打包为WAR文件，并部署在Tomcat或Jetty等应用服务器上。其他Java应用程序被打包为独立的可执行jar。

类似地，Rails和Node.js应用程序以目录组织的结构打包并以如此气势磅礴的方式编写也是非常常见的。它们易于开发，因为我们的集成开发环境和其他工具专注于构建单个应用程序。这些应用程序也很容易测试，只需简单的启动并使用Selenium等测试包测试UI，就可以轻松实现端到端的测试。

单个应用程序也易于部署。您只需要将打包的应用程序复制到服务器上。

您还可以通过运行多个副本和联合负载平衡器来扩展应用程序。在项目前期，可以很好的工作。如果项目规模小，用户少，企业内部使用，我们传统的开发方法是构建一个项目，构建这些模块，打包成war包，部署在tomcat上，这是一个单一的应用。

2.走向单一地狱不幸的是，这种简单的方法有很大的局限性。乐城的应用有一个趋势，随着时间的推移越来越臃肿。您的开发团队在每次冲刺中都需要更多的用户，这意味着需要添加很多行代码。几年后，小而简单的应用程序将逐渐发展成为一个巨大的单体。

举一个极端的例子，作者最近与一个开发人员交谈，他正在编写一个工具来分析他们的LOC应用程序中成千上万个JARs之间的依赖关系。我相信这是一大批开发者经过多年齐心协力创造出来的巨兽。

一旦你的应用方法成为一个巨大的单体，你的开发组织可能会陷入一个痛苦的领域，任何敏捷开发和交付的实验都会原地丢失。其中一个主要问题就是法语的应用确实巨大。

显然对于任何开发者来说都是太大了。最后，正确地修复bug和实现新的功能既困难又耗时。

此外，这种趋势就像一个向下的螺旋。如果基本代码很难理解，那么改动就不正确，最后你会得到一个巨大的不可思议的泥球。

法国申请的规模也会减缓增长。应用方式越大，启动时间越长。我观察过开发者的单个应用的规模和性能，有些投诉的开始时间是12分钟。

我也听说过一个奇怪的事情，从法语开始要花40多分钟。如果开发人员经常重启应用服务器，那么他们很大一部分时间会花在等待上，生产力也会受到限制。

另一个大问题是，庞大的单一应用程序本身就是持续部署的障碍。如今，SaaS应用程序已经发展到每天多次将转换推向生产。

这对于一个庞大的单位来说是非常困难的，因为你需要重新部署整个应用，更新任何部门。想想我之前说的启动时间长，那就不是什么好事了。此外，转换的影响通常不清楚，您可能需要做大量的手动测试。因此，连续部署是不可能的。

当差异模块中存在资源需求冲突时，单个应用可能难以扩展。例如，一个模块可以执行中央处理器麋鹿集图像处理惩罚逻辑，这是理想地部署在亚马逊EC2计算优化实例。另一个模块可能是内存数据库，最好部署到EC2内存优化实例。但是，因为这些模块是一起部署的，所以您必须在硬件的选择上做出妥协。

单体应用的另一个问题是可靠性。因为所有模块都在同一个课程中运行。任何模块中的错误，如内存泄漏，都可能拖累整个过程。

另外，由于应用方法的所有实例都是相同的，所以这个错误会影响整个应用的可用性。最后但同样重要的是，单个应用程序很难接受新的框架和语言。例如，假设您有200万行使用XYZ框架编写的代码。

用更新的ABC框架重写整个应用程序会很昂贵(就时间和成本而言)，即使框架非常好。所以这是接受新技术的一大障碍。项目开始，不管你选择什么新技术，城市都会觉得困扰。

总结一下：你有一个乐城的关键业务应用方法，已经成长为只有少数开发者(如果有的话)能够理解的庞大单体。是用过时的，没有生产力的技术写的，很难招到优秀的开发人员。法语的应用变得难以拓展，不靠谱。

因此，敏捷开发和应用交付是不可行的。SaaS软件即服务：每天更换多次，直接推上线。如果是单个应用，如果40分钟启动推送一次，40分钟停止。会涉及其他模块吗？不清楚，需要大量测试，无法持续部署。

三、微服务解决方案亚马逊、eBay、网飞等很多组织都接受了所谓的微服务架构模式来解决这个问题，而不是构建臃肿的单一应用。它的想法是把应用法语分析成一套更小的互联服务。一个服务通常实现一组不同的特性或功能，比如订单治理、客户治理等等。每个微服务都是一个有自己六边形的微型应用程序架构包罗了业务逻辑以及多个适配器。

一些微服务会袒露一个供其他微服务或应用客户端消费的 API。其他微服务可能实现了一个 web UI。在运行时，每个实例通常是一个云虚拟机 (virtual machine， VM) 或者一个 Docker 容器。例如，前面形貌的系统可能剖析成如下图（一个单体应用剖析成微服务) 所示：应用法式的每个功效区域现在都由自己的微服务实现。

此外，Web 应用法式被划分为一组更简朴的 Web 应用法式。例如，以我们的出租车为例，一个是搭客的应用，一个是司机的应用。这使得它更容易地为特定的用户、司机、设备或者专门的用例部署差别的场景。

每个后端服务袒露一个 REST API，大部门服务消费的 API 由其他服务提供。例如， Driver Management 使用了 Notification 服务器来通知一个可用司机一个可选旅程。UI 服务挪用了其他服务来渲染页面。

服务也可以使用异步、基于消息的通信。一些 REST API 也袒露给移动端应用以供司机和搭客使用。然而，应用不能直接会见后端服务。

相反，他们之间的通信是由一个称为 API 网关 (API Gateway) 的中介卖力。API 网关卖力负载平衡、缓存、会见控制、 API 计量和监控， 可以通过使用 NGINX 来实现。开发和交付中的伸缩立方：微服务架构模式相当于此伸缩立方的 Y 轴坐标，此立方是一个来自《架构即未来》 的三维伸缩模型。

另外两个坐标轴是由运行多个相同应用法式副本的负载平衡器组成的X 轴坐标和 Z 轴坐标（或数据分区) ，其中请求的属性（例如，一行记载的主键或者客户标识) 用于将请求路由到特定的服务器。在运行时，X 坐标轴上运行着服务的多个实例，每个服务配合负载平衡器以满足吞吐量和可用性。

某些应用法式也有可能使用 Z 坐标轴来举行分区服务。下图展示了如何用 Docker 将 Trip Management 服务部署到 Amazon EC2 上运行。使用 Docker 部署 Trip Management 服务：在运行时，Trip Management 服务由多个服务实例组成，每个服务实例是一个 Docker容器。

为了实现高可用，容器是在多个云虚拟机上运行的。服务实例的之前是一个类似 NGINX 的负载平衡器，用于跨实例分发请求。负载平衡器也可以处置惩罚其他问题，如缓存、会见控制、API 怀抱和监控。

微服务架构模式显着影响到了应用法式与数据库之间的关系。与其他共享单个数据库模式 (schema) 服务有所差别， 其每一个服务都有自己的数据库模式。

一方面，这种做法与企业级数据库数据模型的想法相背，此外，它经常导致部门数据冗余。然而，如果您想从微服务中受益，每一个服务都应该有自己的数据库模式。

因为它能实现松耦合。下图展示了数据库架构示例应用法式。

每个服务都拥有各自的数据库。而且，服务可以使用一种最适合其需求、号称多语言持久架构 （polyglot persistence architecture ) 的数据库。例如，DriverManagement，要找到与潜在搭客靠近的司机，就必须使用支持高效地理查询的数据库。

打车应用的数据库架构：从外貌上看，微服务架构模式类似于 SOA。微服务是由一组服务组成。然而，换另一种方式去思考微服务架构模式，它是没有商业化的 SOA，没有集成 Web 服务规范 (WS-) 和企业服务总线 (Enterprise Service Bus， ESB)。

基于微服务的应用支持更简朴、轻量级的协议，例如，REST，而不是 WS-。他们也只管制止使用 ESB，而是实现微服务自己具有类似 ESB 的功效。微服务架构也拒绝了 SOA 的其他部门，例如，数据会见规范模式观点。高可用：一直可以用，不会下线，不会宕机微服务属于漫衍式系统，整体变得庞大四、微服务优点微服务架构模式有许多很是好的地方。

第一，它解决了庞大问题。它把可能会变得庞大的单体应用法式剖析成一套服务。

虽然功效数量稳定，可是应用法式已经被剖析成可治理的块或者服务。每个服务都有一个明确界说界限的方式，如远程历程挪用（RPC）驱动或消息驱动 API。

微服务架构模式强制一定水平的模块化，实际上，使用单体代码来实现是极其难题的。因此，使用微服务架构模式，个体服务能被更快地开发，并更容易明白与维护。第二，这种架构使得每个服务都可以由一个团队独立专注开发。

开发者可以自由选择任何切合服务 API 契约的技术。固然，更多的组织是希望通过技术选型限制来制止完全杂乱的状态。然而，这种自由意味着开发人员不再有可能在这种自由的新项目开始时使用过时的技术。

当编写一个新服务时，他们可以选择当前的技术。此外，由于服务较小，使用当前技术重写旧服务将变得越发可行。第三，微服务架构模式可以实现每个微服务独立部署。

开发人员基础不需要去协调部署当地变换到服务。这些变换一经测试即可立刻部署。好比，UI 团队可以执行 A|B 测试，并快速迭代 UI 变换。

微服务架构模式使得连续部署成为可能。最后，微服务架构模式使得每个服务能够独立扩展。您可以仅部署满足每个服务的容量和可用性约束的实例数目。

此外，您可以使用与服务资源要求最匹配的硬件。例如，您可以在 EC2 Compute Optimized 实例上部署一个 CPU 麋集型图像处置惩罚服务，而且在 EC2 Memory-optimized 实例上部署一个内存数据库服务。

五、微服务的缺点就像 Fred Brooks 约莫在 30 年前写的《人月神话》中说的，没有银弹。与其他技术一样，微服务架构模式也存在着缺点。

其中一个缺点就是名称自己。微服务这个术语的重点过多偏向于服务的规模。事实上，有些开发者主张构建极细粒度的 10 至 100 LOC（代码行） 服务，虽然这对于小型服务可能比力好，但重要的是要记着，小型服务只是一种手段，而不是主要目的。

微服务的目的在于充实剖析应用法式以利便应用敏捷开发和部署。微服务另一个主要缺点是由于微服务是一个漫衍式系统，其使得整体变得庞大。

开发者需要选择和实现基于消息或者 RPC 的历程间通信机制。此外，由于目的请求可能很慢或者不行用，他们必须要编写代码来处置惩罚局部故障。虽然这些并不是很庞大、高深，但模块间通过语言级方法/历程挪用相互挪用，这比单体应用要庞大得多。

微服务的另一个挑战是分区数据库架构。更新多个业务实体的业务事务是相当普遍的。这些事务在单体应用中的实现显得微不足道，因为单体只存在一个单独的数据库。

在基于微服务的应用法式中，您需要更新差别服务所用的数据库。通常不会选择漫衍式事务，不仅仅是因为 CAP 定理。他们基础不支持如今高度可扩展的 NoSQL 数据库和消息署理。

您最后不得不使用基于最终一致性的方法，这对于开发人员来说更具挑战性。测试微服务应用法式也很庞大。例如，使用现代框架如 Spring Boot，只需要编写一个测试类来启动一个单体 web 应用法式并测试其 REST API。相比之下，一个类似的测试类对于微服务来说需要启动该服务及其所依赖的所有服务，或者至少为这些服务设置存根。

再次声明，虽然这不是一件高深的事情，但不要低估了这样做的庞大性。微服务架构模式的另一个主要挑战是实现了跨越多服务变换。例如，我们假设您正在实现一个变换服务 A、服务 B 和 服务 C 的需求，其中 A 依赖于 B，且 B 依赖于 C。

在单体应用法式中，您可以简朴地修改相应的模块、整合变换并一次性部署他们。相反，在微服务中您需要仔细计划和协调泛起的变换至每个服务。例如，您需要更新服务 C，然后更新服务 B，最后更新服务 A。

幸运的是，大多数变换只会影响一个服务，需要协调的多服务变换相对较少。部署基于微服务的应用法式也是相当庞大的。一个单体应用可以很容易地部署到基于传统负载平衡器的一组相同服务器上。

每个应用法式实例都设置有基础设施服务的位置（主机和端口），好比数据库和消息署理。相比之下，微服务应用法式通常由大量的服务组成。例如，据 Adrian Cockcroft 相识到，Hailo 拥有 160 个差别的服务，Netflix 拥有的服务凌驾 600 个。每个服务都有多个运行时实例。

另有更多的移动部件需要设置、部署、扩展和监控。此外，您还需要实现服务发现机制，使得服务能够发现需要与之通信的任何其他服务的位置（主机和端口）。

比力传统贫苦的基于票据（ticket-based）和手动的操作方式无法扩展到如此庞大水平。因此，要乐成部署微服务应用法式，需要求开发人员能高度控制部署方式和高度自动化。一种自动化方式是使用现成的平台即服务（PaaS），如 Cloud Foundry。PaaS 为开发人员提供了一种简朴的方式来部署和治理他们的微服务。

它让开发人员避开了诸如采购和设置 IT 资源等烦恼。同时，设置 PaaS 的系统人员和网络专业人员可以确保到达最佳实践以落实公司计谋。自动化微服务部署的另一个方式是开发自己的 PaaS。

一个普遍的起点是使用集群方案，如 Kubernetes，与 Docker 等容器技术相联合。构建庞大的微服务应用法式本质上是难题的。单体架构模式只适用于简朴、轻量级的应用法式，如果您使用它来构建庞大应用，您最终会陷入痛苦的田地。

微服务架构模式是庞大、连续生长应用的一个更好的选择。只管它存在着缺点和实现挑战。增补1、CAP 定理2000 年 7 月，加州大学伯克利分校的 Eric Brewer 教授在 ACM PODC 集会上提出 CAP 料想。

2年后，麻省理工学院的 Seth Gilbert 和 Nancy Lynch 从理论上证明晰 CAP。之后，CAP 理论正式成为漫衍式盘算领域的公认定理。CAP 理论为：一个漫衍式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项。

1.1一致性（Consistency）一致性指 "all nodes see the same data at the same time"，即更新操作乐成并返回客户端完成后，所有节点在同一时间的数据完全一致。1.2可用性（Availability）可用性指"Reads and writes always succeed"，即服务一直可用，而且是正常响应时间。1.3分区容错性（Partition tolerance）分区容错性指"the system continues to operate despite arbitrary message loss or failure of part of the system"，即漫衍式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务。

2、CAP 权衡通过 CAP 理论，我们知道无法同时满足一致性、可用性和分区容错性这三个特性，那要舍弃哪个呢？对于多数大型互联网应用的场景，主机众多、部署疏散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性到达 N 个 9，即保证 P 和 A，舍弃C（退而求其次保证最终一致性）。虽然某些地方会影响客户体验，但没到达造成用户流程的严重水平。

对于涉及到钱财这样不能有一丝让步的场景，C 必须保证。网络发生故障宁肯停止服务，这是保证 CA，舍弃 P。貌似这几年海内银行业发生了不下 10 起事故，但影响面不大，报到也不多，宽大群众知道的少。

另有一种是保证 CP，舍弃 A。例如网络故障是只读不写。

孰优孰略，没有定论，只能凭据场景决断，适合的才是最好的。3、BASE 理论eBay 的架构师 Dan Pritchett 源于对大规模漫衍式系统的实践总结，在 ACM 上揭晓文章提出 BASE 理论，BASE 理论是对 CAP 理论的延伸，焦点思想是纵然无法做到强一致性（Strong Consistency，CAP 的一致性就是强一致性），但应用可以接纳适合的方式到达最终一致性（Eventual Consitency）。3.1、基本可用（Basically Available）基本可用是指漫衍式系统在泛起故障的时候，允许损失部门可用性，即保证焦点可用。

电商大促时，为了应对会见量激增，部门用户可能会被引导到降级页面，服务层也可能只提供降级服务。这就是损失部门可用性的体现。3.2、软状态（Soft State）软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。

漫衍式存储中一般一份数据至少会有三个副本，允许差别节点间副本同步的延时就是软状态的体现。mysql replication 的异步复制也是一种体现。3.3、最终一致性（Eventual Consistency）最终一致性是指系统中的所有数据副本经由一定时间后，最终能够到达一致的状态。

弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。4、ACID 和 BASE 的区别与联系ACID 是传统数据库常用的设计理念，追求强一致性模型。BASE 支持的是大型漫衍式系统，提出通过牺牲强一致性获得高可用性。ACID 和 BASE 代表了两种截然相反的设计哲学，在漫衍式系统设计的场景中，系统组件对一致性要求是差别的，因此 ACID 和 BASE 又会联合使用。

5、服务1、IaaS基础设施即服务· linux· docker2、PaaS平台即服务· GitLab代码治理平台（类似与github）· Nexus依赖治理平台（类型与maven）· Registry镜像治理平台（docker）· 我们自己搭建的平台，不是依赖第三方3、SaaS软件即服务（微服务）这三个合起来就是云盘算、云存储、云服务BaaS区块链即服务目的：使项目连续集成与连续交付。

本文来源：澳门威斯尼斯wns888入口-www.jinggai2.com