服務架構簡介：你是否了解這些常用架構？
我們日常生活中使用很多應用程序，有微信、抖音、王者這種涉及多人聯網互動的大型應用，它們以操作系統作為宿主；也有網站、小程序、PWA等借殼的應用。面向用戶表現為Android/iOS/Windows/MacOS/瀏覽器/H5/Terminal 等端上的應用程序，名為 Client。更多情況下，業務的核心邏輯體現在背后看不見的服務，名為 Server。
從普通用戶視角跳出來，切換到程序員視角，應用程序可以理解為是M個Client和N個Server的組合。在軟件開發過程中，Client/Server的邊界如何劃分，Server之間如何通信，多個Server如何組織能夠保證整個系統按照預期的方式運行，都是服務架構要考慮的問題。
下面我們簡單串一下主流的幾個服務架構，包括分層架構、client-queue-worker架構、微服務架構、事件驅動架構、大數據、大計算架構，并從四個方面對每個架構進行總結：
- 架構的描述和架構圖
- 推薦的使用場景
- 優點、潛在問題和最佳實踐
- 一些現實場景中的示例
分層架構
WAF全稱Web Application Firewall，就是防火墻
在開發傳統企業應用中，分層架構得到了廣泛使用。一個應用被劃分為多個邏輯功能的層，比如展示層、業務邏輯層和數據訪問層。這些分層同時也定義了依賴關系，每個層都只能調用它下面的層。每個層可以是一個獨立的模塊，整個系統的各個模塊可以獨立甚至并行開發和測試，交付質量可以得到比較好地保證，所以這是目前最為廣泛使用的架構之一。但它也有一些難以解決的問題，尤其體現在產品上線后的變更上。體現在：
- 在大型系統中，層的劃分邏輯并不那么明顯，可能出現過度分層的問題
- 分層往往是從技術角度做的，沒有按照業務領域進行，導致系統對業務擴展不友好
- 分層以后，跨層通信比較困難，對性能敏感的業務無法接受由此帶來的網絡通信開銷和編解碼開銷
- 迭代困難，因為需要所有層的變更，協調多個團隊的成本非常高
分層架構在私有云系統中非常常見，比如一個私有云的解決方案可以設計為：
- 物理機層：物理機、網絡設備等
- 虛擬化層：將物理資源進行虛擬化，可以用kvm
- 資源管理層：對資源進行調度編排，也提供故障恢復、彈性擴容等功能，比如k8s
- 服務編排層：定義和管理服務的部署、配置和自動化，通常是k8s上做二次開發出的一層殼
- 用戶展示層：通常是web界面、命令行，也可以是API
任務調度架構 Web-Queue-Worker
這個架構下，用戶通過前端Web頁面將任務異步發送到后端，協議可以是HTTP或RPC。通常情況下，后端的worker接收任務后，執行一段事件CPU密集型計算，生成結果。
作為對比，分層架構中來自client的請求大都同步到達，請求可以很快得到滿足，server端處理完成后同步返回；相反，任務調度架構下，每個請求要得到滿足，可能耗費server大量的計算/網絡或存儲資源，所以異步返回。
在通信方式上，任務調度架構更多地采用類似于隊列的方式（不一定真的有一個消息隊列，從數據庫拉取任務也算）
微服務架構
如果應用非常復雜，可以采用微服務模式。微服務應用是由很多小且獨立的服務組合而成，每個服務都獨立實現一套完整的業務能力。服務的關系非常松散，僅通過API進行通信。
每個服務都可以由一個獨立的研發團隊進行開發，理論上也可以單獨部署，不用和其他團隊進行太多的協同。因此，微服務架構非常鼓勵頻繁的更新。一個微服務架構可以非常復雜，它可以由多個分層架構應用和任務調度架構應用組合而成。
由于服務非常多，DevOps的重要性就凸顯出來了。如果操作正確的話，這種架構可支持高度靈活的發布節奏、更快的創新和高度的彈性及擴展性。
目前大型互聯網公司普遍采用微服務架構，處理用戶側發起的short-lived請求，以支撐超高的QPS。
事件驅動架構
事件驅動架構采用了訂閱-發布模型，也叫生產者-消費者模型。生產者負責發布事件到消息隊列，消費者訂閱消息隊列。生產者和消費者互相獨立，多個消費者之間也互相獨立。
依賴的中間件有 Kafka、RocketMQ、Redis Pub/Sub 等。
事件驅動架構下，應用程序可以以非常低的延遲處理大量的數據，在數據采集分析場景下使用非常廣泛。比如IoT場景、大型互聯網應用的數據收集子系統（日志/埋點數據回收）。
大數據、大計算
大數據是目前互聯網的標配場景，它的第一步一般是流式地搜集應用日志，清洗后存到分布式存儲中，應用到離線場景，或分發到消息隊列，用于流式處理。這一點與事件驅動架構有部分重疊。
當我們聊大數據是，通常是說對一個超大數據集進行分片/區，執行并行計算，最終產出分析和報表。數據集大小可能是PB級。
大計算，也叫高性能計算(HPC)，可以在上千核的CPU上并行計算。除了我們熟悉的大數據場景，也應用在圖形渲染、流體動力學、金融風險建模、石油勘探、藥物設計等領域。
不同架構模式的局限
任何架構在設計上都有受到一些限制，比如架構基本元素的形態，以及元素之間允許存在的關系。這些限制本質上是在某種架構下，我們可選的最大集合，它影響甚至間接塑造了架構的最終形態。當應用的構建遵循某種架構模式時，一些好的符合預期的特性也會出現。
上面這段話有點抽象，我們以微服務架構的限制為例：
- 每個服務承擔獨立單一的職責
- 服務之間相互獨立
- 數據只歸屬于擁有它的服務，服務之間不共享數據的所有權
遵循這些限制之后，系統中的服務就可以獨立進行部署。收益時事故隔離、支持頻繁更新、可便捷地引入新技術。
在選擇某種架構模式之前，我們需要理解架構的底層原則和限制。否則，架構設計只在最表層符合某種架構模式，但無法發揮這種架構模式的潛力。在使用架構過程中，務實很重要，有時候我們可能要放寬一些限制，而不是堅持架構的純粹。
下面這張表總結了不同的架構模式如何管理依賴，以及適用的業務領域
架構模式 | 依賴管理 | 適用業務場景 |
分層架構 | 按照子網進行水平分層 | 傳統業務領域，更新頻率不高 |
Web-queue-worker | 前后端任務分離，通過異步消息進行解耦 | 相對簡單的業務場景，需要執行一些資源密集型任務 |
微服務架構 | 功能/垂直節藕的服務，通過API調用進行通信 | 比較復雜的業務場景，支持高頻率的更新 |
事件驅動架構 | 生產者/消費者，每個子系統有獨立的數據視圖 | IoT和實時系統 |
大數據架構 | 將一個超大數據集拆分成小的數據塊，在之上進行并行計算 | 批處理和流式處理的數據分析，機器學習模型支持的預測分析 |
大計算架構（高性能計算） | 數據被分配到上千核CPU上進行計算 | 計算密集型的場景，比如模擬系統 |
不同架構模式面臨的挑戰vs收益
架構的限制使其在某些場景下面臨一些挑戰，所以在采用這些架構模式時，需要理解其中的利弊權衡。我們需要保證，在我們所在的子領域（場景），疊加場景的限制條件下，架構帶來的收益超過要面臨的挑戰。
下面列出了在選擇架構模式時面臨的四類挑戰：
- 復雜性。架構的復雜性是否匹配我們所在的業務領域？換句話說，架構模式在處理這個業務領域時是否太簡單，以至于無法處理將來的情況？如果是，那么未來系統會演變成一堆屎山，因為架構無法幫你梳理清楚依賴關系。
- 異步消息和最終一致性。異步消息可以幫助我們解耦服務，增加系統穩定性和擴展性。但是在最終一致性上可能會有問題，比如重復消息、亂序消息。
- 服務間通信。把應用拆分成多個獨立的服務之后，服務間的通信延遲可能成為一個風險，在數據量快速增長的情況下尤為明顯。比如在微服務架構下面臨的問題可能有，接口延遲過高，或者網絡擁塞。
- 可管理性。管理應用的難度如何，包括監控、部署、更新等等？
