一、背景
我們在聊架構風格之前先明確一個問題，什么是架構？我們為什么要選擇架構、用來解決哪些問題？
1、什么是架構
書本定義：“軟件的架構是一種抽象的結構，他由軟件的各個組成部分和這些部分之間的依賴關系構成”。我的理解是，架構就是根據業務選擇合適的技術、中間件，并且按照合適的設計模式對這些模塊，進行組裝來滿足業務特性的需求。
2、選擇架構風格的目的
我們選擇架構風格的初衷在于 “三更原則”（自己的理解） ：更好地降本提效、更快地發版上線、更好地維護系統穩定性。
任何一個架構風格，都可以實現功能性需求，但是一個好的架構風格能在功能性需求之上，提升非功能性需求，那么你可能會問，什么是非功能性需求？舉例：擴展性、穩定性等等。
這里我將會以我認知結合踩過的坑，來給大家詳細講一下，我們是如何從單體架構演進到分布式架構，在向分布式單體架構的演進的道路上，又如何進行的抉擇，以及為什么最后同時選擇了微服務架構+分布式架構的原因。接下來就結合一個系統來作為案例，貫穿主線講解。
首先來講一下，最初的單體架構的經歷和轉型。
二、單體架構
我們在系統創建之初，往往都是集中業務、單點部署系統，所有業務打一個包，快速上線。滿足了業務初期的快速發版上線，而且適合中小公司沒有自己的paas平臺，應對初期快速迭代的業務，開發、迭代、測試、發布都是非常的便捷。那么單體架構都有什么類型呢？
1、單體架構的類型
單體架構也分為大泥團架構、分層單體架構、模塊化單體架構，他們的區別是什么呢？
1）大泥團單體架構：毫無分層、所有模塊聚焦在一起，相互穿插（除非是你接手需要改造，否則不要創建這樣的架構風格，這種大泥團架構很難拆分，到最后的下場往往都是重新搭建）。
2）分層單體架構：普遍的選擇，架構進行了簡單的分層，比如傳統的mvc三層架構。
3）模塊化單體架構：一般是隨著業務的發展，由分層單體架構演變而來，特點就是引入了多個業務模塊并且提供相應的服務能力。
2、單體架構的優缺點
1）單體架構的優點
- 應用的開發很簡單
- 易于對應用程序大規模的更改
- 測試相對簡單、直觀
- 部署簡單明了
- 橫向擴展不費吹灰之力
在業務的初期，單體架構的優點，無論從哪個方面來說，都優于其他架構風格，但是隨著業務的增加、耦合，單體架構的缺點也逐漸暴露出來，這個也符合“康威定律”。那么單體架構的“后期”會暴露出哪些問題呢？
2）單體架構的缺點
- 代碼庫膨脹
- 過度的復雜性會嚇退開發者
- 開發速度慢
- 從代碼提交到實際部署的周期很長，而且容易出問題
- 難以擴展
- 系統的穩定性得不到保障
- 需要長期依賴某個可能過時的技術棧
單體架構的這些缺點，其實影響的還是我上面提到的“三更原則”。經過上面的鋪墊，相信大家已經對單體架構風格已經有了簡單的理解，那么光有方法論是不行的，我們得結合項目以及代碼片段來加深理解，做到真正的應用。
接下來我就用一個庫存系統來進行串聯進行講解。先通過這張圖來了解下庫存系統是用來做什么的？
- 創建之初，1個服務提供商品庫存維護、庫存查詢、庫存扣減能力。
- 隨著業務的發展，庫存面向多個服務：B端業務，平臺內部業務系統、平臺外部中臺。C端業務，訂單商品扣減庫存、網關查詢庫存數量。
3、單體架構的案例：庫存系統
最初的庫存代碼分層如下：
- API：對外提供的dubbo服務
- common：封裝了公共方法
- dao：封裝了數據庫dbcp交互
- domain：實體類
- innerApi：系統內部api交互
- router：廢棄
- rpc：上下游rpc交互
- service：業務邏輯層
- web：web服務層
- worker：任務調度層
在最初很長的一段時間里，我們部署了兩個單體服務，一個是API接口來保障上游的庫存查詢以及調用，另一個是web服務的后臺管理平臺。這兩個單體服務很好的貼合了最初的業務迭代和發版速度，但是后來隨著業務的增加附加調用量的增加，單體服務的無論是從性能和穩定性都出現了較大的波動。
4、意料之外，情理之中的事故慘案
2015年6月26日晚，也是一個促銷活動的前夕，庫存的web管理平臺掛了，原因就是大量庫存導入，服務器的內存不足導致機器宕機。商家、運營無法通過導表的方式去維護庫存數量，在這之前已經經歷過了多次橫向擴容。還是出現了預料之外的流量和穩定性的問題。
而且在接下來的大促過程當中，庫存的單體服務API接口也承受了非常大的壓力。
一方面是上游調用方有很多，比如App端首頁中的門店網關，查詢商品是否有庫存，是否展示。購物車加車，也會查詢商品庫存的數量，提單則會對庫存數量進行扣減，乃至后續的訂單取消同樣也會調用庫存接口。
另一方面大的KA商家通過中臺對接對庫存進行操作，為了盡可能的讓商家門店的庫存和線上平臺的庫存保持一致，減少線上線下庫存不一致導致的超賣、少賣。中臺同步間隔時間都非常短，5分鐘-10分鐘就要全量同步一次。后續隨著入駐的商家增多，這個量級增長得也非常的迅速。于是我們開啟了單體服務向分布式服務演進的大門。
三、分布式架構
1、分布式架構的優缺點
1）分布式架構的優點
- 可用性高
- 可擴展性高
- 系統容錯性高
- 業務代碼可讀性高
- 維護簡單
這些優點正是我們當時庫存系統欠缺的，尤其是其中的可用性、系統容錯性，是我們系統演進迭代的首要目標。
《分布式架構體系》中描述到，分布式架構的核心理念也是按照（功能、業務、領域等）對系統進行拆分，通過合理的拆分結構，實現各業務模塊的解耦，同時通過系統級容錯設計，在廉價硬件基礎設施上構建起高可用、可擴展的開放技術體系。
所以我們庫存系統到底要按照什么進行拆分，功能？業務？領域？在拆分之前我們一定要明確設計的目標，避免目標方向錯誤帶來的人力、成本資源的浪費。在弄清楚目標之前，我們先了解下分布式架構的缺點，通過了解這些缺點來衡量滿足我們目標的前提下，需要進行哪些方面的取舍，就如CAP原則一樣，只能滿足其中的兩個，AP或者CP。
2）分布式架構的缺點
- 服務多，人員對拆分后的業務模塊理解要花費一些成本
- 技術棧升級耗費人力
- 分布式事務的保持
- 業務模塊之間的rpc交互損耗
庫存系統的特點，高可用、高并發、強數據一致性。接下來我們就來講一下，庫存是如何從單體架構向分布式架構進行的轉型。
2、單體架構如何向分布式架構轉型
因為庫存面臨的最大的問題是穩定性，所以我們首先針對功能進行了拆分。
1）功能拆分
這一步是相對簡單的，我們梳理出庫存面向服務的業務方進行服務劃分。這部分無需進行太多代碼的改造，一套接口通過變更不同的group別名，部署到不同的集群即可。
拆分后，不同的服務應對不同的業務方，系統錯誤的隔離性好，不會說出現一損俱損的局面，穩定性上也有了保障。在解決了穩定性的問題后，留給我們了一些喘氣的間隔，可以有時間去進行代碼的優化。因為剛才也提到了，我們只是通過分布式的集群部署來解決容錯性的問題，但是代碼還是一套，臃腫的代碼也會拖慢我們的開發上線速度。那么接下來要進行的就是，對業務代碼的解耦，這塊也是難度最高的。我們是如何做的呢？
2）業務拆分
業務拆分的思路是什么呢？
- 以業務本身為導向，充分了解系統業務模型，劃分業務邊界
- 業務依賴的范圍，細分功能，盡量減少功能之間的重復依賴
- 根據拆分功能的影響大小進行評估，拆小保大
- 拆分的過程中不要修改業務邏輯，不要進行拆分之外的任何優化動作（除非是bug）
基于上述拆分的思路，庫存系統又是如何劃分的業務模塊呢？動了哪些代碼？
3）如何劃分業務模塊
關于業務劃分，網上有很多方法論，事件風暴法、四色建模法等等，但是萬法不離其宗，那就是圍繞事件。以庫存系統舉例：庫存初始化（門店+sku庫存創建）、庫存數量維護（修改現貨數量、修改可售狀態）、扣減業務（購物車扣減、提單扣減、訂單取消扣減）、提醒業務（缺貨提醒）等。每一個事件都有獨立的鏈路軸，以及時間線可以形成閉環。
4）如何在原有模塊上拆分
大多數單體架構都是面向過程的設計，domain層充斥這個各種DTO、VO、BO，所以在層與層的數據交互過程中，大都是經歷了多次的POJO。另外就是service層充斥著和DAO層數據交互以及參雜了業務，而且嚴重違反了依賴倒置原則，整個層變得非常的沉重。這里舉個例子：
- 同層級間相互引用
- service層包含了太多業務邏輯，無法保障原子性
這里截取部分代碼片段作為案例，來講述下我們在拆分業務的過程中，需要做一些什么操作。
- 對service層進行CQS的拆分
- 把業務邏輯從原有的service層抽離，保障service方法遵循SRP原則。
- 新增業務聚合層（或者向六邊形架構里提到的adapter轉接口）來聚合service層的方法
①原始代碼
@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;//同級互相引用，未遵循依賴倒置@Resourceprivate MqService mqServiceImpl;@Value("${system.group.environment}")private String systemGroupEnvironment;* 問題：service層聚合了太多業務邏輯 倒置上層方法沒辦法統一* @param skuMainInfoMQEntity* @throws Exceptionpublic void editorSaveProuct(SkuMainInfoMQEntity skuMainInfoMQEntity) throws Exception {try {SkuMainBean skuMainBean = skuMainInfoMQEntity.getSkuMainBean();if (skuMainBean == null) {throw new Exception("修改參數為空！");SkuMainBean originalSku = this.getSkuMainBeanBySkuId(skuMainBean.getId());if (originalSku == null) {throw new Exception("無效SkuId！");SkuMainBean skuMainUpdate = updateIsWeightMark(skuMainBean);SkuMainBean skuMainPre = this.get(skuMainUpdate.getId());// 系統下架的商品 強制下架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,把緩存覆蓋if (saveSkumainBean != null) {cacheSkuMainBean(saveSkumainBean);// 發送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("修改商品信息失敗.e:", e);throw new Exception(e);
②CQS和SRP的改造，拆解GOD Classes
- Read服務
- Write服務
③抽離到業務層business層后
@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;* 問題：service層聚合了太多業務邏輯 倒置上層方法沒辦法統一* @param skuMainInfoMQEntity* @throws Exceptionpublic void editorSaveProuct(SkuMainInfoMQEntity skuMainInfoMQEntity) throws Exception {try {SkuMainBean skuMainBean = skuMainInfoMQEntity.getSkuMainBean();if (skuMainBean == null) {throw new Exception("修改參數為空！");SkuMainBean originalSku = skuMainReadservice.getSkuMainBeanBySkuId(skuMainBean.getId());if (originalSku == null) {throw new Exception("無效SkuId！");SkuMainBean skuMainUpdate = skuMainWriteservice.updateIsWeightMark(skuMainBean);SkuMainBean skuMainPre = skuMainReadservice.queryDbById(skuMainUpdate.getId());// 系統下架的商品 強制下架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,把緩存覆蓋if (saveSkumainBean != null) {skuMainWriteservice.cacheSkuMainBean(saveSkumainBean);// 發送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("修改商品信息失敗.e:", e);throw new Exception(e);
④構建好的業務層
5）拆分小結
拆分到這里，業務層的劃分基本就比較清晰了，而且在這個增量整合底層代碼的過程中，面向過程的業務線也都梳理的比較清晰了，底層方法也都提取到了業務層收口，通過接口對外提供服務。那么接下來我們要面臨的問題就是，如何對具體的讀寫進行拆分。
3、基于CQRS打造分布式服務
上面我們也提到了，進行了整體功能的拆分，并沒有對具體的讀寫服務的拆分。在面向服務的場景下，功能里也是分讀服務、寫服務。那么我們有什么原則來指導讀寫服務的分離么？那就是CQRS的思想：命令職責查詢分離，不單單指代碼，同樣也是適用于服務。
1）優先拆分讀還是優先拆分寫
建議從拆分讀開始，因為讀服務相對于寫服務簡單一些，而且更容易提高系統對外服務的穩定性，寫服務的流程相對底層改動比較大，測試的周期也會比較長。在前期，動寫服務系統出問題的概率會比較大，所以綜合穩定性、擴展性來說，優先拆分讀服務是一個比較好的選擇。
2）CQRS的思想適合所有業務場景嗎
以庫存系統舉例，我們就按照CQRS的思想復刻一版，看看會出現什么問題。
- 每一次修改同步庫存寫入任務表
- schedule任務讀取任務表
- 把任務表的修改數據同步到Read服務中的redis中
在這個過程中，存在兩個問題：
- 大數據量任務同步的問題。也就是Event Bus同步redis的數據同步速度問題。
- 延遲問題。庫存要求實時性非常高，如果因為任務積壓導致的延遲，會讓庫存陷入困境之中。大量的庫存數量不對導致的超賣、超賣會瞬間擊潰業務。
所以每一個架構、每一種思想都是要結合業務去分析，我們可以借鑒CQRS的命令查詢職責分離，在面對業務系統部署的時候，不要死板的遵循固有的模式，要對現有的風格做出一定的取舍。所以，我們在應對庫存業務的時候，基于CQRS的風格創建出了庫存獨有的CQRS-StockCenter（名字自己起的 哈哈）
3）CQRS的活學活用：CQRS-StockCenter
- business業務層寫入命令
- writeService服務寫入讀服務Redis
- MQ消息作為異步數據補全寫入MySQL備份、寫入流水
庫存通過這套設計強依賴了Redis來作為庫存查詢、修改的中間件。保障了數據的強一致性。庫存在原有的服務上，分離了讀寫，保障了系統的CQRS命令職責查詢分離。
4）分布式的事務
我們大家都知道事務，簡單來說：事務由一組關聯操作構成，A->B->C ，如果執行到C報錯了，那么要回滾B->A。
對于本地事務來說，這個相對很簡單，如果你用了事務型數據庫比如mysql，并且不涉及多個數據源的情況下，保障事務的ACID非常的容易。
但是我們這里要提到的就是分布式的事務。因為系統拆分后，每個服務是一個獨立的模塊，負責一塊業務，那么在整個業務軸的流程下，各個服務節點的跨系統事務回滾成為了一個難題。業界也有一些方案，比如
- JTA（JAVA Transaction API即Java事務API）和JTS（Java Transaction Service即Java事務服務），為J2EE平臺提供了分布式事務服務。
但是這種需要滿足XA（兩階段提交）的標準，非常的重，而且現在的業務多樣性，很多數據庫比如：mongo ，并不支持XA的標準分布式事務，一些流行的中間件，比如RabbitMQ和kafuka也不支持分布式事務。
作者丨樹洞君
來源丨網址：https://juejin.cn/post/7121885160068349982
