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(lián)網(wǎng)互動的大型應用，它們以操作系統(tǒng)作為宿主；也有網(wǎng)站、小程序、PWA等借殼的應用。面向用戶表現(xiàn)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(yè)務的核心邏輯體現(xiàn)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(fā)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(tǒng)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(shù)據(jù)、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(yōu)點、潛在問題和最佳實踐
• 一些現(xiàn)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(fā)傳統(tǒng)企業(yè)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(yè)務邏輯層和數(shù)據(jù)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(tǒng)的各個模塊可以獨立甚至并行開發(fā)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(xiàn)在產(chǎn)品上線后的變更上。體現(xiàn)在：

1. 在大型系統(tǒng)中，層的劃分邏輯并不那么明顯，可能出現(xiàn)過度分層的問題
2. 分層往往是從技術角度做的，沒有按照業(yè)務領域進行，導致系統(tǒng)對業(yè)務擴展不友好
3. 分層以后，跨層通信比較困難，對性能敏感的業(yè)務無法接受由此帶來的網(wǎng)絡通信開銷和編解碼開銷
4. 迭代困難，因為需要所有層的變更，協(xié)調多個團隊的成本非常高

分層架構在私有云系統(tǒng)中非常常見，比如一個私有云的解決方案可以設計為：

1. 物理機層：物理機、網(wǎng)絡設備等
2. 虛擬化層：將物理資源進行虛擬化，可以用kvm
3. 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
4. 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(fā)出的一層殼
5. 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(fā)送到后端，協(xié)議可以是HTTP或RPC。通常情況下，后端的worker接收任務后，執(zhí)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(wǎng)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(shù)據(jù)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(xiàn)一套完整的業(yè)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(fā)團隊進行開發(fā)，理論上也可以單獨部署，不用和其他團隊進行太多的協(xié)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(fā)布節(jié)奏、更快的創(chuàng)新和高度的彈性及擴展性。

目前大型互聯(lián)網(wǎng)公司普遍采用微服務架構，處理用戶側發(fā)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(fā)布模型，也叫生產(chǎn)者-消費者模型。生產(chǎn)者負責發(fā)布事件到消息隊列，消費者訂閱消息隊列。生產(chǎn)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(shù)據(jù)，在數(shù)據(jù)采集分析場景下使用非常廣泛。比如IoT場景、大型互聯(lián)網(wǎng)應用的數(shù)據(jù)收集子系統(tǒng)（日志/埋點數(shù)據(jù)回收）。

大數(shù)據(jù)、大計算

大數(shù)據(jù)是目前互聯(lián)網(wǎng)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(fā)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(shù)據(jù)是，通常是說對一個超大數(shù)據(jù)集進行分片/區(qū)，執(zhí)行并行計算，最終產(chǎn)出分析和報表。數(shù)據(jù)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(shù)據(jù)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(tài)，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(tài)。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(xiàn)。

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(shù)據(jù)只歸屬于擁有它的服務，服務之間不共享數(shù)據(jù)的所有權

遵循這些限制之后，系統(tǒng)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(fā)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(yè)務領域

不同架構模式面臨的挑戰(zhàn)vs收益

架構的限制使其在某些場景下面臨一些挑戰(zhàn)，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(zhàn)。

下面列出了在選擇架構模式時面臨的四類挑戰(zhàn)：

1. 復雜性。架構的復雜性是否匹配我們所在的業(yè)務領域？換句話說，架構模式在處理這個業(yè)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(tǒng)會演變成一堆屎山，因為架構無法幫你梳理清楚依賴關系。
2. 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(tǒng)穩(wěn)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。
3. 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(shù)據(jù)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(wǎng)絡擁塞。
4. 可管理性。管理應用的難度如何，包括監(jiān)控、部署、更新等等？