這裡是 WWW 第伍期,Wow Weihang Weekly 是一個毫無章法的個人週刊,出刊週期極不固定,從一週到五年都有可能。初期內容以軟體工程為主,等財富自由後會有更多雜食篇章。

Microservices: From Design to Deployment

這是 microservices.io 的作者在 NGINX blog 上面的系列文章,雖然是 2015 年的舊文,從起源、問題,和模式來理解微服務依然詳實,看完絕對驚呼:原來現在 Cloud Native 世界這麼混亂是有些道理!

Note:不知道為什麼作者很愛提到 Netflix 各種微服務的專案,不過 Netflix 的 Java 開源微服務工具數量之多還真大開眼界

以下分別摘要每個主題:

Introduction to Microservices

簡介什麼是微服務,有什麼優缺點,並介紹微服務架構下常見元件,鋪陳給接下來的系列文,總之是個不想看可跳過的篇章。

Building Microservices: Using an API Gateway

介紹 API gateway 為什麼存在:統一微服務一致對外的介面,解耦客戶端與微服務們,但缺點是 API gateway 需要更多 operational cost,也要維持 hign availibility。

實作 API gateway 要注意以下幾點:

  • Performance:所有請求都會通過 gateway,所以效能和擴充性一定要好
  • Reactive Programming 模式:gateway 需要集合各種請求,善用 Reactive programming 模式很有幫助
  • Service Invocation:微服務之間就是 IPC(inter-process communication),如何透過不同模式相互 invoke 很重要,下一章會詳述
  • Service Discovery:如何讓服務之間互相知道彼此,就是「服務發現」的工作了,分為 client-side 和 service-side discovery,之後有專文說明
  • Partial Failures:微服務之間不像單體服務可以用簡單的 transaction 處理錯誤並 rollback,處理部分錯誤,保持 CAP 的 consistency 是個重要課題

Building Microservices: Inter‑Process Communication in a Microservices Architecture

介紹微服務間 IPC(inter‑process communication)的方法與模式,這是系列文中最接近實作層面的文章,很棒。

IPC 常見的溝通模式根據同步與非同步,以及一對一或一對多,有許多不同的作法,例如 request-respone(一對一、同步)、publish-subscribe(一對多、非同步)。而常見的技術有:

  • Message-based communication(message queue)
    • client-service 完全解耦合
    • message 有 buffering
    • 有明確的 IPC,反觀 RPC 可能會以為自己在 invoke local function
    • 系統複雜度增加不少
    • 非同步,不容易做到同步的 request-response 互動模式
  • 同步溝通:REST
    • 對 entity/resource 操作,很簡單,大家都熟悉
    • 如果用 HTTP,防火牆通常不會擋
    • 因為是同步的溝通,client 和 server 要一起等待互動結果出爐
    • client 必須明確知道自己要到哪裡找資源,這部分有較重的耦合
    • REST 有個 4 level 的 Maturity Model 可以參考
  • 同步溝通:Thrift(注:其實應該要泛稱各種 IDL)
    • 一個老牌,可以作為 IDL 的 binary format
    • 有 compiler 可以協助產生各種語言的 code
    • (注:個人偏好 ProtoBuf 或是 FlatBuffer 這些更高效支援也廣的格式)

而 message format 也是重要的課題:選擇好用的 IDL 可以減少雙方來來去去修改 spec 的時間,例如 JSON schemaProtocol Buffer

Service Discovery in a Microservices Architecture

Service discovery 可以動態改變每個服務的位置,讓服務之間不再需要寫死 IP,使得部署與 scaling 更為彈性,主要分為兩種方式:client-side 與 server-side。

  • client-side:client 詢問 service registry 來取得可用的服務位置,而且可以做到 client-side load balancing,但相對地,不同語言的 client 都需要實作一遍這個 discovery 邏輯
  • service-side:服務隱藏在 load balancer 後,load balancer 詢問 service registry,再決定要用哪個服務,完全抽象於 client 外,但也必須導入 load balancer 這個角色而且必須做 HA。

此外,實作 service discovery 最重要的元件是 service registry,將服務註冊在 registry 上,讓其他服務可以透過 registry 發現彼此,常見使用 etcdconsulZooKeeper 達成。註冊的方式有

  • 自我註冊 Self‑Registration:服務自己主動向 registry 註冊/取消註冊
  • 第三方註冊 Third‑Party Registration:額外的 registrar 訂閱該服務的事件或 healthcheck,來決定是否註冊或取消註冊

Event-Driven Data Management for Microservices

本篇探討在微服務這種分散式架構下,每個服務都有獨立的資料庫,甚至資料庫的類型還不一樣,那如何保證 ACID、如何在 CAP 理論中作出取捨,two-phase commit(2PC)過於注重 C(consistency),不符合現代架構要求的 availability,因此,這裡提出 event-driven architecture

  • 事情發生會 publish event
  • 其他服務會訂閱這些 event 做對應處理
  • 可以保證 BASE model 中的 eventual consistency
  • 可以透過特定方法達成 Atomicity
    • 使用 local 的 transaction: event 不直接 publish 到 message broker,而是利用 local 的 transaction 寫入到 event table 中,再透過另一個 Event publisher 服務發布至 message broker
    • 從資料庫 transaction log 挖寶: transaction log 裡面資料 100% 完整,可做為 event 來源,但是 log 太生不好處理,而且和選用的資料庫緊耦合
    • 使用 Event sourcing 將原本 mutate 資料庫 table 的操作都改成一個個事件,例如 Order 狀態改變變成一個個 Order.completed Order.pending 事件,因為不再將資料映射到 Object entity,不僅省了 ORM 抽象,更保證資料 consistency(因為根本不會 mutate state),在 persistent data 的同時也會直接 publish event,但缺點是不好設計,而且不直觀,需要使用 Command Query Responsibility Segregation(CQRS) 達成特地的查詢操作。

Choosing a Microservices Deployment Strategy

由於微服務架構不論數量、語言、框架種類通常比單體架構更多,因此更難部署,這篇整理了許多不同的部署策略:

  • 一個 host 多服務
    • Pros:部署最直接、資源運用率高
    • Cons:抽象化不夠,服務直接沒有隔離
  • 一個 VM 一個服務
    • Pros:服務間獨立、安全性
    • Cons:資源運用率低、啟動慢
  • 一個 container 一個服務
    • Pros:啟動快、image 容器化容易部署、隔離完善
    • Cons:資源運用率比 VM 高但比單一 host 低、比 VM 安全性低一些
    • 如果有 cluster manager 例如 kubernetes 會增加資源運用率
  • Serverless
    • Pros:不需管理 infra、by request 算錢
    • Cons:僅適合 stateless 服務但不適合 long-running 服務、受限於 runtime 語言支援程度

Refactoring a Monolith into Microservices

如何從遷移到基本上是老生常談,還是條列有提到的策略好惹:

  • 停止堆屎: 知道目前的單體架構是一坨屎,新 feature 就別再往上加了
  • 切堆分層: 架構通常分為 1)presentation layer,和 UI 或 REST API 等相關,2)business logic layer,都是業務邏輯,以及 3)data-access layer,存取資料庫或是訊息中介 message queue 等。切好切滿更容易抽象出微服務
  • 抽出服務: 乍看之下不知道在講啥,但提到需要以 module 為單位來抽象(前提是 module 權責分明),如果本來就有遵守 Domain Model pattern 會更好抽象