有品：There is no silver bullet；

一、简介

在微服务工程的技术选型中，会涉及到很多组件的集成，最常用包括：缓存、消息队列、搜索、定时任务、存储等几个方面；

如果工程是单服务，对于集成组件的管理来说并不算复杂；但是在分布式的多服务系统中，随着拆分的服务数量上升，统一管理各种组件的复杂度也会提高；

如上图，是团队内部维护的一份重要的系统清单：描述整个微服务体系中核心组件的依赖情况；【并不完整】

在整个工程内部拆分了几十个服务，基于一份系统架构图和一份组件依赖清单，如果熟悉微服务架构模式，可以非常快速的了解系统的基础原理和结构；

复杂系统对于中间件的依赖很重，需要在实践过程中不断的积累和总结经验，持续优化各种组件的应用策略；

对于组件来说，与项目工程的集成模式，核心的应用场景，以及在业务场景中的迭代优化，是研发需要重点关注的方面；

二、缓存管理

【集成模式】

Redis 作为最常见的缓存选型，在与分布式工程集成时，其形式也存在很大的灵活度；

单服务：在分布式工程中，如果服务使用独立的 Redis 组件，通常是该服务支持的业务场景比较独特，比如高并发或者数据体量较大等；

分布式服务：微服务常见的集成方式，不同的服务使用同一个 Redis 的不同 DB 编号，其他服务必须通过该服务的接口访问其缓存数据；

缓存中心：整个工程基于一个缓存中心服务来管理，其适配的业务场景比较特殊，多个服务紧密协作，调度和处理相同的数据主体；

在实际的分布式系统中，通常是模式一和模式二两种都采用，而模式三更多的是应对特殊的需求场景；

【应用方式】

虽然 Redis 可以极大的提升效率，但是在实际的应用中，涉及最多的就是数据缓存和加锁两个核心能力，对于组件的 API 使用并不算复杂；

无论是在框架层面的浅封装一层，还是围绕 Redis 组件编写常用的工具方法，都可以很好的实现工程和 Redis 相关 API 之间的解耦；不同服务之间缓存数据获取，需要通过各个服务提供的接口进行查询；

三、消息队列

【集成模式】

Kafka 作为消息队列的常见技术选型，在与分布式工程集成时，在设计上会围绕消息生产和消费的基本模式；

服务内集成：在各个服务内部直接引入消息组件，服务可能是消息生产者也可能是消费者，当重度依赖消息通信时，流程可维护性比较差；

消息服务封装：单独封装消息生产和消费两个服务，来统一调度和管理消息通信，虽然提高了技术面的复杂度，但是极大降低了异步流程的管理难度；

在实际应用时，如果工程内对于消息的使用并不高频，通常是采用模式一的策略，建议做好流程注释和文档维护；如果消息使用非常高频，可以考虑模式二的策略，减轻组件维护的难度；

【应用方式】

生产和消费能力追求平衡，即便有偏差也只能是消息的【消费】大于【生产】的效率，才能避免消息堆积从而影响正常的业务流程；

实践来看单纯的基于 MQ 的重试机制，并不能稳定的解决分布式架构中复杂流程的中断问题，需要围绕消息的存储设计相应的调度策略，从而推动整个流程的完整执行，无论是向下推进还是向前回滚；

四、搜索引擎

【集成模式】

对于搜索引擎 Elasticsearch 来说，个人感觉在常规业务场景中是最容易出问题的组件，使用 ES 索引的数据模型，通常结构复杂并且数据体量偏大，还涉及到大量的检索条件；

服务内管理索引和数据：通常是核心的业务场景，对数据的实时性要求极高，从常规的架构设计来考虑，虽然索引相关的结构和数据可能来自多个数据库，但是其管理的接口会统一封装在业务联系最密切的服务内；

独立组件管理索引数据：基于独立的组件（常用 Logstash）进行调度，动态地采集、转换和传输数据，不受格式或复杂度的影响，数据往往以各种各样的形式，或分散或集中地存在于很多系统中；

无论是模式一还是模式二，都是 ES 常用的集成策略，比如模式一对于核心数据模型的构建，常见于订单或商品等，模式二的经典用法之一 ELK 日志采集等；

【应用方式】

以服务内部管理索引的方式来说，多数情况下索引的结构会不断的扩展，结构更新必然也会引起数据和检索条件的同步更新，如果是结构新增的方式更新，管理难度并不大，但是已有字段的类型更新，还需要索引重建；

对于 ES 这种操作起来比较复杂的技术组件，建议是把各种常用的操作编写程序脚本来处理，并且开发相应的管理功能，用更加稳定可控的方式来管理索引的结构和数据调度；

五、定时任务

【集成模式】

Quartz 任务调度组件，在分布式系统中并不算复杂，基于定时器去触发各种任务执行即可；

服务内构建定时器：在一些简单的相对独立的服务中，可以在服务内配置定时器，去执行相应的任务流程，这种模式在复杂的分布式系统中很难维护；

独立的任务调度服务：可以统一管理任务的调度策略和执行方式（比如同步或异步），同时对任务调度服务进行监控和维护，以此确保任务调度系统的稳定性和可靠性；

通常模式一只会在个别独立的服务中采用，对于模式二来说，封装独立的任务调度服务，可以统一与其他服务进行集成或者通信，比如通过消息服务及时通知失败的任务等；

【应用方式】

在任务调度服务中，难免要和其他服务进行通信交互，从而触发相关任务的执行，如果系统内部定时任务不多的话，可以采用feign接口的方式触发，如果任务非常多，可以考虑直接构建Http请求的方式，避免服务频繁的升级迭代；

在调度任务中可能存在数据体量比较大的场景，通常就是采用分片算法加线程池并发处理的策略，但是前提也要优化好数据查询和任务处理流程，从整体上提升任务的执行效率；

六、数据存储

【集成模式】

以 MySQL 为代表的数据存储是系统中最核心的一层，其集成的形式也是灵活多变，与存储层相关的组件更是五花八门；

多服务共用数据库：对于模式一来说，在相对简单的系统中比较常用，或者服务和数据库本身偏向通用的功能性质，可以采用这种策略；

服务和库的拆分：模式二是分布式架构中最常用的设计，每个服务都具有自己相应的独立数据库，其他服务想要访问必须通过调用相应服务提供的接口才可以；

多数据源模式：在一个服务内集成多个数据源，像模式三读写分离和模式四分库分表，这是偏数据服务的业务场景中经常使用的模式；

对于系统中的数据源管理本身就是一件复杂的事情，需要兼顾各个方面，比如数据读写性能，数据安全，以及服务的稳定性等；

【应用方式】

在常规的微服务工程中，通常每个服务都会使用各自独立的数据库，在多数据源的集成模式中，常用的逻辑就是动态路由、读写分离、分库分表等，如果逻辑简单可以自定义封装，如果逻辑复杂可以使用成熟的组件；

服务集成多数据源的模式中，存在一个比较明显的复杂问题，如何在不停止服务的情况下，进行数据源的动态管理，此前实践过的模式：提供不同数据源的适配服务来实现各自的策略，在完成数据源的动态调整后，停止其中旧服务即可，虽然流程偏重偏复杂，但是稳定可靠；

七、参考源码

编程文档：https://gitee.com/cicadasmile/butte-java-note
应用仓库：https://gitee.com/cicadasmile/butte-flyer-parent