本篇内容介绍了“自动化微服务治理的优点有哪些”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
微服务粒度适应度函数
对于微服务架构来说,最令人头疼的一个问题就是微服务粒度。从最源头上,我们应该遵循『两个披萨团队』这个定律,即:
单个服务的设计,所有参与人从设计、开发、测试、运维所有人加起来 只需要 2 个披萨就够了。
但是,事实上从国内大中小公司的实践情况来看,并非如此。往往是一个团队维护了超过其自身数量的微服务,即 6 个开发人员可能维护了 8 个微服务。大家常犯的一个错误是:通过技术维度而非业务维度划分微服务。关于这部分的自动化,我暂时找不到头绪。但是,我们可以判断两个微服务是否可以合并:即基于 Git 日志的微服务粒度合理性分析。
服务提交人数。通过 git log 来查看单个微服务的提交情况
变更频率。寻找多个模块之间,是否存在大量同时变更的情况
需求关联度。通过识别提交信息规范,来识别多个微服务、模块、类是否存在经常同时变更
在这个时候,我们只需要使用和 coca git 类似的解析函数,就能达到类似的效果。
API 的适应度函数
在 Coca 中已经内置了 API 分析相关的功能,可以支持识别 Spring 的 API 注解,以及服务声明的 API 方式,同时分析调用关系等等。所以,我就不需要开发一个这样的功能了,只需要稍微完善一下,补充一些分值情况。对于 API 设计来说,这个工具要做这么几件事:
对于大部分的公司来说,要做到 RESTful 的第一级都相当的困难。
数据库表适应度函数
微服务把服务间调用从函数调用变成了远程调用,这也意味着,我们并不能从 A 服务直接访问 B 服务的数据库,而是通过访问 B 服务的接口,借助它去访问数据库。但是,在某些场景下,A 和 B 是需要共用数据库(比如说,收费的 Oracle 数据库实例),但是我们需要强制性的限制 A 和 B 服务对于表的访问。所以,我们需要分析多个服务之间是否存在对于同一个表的修改,又或者是存在对于多个表的修改。
表和服务关系维护。扫描 MyBatis 等这一类的工具,生成表和服务关系维护
实现『数据库表-映射服务』的快照测试。
简单来说,我们的工具在这一部分所要做的事情是:每次代码提交时,进行自动化地扫描,生成一个快照。刚其与存储的快照进行对比,判断数据库是否有问题。随后设置一个合理的调优公式,也就是这部分的架构适应度函数。
分层架构适应度函数
在解决了表面的问题之后,我们可以尝试达到整洁架构这一目的。对于分层架构来说,我们要做的事情可能会稍微复杂一下。不过,好在复杂的调用关系识别,已经由 Coca 实现了。于是乎,对于我们的分层架构适应度函数,只需要做到这么一些事情:
微服务之间是否存在函数调用?
单个服务的所有 API 是否在同一个包内,如 controller。
是否存在不合理的 common、util 模块。
对于三层包架构迁移到整洁架构的改进可视化。
简单来说,就是将《系统重构与迁移指南》一书中记载的部分,通过自动化的方式进行识别。
数据结构适应度函数
关于数据结构/数据模型,已经有一些工具可以做类似的事情。对于微服务架构来说,我们所要做的一些判断是:
然后,针对于一些不同的使用情况,还存在一些不一样的识别模式。
模型分析
在某些特定的场景之下,团队会将共用的模型抽取到公共的模块中,提供给多个微服务使用。这种模式本身可能是有问题的,因为在不同的限界上下文里,它些模型本身不应该是一致的。
相似度分析
考虑到复用和耦合之间的关系,这里不会建议它们共用的。不同服务之间需要一定的 copy/paste,但是需要考虑更好的方式,如采用类似于 proto 这样的 DSL 生成方式。同时,通过 DDD 的方式进行管理 —— 针对于不同的相似类型,有更好的命名方式。
其它细节
我们还要做好一些基础设施,比如对于模块的处理:
模块标志
build.xml
gradle
pom.xml
bazel
模块归属权
需求关联
提交信息识别(可输入式正则关系,配置化)
记录包-需求-服务关系
聚类分析
……
嗯,这些都不是容易的事。
“自动化微服务治理的优点有哪些”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注天达云网站,小编将为大家输出更多高质量的实用文章!