本系列为之前系列的整理重启版，随着项目的发展以及项目中的使用，之前系列里面很多东西发生了变化，并且还有一些东西之前系列并没有提到，所以重启这个系列重新整理下，欢迎各位留言交流，谢谢！~
Spring Cloud 官方文档说了，它是一个完整的微服务体系，用户可以通过使用 Spring Cloud 快速搭建一个自己的微服务系统。那么 Spring Cloud 究竟是如何使用的呢？他到底有哪些组件？
spring-cloud-commons组件里面，就有 Spring Cloud 默认提供的所有组件功能的抽象接口，有的还有默认实现。目前的 2020.0.x （按照之前的命名规则应该是 iiford），也就是spring-cloud-commons-3.0.x包括：
- 服务发现：
DiscoveryClient，从注册中心发现微服务。 - 服务注册：
ServiceRegistry，注册微服务到注册中心。 - 负载均衡：
LoadBalancerClient，客户端调用负载均衡。其中，重试策略从spring-cloud-commons-2.2.6加入了负载均衡的抽象中。 - 断路器：
CircuitBreaker，负责什么情况下将服务断路并降级 - 调用 http 客户端：内部 RPC 调用都是 http 调用
然后，一般一个完整的微服务系统还包括：
- 统一网关
- 配置中心
- 全链路监控与监控中心
Spring Cloud 一直处于非常活跃，非常快速迭代的过程，并且 Spring Cloud 高度依赖 Spring Boot，Spring Boot 与 Spring Cloud 相辅相成。但是，快速迭代带来的不只是新功能的引入以及原有功能的优化，还有就是升级过程中带来了很多兼容性，功能性，完整性，稳定性的烦恼。本系列旨在帮助广大读者了解不同大版本 Spring Boot & Spring Cloud 的特性功能以及底层原理的同时，使用这些组件实现一个具有完整功能的微服务体系，同时这个体系会适应目前最新的云原生环境。
我们使用的是目前最流行的 Docker + Kubernetes 的组合。目前一般微服务架构，都不会直接使用物理机，因为现代的互联网业务一般都具有这样的特性（我们拿电子商城举例）：
- 业务会在某一时刻开始突然开始快速增长，例如我们开始在各地投放广告，用户不断进入网站，随着口碑不断变好，用户增长速度越来越快。
- 业务在一段时间内，有高峰有低谷。例如在一天内，白天一般都在上班，晚上访问网站下单的人数比较多。
- 业务在一段时间内，最高峰与最低峰之间的差距随着业务增长越来越大。由于大部分用户都在晚上访问网站下单，导致白天和晚上的流量相差越来越大。
- 会突然出现流量尖峰，并且很难预测这个时间点以及估计量。例如双 11 促销的时候，人们大量涌入，很难能估计的好会有多少流量。还有就是突然大家需要某个商品的时候，例如新冠刚开始的时候，口罩抢购一空。
对于这些特性，根据业务压力，智能并且快速动态扩容缩容这个功能变得越来越重要，但是这个功能在直接部署业务到物理机上很难实现。这时候出现了虚拟机，将物理机虚拟化抽象成多个虚拟机，比如 vmware 和 openstack，我们可以使用虚拟机在我们的操作系统中模拟出多台子电脑，子电脑之间是相互隔离的，这样可以更细致动态的分配物理机的资源。但是虚拟机对于开发和运维人员而言，还是太过于笨重了，存在启动慢，占用空间大，不易迁移的缺点。 接着，容器化技术应运而生，它不需要虚拟出整个操作系统，只需要虚拟一个小规模的环境即可，而且启动速度很快，除了运行其中应用以外，基本不消耗额外的系统资源。Docker 是应用最为广泛的容器技术，通过打包镜像，启动容器来创建一个服务。但是随着应用越来越复杂，容器的数量也越来越多，由此衍生了管理运维容器的这个重要场景。这个场景目前最流行的解决方案就是 Kubernetes(k8s)。
Kubernetes 能为我们提供如下功能：
- 容器编排与管理，机器资源管理以及存储卷挂载
- 服务的健康检查以及自愈
- 服务弹性扩容
- 配置中心
- 服务发现与调度
- 负载均衡
在我们公司中，项目团队包括了运维团队以及后端开发团队。对于 Docker 镜像打包与管理以及对于 K8s 的开发维护部署，主要交给运维团队。微服务业务开发维护，实现微服务特性的框架的开发维护是交给后端开发团队的。所以对于 K8s 的功能，我们只使用了前三个，对于配置中心、服务发现与调度还有负载均衡，我们还是主要交给实现微服务特性的框架实现的，未来可能会将这三个功能使用起来。
微服务框架需要考虑与 K8s 的交互，主要是服务的健康检查以及自愈以及服务弹性扩容：
- 服务的健康检查以及自愈：K8s 可以通过检查端口是否被监听使用，调用 http 接口来检查进程是否启动以及进程的健康性，我们需要提供这种健康检查接口。主要通过 spring boot 的 actuator 实现
- 服务弹性扩容：K8s 需要获取进程的监控指标来决定是否需要扩容，并且我们也需要监控中心采集这些指标。我们主要通过 grafana（监控中心） + prometheus（采集指标） + actuator（暴露接口） 实现。
本篇主要交代了我们使用 Spring Cloud 作为我们微服务框架的背景以及底层的云组件和功能边界，接下来我们会继续介绍我们要使用微服务框架实现的功能，以及包含的组件和使用中要考虑的问题。
