应用程序的架构演变,微服务不是终点

本文涉及的产品
云原生网关 MSE Higress,422元/月
任务调度 XXL-JOB 版免费试用,400 元额度,开发版规格
注册配置 MSE Nacos/ZooKeeper,182元/月
简介: 在信息量剧增的大背景下,新的问题层出不穷,变化多端而且变形的速度越来越快,新形态的存续时间越来越短。这个时候,创新业务模式、创新技术架构,成为必须。

近些年来,应用程序的架构一直在演变,这个变化过程是由什么力量所驱动呢?它的变化方向又是由什么所决定的呢?开宗明义,应用程序架构,作为一个因变量,它的自变量是互联网带来的信息量剧增。

为什么这么说?我们先看下信息量的增长态势。

举一个例子,维基百科,它本质上是百科全书结合互联网所产生的新形态。全球上百万人的线上协作成就了它。它一改纸质《大英百科全书》等由专家编写、校对的传统,访问网站的普通人,都可以自由编辑上面的词条。截止目前,整个维基百科网站的总编辑次数超过10亿次,所收录的词条数超过450万篇。对比纸质《大英百科全书》,其条目数是10万篇,与维基百科有几十倍的落差,由于它是纸质的,更新速度也远不及维基百科。这意味着因为互联网的出现,单百科这一项,信息量就有几十、上百倍爆炸式增长。

再举一个例子,淘宝,它本质上是商品交易市场结合互联网的新形态。截止目前,淘宝的卖家数超过百万,注册买家数超过5亿,在线商品数超过8亿,每天有几千万的访客,每分钟可以达成几万笔商品交易,供给侧和需求侧的规模史无前例。这些数字是传统线下商圈所无法想象、无法比拟的。这意味着因为互联网的出现,单零售这一项,信息量有了几万、几十万倍的爆炸式增长。

不积跬步无以至千里,不积小流无以至江海。量变引发质变,而量的变化需要一个过程。我们回顾信息量变化的过程,发现它的变化呈现加速度的趋势,是指数级变化。具体而言,把信息量的变化剖判开来,分为供给侧和需求侧。作为变化中的供给侧,也就是提供服务的一方,若想在信息量增长的洪流中不被淘汰、并谋求最大利益,即挣更多需求侧的钱。就必须与其他供给侧激烈竞争,致胜的关键是通过创新来进行营销手段的丰富和服务能力的升级。

以电商平台为例,我们看它变化出了怎样的营销手段。

  • 丰富促销活动,如秒杀、荷兰式拍卖、传统节日和线上购物节的打折、满减、拼团等等。
  • 扩大营销入口数量,增加移动端,如App、微商城、微信小程序、支付宝小程序。
  • 精准营销。利用历史数据对用户进行分析,提供个性化服务,如定向优惠券、商品推荐。甚至,进行大数据杀熟。
  • 其他种种。

这些营销手段的落地,需要技术架构有力支撑。由于可扩展性、可用性、可靠性及应对海量并发等能力的不足,单体应用,明显扛不住了。这个形势下,为寻求问题的解决,新架构势必产生,微服务架构就是其中的一种。

信息量的增加,导致了竞争的加剧,进而导致了业务模式的变化,又进而导致了技术架构的变化,即应用程序架构的变化。自此,从自变量到因变量的逻辑线,打通了。

微服务架构是一个怎样的架构?我们知道,任何创新,都是要素的拆分和重新组合。我们看应用程序是如何拆分的,又是如何组合的,就能看清创新的面目。

还是以电商平台为例,它的应用可以这样拆分。
_1
这个拆分过程中,大量的冗余代码被删除。这些拆出来的各个微服务,构成一个控制层。所有的前端,都可以从这个控制层获取所需的数据。

同时,共用的数据库也被拆分,所有持久化层相互隔离,由各个服务自己负责。另外,为了提高系统的实时性,还加入了消息队列机制。

新的组合方式,由于变得复杂化,也带来了新问题。各个微服务之间,构成了彼此依赖的关系。一个服务发生故障,就可能会产生雪崩效用,导致整个系统故障。而且,更要命的是,定位故障点变得非常困难。之前的单体应用,排查问题通常是看一下日志,研究错误信息和调用堆栈。现在可怎么办?

可以从两方面入手,一方面尽量减少故障发生的概率,另一方面降低故障造成的影响。减少故障发生的概率,可以通过监控来实现。比如,采用Prometheus作为指标采集器,用Grafana配置监控界面和邮件告警。同时用链路跟踪,来定位问题。通过引入网关,来实现权限控制和服务治理。

在降低故障造成的影响方面,有熔断、服务降级、限流三大法宝。玩法也是丰富多样。

总结

在信息量剧增的大背景下,新的问题层出不穷,变化多端而且变形的速度越来越快,新形态的存续时间越来越短。这个时候,创新业务模式、创新技术架构,成为必须。而创新的关键,是发现变化最快的那个组件。把它和其他关键组件拆分出来,进行重新的组合。这一过程,附带产生的问题,则需要,引入其他模块,来做配套。微服务不是技术架构演变的终点,Serverless、FaaS等等这些还在台下等着粉墨登场,书写新的时代。

相关文章
|
1月前
|
Cloud Native Serverless API
微服务架构实战指南:从单体应用到云原生的蜕变之路
🌟蒋星熠Jaxonic,代码为舟的星际旅人。深耕微服务架构,擅以DDD拆分服务、构建高可用通信与治理体系。分享从单体到云原生的实战经验,探索技术演进的无限可能。
微服务架构实战指南:从单体应用到云原生的蜕变之路
|
1月前
|
人工智能 JavaScript 前端开发
GenSX (不一样的AI应用框架)架构学习指南
GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架,以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性,让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展,兼具灵活性与工程化优势。
193 6
|
2月前
|
人工智能 Cloud Native 中间件
划重点|云栖大会「AI 原生应用架构论坛」看点梳理
本场论坛将系统性阐述 AI 原生应用架构的新范式、演进趋势与技术突破,并分享来自真实生产环境下的一线实践经验与思考。
|
2月前
|
机器学习/深度学习 人工智能 vr&ar
H4H:面向AR/VR应用的NPU-CIM异构系统混合卷积-Transformer架构搜索——论文阅读
H4H是一种面向AR/VR应用的混合卷积-Transformer架构,基于NPU-CIM异构系统,通过神经架构搜索实现高效模型设计。该架构结合卷积神经网络(CNN)的局部特征提取与视觉Transformer(ViT)的全局信息处理能力,提升模型性能与效率。通过两阶段增量训练策略,缓解混合模型训练中的梯度冲突问题,并利用异构计算资源优化推理延迟与能耗。实验表明,H4H在相同准确率下显著降低延迟和功耗,为AR/VR设备上的边缘AI推理提供了高效解决方案。
401 0
|
1月前
|
机器学习/深度学习 自然语言处理 算法
48_动态架构模型:NAS在LLM中的应用
大型语言模型(LLM)在自然语言处理领域的突破性进展,很大程度上归功于其庞大的参数量和复杂的网络架构。然而,随着模型规模的不断增长,计算资源消耗、推理延迟和部署成本等问题日益凸显。如何在保持模型性能的同时,优化模型架构以提高效率,成为2025年大模型研究的核心方向之一。神经架构搜索(Neural Architecture Search, NAS)作为一种自动化的网络设计方法,正在为这一挑战提供创新性解决方案。本文将深入探讨NAS技术如何应用于LLM的架构优化,特别是在层数与维度调整方面的最新进展,并通过代码实现展示简单的NAS实验。
|
3月前
|
Web App开发 Linux 虚拟化
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
237 0
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
|
3月前
|
机器学习/深度学习 数据采集 存储
技术赋能下的能源智慧管理:MyEMS 开源系统的架构创新与应用深化
在全球能源转型与“双碳”战略推动下,MyEMS作为基于Python的开源能源管理系统,凭借模块化架构与AI技术,助力重点用能单位实现数字化、智能化能源管理。系统支持多源数据采集、智能分析、设备数字孪生与自适应优化控制,全面满足国家级能耗监测要求,并已在制造、数据中心、公共建筑等领域成功应用,助力节能降碳,推动绿色可持续发展。
116 0
|
4月前
|
缓存 Cloud Native Java
Java 面试微服务架构与云原生技术实操内容及核心考点梳理 Java 面试
本内容涵盖Java面试核心技术实操,包括微服务架构(Spring Cloud Alibaba)、响应式编程(WebFlux)、容器化(Docker+K8s)、函数式编程、多级缓存、分库分表、链路追踪(Skywalking)等大厂高频考点,助你系统提升面试能力。
248 0
|
11月前
|
弹性计算 API 持续交付
后端服务架构的微服务化转型
本文旨在探讨后端服务从单体架构向微服务架构转型的过程,分析微服务架构的优势和面临的挑战。文章首先介绍单体架构的局限性,然后详细阐述微服务架构的核心概念及其在现代软件开发中的应用。通过对比两种架构,指出微服务化转型的必要性和实施策略。最后,讨论了微服务架构实施过程中可能遇到的问题及解决方案。

热门文章

最新文章