应用架构图

简介: 技术架构是将业务需求转化为技术实现的关键环节,涵盖分层设计、技术选型与系统集成。本文介绍单体与分布式架构的设计原则,包括展现层、业务层、数据层及基础层的职责划分,并阐述应用间调用关系、外部系统集成与边界定义,助力构建清晰、可扩展的技术体系。(238字)

在上一节有了业务架构的基础之上,当我们需要落地具体的技术方案时,此时就需要技术人员开始考虑技术架构了。技术架构是应接应用架构的技术需求,并根据识别的技术需求,进行技术选项,把各个关键技术和技术之间的关系描述清楚。

基础结构解决的主要问题包括:如何进行技术层面的分层、开发框架的选择、开发语言的选择、涉及非功能性需求的技术选择。由于应用架构体系是分层的,那么对应的技术架构体系自然也是分层的。大的分层有微服务架构分层模型,小的则是单个应用的技术分层框架。大的技术体系考虑清楚后,剩下问题就是根据实际业务考虑选择具体的技术点。各个技术点的分析、方案选择,最终形成关键技术清单,关键技术清单应考虑架构本身的分层逻辑,最终形成一个完整的技术架构图。

简而言之,技术架构试讲产品需求转变为技术实现的过程。

单体应用架构

单体应用架构一般是比较传统的分为4层:数据层(Data Layer)、应用逻辑层(Business Layer)、表现层(Presentation Layer)和基础通用层(Common Layer)。

展现层

展现层是整个应用面向用户的入口,用户通过展现层实现与系统的交互。展现层为用户提供系统功能的操作、系统数据的展现。展现层按照面向的用户类型提供不同的交互服务。例如在业务场景中,用户有实操层用户、管理层用户、决策层用户。针对不同层级的用户,系统所提供的功能是不相同:

  • 面向实操层用户,提供的是对系统的操作功能,满足业务日常运营。往往更多的是执行具体操作。
  • 面向管理层用户,满足管理者的日常管理需求,通常提供经营数据、日常管理数据、团队业务数据等等。通过数据分析,改善日常运营的流程。
  • 面向决策层用户,这一层的用户不需要太细的数据,为其提供企业的经营诊断数据和报告,辅助决策支持。

业务层

业务层是应用为解决业务需求,按照产品架构中的功能模块进行细化。业务层是对将产品层从粗到细的分解过程。这个过程是对业务的细化过程,把项目要交付的模块细分到最基本的单元。最基本单元是实现日常业务操作的最细粒度的功能点。由此,我们能够得到实现业务逻辑的全功能结构。

数据层

数据层按照应用的数据模型分别进行存储。这里的存储介质包含关系型数据库、NoSQL、分布式文件系统。

基础层

通用基础层是为系统提供通用能力的中间件,比如流程引擎、消息中间件、缓存、搜索引擎等等。这些中间件和业务是无相关性的,提供的是通用的基础技术能力。

基于上述分析,我们可以得到一个如下单体应用的技术架构:

分布式应用架构

分布式应用架构图实质是产品内部所有应用在分布式环境下的调用关系图。各应用间通过服务的形式相互调用,这是典型的 SOA 架构。在应用架构图中,SOA 架构中的服务注册、服务治理、服务发现这些 RPC 框架的基础平台功能不用在应用架构中体现。

应用架构图的重点是体现应用之间的逻辑关系和通信关系,体现产品的内部关系和外部关系。内部关系是产品内各应用的调用关系;外部关系展现的是产品与外部系统间的调用关系。将应用的内外关系呈现在应用架构中,产品在整个业务中的定位和影响将变得清晰。

应用间调用关系

在产品内部的各子系统之间,为了解决业务需求,通过应用之间的服务调用或者异步消息调用产生数据关系。通过产品架构图中得到的应用系统划分,按照系统间的调用关系,形成内部应用的集成架构图。在应用集成架构图中,需要标注调用链路中的业务含义,清楚的标注应用之间发生的业务关系。

外部系统调用关系

数据输入做为产品的业务数据来源,很大部分是外部系统提供。在应用架构图中,按照业务属性、来源关系进行对外部系统进行归类,并将外部的来源系统纳入整个应用架构中。我们知道计算机系统中,数据输入和数据输出是作为一个整体。应用架构中除了输入系统,输出系统做为整个产品的一部分,需要纳入到应用架构图中。

明确应用调用边界

应用边界对于产品的定位、产品的设计有很重要的影响。在应用架构中需要通过不同颜色的标注,来确定产品与外部系统的边界。通过不同颜色标注外部来源系统、内部应用、应用依赖系统、输出系统。为后续的规划、发展提供基础。

相关文章
|
2天前
|
NoSQL MongoDB Linux
2-MongoDB单机部署
本文详细介绍MongoDB在Windows和Linux系统中的安装与启动步骤,包括下载地址、版本选择、解压配置、命令行及配置文件启动方法,并介绍Shell连接、图形化工具Compass的使用,以及Linux下的服务部署、防火墙设置和安全关闭方式,附带各环境安装包下载链接。
 2-MongoDB单机部署
|
2天前
|
持续交付
阿里巴巴-云效
本文介绍了如何开通云效服务并进行需求与代码管理。首先访问官网开通服务,随后在需求管理中创建项目、邀请成员,并通过看板模式跟踪任务进度。接着了解代码托管与自动化部署流程,包括创建代码库、初始化工程、提交代码及构建流水线,最终实现一键发布,提升研发效率。
|
2天前
|
项目管理 数据安全/隐私保护
需求管理的上手案例
注册登录飞书官网,填写手机号及企业信息完成注册,下载客户端并安装后,使用注册账号登录。进入操作界面可邀请成员、创建甘特图、管理需求看板及任务状态,实现高效协作与项目管理。
 需求管理的上手案例
|
2天前
|
人工智能 Serverless API
一键部署Stable Diffusion教程
本实验指导用户通过函数计算控制台部署AI绘画应用Stable Diffusion,支持选择绘图类型与地域,利用免费额度或套餐包体验服务。需注意授权、镜像加速状态及费用说明,部署完成后可访问WebUI生成图像。
 一键部署Stable Diffusion教程
|
2天前
|
NoSQL MongoDB 存储
1-MongoDB相关概念
MongoDB是一款高性能、无模式的文档型NoSQL数据库,适用于高并发读写、海量数据存储及高可用扩展场景。其灵活的BSON文档模型支持嵌套结构和动态 schema,广泛应用于社交、游戏、物联网等领域,尤其适合对事务要求不高但需快速迭代与水平扩展的业务系统。
 1-MongoDB相关概念
|
1天前
|
算法 调度 Unix
Thread.sleep(0) 到底有什么用(读完就懂)
本文深入解析Thread.Sleep的原理与应用,通过“分蛋糕”比喻生动讲解操作系统CPU调度机制。重点说明Sleep(1000)不保证精确唤醒时间,而Thread.Sleep(0)可触发CPU重新竞争,避免界面假死,帮助开发者正确理解线程休眠与系统调度的关系。
Thread.sleep(0) 到底有什么用(读完就懂)
|
1天前
|
监控 Java 测试技术
OOM排查之路:一次曲折的线上故障复盘
本文记录了一次Paimon数据湖与RocksDB集成服务频繁OOM的排查历程。通过分析线程激增、堆外内存泄漏,最终定位到RocksDB JNI内存未释放问题,并借助Flink重构写入链路彻底解决。分享了MAT、NMT、async-profiler等工具的实战经验与系统性排查思路,为类似场景提供借鉴。(239字)
 OOM排查之路:一次曲折的线上故障复盘
|
1天前
|
存储 缓存 监控
EFC&CTO:缓存引发数据不一致问题排查与深度解析
EFC客户端在NAS场景下因缓存版本号回退,导致读取旧数据覆盖正常内容,引发CTO测试数据不一致。通过日志分析与复现实验,定位为分布式缓存中dv版本管理缺陷所致,修复后验证问题解决。
 EFC&CTO:缓存引发数据不一致问题排查与深度解析
|
1天前
|
Java 测试技术 API
从Google线上故障,谈灰度发布的重要性
2025年6月12日,Google Cloud因未灰度发布的配置导致全球服务中断7小时。根因是新功能缺乏错误处理,触发空指针异常,暴露了配置管理的重大风险。本文详解配置灰度发布策略,并以Nacos为例,介绍基于IP和标签的灰度实现方案,强调渐进式发布对系统稳定性的重要性。
从Google线上故障,谈灰度发布的重要性
|
1天前
|
消息中间件 监控 Java
RocketMQ:底层Netty频繁OS OOM
本文记录了一例Java应用因Netty多ClassLoader加载导致堆外内存超限引发OS OOM的排查过程。根本原因为多个中间件通过不同ClassLoader加载了独立的PooledByteBufAllocator实例,各自绕过JVM直接内存限制,致使总占用远超MaxDirectMemorySize。结合Arthas、NMT等工具分析定位,最终确认RocketMQ客户端为主要内存消耗者,并提出短期调整堆内存配比、长期优化中间件的解决方案。