互联网分层架构的本质，是数据的移动。
互联网分层架构演进的核心原则：
- 让上游更高效的获取与处理数据，复用
- 让下游能屏蔽数据的获取细节，封装
这些在上一篇《互联网分层架构的本质》中有详尽的描述，在实际系统架构演进过程中，如何利用这两个原则，对系统逐步进行分层抽象呢？咱们先从后端系统开始讲解。
本文主要解答两个问题：
- 后端架构，什么时候进行DAO层的抽象
- 后端架构，什么时候进行数据服务层的抽象
核心问题一：什么时候进行DAO层的抽象
一个业务系统最初的后端结构如上：
- web-server层从db层获取数据并进行加工处理
- db层存储数据
此时，web-server层如何获取底层的数据呢？
web-server层获取数据的一段伪代码如上，不用纠结代码的细节，也不用纠结不同编程语言与不同数据库驱动的差异，其获取数据的过程大致为：
- 创建一个与数据库的连接，初始化资源
- 根据业务拼装一个SQL语句
- 通过连接执行SQL语句，并获得结果集
- 通过游标遍历结果集，取出每行数据，亦可从每行数据中取出属性数据
- 关闭数据库连接，回收资源
如果业务不复杂，这段代码写1次2次还可以，但如果业务越来越复杂，每次都这么获取数据，就略显低效了，有大量冗余、重复、每次必写的代码。
如何让数据的获取更加高效快捷呢？
通过技术手段实现：
- 表与类的映射
- 属性与成员的映射
- SQL与函数的映射
绝大部分公司正在用的ORM，DAO等技术，就是一种分层抽象，可以提高数据获取的效率，屏蔽连接，游标，结果集这些复杂性。
结论
当手写代码从DB中获取数据，成为通用痛点的时候，就应该抽象出DAO层，简化数据获取过程，提高数据获取效率，向上游屏蔽底层的复杂性。
核心问题二：什么时候要进行数据服务层的抽象
抽象出DAO层之后，系统架构并不会一成不变：
- 随着业务越来越复杂，业务系统会不断进行垂直拆分
- 随着数据量越来越大，数据库会进行水平切分
- 随着读并发的越来越大，会增加缓存降低数据库的压力
于是系统架构变成了这个样子：
业务系统垂直拆分，数据库水平切分，缓存这些都是常见的架构优化手段。
此时，web-server层如何获取底层的数据呢？
根据楼主的经验，以用户数据为例，流程一般是这样的：
- 先查缓存：先用uid尝试从缓存获取数据，如果cache hit，数据获取成功，返回User实体，流程结束
- 确定路由：如果cache miss，先查询路由配置，确定uid落在哪个数据库实例的哪个库上
- 查询DB：通过DAO从对应库获取uid对应的数据实体User
- 插入缓存：将kv(uid, User)放入缓存，以便下次缓存查询数据能够命中缓存
如果业务不复杂，这段代码写1次2次还可以，但如果业务越来越复杂，每次都这么获取数据，就略显低效了，有大量冗余、重复、每次必写的代码。
特别的，业务垂直拆分成非常多的子系统之后：
- 一旦底层有稍许变化，所有上游的系统都需要升级修改
- 子系统之间很可能出现代码拷贝
- 一旦拷贝代码，出现一个bug，多个子系统都需要升级修改
不相信业务会垂直拆分成多个子系统？举两个例子：
- 58同城有招聘、房产、二手、二手车、黄页等5大头部业务，都需要访问用户数据
- 58到家有月嫂、保姆、丽人、速运、平台等多个业务，也都需要访问用户数据
- 如果每个子系统都需要关注缓存，分库，读写分离的复杂性，调用层会疯掉的。
如何让数据的获取更加高效快捷呢？
服务化，数据服务层的抽象势在必行。
通过抽象数据服务层：
- web-server层可以通过RPC接口，像调用本地函数一样调用远端的数据
- 数据服务层，只有这一处需要关注缓存，分库，读写分离这些复杂性
服务化这里就不展开，更详细的可参考《互联网架构为什么要做服务化？》。
结论
当业务越来越复杂，垂直拆分的系统越来越多，数据库实施了水平切分，数据层实施了缓存加速之后，底层数据获取复杂性成为通用痛点的时候，就应该抽象出数据服务层，简化数据获取过程，提高数据获取效率，向上游屏蔽底层的复杂性。
互联网分层架构是一个很有意思的问题，服务化的引入，并不是越早越好：
- c请求处理时间可能会增加
- 运维可能会更加复杂
- 定位问题可能会更加麻烦
千万别鲁莽的在“微服务”大流之下，草率的进行微服务改造，看似“高大上架构”的背后，隐藏着更多并未接触过的“大坑”。还是那句话，架构和业务的特点和阶段有关：一切脱离业务的架构设计，都是耍流氓。
这一篇先到这里，分层架构，还有很多内容要和大家聊：
- 后端架构，是否需要抽取中台业务，什么时机抽取
- 后端架构，是否需要前后端分离，什么时机分离
- 前端架构，如何进行分层实践
末了，再次强调下，互联网分层架构的本质，是数据的移动。
互联网分层架构演进的核心原则，是让上游更高效的获取与处理数据，让下游能屏蔽掉数据的复杂性获取细节。
