苏宁数据中台基于Spring Cloud微服务架构实践

1、 苏宁数据中台基于Spring Cloud微服务架构实践 前言：从单体程序到微服务，再到当下流行的服务网格概念，Spring连接起了这两个时代，他曾是单体程序的代名词，但是在微服务时代他浴火重生，给我们带来了Spring Cloud。苏宁大数据中心，借助于Spring Cloud完成了微服务架构转型，实践中并不是一帆风顺，有思索、有迷茫，更有解决问题的乐趣。1. 项目背景1.1 为什么是Spring Cloud？苏宁数据中台后端传统开发架构， VIP负载均衡 + Nginx + SpringMVC，代码以单体程序为主。正常情况下一个项目使用统一域名，在苏宁现有开发架构下，统一域名导致，后端只能

2、有一个war包，程序变成单体程序成为必然。下图所示，这是典型的旧式的项目代码目录， 项目名称-web：对外war包模块，项目名称-interface：统一定义接口，项目名称-service：统一定义接口实现，整个项目管理、开发思路，围绕单体程序开发模型设计，带来的弊端很明显代码职责不清晰， 每个人都在同一模块下提交代码违反高内聚低耦合服务扩展不方便首先微服务化思路，并不高大上，我们为什么选择微服务化，首要原因是管理问题，结合苏宁现有开发架构，整个微服务架构如图：域名解析 + VIP负载均衡 + Nginx + 服务网关 + 各个服务 。下图是某一个项目采用微服务化后的工程代码目录：项目名称-模

3、块1，项目名称-模块2。整个代码目录更清晰，利于模块拆分、人员职责安排1.2 数据中台项目背景介绍苏宁数据中台是一个大项目群：OLAP、百川、UDMS、天工、慧眼。Olap是底层的加速、查询引擎，底层支持Druid、ES、PG Citus集群，类似Presto，跟Presto不同的是Olap会主动对数据进行Cube预加速。百川是指标平台层，让用户建模、定义指标，对外提供指标查询服务， 百川主要支持的建模方式是：星型模型，数据建模自然离不开维表维度，Udms系统就是来定义、管理所有维度、维表，目前收录了整个集团近200多个维度， 对外提供维度、维表信息服务。天工是类似Tableau、Supers

4、et的可视化报表设计平台，与这些BI软件最大的不同点，天工基于百川的指标、Udms的维度来制作报表，数据来源已经高度标准化、归一化，目前商业报告分析工具：Cognos、阿里QuickBI等，是将数据建模、可视化设计能力放到一起，这是天工与他们的最大区别慧眼，是统一报表门户，所有的报表统一发布到慧眼面向业务， 慧眼最大的挑战在于报表权限管控与自动匹配，总共4000多张报表，用户2w多，一张报表开放给8000+人员是很常见的，所有这一切靠人工维护，既容易出错不利于数据安全，也不能及时响应用户需求，这些都是慧眼系统要解决的问题。2. 服务框架选型2.1 Dubbo架构介绍Dubbo主要有四个模块：M

5、onitor（监控）、Regsitry（注册中心）、Provider（服务方）、Consumer(消费方)， Provider注册服务到Regsitry，Consumer向Regsitry订阅服务信息， Monitor服务监控服务调用情况，整个服务调用流程如下:消费方在本地发起服务调用动态代理将调用交给Loadbalance模块Loadbalance从Registry拿到服务实例信息将请求发送到一台服务实例记录监控日志等信2.2 Spring Cloud架构介绍Eureka（注册中心）、gateway（服务网关）、Provider（服务方）、Consumer(消费方)、Zipkin（监控），整

6、个架构与dubbo非常类似，不同的有如下几点Spring cloud是Http Rest接口，Dubbo不是Spring cloud注册中心不使用Zookeeper，使用自研的Eureka，关于zookeeper是否适合做注册中心，请参考文章: Eureka! Why You Shouldnt Use ZooKeeper for Service Discovery、阿里巴巴为什么不用 ZooKeeper 做服务发现Spring Cloud提供了Gateway网关组件与spring生态兼容，生态链丰富，自定义Filter、拦截器，来加强功能, 如：权限校验、日志打印等；Spring Cloud

7、Netflix 提供了熔断、限流等组件。综合以上几点，考虑到架构统一，未来发展趋势， 我们选择了Spring Cloud， Spring Cloud主要来帮助我们做系统内部服务化，REST接口形式，不会破坏现有服务，前端服务调用无需做任何调整。还有一个重要原因Dubbo与苏宁RSF服务框架高度重合，在对外服务接口上，我们还是以RSF接口为主。3. 基于spring cloud的服务化实践3.1 整体架构介绍整体有几个组件：注册中心、服务网关、服务监控、负载均衡器。注册中心使用Spring Cloud提供的Eureka， 服务网关使用Spring Cloud提供的Zuul组件， 负载均衡器使用R

8、ibbon组件，服务网关的负载均衡策略选择的是：WeightedResponseTimeRule，根据服务器响应时间来决定路由到哪个节点。 服务监控组件，用来监控服务性能、调用情况， 最重要的一点，是将整个服务链路能串联起来。3.2 服务监控设计监控是一个系统的眼睛，是断然不可缺少的一部分，Zipkin提供了很好的服务链路监控，结合我们自身的使用场景，最终我们没有选择Zipkin， 为什么？首先了解下Zipkin整体架构：数据采集（Brave、Sleuth）、Tranport数据传输（支持Kafka、直接发送Collector）、Collector（数据收集）、Storage（存储：ES）、S

9、earch+Webui（监控展示），整体架构如下图所示，Zipkin监控数据格式如下：字段名类型描述traceIdString根IDnameString服务名idString当前IDparentIdString父节点IDtimestampLong时间durationLong耗时annotations数组用于记录事件Zipkin有如下缺点我们不止是监控Spring Cloud服务调用，如：苏宁RSF服务调用、Sql的执行时间、本地方法执行时间等监控数据格式不满足业务需要Collector节点容易出现性能瓶颈， ES聚合查询性能较差跨线程，链路无法串联。基于以上几点，我们决定自研服务链路监控系统，

10、整个系统架构如下， 我们利用Kafka、Druid原则上提供了无限扩展性， Druid对应Zipkin中的角色：Collector（数据收集） + Storage（存储：ES）结合我们的业务需要，设计了监控日志格式如下图所一条调用链路，有相同的根ID，服务名由三部分组成：系统名、一级名称、二级名称， 一级名称有7种值：url：http接口url-call：调用http接口rsf: rsf接口rsf-call:调用rsf接口sql:执行sqlcache:操作缓存method:本地方法。你可能会问，没有存储父id，如何判断一条链路中的父子关系？ 这里我们设计一个特殊的事务id生成规则，通过事务ID

11、本身接能判断父子关系，如下图所示。下图监控系统的链路展示页面：3.3 基于Hystrix的熔断设计hystrix对应的中文名字是”豪猪”，豪猪周身长满了刺，能保护自己不受天敌的伤害，代表了一种防御机制，这与hystrix本身的功能不谋而合，因此Netflix团队将该框架命名为Hystrix，并使用了对应的卡通形象做作为logo。在一个分布式系统里，许多依赖不可避免的会调用失败，比如超时、异常等，如何能够保证在一个依赖出问题的情况下，不会导致整体服务失败，这个就是Hystrix需要做的事情。Hystrix提供了熔断、隔离、Fallback、cache、监控等功能，能够在一个、或多个依赖同时出现问

12、题时保证系统依然可用。使用Hystrix很简单，只需要添加相应依赖即可， 最方便的方式是使用注解：HystrixCommand，fallbackMethod：指定Fallback方法threadPoolKey：线程池名称threadPoolProperties：指定线程池参数（线程池大小、最大队列排队数量）commandProperties：CIRCUIT_BREAKER开头的参数配置熔断相关参数，METRICS_ROLLING开头的参数设置指标计算相关参数相关参数定义，参考类：HystrixPropertiesManagerRestControllerpublic class Hystrix

13、Test RequestMapping(value = /query/user/name, method = RequestMethod.GET )HystrixCommand(fallbackMethod = getDefaultUserName, threadPoolKey = query_user, threadPoolProperties = HystrixProperty(name = CORE_SIZE, value = 10), HystrixProperty(name = MAX_QUEUE_SIZE, value = 10) , commandProperties = Hys

14、trixProperty(name = CIRCUIT_BREAKER_ENABLED, value = true), HystrixProperty(name = CIRCUIT_BREAKER_REQUEST_VOLUME_THRESHOLD, value = 1000), HystrixProperty(name = CIRCUIT_BREAKER_ERROR_THRESHOLD_PERCENTAGE, value = 25) )static String getUserName(String userID) throws InterruptedException Thread.slee

15、p(-1); return userID;public String getDefaultUserName(String userID) return ;3.4 基于服务网关Zuul实现的广播功能。有些时候我们希望url请求被所有服务实例执行，这里我们对Zuul做了一个改造，增加了一个BroadCastFilter， 在url请求header设置gate_broadcast为true，那么这个请求，将被转发给所有服务实例。逻辑流程如下：判断gate_broadcast参数为true从url获取ServiceId从Ribbon获取服务所有实例将请求发送给所有实例将所有实例返回结果封装，返回3.5

16、 微服务带来的问题3.5.1 服务拆分粒度不好把握Spring Cloud的微服务有一个ServiceId的概念，通常一个war包对应一个ServiceId，这个ServiceId下可以有多个服务。粒度拆分方式主要有：横向、纵向.纵向切分主要有如下几个方式：按功能切，如：用户管理、指标管理、模型管理等按角色切，如：管理员、商家、用户。横向切分，一般用来提取公共的基础服务，比如：用户名密码校验服务、用户基本信息查询。3.5.2 运维、开发复杂度增加单体程序时代只有一个war包，微服务鼓励服务拆分，war数量、部署节点大大增加。此外，一个流程处理往往会由多个分布式服务协同完成， 带来了不少棘手的问

17、题：需要通过分布式事务保障数据最终一致性防止单个服务问题造成雪崩这些都给开发者提出了更高的要求。3.5.3 调试难度增加微服务方式鼓励服务拆分，通过服务间依赖完成功能，给开发、测试带来了挑战，合理选择微服务、代码复用两种方案。4. 后续架构演进4.1 服务版本控制没有版本控制，意味着我们无法做灰度发布， 毁灭性版本发布后，无法做到对老版本兼容，下图为服务A、B、C、D间的版本依赖关系我们实现思路是对Zuul进行改造打版本标签，在Zuul对访问来源判断（比如app版本5.1 那么对应的查询接口版本为2.1），打上版本标签根据版本信息，路由到对应版本服务实例4.2 基于gateway的服务熔断、限

18、流机制目前有一些开源的框架如Ratelimit，通过在Ruul增加filter来实现限流熔断，目前有几个问题，1、不支持动态配置 2、不能满足业务变化，如配合版本控制 。综上所述， 我们已经着手一些自研工作，能与我们业务场景贴合得更紧密5. 总结16年到现在，两年的时间，苏宁大数据中心，从传统的单例开发模式，切换到基于Spring Cloud的微服务开发模式，摸索出了一条适合自己的路，这不只是技术框架的切换，更是开发思维的升级。令人欣喜的是，这两年间Spring Cloud飞速发展，18年发布了革命性的2.0版本，这离不开社区的支持，许多像Netflix一样的公司在笔根不戳的为Spring Cloud生态添砖加瓦。 我们基于Spring Cloud开发出了一些服务于自己业务的组件，让我们认识到自己也是有能力有责任去回馈社区。路漫漫其修远兮，好的架构一定是适应业务发展的架构，对于Spring这不是终点， 对于我们更不是。作者：王富平 ,苏宁易购大数据中心数据中台技术负责人，历任百度大数据部高级工程师、1 号店搜索与精准化部门架构师。多年来，一直从事大数据方向的研发