系统架构合理性的思考 | 京东云技术团队

最近牵头在梳理部门的系统架构合理性,开始工作之前,我首先想到的是如何定义架构合理性?

从研发的角度来看如果系统上下文清晰、应用架构设计简单、应用拆分合理应该称之为架构合理。

基于以上的定义可以从以下三个方面来梳理评估:

1、系统的上下文清晰:明确的知道和周围系统的调用关系,数据同步机制;

2、应用架构设计简单:架构分层合理,功能定位清晰,不会出现功能边界之外事情;

3、应用拆分合理:系统内的应用粒度在一个合理的范围内;应用间调用链路不应过长。

系统的上下文清晰

系统上下文图一词最早是从Simon Brown的C4模型中借用而来的,该模型”通过在不同的抽象层次重新定义方框和虚线来抽象表达架构的含义“。

C4模型把系统分为四层,每层都代表着不同的视图架构,关注点不同。第一层,讲的系统上下文,系统高层次的抽象。

如下图显示个人银行账号在浏览账户过程中发生不同的系统之间交互。 如果把Internet Banking Sysytem 当成我们的目标系统,那么E-mail System、MarinFrame Banking Sytem 就是它的伴生系统,也可以称为外部系统,它给Internet Banking Sysytem 提供系统价值,属于系统外,是黑盒。

系统上下文明确了目标系统和外部系统的关系,它和外部系统一起给目标用户提供价值。绘制系统上下文的时候,需要注意目标系统和外部系统之间的依赖方向。北向依赖意味着外部系统调用目标系统的服务,需要考虑目标系统定义了什么样的服务契约;南向依赖意味着目标系统调用了外部系统的的服务,需要了解外部系统的接口、调用方式,通信机制,甚至当外部系统出现故障时,目标系统该如何处理。

除了参考以上的画法,也可以用业务序列图表示。它脱胎与UML的序列图。序列图可以从左侧的角色开始,体现消息传递的次序。这隐含这一种驱动力:我们从左侧的参与对象开始,寻找与之协作的执行步骤,然后层层传进地推导出整个完整的协作流程。

企业序列图,代表了企业级系统的抽象,目标系统和外部系统之间的协作关系,参与的系统是一个完整的整体,所以不需要也不应该参与系统的内部实现的细节,消息的方向更多的代表系统的责任。业务序列图如下所示:

应用架构设计简单

应用本身是有架构分层的,Martin Fowler 在《企业应用架构模式》 提出合理的系统分层应该包括表现层,领域逻辑层,数据源层。 表现层主要提供服务,处理用户请求。领域层是处理逻辑,是系统的核心。数据源层与数据层、消息系统,与其他软件包通信。

后续发展的领域驱动架构设计,演变成四层,在表现层下加入了应用层,同时把数据源层改为基础设施层,突破了数据库管理系统的限制。

基于以上的系统分层,无论你是采用的三层架构还是四层架构,应用代表着功能边界,提供那些核心的能力,能做那些事情,那些事情不能做。

一个好的实践经验是参考领域驱动设计的业务域的方法论,梳理好系统的一二三级域,最多不超过四级,做好各级域的定义。好的域的定义代表着系统能力的边界,让你明白那些事情能做,那些事情不能做。

基于以上梳理好的系统业务域的定义和能力边界,我们在梳理的时候通常会两类系统,第一类是现有存量的系统且需求迭代相对频繁的系统,这类系统关键是要梳理出有哪些核心的能力,是否在上述系统的域的定义范围内的,是否其他系统有类似的能力,如果有的话,需要考虑合并。另外还需要考虑核心能力公开化、文档化,至少让部门内知道,有地可查,避免系统的重复造轮子。

遇到第二类系统是存量系统且没有需求迭代,业务上基本没有调用量的。这类系统需要和业务沟通是否有下线计划,是否有类似的系统可以替代,给业务决策提供技术参考。

应用拆分合理

需求开发中,一个项目或者需求的实现可能需要多个目标系统协同来实现,这涉及到目标系统的拆分的粒度,系统拆分成应用的粒度没有统一标准,但是要在相对合理范围内,可以参考的因素包括业务规划,系统调用量级,基于业务规划的架构设计,部门内的人数及分工。过多过少都是不好的。

如果一个新业务短期内看不到大的发展,在初步规划应用的时候,可以先粗粒度拆分,部门内人数平均不能应该超过2-3个应用,再多必然面临着一个需求实现的时候不同系统的切换成本。如果后续业务发展起来,部门内人数增多,因为分工更精细,可以考虑更细粒度的拆分,系统拆分必然会带来另一个问题,系统之间该如何的协同以及系统的调用链路的长度。

基于以上讲的系统分层的概念,部门内系统可以分为两类,一类系统是业务网关,一类是通用的业务能力。业务网关面向用户,用来协同应用的活动,不包含业务逻辑,不保留业务对象的状态,相当于领域驱动设计应用层+表现层,有人称作它为业务SOA,或者BFF层。

通用业务能力相当于领域逻辑层+基础设施层,作为软件的核心所在,保留了业务对象的状态,对业务对象的持久化被委托给基础设施层,基础设施层作为其他层的支撑层,实现了和其他系统的通信,实现业务对象的持久化。

在以上两类系统中,业务网关是依赖通用业务能力层,业务网关是北向依赖,通用业务能力层是南向依赖。 在一个功能的实现不建议链路长度不超过2。同时也要注意到系统之间相互依赖的情况,要重视,此点是系统稳定性的风险点。

成本量化:

基于以上三方面分析,梳理出的交付物:1、系统的上下文依赖;2、 系统的业务域定义及能力规划地图。3、应用调用链路的长度及相互的依赖关系;4、应用拆分粒度合理性的评估;5、系统中能力的下沉或者合并;6、业务量少的系统列表。

其中1-4,可以看作系统的行动指南或者原则,5-6是下一步的行动,更简单的说是我们常做的系统的关停并转。在业务部门系统关停并转还需要考虑到成本问题,做好成本的量化。

首先需要评估关停并转的付出的成本,其次要评估系统日常维护1-3年的成本包括人力成本和机器资源的成本,前者和后者的三年累计值相减,如果大于零,系统建议暂时不动,如果少于零,可以考虑关停并转的计划。

以上是我从研发角度系统架构合理性的思考。

架构合理性如果从业务角度来评估,可能就变成以下三个方面:一是能解决当下业务需求和问题。2、高效完成业务需求: 能以优雅且可复用的方式解决当下所有业务问题。3、前瞻性设计: 能在未来一段时间都能以第2种方式满足业务,从而不会每次当业务进行演变时,导致架构翻天覆地的变化。

视角的不同必然代表着大家对同一件事情的看法不同。

作者:京东零售 高田林

来源:京东云开发社区 转载请注明来源

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/99998.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

IPv4,IPv6,TCP,路由

主要回顾一下TCP/IP的传输过程,在这个过程中,做了什么事情 ip : 网际协议,IP协议能让世界上任意两台计算机之间进行通信。 IP协议的三大功能: 寻址和路由传递服务:不可靠(尽最大努力交付传输数据包&…

变动的Python爬虫实现

在电商时代,了解商品价格的变动对于购物者和卖家来说都非常重要。本文将分享一种基于Python的实时监控电商平台商品价格变动的爬虫实现方法。通过本文的解决方案和代码示例,您将能够轻松监控商品价格,并及时做出决策。 一、了解需求和目标 在…

EasyCode代码生成MybatisPlus

先安装插件 导入 { "author" : "wangyujie", "version" : "1.2.8", "userSecure" : "", "currTypeMapperGroupName" : "Default", "currTemplateGroupName" : "01-Mybatis-Pl…

如何将PDF文件转换为PPT文件?

如何将pdf转换成ppt?PDF文件作为常用的文件格式,不仅可以在教学过程中使用,还可以在营销展会、培训讲座等过程中使用。欧迪芬文件的使用,能够在一定程度上提升我们的办公效率。对于PDF文件来说,其中包含的元素非常多&a…

电商数据采集和数据分析

不管是做渠道价格的治理,还是做窜货、假货的打击,都需要品牌对线上数据尽数掌握,准确的数据是驱动服务的关键,所以做好电商数据的采集和分析非常重要。 当线上链接较多,品牌又需要监测线上数据时,单靠人工肯…

卷积神经网络——下篇【深度学习】【PyTorch】

文章目录 5、卷积神经网络5.10、⭐批量归一化5.10.1、理论部分5.10.2、代码部分 5.11、⭐残差网络(ResNet)5.11.1、理论部分5.11.2、代码部分 话题闲谈 5、卷积神经网络 5.10、⭐批量归一化 5.10.1、理论部分 批量归一化可以解决深层网络中梯度消失和…

K8s学习笔记2

Kubernetes: K8s由来: 希腊语:舵手、飞行员 来自于谷歌的Borg系统开源(2014年) 简称K8s 现归属于CNCF(2016年) 云原生基金会 是一个开源软件基金会,致力于使云计算普遍性和持…

【从零开始学爬虫】采集中国国际招标网招标数据

l 采集网站 【场景描述】采集中国国际招标网招标数据。 【源网站介绍】中国国际招标网致力于为企业提供招标、采购、拟在建项目信息及网上招标采购等一系列商务服务。 【使用工具】前嗅ForeSpider数据采集系统 http://www.forenose.com/view/forespider/view/download.html 【…

spring异步框架使用教程

背景 在需求开发过程中,为了提升效率,很容易就会遇到需要使用多线程的场景。这个时候一般都会选择建一个线程池去专门用来进行某一类动作,这种任务到来的时候往往伴随着大量的线程被创建调用。而还有另外一种场景是整个任务的执行耗时比较长…

Obsidian 入门使用手册

文章目录 一、Obsidian 入门1.1 什么是 Obsidian1.2 安装 Obsidian 二、Obsidian 配置2.1 创建第一个笔记2.2 设置界面语言使用中文2.3 主题 三、小结 一、Obsidian 入门 1.1 什么是 Obsidian Obsidian 是一款基于 Markdown 语法编辑的笔记软件。与传统的 Markdown 软件不同的…

图神经网络与分子表征:1. 分子图和图神经网络基础

CSDN的朋友们大家好,好久没写系列文章了。 近期读了很多图神经网络(GNN)和分子表征(molecular representation)的论文,正好最近不是很忙,所以我决定把自己的学习过程记录下来,与大家…

有没有免费格式转换工具推荐?PDF转化为PPT的方法

在当今职场生活中,掌握文件格式转换技能变得异常重要。将PDF文档转换为PPT格式可以在演讲、报告等场合更好地展示和传达信息,为我们的专业形象增添亮点,接下来我们可以一起来看一下“有没有免费格式转换工具推荐?PDF转化为PPT的方法”相关的…

使用vscode编写插件-php语言

https://blog.csdn.net/qq_45701130/article/details/125206645 一、环境搭建 1、安装 Visual Studio Code 2、安装 Node.js 3、安装 Git 4、安装生产插件代码的工具:npm install -g yo generator-code 二、创建工程 yo code 选择项解释: 选择编写扩…

认识容器,走进Docker

文章目录 容器技术简介容器的核心技术容器平台技术容器的支持技术 Docker理念Docker安装配置阿里云镜像加速器 容器技术简介 一切在云端,万物皆容器,说到容器,大家都会想到Docker,Docker现在几乎是容器的代名词,什么是Docker&…

时序预测 | MATLAB实现SO-CNN-LSTM蛇群算法优化卷积长短期记忆神经网络时间序列预测

时序预测 | MATLAB实现SO-CNN-LSTM蛇群算法优化卷积长短期记忆神经网络时间序列预测 目录 时序预测 | MATLAB实现SO-CNN-LSTM蛇群算法优化卷积长短期记忆神经网络时间序列预测预测效果基本介绍程序设计学习总结参考资料 预测效果 基本介绍 时序预测 | MATLAB实现SO-CNN-LSTM蛇群…

Unity之用Transform 数组加多个空物体-->简单地控制物体按照指定路线自动行驶

文章目录 **原理解释**:**带注释的代码**:实际运用 当你需要实现物体按照指定路线行驶时,你可以通过以下步骤来实现: 原理解释: 路径点:你需要定义一系列路径点,这些点将构成物体行驶的路线。每…

十、flume的安装

1.解压 2.改名 3.修改权限 4.编辑环境变量并source export FLUME_HOME/usr/local/flume export PATH$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin:$HBASE_HOME/bin:$SQOOP_HOME/bin:$PIG_HOME/bin:$FLUME_HOME/bin 5.配置 6.查看版本 7.启动Hadoo…

axios 各种方式的请求 示例

GET请求 示例一&#xff1a; 服务端代码 GetMapping("/f11") public String f11(Integer pageNum, Integer pageSize) {return pageNum " : " pageSize; }前端代码 <template><div class"home"><button click"getFun1…

【算法C++实现】5、二叉树

二叉树节点结构体 class Node { public:int val;Node* left;Node* right;Node(int a) : val(a), left(nullptr), right(nullptr) {}Node(int a, Node* l, Node* r): val(a), left(l), right(r) {}}1、递归遍历 递归遍历二叉树&#xff0c;每个节点的遍历顺序叫递归序&#xf…

python绘制谷歌地图

谷歌地图 更多好看的图片见pyecharts官网 import pyecharts.options as opts from pyecharts.charts import MapGlobe from pyecharts.faker import POPULATIONdata [x for _, x in POPULATION[1:]] low, high min(data), max(data)c (MapGlobe().add_schema().add(mapty…