某互联网金融企业 (4500W 用户规模) 如何将单体应用迁移到微服务？

微服务架构是互联网很热门的话题，是互联网技术发展的必然结果。它提倡将单一应用程序划分成一组小的服务，服务之间互相协调、互相配合，形成分布式调用，为用户提供最终价值。然而微服务概念提出者 Martin Fowler 却做了这样的强调“分布式调用的第一原则就是不要分布式”。这二者之间看似确实是矛盾体，那么在业务和用户高速发展的时候，到底要不要做微服务呢？其实答案很简单：“不痛就不要微服务”，所谓的“痛”表示着在项目开发过程中已经有东西已经阻碍了项目的正常推进。

在传统的软件开发中会经常会遇到这样的“痛”：

1、代码冲突加剧

多个人或者一个团队一起维护一个模块，共同开发。当提交代码的时候发现大量冲突，每次提测或者发版的时候需要花大量的时间来解决冲突。随着团队规模的增大以及项目复杂程度增加，代码冲突的现象越严重；

2、模块耦合严重

模块之间通过接口或者 DB 相互依赖，耦合越来越严重。而且不同的人，写代码的风格不一样，代码质量也不一样，上线前需要协调多个团队，任何小模块的异常都会导致整个项目发布失败；

3、项目质量下降

由于所有的代码都是在一个服务里面，做一次改动，可能会牵一发而动全身，代码冲突以及耦合严重，导致测试覆盖范围不充分，经常会出现没有更改的模块在线上突然出现问题，查询后发现是由于工程师不小心做了某种改动，但是测试用例并没有覆盖；

4、团队效率下降

由于大量时间在处理代码冲突，消耗了研发人员大量的时间；而测试人员为了提高项目质量，不得不在每次发版之前做全方位的回归测试，本身一次小的迭代结果项目时间却很长。

如果上述的“痛”深深刺痛到了你，那么是时候开始做服务化改造了。将原来耦合在一起的复杂业务拆分为单个服务，规避了原本复杂度无止境的积累，每一个微服务专注于单一功能，并通过定义良好的接口清晰表述服务边界。每个微服务独立部署，当业务迭代时只需要发布相关服务的迭代即可，降低了测试的工作量同时也降低了服务发布的风险。

关于微服务的调用框架先前曾经写过文章做过比较，详见《微服务架构技术路线对比：Dubbo VS Spring Cloud | 争议》，本文将介绍在金融行业如何从 0 开始到 4500W 用户将单体应用迁移到微服务过程。

在金融行业中数据安全性，数据一致性、响应时间短、数据量大，业务逻辑复杂，在内部经过多轮讨论，最后技术选型微服务 RPC 框架选择了 Dubbo 2.6.3 版本，从 2015 年到 2019 年，整体服务的系统架构的演变过程如下：

从上图可见，由单体应用演变为微服务的结构，不是一蹴而就而是循序渐进的演变。根据 4 年多服务化改造的经验，微服务改造的步骤如下：

一、单体应用时期

公司处于创业期，讲究需求能快速上线，快速试错，所有的所谓设计模式，高并发、可扩展、容错机制等都不需要考虑。唯一的述求就是快速上线。所以 2015 年的项目架构非常简单，虽然速度快了，但是也暴露出一些问题。

二、负载均衡期

为了解决发版期间不影响投放，支持横向扩展机器，提升系统整体的 TPS。所以引入了 Nginx 做反向代理，session 共享，工程支持横向扩充。这个方案维持了线上一段时间，但是随着功能的逐步迭代，线上质量越来越低，整个团队效率很差。整个工程越来越臃肿，改动任何接口都是小心翼翼 ，因为不知道会不会影响其他模块。

经历了上述阶段后，团队发现必须要拆分功能，需要按业务领域来划分功能，支持分模块来开发、提测、部署上线。于是团队在 2016 年开始启动微服务重构。在做微服务改造的时候，也经历了一些非常痛苦的事情。下面分享下在金融行业微服务改造的流程：

一、统一思想充分培训

微服务实施之前必须先得到高层的支持，给团队传递一个信号，公司全力支持微服务改造，如果不做业务就受阻，公司可能就会死。而不是小范围的试验或者是 demo。再做团队培训，让团队中所有人员了解微服务开发的工作原理，并能熟悉使用。

二、工程结构标准化

当团队开始实时微服务重构的时候，大家按照之前各自负责的模块，从现有代码中剥离开，定义各种接口，相互依赖。看似高效的协作，但是当进入代码 review 阶段的时候发现了问题，每个人的工程结构不一样，代码风格不一样。研发人员在面对之前未接触的功能时候，发现自己是个新人，很难理解代码的业务逻辑。

我们做了一次复盘，最终得出如下的一致意见：需要同一个的工程结构，统一的代码风格，统一的变量命名规范，同时需要定义一些相关术语，以避免小组间沟通产生歧义。

代码未动，工具先行，一个好的工具能够提升团队的开发效率。代码自动生成工具能生成标准项目结构，DTO 对象，PO 和 DTO 之间互转以及生成相关的增删改查。

术语约定：统一的术语约定，能降低团队在沟通过程中的歧义。在微服务中聚合层使用 back-工程名称命名，基础服务以 basic-工程名称命名；

1.back-工程名称：业务聚合层，以 war 的方式在容器中运行，提供聚合服务；

2.basic-工程名：基础服务层，以 jar 的方式直接运行，提供原子服务；

任何工程代码结构需要标准化，都具备相同的 module 结构，这样团队中任何人看到相关 module 都知道该 module 所负责的功能；例如以产品 product 为例，涉及的工程结构如下：

back-product（产品服务聚合层）

• back-product-business：业务处理层，如果需要调用过多个服务在这里做聚合

• back-product-façade：外部服务调用统一出口

• back-product-model：定义 VO 相关的字段

• back-product-web：接收网关转过来的请求

basic-product（产品基础服务层）

• basic-product-api：接口层，外部服务依赖该接口提供的服务；

• basic-product-service：接口实现层，实现 api 接口

• basic-product- business：数据相关的处理；以及 PO

• basic-product- model：定义 DTO 对象

• basic-product-façade：如果基础服务调用需要调用外部服务，则统一在此调用。

定义好了 back 和 basic 之后，完整的业务调用逻辑就比较清晰了，如下图：

三、系统拆分

很多团队面临这样的问题，服务到底如何拆分，怎么样的拆分是合理的，拆分后新的微服务框架和老的系统如何做兼容运行，老系统如何逐步平滑过渡到微服务架构中，而且不影响线上业务运行，也不能影响正常的项目迭代。其实，业绩没有标准的方式来指导如何做拆分，我们主要围绕“拆“ 与 ”合“来做服务的拆分，所谓拆就是按业务功能拆分，所谓”合“，就是拆分后的模块经过多次迭代后可以做合并处理。

1、服务拆分：好的平台都是逐步演变出来的而不是设计出来的，所以微服务初期最简单的是按业务模块来拆分，比如用户、产品、订单、积分、活动等粗力度来拆分。比如订单服务改动非常的平凡，那么订单服务可以继续拆分，比如历史订单，待支付订单等等；经过多次迭服务拆分后，整体的服务框架如下：

2、session 共享：一般系统都通过判断 session 是否有效来判断用户是否能访问平台，所以新老系统首先要做的就是 session 共享，session 放入分布式缓存中。访问模式如下：

3、功能迁移：增加 Nginx 做反向代理，并在 Nginx 层（或者网关层）做模块的流量切分，例如产品列表接口，切分了 20%的流量到微服务，80%的流量到老的平台。微服务上线后，大部分业务逻辑还是访问老系统，迁移过来的业务逻辑以及新增的业务逻辑访问微服务系统

• 在 Nginx 层做流量拆分

• 切分比例 2/8 ，5/5，100%

• 服务化的部分初始阶段和老平台使用相同 DB

• 新业务迭代优化在微服务上开发,DB 隔离

• 微服务上线后做好流量切换后的监控

整个微服务的访问流程如下：

四、化串行为并行

我们在打开 APP 产品详情页的时候，大概需要调用后端二十几个服务，且每个服务之间通过 RPC 的方式来调用，初期的时候，由于产品结构简单，详情页调用后端服务比较少，程序员程序员根据以往的经验，串行方式逐个调用服务。但是随着迭代过程的持续，详情页调用后端服务越来越多，响应越来越慢。因为聚合层需要调用多个基础服务，会增加系统的响应时间。最后对于微服务后的产品详情页又做了多次重构，整个重构过程如下：

1、线程池并行调用：为了提高接口响应时间，把之前串行调用方式修改为把请求封装为各种 Future 放入线程池并行调用，最后通过 Future 的 get 方法拿到结果。这种方式暂时解决了详情页访问速度的问题，但是运行一段时间后发现在并发量大的时候整个 back-product 服务的 tomcat 线程池全部消耗完，出现假死的现象。

2、服务隔离并行调用：由于所有调用外部服务请求都在同一个线程池里面，所以任何一个服务响应慢就会导致 tomcat 线程池不能及时释放，高并发情况下出现假死现象。为解决这个问题，需要把调用外部每个服务独立成每个线程池，线程池满之后直接抛出异常，程序中增加各种异常判断，来解决因为个别服务慢导致的服务假死。

3、线程隔离服务降级：方式 2 似乎解决了问题，但是并没有解决根本问题。响应慢的服务仍然接收到大量请求，最终把基础服务压垮。程序中存在大量判断异常的代码，判断分支太多，考虑不完善接口就会出差。

五、服务熔断降级

在进行服务化拆分之后，应用中原有的本地调用就会变成远程调用，这样就引入了更多的复杂性。比如说服务 A 依赖于服务 B，这个过程中可能会出现网络抖动、网络异常，或者说服务 B 变得不可用或者响应慢时，也会影响到 A 的服务性能，甚至可能会使得服务 A 占满整个线程池，导致这个应用上其它的服务也受影响，从而引发更严重的雪崩效应。所以引入了 Hystrix 做服务熔断和降级；

我们针对如下几项做了个性化配置：

错误率：可以设置每个服务错误率到达制定范围后开始熔断或降级；

人工干预：可以人工手动干预，主动触发降级服务；

时间窗口：可配置化来设置熔断或者降级触发的统计时间窗口；

主动告警：当接口熔断之后，需要主动触发短信告知当前熔断的接口信息；

六、服务解耦

虽然服务拆分已经解决了模块之间的耦合，大量的 RPC 调用依然存在高度的耦合，不管是串行调用还是并行调用，都需要把所依赖的服务全部调用一次。但是有些场景不需要同步给出结果的，可以引入 MQ 来降低服务调用之间的耦合。

用户完成注册动作后，只需要往 MQ 发送一个注册的通知消息，下游业务如需要依赖注册相关的数据，只需要订阅注册消息的 topic 即可，从而实现了业务的解耦。使用 MQ 的好处包括以下几点:

• 解耦：用户注册服务只需要关注注册相关的逻辑，简化了用户注册的流程；

• 可靠投递：消息投递由 MQ 来保障，无需程序来保障必须调用成功；

• 流量削峰：大流量的新用户注册，只需要新增用户服务，并发流量由 MQ 来做缓冲，消费方通过消费 MQ 来完成业务逻辑；

• 异步通信（支持同步）：由于消息只需要进入 MQ 即可，完成同步转异步的操作；

• 提高系统吞吐、健壮性：调用链减少了，系统的健壮性和吞吐量提高了；

对于 MQ 做了如下约定：

• 应用层必须支持消息幂等

• 支持消息回溯

• 支持消息重放

• 消息的消费的机器 IP 以及消息时间

七、缓存

在高并发场景下，需要通过缓存来减少 RPC 的调用次数，减少数据库的压力，使得大量的访问进来能够命中缓存，只有少量的需要到数据库层。由于缓存基于内存，可支持的并发量远远大于基于硬盘的数据库。缓存分本地缓存（基于 JVM 的 CACHE）和远端缓存（如 Redis 或 MemCache），在产品详情页的场景，允许有短暂的数据一致情况，所以使用了本地缓存+远端缓存组合的模式，来降低 RPC 调用次数，网络开销和 DB 的压力。

如果业务聚合层直接访问远端缓存，虽然减少了 RPC 调用次数以及 DB 的压力，但却增加了网络开销，所以调整为先本地缓存，如果没有命中则自动调用后端基础服务，基础服务首先会先用远端缓存，如未命中再查询 DB;

对于缓存做了如下的改动：

• 使用自定义 @anntation：程序员只需要在需要使用缓存的地方增加一个 @Cache 即可;

• 本地缓存 TTL：本地缓存的 TTL 时间可以自动配置;

• 远程缓存 ：如本地未命中可直接转发到远端缓存；

• 自动注册到配置中心 ：所有的缓存节点和配置时间都再配置中心可见；

• 支持手动修改 TTL 时间 ：可手动调整每个节点的 TTL 缓存时间；

• 防止缓存雪崩

八、分布式事务

用户在平台上支付他订购某种业务的时候，需要涉及到支付服务、账户服务、优惠券服务、积分服务，在单体模式下这种业务非常容易实现，通过事务即可完成，伪代码如下：

然而在微服务的情况下，原本通过简单事务处理的却变得非常负责，若引入两阶段提交（2PC）或者补偿事务（TCC）方案则系统的复杂程度会增加。我们的做法是通过本地事务+MQ 消息的方式来解决：

• 消息上游：需要额外建一个 tc_message 表，并记录消息发送状态。消息表和业务数据在同一个数据库里面，而且要在一个事务里提交。然后消息会经过 MQ 发送到消息的消费方。如果消息发送失败，会进行重试发送；

• 消息上游：开启定时任务扫描 tc_message 表，如果超过设置的时间没有变更状态，会再次发送消息到 MQ,如重试次数达到上限则发起告警操作；

• 消息下游：需要处理这个消息，并完成自己的业务逻辑。此时如果本地事务处理成功，表明已经处理成功了，需要发起业务回调通知业务方；

九、安全

暴露在外部的接口有身份认证、验签等步骤可以有效验证用户的合法性，但是服务内部之间的接口调用完全是透明的，无任何验证的。这个对于金融行业来说是不可容忍的，所以基于 Dubbo 的 Filter 机制做了一套认证授权系统。

Consumer：提供一个 ACLFilter，读取给定的用户名和密码，把数据放入 Attaches 中传给 Provier 端;

Provider：提供一个 ACLFilter，验证 Consumer 提交过来的用户名和密码，并验证 IP，访问时间，对于异常访问的 IP 会发出告警信息；

十、持续集成

持续集成是微服务的必经过程，即团队开发成员经常集成他们的代码，通常每个成员每天至少集成一次，也就意味着每天可能会发生多次集成。每次集成都通过自动化的构建（包括编译，发布，自动化测试）来验证，从而尽快地发现集成错误。

代码管理用 git 管理，Jenkins 编译打包。每个模块独立一个工程，要求要求每天都提交代码，代码提交之后会进入静态代码扫描 CI 服务，通过 Sonar 服务器进行观察代码是否存在异常的代码；编译发布成功后，会自动触发接口测试功能，对于测试有异常的接口自动邮件通知相关人员。

十一、实战经验

1、线程池满

突然有反馈说服务非常慢，甚至出现异常，通过后台日志查询发现了如下的错误信息“Caused by: java.util.concurrent.RejectedExecutionException: Thread pool is EXHAUSTED! Thread Name: DubboServerHandler-XX.XX.XX.XX:XXXX, Pool Size: 200 (active: 200, core: 200, max: 200, largest: 200)“，因为所有服务设置的都是固定线程池大小，看到这样的错误日志，第一反应就是调整线程池大小，由 200 调整为 500。但是运行一段时间后发现 500 后很快满了，改到 1000 很快又满了，增加服务器后线程池很快又满了，但是服务器的 CPU 和内存使用率都比较低。通过接口压测，又出现不了任何问题，问题似乎陷入僵局。突然运维说线上有大量慢查询 SQL，通过分析这些 SQL 发现都是通过这个异常服务的 SQL 语句。优化掉这些 SQL 后，Dubbo 线程池再也没有出现线程池满的情况。总结：高频调用服务的 SQL 响应时间一定要快，必须增加缓存，同时需要做熔断处理。

2、数据库 CPU 飚高

客服反馈经常在一段时期内系统响应非常慢，阻碍了客户的正常操作。此时观察日志后发现，同时刻后端大量基础服务抛出线程池满的异常。观察 MYSQL 数据库，发现 CPU 飙风到 95%以上。但是当时的访问量并不大，是什么问题导致 CPU 占用如此之高？

运维分析后发现存在一次性将全部用户表的数据拉取出来的情况，当时注册用户量已经达到了 3000W，一旦出现这样的情况必然导致 CPU 高。我们持久层框架选择 MyBatis，SQL 文件类似

如果传入的条件是空或者没有传任何条件，那么必然导致拉取全部数据。所以在内部做了约定，禁止不带条件的查询，并在框架层面做了一层拦截，如果 PO 对象是空那么直接抛出异常。总结：SQL 查询语句禁止不带 where 条件的查询，禁止多表 join 查询，接口调用的 DTO 禁止为 null 或者禁止是一个没有任何数据的 DTO 对象；

3、无止境的循环依赖

由于服务之间通过接口调用，原则只要上发布出来的服务都可以，会形成 A 调用 B，B 也有可能调用 A。本以为只需要在配置端增加 check=“false”，例如

<dubbo:reference interface=“com.****.UserService” check=“false” />就可以解决了问题。但是上线后出现了 RPC 服务死循环般依赖调用，但是服务之间的依赖又是不可避免的，最终约定如下：基础服务（basic）层主要做数据库的操作和一些简单的业务逻辑，不允许调用其他任何服务；

聚合服务（back）层，允许调用基础服务层，完成复杂的业务逻辑聚合操作；不运行调用其他 back 层.

4、接口定义规则

我们的服务端代码 70%通过代码生成器完成，但是另外新增的接口是由业务端开发人员自己编写的，当初未定义规则，出现了 PO 层直接返回到业务聚合层，甚至使用 Json 或者 Map 方式来定义接口，给后续维护带来非常大的困难。约定：

接口数据透传规则：全部按照 PO、DTO、VO 来设计接口，禁止混用，因为数据定义的改变，影响面仅仅在调用方和被调用方，后续升级和扩展更方便；

接口参数类型：禁止 json 格式的参数、禁止 Map 类型的参数；

5、日志格式

微服务初期阶段，没有考虑到日志的打印策略和格式，大部分研发人员还是按照之前的方式来打印日志。当服务器数量增加时，查询线上日志变得非常困难。在启用 ELK 的时候缺发现日志格式无规则可循。约定：不管微服务在什么阶段，必须事先明确约定日志格式，例如：日志类别|所属于模块|业务操作|具体事件|操作人|自定义。有了统一的日志根式，方便后续日志的收集和报警处理。

总结

构建复杂的应用真的是非常困难，单体式的架构更适合轻量级的简单应用。如果你用它来开发复杂应用，那真的会很糟糕。微服务架构模式可以用来构建复杂应用，当然，这种架构模型也有自己的缺点和挑战。

微服务实施过程中会出现各种各样异常信息，对于开发人员和架构师来说都是一种挑战。最后如果能真正成功实施微服务，无非是合理的组织架构、对于项目的认可、工具的合理化、持续集成过程。特别是在金融行业，尤其会关注到性能、准确性、数据一致性等一系列指标。Dubbo RPC 框架的高效、稳定、可扩展这些特点，在整个服务化过程中起到了非常大的作用，线上运行中也一直稳定的提供服务。然而架构的演变是随着业务的演变而演变的，微服务入口层“网关“是整个微服务的最核心层，后续的文章中会介绍下本次架构演变过程中网关的演变历史，会介绍如何搭建一套支持亿级流量的网关。欢迎大家持续关注。

本文转载自技术琐话公众号。

原文链接：https://mp.weixin.qq.com/s/PlIk1OHS0RX9oL_zhxuUSw