当DDD遇上微服务

DDD与微服务是可以相通的,其关键在于Bounded Context。

分布式系统的定义

在谈论这个之前,我们需要就什么是分布式系统达成一致。在我看来,判断一个系统是否是分布式的,其标准是看系统中是否存在跨进程通信。是进程决定了协作与通信的方式,从而引申出两种具有本质区别的编程模型:

  • 进程内编程模型
  • 跨进程编程模型

它们之间的区别在于组件之间的调用方式。进程内的组件调用是非常简单的,就Java而言,各个驻留于同一个JVM的对象与变量都放在堆内存或者栈内存中,对象的调用(包括方法的调用)就是一种内存的寻址。Java语言通过new关键字创建实例,从而获得该实例的指针,以便于对该实例的属性与方法进行调用。

跨进程组件之间的调用方式与进程内调用有着本质的。虽然跨进程通信机制存在各种不同的实现,但它们要考量的因素都是相同的,需要考虑:

  • 进程间的通信协议
  • 如何寻址
  • 消息的序列化与反序列化

除此之外,在资源管理、事务一致性以及部署方面,都会因为跨进程通信的原因而产生巨大的差别。

显然,跨进程通信固有的复杂度带来了编程模型的改变,但它能够更加有效地利用硬件资源,却是分布式系统的主要目标。因此,在IT发展的当前历史背景下,我们将进程作为边界来定义分布式系统是非常有意义的。

说明:不同的语言平台,进程的概念有细微差别,通信机制自然也有所不同。Java进程等同于操作系统的进程,但Erlang与Go的进程概念则不相同,要更加轻量级。

跨进程组件之间的调用方式其实是对通信机制的一种抽象,它其实又包含了:

  • 进程间通信机制(如共享内存、管道、Socket)
  • 结构化通信机制(如RPC)
  • 中间件通信机制(分布式对象如CORBA、组件中间件如EJB、消息中间件、面向服务与REST)

讨论C4模型的Container

Simon Brown提出了自己的C4模型,如下图所示:

我们对Container的划分,可以将进程作为划分的边界,即我认为的“物理边界”。所以Container在架构中除了可以作为逻辑视图的组成元素之外,也可以视为物理视图的一部分。

无独有偶,Alistair Cockburn提出的六边形架构(又名port-adapter模式)在边界含义上与Container是与之呼应的。下图中外部六边形的边界就是一个物理边界,按照之前的分析,我们可以将其视为进程边界。

微服务与Bounded Context

微服务作为一个可以独立部署的微小服务,天生就是一个在物理上隔离的自治服务。从物理视图的角度看,一个微服务就是C4模型中的Container,也就是六边形架构中的六边形。如果我们将六边形架构与DDD的Bounded Context对应起来,那么就可以引入DDD的战略设计来划分服务边界,从而帮助我们进行微服务设计了。

一个典型的Bounded Context,可以具有自己的领域模型,访问专有的数据库,且可以引入“依赖注入”来满足Uncle Bob所谓的Clean Architecture思想。下图所示的Bounded Context的架构,不正是可以表现为一个微服务吗?

Context Map对微服务的阐释

思考DDD中的Bounded Context,可以重点把握以下两点:

  • Bounded Context与Domain之间的关系
  • Context Map

倘若我们认为Bounded Context与Domain之间存在对应关系,就说明可以从业务架构的层面来设计微服务。通过用例、通用语言或者其他手段,都可以帮助我们识别Bounded Context,进而得到相对合理的服务边界。

若要判断微服务的设计是否合理,则可以通过DDD的Context Map进一步验证和判别Bounded Context的划分,并理清楚它们之间的关系。

Eric Evans在DDD一书中列出了九种Context Map,基本上可以归类为:

  • 团队之间的协作方式
  • 进程之间的集成方式

为什么说Bounded Context之间的关系可以理解为是团队之间的协作方式呢?理论根据来自康威定律,即:

设计一个系统(此处泛指更广泛的系统,而不仅仅是信息系统)的任何组织都必然会产生一个其结构是该组织通信结构副本的设计。

一个Bounded Context可能会映射到一个开发团队,所以讨论Bounded Context之间的关系,也可以视为是讨论团队之间的关系。至于进程之间的集成方式,无论是引入ACL(防腐层)还是OHS(开放主机服务),目的都是在实现进程间通信的同时,更好地做到Bounded Context之间的松散耦合。以微服务观之,就是要满足服务边界足够的自治性。

故而当DDD遇到微服务,其实有许多玄妙的相似之处值得深究。它们之间或许可以碰撞出感情的火花,也未可知呢。

原文发布于微信公众号 - 逸言(YiYan_OneWord)

原文发表时间:2017-08-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏java技术学习之道

面试必看!2018年4月份阿里最新的java程序员面试题目

2504
来自专栏java一日一条

借助 AOP 为 Java Web 应用记录性能数据

作为开发者,应用的性能始终是我们最感兴趣的话题之一。然而,不是所有的开发者都对自己维护的应用的性能有所了解,更别说快速定位性能瓶颈并实施解决方案了。

492
来自专栏Java架构师学习

多研究些架构,少谈些框架——一名阿里架构师的笔记

微服务架构和SOA区别 微服务现在辣么火,业界流行的对比的却都是所谓的Monolithic单体应用,而大量的系统在十几年前都是已经是分布式系统了,那么微服务作为...

3388
来自专栏张善友的专栏

PostgreSQL 与 MySQL 相比,优势何在?

一、 PostgreSQL 的稳定性极强, Innodb 等引擎在崩溃、断电之类的灾难场景下抗打击能力有了长足进步,然而很多 MySQL 用户都遇到过Serve...

2376

分布式内存中网格中的聚合

今天,我们看到越来越多的应用程序不再构建在关系数据库上,而是建立在分布式环境上。发生这种情况是因为它们需要可扩展性和高可用性,而且还需要能够提供高吞吐量和低延迟...

19310
来自专栏一名叫大蕉的程序员

Spark你一定学得会(四)No.68

小伙伴在写Spark任务的过程中感觉非常巨痛苦,总是有奇奇怪怪的问题,写好的程序在开发环境跑得好好的,一上到生产直接被干懵逼了。今天呢,我就跟大伙好好聊聊 Sp...

1815
来自专栏Bug生活2048

这些数据库,你都用过吗

关系型数据库模型是把复杂的数据结构归结为简单的二元关系(即二维表格形式)。在关系型数据库中,对数据的操作几乎全部建立在一个或多个关系表格上,通过对这些关联的表格...

831
来自专栏HappenLee的技术杂谈

大数据小视角5:探究SSD写放大的成因与解决思路

首先我们来看看什么是写放大,写放大(Write amplification)是2008年,由英特尔和SiliconSystems在论文之中首次提出:它表现为在S...

543
来自专栏Java架构师学习

通过 Java 线程堆栈进行性能瓶颈分析

2196
来自专栏HappenLee的技术杂谈

大数据小视角5:探究SSD写放大的成因与解决思路

首先我们来看看什么是写放大,写放大(Write amplification)是2008年,由英特尔和SiliconSystems在论文之中首次提出:它表现为在S...

1015

扫码关注云+社区