微服务知识——4大主流微服务架构方案

embedded/2025/1/22 6:45:24/

文章目录


微服务是大型架构的必经之路,也是大厂重点考察对象,下面我就重点详解4大主流微服务架构方案。

1、微服务聚合模式

微服务聚合设计模式,解决了如何从多个微服务中聚合数据,以便客户端可以获得所需的完整信息,而不需要多次请求不同的服务。

此类模式主要用于简化客户端的操作,减少与多个微服务交互的复杂性。

如下图所示:
在这里插入图片描述
通过构建一个聚合服务(又称聚合层或聚合微服务),将多个微服务的响应数据进行聚合,形成一个统一的结果返回给客户端。

聚合服务,通过调用多个微服务的 API,收集它们的响应并进行整合。

优点:

  • 简化客户端请求:客户端只需调用聚合服务,不需要直接与多个微服务交互。
  • 减少服务间依赖:聚合服务可以减轻微服务之间的耦合度,服务间可以独立变化。

缺点:

  • 聚合服务可能成为性能瓶颈,需特别关注聚合服务的可扩展性。
  • 如果聚合的服务很多,可能需要额外的处理来确保高效聚合。

2、微服务共享模式

微服务提倡的是:每个服务拥有自己的独立数据库(比如:数据库独立性原则),以确保服务之间的高内聚性、和低耦合性。

然而,在某些情况下,由于业务需求或技术限制,多个微服务可能需要共享数据。

如下图所示:
在这里插入图片描述
实际上在微服务架构的初期阶段,很多企业可能会采用 共享数据库 模式,来简化系统的开发和维护,尤其是在微服务迁移的过渡阶段。

这样做虽然简化了架构,但却违反了微服务的原则,因为它导致了微服务之间的紧密耦合。

因此,“共享数据库”模式通常被视为“过渡性”或“反模式”,不是长期推荐的设计。

3、微服务代理模式

微服务代理是一种中间层,用于处理服务之间的通信。

如下图所示:
在这里插入图片描述
在这种模式下,代理服务充当了其他微服务的代理,接收客户端的请求并将其转发给后端服务进行处理。

在 Sidecar 代理模式 中,Sidecar 是与每个微服务实例配对部署的。
每个微服务实例旁边都有一个独立的代理进程,这些代理共同组成一个统一的服务网格。

代理负责捕获并管理服务的入站和出站流量。代理通常会与服务网格的 控制平面 交互,获取流量路由、负载均衡、访问策略等配置。

优点:

  • 解耦:客户端和微服务之间的交互通过代理服务来处理。
  • 统一入口:所有请求都经过代理,易于管理、监控和控制。

缺点:

  • 代理服务需要额外的资源来处理请求,可能成为性能瓶颈。

4、微服务异步消息模式

异步消息设计模式,在微服务架构中非常重要,它允许微服务通过消息队列、事件流等方式进行松散耦合的通信。

如下图所示:
在这里插入图片描述
微服务通过发布事件来通知其他服务发生了某个状态变化。事件通常是业务变化或数据变化的通知,例如:订单创建、支付成功…等。

优点:

  • 服务解耦:服务之间不需要直接调用,只有事件通知机制。
  • 提高吞吐量:通过异步处理,减少了服务的同步依赖。

缺点:

  • 事件的顺序和一致性需要额外考虑,容易出现“事件丢失”或“消息重复消费”的问题。

http://www.ppmy.cn/embedded/155988.html

相关文章

谈谈对分布式事务Seata的理解

最近一个微服务项目中有用到Seata,联调的时候发现了一些数据不回滚的问题,特此记录一下: 1.Seata介绍: Seata 是一个开源的分布式事务解决方案,致力于在微服务架构下提供高性能和易用的分布式事务服务。它由阿里巴巴集团发起并贡…

Unity环境搭建

在Unity中开发环境搭建的步骤如下: 1. 安装Unity 访问 Unity官网,并下载并安装Unity Hub。Unity Hub是一个用于管理Unity安装版本、项目和组件的工具。安装Unity Hub后,打开Unity Hub,登录您的Unity账号或创建一个新账号。在Uni…

PyTorch框架——基于深度学习YOLOv11神经网络路面坑洞检测系统

基于深度学习YOLOv11神经网络路面坑洞检测系统,其能识别路面坑洞,见如下 第一步:YOLOv11介绍 YOLOv11是由Ultralytics公司开发的新一代目标检测算法,它在之前YOLO版本的基础上进行了显著的架构和训练方法改进。以下是YOLOv11的一…

Qt中自定义信号与槽

在学习信号和槽的时候,我们知道信号一般对应的就是用户的行为,槽指的是接受到信号后的响应,在类内有许多的内置信号和槽函数,能够去实现一些常见的行为,但实际业务开发中,尤其是接受到信号的响应会根据具体…

从CentOS到龙蜥:企业级Linux迁移实践记录(容器与应用)

引言: 在企业级Linux环境中,容器技术已经成为应用部署和管理的核心工具。随着技术的不断演进,企业用户对容器化工具的需求也在逐步升级。在本系列的前几篇文章中,我们探讨了龙蜥操作系统(OpenAnolis)的安装…

基于Python机器学习的双色球数据分析与预测

python统计分析2003-2024年所有的中奖记录,通过人工智能机器学习预测双色球,个人意见,仅供参考. 声明:双色球具有随机性,任何工具无法预测。本文章仅作为技术交流,提供学习参考。本文所涉及的代码均为python之机器学习的代码。双色球为公益事…

JAVA:策略模式(Strategy Pattern)的技术指南

1、简述 策略模式(Strategy Pattern)是一种行为型设计模式,旨在定义一系列算法,并将它们封装起来,使它们可以互相替换。这种模式让算法的变化不会影响到使用算法的客户端。 设计模式样例:https://gitee.com/lhdxhl/design-pattern-example.git 本文将详细介绍策略模式…

Stable Diffusion AI绘画学习指南【常用模型,采样器介绍】

常用采样器、目前有20个采样步骤越多每个步之间的降噪越小,减少采样过程中的截断误差,结果越好 学微分方程求解器 Euler(最简单的采样器,采样过程中不加随机噪声,根据采样计划来执行每个步骤中的噪声,并使…