点击上方蓝色字体，选择“设为星标”

优质文章，及时送达

过去的一段时间和一些架构师 / 技术负责人聊天，云原生和企业上云是最近一段架构演进的一个常见话题，那么小公司到大型公司在上云和云原生上有什么价值和收益呢。

云原生技术的里程碑

云原生的定义

• 云计算的本质：按需分配资源和弹性计算

• 互联网业务特点：快速迭代，逻辑复杂，海量用户，流量突增，7*24小时高可用

上云的价值

• 业务上，研发团队可以更聚焦业务逻辑，提升研发效率，快速交付系统。

• 将技术层抽象到云原生层，技术组件的更新换代对业务架构透明，可以更快的进行技术换代而不影响业务架构。

• 抽象的云原生层持续的组件服务演进，可以提供更好可用性，稳定性的基础设施。

• 在资源利用率上，实现弹性伸缩，优化资源成本。

• 衔接标准的CI/CD流程，持续交付软件。

工程师的价值

• 拓宽技术视野，避免闭门造车。

• 将掌握技能更好的发挥价值。

• 输出优质组件，提供到云端，有更大的影响力。

云原生如何落地

可以基于公有云或私有云平台，通过云平台，云中间件，面向微服务，容器编排调度，及Devops流程优化等关键字进行整合，提升业务团队研发效率和质量，帮助业务降低风险，实现更快的交付。

传统的软件架构，不管是单体的还是SOA的架构，在整体架构设计上有很大一部分是趋同的，从上至下：

• 用户层：pc / app / h5 等

• 接入层：sso，wns，tgw等

• 逻辑层：应用逻辑模块，订单，商品，配送，门店，供应链，营销等

• 基础工具层：数据同步，数据中心，订单一致性，消息系统，音视频编解码

• 存储层：IDC，Redis，DB等

• 通用支撑层：支持端到端的监控，代码审计管理，数据统计可视化，监控告警，部署发布流程，自动化测试平台等

我们想一下，对以上通用常见的软件架构如何演化上云呢，存在哪些问题呢？

1. 架构插件化设计不够，如果换了一个数据上报组件，所有服务都需要调整代码再进行发布。

2. 历史原因，很多系统技术栈并不统一，一些内部RPC有多种协议，导致组件适配成本增加。

3. 业务系统底层服务和业务逻辑耦合严重，导致对于服务组件复用困难，需要重复开发。

4. 研发流程上，需要过多人工环节，会导致流程不规范。

5. 一些技术公共组件，如视频流加解密，消息推送，监控告警等，需要做到对业务高度透明化。

6. 容器化程度低，需要在虚拟机或物理机上消耗较多无意义的时间，比如扩缩容，权限审批等。

7. 监控告警体系不完善，不便捷，如果调用链，日志系统不完善很难具体定位线上问题。

针对以上问题，我们可以得出云原生架构演进方向和需要提升的点。聚焦于微服务，中间件，DevOps这三个方向，结合云弹性来推动架构演进。

优化微服务架构

建立服务开发规范，向云原生靠齐。主要原则遵循云原生12要素。

• 一份基准代码，多分部署。

• 显示生命依赖关系。

• 将配置存储在环境变量。

• 服务应作为松耦合后端资源。

• 严格分离构建流程和运行流程。

• 服务需向无状态进程演进。

• 通过端口绑定对外服务。

• 可通过水平扩展实现规模高并发。

• 可快速启动服务并可优雅关闭。

• 尽可能保证开发，测试，发布环境一致等价。

• 使用原创日志流处理。

• 后台管理任务当作一次性进程运行。

• 设计出合理且兼容的API是首要任务。

• 可以过滤测试和应用状态。

• 采用OAuth2.0和RBAC授权实现应用安全。

云原生开发规范

1. 统计的技术栈，包括语言，协议，开发框架等

2. 外部只能通过ApiGateway才能访问

3. 服务间只能通过RPC或消息队列通信

4. 服务无状态，可以快速启动或关闭

5. 框架对同类组件可插拔，更换具体组件不改变服务代码

6. 基于代码生成器自动代码生成，基于Ci实现自动化交付与部署

7. 尽量走远端配置，修改配置不用发布或重启服务

8. 数据库，缓存组件按具体业务实现多租户访问

1. 架构调整上，很重要的一点是在接入层，统一ApiGateway，对接多端协议，转换为内部微服务协议，可以对API生命周期管理，限流，鉴权等统一管理。

2. 逻辑层按业务划分，打薄到只有业务逻辑。

3. 通用逻辑继续下沉，下沉到中台层，沉淀如评论，IM，CRM，搜索，UGC，Push系统，订单，商品，支付，结算等通用逻辑。研发同学可以对这部分业务更深挖，更沉淀。

4. 再之下为容器层，将原有的二进制服务变为交付镜像。

5. 中间件层使用通用的云上中间件。

6. 通用逻辑监控告警，CICD打穿整个交付周期。

在完成了一些列的标准指定，架构演进，上云的流程需要有一个明确的迁移计划：

借助一些工具看数据迁移的效果与质量，比如数据异构，关系数据库与缓存中间件，数据库binlog解析实现增量数据订阅与消费，数据不停机迁移，业务影响最小化。

最后是完善Devops工具链，打通git，jenkins，k8s整个流程。

监控告警，对每层监控指标进行完善，生成调用链及图谱：