微服务：字面意思是微小的服务, 较小且独立的功能单元。微服务最早由Martin Fowler与James Lewis于2014年共同提出，微服务架构风格是一种使用一套小服务来开发单个应用的方式途径,每个服务运行在自己的进程中，并使用轻量级机制通信，通常是HTTP API,这些服务基于业务能力构建，可以使用不同的编程语言实现,以及不同数据存储技术，并保持低限度的集中式管理。

（以上八股文摘自网络，先混个脸熟😂）

【单体架构】

具体说明微服务的作用之前，先来看看传统的单体架构的特点：

开发简单直接，代码和项目集中式管理;
只需要维护一个工程，节省维护系统运行的人力成本;
排查问题的时候，只需要排查这个应用进程就可以了，目标性强。

随着项目功能越来越复杂，数据存储量和并发访问量越来越大，可能会出现一系列的问题，具体表现如下：

在技术层面上，数据库连接数和存储可能成为系统的瓶颈，可能要面临分库分表扩容等问题。
一体化架构增加了研发的成本，沟通费劲，代码管理困难，阻碍了研发效率的提升。比如说一个很大的项目需要20个人一起开发，一个小小的改动都可能会造成整个服务的不可用。
一体化架构对于系统的运维也会有很大的影响。任何小的修改，都需要构建整个项目，上线变更的过程非常不灵活。

《人月神话》中总结出了随着人员的增加沟通成本呈指数增长的规律:沟通成本= n(n-1)/2。

5人项目组,需要沟通的渠道是 5*(5-1)/2 = 10

15人项目组,需要沟通的渠道是 15*(15-1)/2 = 105

50人项目组,需要沟通的渠道是 50*(50-1)/2 = 1225

150人项目组,需要沟通的渠道是 150*(150-1)/2 = 11175

【微服务解决哪些问题】

针对上面单体服务出现的问题，微服务就应运而生了，简单地说，就是把一个大的复杂的项目（服务）拆分成多个小而简单的项目，然后各个项目之间通过HTTP接口来调用。比如可以将与业务无关的公用服务抽取出来，下沉成单独的服务。

具体应该怎么拆分，就设计到微服务的拆分原则。

微服务的拆分原则

原则一，做到单一服务内部功能的高内聚和低耦合。也就是说每个服务只完成自己职责之内的任务，对于不是自己职责的功能，交给其它服务来完成。
原则二，需要关注服务拆分的粒度，先粗略拆分，再逐渐细化。在服务拆分的初期其实很难确定究竟要拆分成什么样。服务多了也会带来问题，像是服务个数的增加会增加运维的成本。再比如，原本一次请求只需要调用进程内的多个方法，现在则需要跨网络调用多个 RPC 服务，在性能上肯定会有所下降。
原则三，拆分的过程要尽量避免影响功能迭代，也就是说要一边做产品功能迭代，一边完成服务化拆分。
原则四，服务接口的定义要具备可扩展性。服务拆分之后，由于服务是以独立进程的方式部署，所以服务之间通信就不再是进程内部的方法调用，而是跨进程的网络通信了。在这种通信模型下需要注意，服务接口的定义要具备可扩展性。

基于以上原则和保证服务高可用，可以大概梳理出如下的拆分方法：

稳定性。稳定的不经常改动的服务可以拆出去。
可靠性。可靠性较高的服务拆分出去。
高性能。会发生高并发的服务拆分出去，防止影响其它服务。

微服务化带来的问题和解决思路：

服务接口的调用，不再是同一进程内的方法调用，而是跨进程的网络调用，这会增加接口响应时间的增加。此时就要选择高效的服务调用框架，同时接口调用方需要知道服务部署在哪些机器的哪个端口上，这些信息需要存储在一个分布式一致性的存储中，于是就需要引入服务注册中心。
多个服务之间有着错综复杂的依赖关系，一旦被依赖的服务的性能出现问题，产生大量的慢请求，就会导致依赖服务的工作线程池中的线程被占满，那么依赖的服务也会出现性能问题。为了避免这种情况的发生，需要引入服务治理体系，针对出问题的服务，采用熔断、降级、限流、超时控制的方法，使得问题被限制在单一服务中，保护服务网络中的其它服务不受影响。
服务拆分到多个进程后，一条请求的调用链路上涉及多个服务，那么一旦这个请求的响应时间增长或者是出现错误，就很难知道是哪一个服务出现的问题。在问题定位时，很难确认哪一个服务是源头，就需要引入分布式追踪工具以及更细致的服务端监控报表。

总结起来就是：服务拆分单独部署后，引入的服务跨网络通信的问题；在拆分成多个小服务之后，服务如何治理的问题。需要使用RPC 框架。

微服务使用过程中有哪些坑？

服务划分过细，单个服务的复杂度确实下降了，但整个系统的复杂度却上升了，因为微服务将系统内的复杂度转移为系统间的复杂度了。

服务数量太多，团队效率急剧下降
调用链太长，性能下降，问题定位困难
没有自动化支撑，无法快速交付
没有服务治理，微服务数量多了后管理混乱

【RPC框架】

RPC (Remote Procedure Call，远程过程调用)，指的是通过网络调用另一台计算机上部署服务的技术。而 RPC 框架就封装了网络调用的细节，让你像调用本地服务一样，调用远程部署的服务。 RPC 框架能够解决系统拆分后的通信问题，并且能像调用本地一样去调用远程方法。利用 RPC 不仅可以很方便地将应用架构从“单体”演进成“微服务化”，而且还能解决实际开发过程中的效率低下、系统耦合等问题，这样可以使得系统架构整体清晰、健壮，应用可运维度增强。

比方说，电商系统中，商品详情页面需要商品数据、评论数据还有店铺数据，如果在一体化的架构中，你只需要从商品库、评论库、店铺库获取数据就可以了，不考虑缓存的情况下有三次网络请求。但是，如果独立出商品服务、评论服务和店铺服务之后，那么就需要分别调用这三个服务，而这三个服务又会分别调用各自的数据库，这就是六次网络请求。如果你服务拆分的更细粒度，那么多出的网络调用就会越多，请求的延迟就会更长。

下图所示为RPC的通信流程图：

常见的网络 IO 模型

两台 PC 机之间的网络通信，实际上就是两台 PC 机对网络 IO 的操作。常见的网络 IO 模型分为四种:同步阻塞 IO(BIO)、同步非阻塞 IO(NIO)、IO 多路复用和异步非阻塞 IO(AIO)。在这四种 IO 模型中，只有 AIO 为异步 IO，其他都是同步 IO。其中，最常用的就是同步阻塞 IO 和 IO 多路复用。

IO 多路复用更适合高并发的场景，可以用较少的进程(线程)处理较多的 socket 的 IO 请求，但使用难度比较高。在 RPC 框架的实现中，在网络通信的处理上会选择 IO 多路复用的方式。

RPC 执行过程总结

1. 服务容器负责启动，加载，运行服务提供者。
2. 服务提供者在启动时，向注册中心注册自己提供的服务，暴露自己的 IP 和端口信息。
3. 服务消费者在启动时，向注册中心订阅自己所需的服务。
4. 注册中心返回服务提供者列表给消费者，如果有变更，注册中心将基于长连接推送给数据消费者。
5. 服务消费者，从提供这地址列表中，基于软负载均衡算法，选一台提供者进行调用，如果调用失败，再选另外一台服务调用。
6. 服务消费者和提供者，在内存中累计调用次数和调用时间，定时发送一次统计数据到监控中心。

【问题】已经有 http 协议接口，或者说 RestFul 接口，为什么还要使用 RPC 技术?
【回答】在接口不多的情况下，使用 http 确实是一个明智的选择，比如在初创企业使用简洁高效的技术，先把东西做出来是最明智的选择。使用 http 协议优点：开发简单、测试也比较直接、部署方便，利用现成的 http 协议进行系统间通讯，如果业务真的慢慢做大，系统也慢慢扩大，RPC 框架的好处就显示出来了：首先 RPC 支持长链接，通信不必每次都要像 http 一样去重复 3 次握手，减少了网络开销。其次就是 RPC 框架一般都有注册中心模块，有完善的监控管理功能，服务注册发现、服务下线、服务动态扩展等都方便操作，服务化治理效率大大提高。

【CAP原理】

一致性(Consistency) 所有节点在同一时间具有相同的数据
可用性(Availability) 保证每个请求不管成功或者失败都有响应
分区容错(Partition tolerance)系统中任意信息的丢失或失败不会影响系统的继续运作

一个分布式系统最多同时满足一致性 (Consistency)，可用性 (Availability) 和分区容忍性 (Partition Tolerance) 这三项中的两项。同时满足一致性(C)和可用性(A)就要牺牲掉容错性(P)，同时满足可用性(A)和分区容错性(P)就要牺牲掉一致性(C)，同时满足一致性(C)和分区容错性(P)就要牺牲掉可用性(A)。

如何使用 CAP 理论

只要有网络交互就一定会有延迟和数据丢失，而这种状况必须要能接受，还必须保证系统不能挂掉。也就是说，分区容错性(P)是前提，是必须要保证的。现在就只剩下一致性(C)和可用性(A)可以选择了: 要么选择一致性，保证数据绝对一致;要么选择可用性，保证服务可用。

CP 模型的分布式系统，一旦因为消息丢失、延迟过高发生了网络分区，就影响用户的体验和业务的可用性。因为为了防止数据不一致，集群将拒绝新数据的写入，典型的应用是 ZooKeeper，Etcd 和 HBase。
AP 模型的分布式系统，实现了服务的高可用。用户访问系统的时候都能得到响应数据，不会出现响应错误，但当出现分区故障时，相同的读操作访问不同的节点，得到响应数据可能不一样。典型应用就比如 Cassandra 和 DynamoDB。

【服务注册和发现】

服务注册和发现的过程:

客户端会与注册中心建立连接，并且告诉注册中心，它对哪一组服务感兴趣;
服务端向注册中心注册服务后，注册中心会将最新的服务注册信息通知给客户端;
客户端拿到服务端的地址之后就可以向服务端发起调用请求了。

有了注册中心之后，服务节点的增加和减少对于客户端就是透明的。这样，除了可以实现不重启客户端，就能动态地变更服务节点以外，还可以实现优雅关闭的功能。服务在退出的时候都需要先停掉流量再停止服务，这样服务的关闭才会更平滑。（比如说，消息队列处理器就是要将所有，已经从消息队列中读出的消息，处理完之后才能退出）

目前业界有很多可供选择的注册中心组件，比如说 Nacos、Eureka、Consul、CoreDNS、Zookeeper。这些注册中心的区别如下：

参考资料：高并发系统设计40问_高并发架构_架构-极客时间

【配置中心】

一般的配置文件比如数据库的配置信息，请求三方服务的token信息等，为了安全考虑，基本是不能放到版本管理工具中的。

使用传统的配置文件有哪些弊端：

静态化配置，比如 Laravel 框架中的 .env 文件；
配置文件无法区分环境，比如 Yii 框架使用不同的environment配置多套配置文件，也比较麻烦；
配置文件过于分散，不方便管理，而且每次上线需要手动修改容易出错；
历史版本无法查看，一旦出了问题想要回滚都比较困难。

微服务配置中心能解决哪些问题？

配置信息的管理
配置信息的查看、读取、更新等
配置信息的管理界面

主流的配置中心都有哪些？

Apollo是由携程开源的分布式配置中心
Spring Cloud Config
consul

【Consul】

Consul介绍

Consul是google开源的一个使用go语言开发的服务发现、配置管理中心服务。Consul 简化了分布式环境中的服务的注册和发现流程，通过 HTTP 或者 DNS 接口发现。支持外部 SaaS 提供者等，它支持如下特性：

服务注册：服务实现者可以通过HTTP API或DNS方式，将服务注册到Consul。
服务发现：服务消费者可以通过HTTP API或DNS方式，从Consul获取服务的IP和PORT。
故障检测：支持如TCP、HTTP等方式的健康检查机制，从而当服务有故障时自动摘除。
K/V存储：使用K/V存储实现动态配置中心，其使用HTTP长轮询实现变更触发和配置更改。
多数据中心：支持多数据中心，可以按照数据中心注册和发现服务，即支持只消费本地机房服务，使用多数据中心集群还可以避免单数据中心的单点故障。
Raft算法：Consul使用Raft算法实现集群数据一致性。

Consul角色

-dev: 它是开发环境下的启动命令，提供了基本的服务，方便功能的开发，

-client，也就是客户端，它是无状态的，他将HTTP和DNS请求转发到服务端集群，

-server，也就是服务端，它保存配置信息，可以搭建高可用的集群。

Consul 内部端口

TCP/8300端口：用于服务器节点。客户端通过该端口RPC协议调用服务端节点。

TCP/UDP/8301端口：用于单个数据中心所有节点之间的互相通信，即对LAN池信息的同步。它使得整个数据中心能够自动发现服务器地址，分布式检测节点故障，事件广播(如领导选举事件)。

TCP/UDP/8302端口：用于单个或多个数据中心之间的服务器节点的信息同步,即对WAN池信息的同步。它针对互联网的高延迟进行了优化，能够实现跨数据中心请求。

8500端口：基于HTTP协议，用于API接口或WEB UI访问。

8600端口：作为DNS服务器，它使得我们可以通过节点名查询节点信息。

Consul工作原理

Consul集群

官方说法，一个集群的节点应该是3个或者5个。

为什么呢？首先是过半的选举机制，因为过半就可以选举出领导者，所以必须是基数才可以，否则经常会出现选举失败的情况。再然后就是因为consul遵循的是cap 原理中的CP原则，它保证了强一致性和分区容错性，且使用的是Raft算法，虽然它保证了强一致性，但是可用性就相应的下降了，所以它的节点就不宜太多，否则节点之间的同步就会影响性能。

consul官方给出的集群架构图：

关于Consul集群部署操作步骤，参考：Consul 集群部署_consul集群部署_freesharer的博客-CSDN博客

Raft算法

解决了分布式中领导选举和一致性问题，比较出名的共识算法,比如redis哨兵模式和consul。特点：

任期机制, raft是终身任期的
心跳机制,它决定领导者是否能有效的和跟随者通信
随机的选举超时时间
先到先得
过半投票机制

Raft角色：

Follower追随者,接受领导者发送的消息,当心跳超时时主动推荐自己为候选人
Candidate候选人,发送rpc消息，让其它节点投票给自己票数过半时,成为领导者
Leader领导者,向其它节点发送心跳,只要心跳不超时一直为领导者

Raft官网有个动画演示，可以点击查看：Raft Consensus Algorithm

更多Raft算法的资料，参考：raft算法详解_学习让人快乐呀的博客-CSDN博客

当先锋百科网

微服务的使用场景和架构设计方案