紹一下Spring Cloud微服務架構

Spring Cloud解決的第一個問題就是：服務與服務之間的解耦。不少公司在業務高速發展的時候，服務組件也會相應的不斷增長。服務和服務之間有着複雜的相互調用關係，常常有服務A調用服務B，服務B調用服務C和服務D ...，隨着服務化組件的不斷增多，服務之間的調用關係成指數級別的增加，這樣最容易致使的狀況就是牽一髮而動全身。常常出現因爲某個服務更新而沒有通知到其它服務，致使上線後慘案頻發。這時候就應該進行服務治理，將服務之間的直接依賴轉化爲服務對服務中心的依賴。Spring Cloud 核心組件Eureka就是解決這類問題。

Eureka
Eureka是Netflix開源的一款提供服務註冊和發現的產品，它提供了完整的Service Registry和Service Discovery實現。也是Spring Cloud體系中最重要最核心的組件之一。

用大白話講，Eureka就是一個服務中心，將全部的能夠提供的服務都註冊到它這裏來管理，其它各調用者須要的時候去註冊中心獲取，而後再進行調用，避免了服務之間的直接調用，方便後續的水平擴展、故障轉移等。以下圖：

 

 

固然服務中心這麼重要的組件一但掛掉將會影響所有服務，所以須要搭建Eureka集羣來保持高可用性，生產中建議最少兩臺。隨着系統的流量不斷增長，須要根據狀況來擴展某個服務，Eureka內部已經提供均衡負載的功能，只須要增長相應的服務端實例既可。那麼在系統的運行期間某個實例掛了怎麼辦？Eureka內容有一個心跳檢測機制，若是某個實例在規定的時間內沒有進行通信則會自動被剔除掉，避免了某個實例掛掉而影響服務。

所以使用了Eureka就自動具備了註冊中心、負載均衡、故障轉移的功能。

Hystrix
在微服務架構中一般會有多個服務層調用，基礎服務的故障可能會致使級聯故障，進而形成整個系統不可用的狀況，這種現象被稱爲服務雪崩效應。服務雪崩效應是一種因「服務提供者」的不可用致使「服務消費者」的不可用,並將不可用逐漸放大的過程。

以下圖所示：A做爲服務提供者，B爲A的服務消費者，C和D是B的服務消費者。A不可用引發了B的不可用，並將不可用像滾雪球同樣放大到C和D時，雪崩效應就造成了。

 

 

在這種狀況下就須要整個服務機構具備故障隔離的功能，避免某一個服務掛掉影響全局。在Spring Cloud 中Hystrix組件就扮演這個角色。

Hystrix會在某個服務連續調用N次不響應的狀況下，當即通知調用端調用失敗，避免調用端持續等待而影響了總體服務。Hystrix間隔時間會再次檢查此服務，若是服務恢復將繼續提供服務。

Hystrix Dashboard和Turbine
當熔斷髮生的時候須要迅速的響應來解決問題，避免故障進一步擴散，那麼對熔斷的監控就變得很是重要。熔斷的監控如今有兩款工具：Hystrix-dashboard和Turbine
Hystrix-dashboard是一款針對Hystrix進行實時監控的工具，經過Hystrix Dashboard咱們能夠直觀地看到各Hystrix Command的請求響應時間, 請求成功率等數據。可是隻使用Hystrix Dashboard的話, 你只能看到單個應用內的服務信息, 這明顯不夠. 咱們須要一個工具能讓咱們彙總系統內多個服務的數據並顯示到Hystrix Dashboard上, 這個工具就是Turbine. 監控的效果圖以下：

 

 

配置中心
隨着微服務不斷的增多，每一個微服務都有本身對應的配置文件。在研發過程當中有測試環境、UAT環境、生產環境，所以每一個微服務又對應至少三個不一樣環境的配置文件。這麼多的配置文件，若是須要修改某個公共服務的配置信息，如：緩存、數據庫等，不免會產生混亂，這個時候就須要引入Spring Cloud另一個組件：Spring Cloud Config。

Spring Cloud Config
Spring Cloud Config是一個解決分佈式系統的配置管理方案。它包含了Client和Server兩個部分，Server提供配置文件的存儲、以接口的形式將配置文件的內容提供出去，Client經過接口獲取數據、並依據此數據初始化本身的應用。

其實就是Server端將全部的配置文件服務化，須要配置文件的服務實例去Config Server獲取對應的數據。將全部的配置文件統一整理，避免了配置文件碎片化。

若是服務運行期間改變配置文件，服務是不會獲得最新的配置信息，須要解決這個問題就須要引入Refresh。能夠在服務的運行期間從新加載配置文件。

當全部的配置文件都存儲在配置中心的時候，配置中心就成爲了一個很是重要的組件。若是配置中心出現問題將會致使災難性的後果，所以在生產中建議對配置中心作集羣，來支持配置中心高可用性。

Spring Cloud Bus
上面的Refresh方案雖然能夠解決單個微服務運行期間重載配置信息的問題，可是在真正的實踐生產中，可能會有N多的服務須要更新配置，若是每次依靠手動Refresh將是一個巨大的工做量，這時候Spring Cloud提出了另一個解決方案：Spring Cloud Bus

Spring Cloud Bus經過輕量消息代理鏈接各個分佈的節點。這會用在廣播狀態的變化（例如配置變化）或者其它的消息指令中。Spring Cloud Bus的一個核心思想是經過分佈式的啓動器對Spring Boot應用進行擴展，也能夠用來創建一個或多個應用之間的通訊頻道。目前惟一實現的方式是用AMQP消息代理做爲通道。

Spring Cloud Bus是輕量級的通信組件，也能夠用在其它相似的場景中。有了Spring Cloud Bus以後，當咱們改變配置文件提交到版本庫中時，會自動的觸發對應實例的Refresh，具體的工做流程以下：

 

 

服務網關
在微服務架構模式下，後端服務的實例數通常是動態的，對於客戶端而言很難發現動態改變的服務實例的訪問地址信息。所以在基於微服務的項目中爲了簡化前端的調用邏輯，一般會引入API Gateway做爲輕量級網關，同時API Gateway中也會實現相關的認證邏輯從而簡化內部服務之間相互調用的複雜度。

 

 

Spring Cloud體系中支持API Gateway落地的技術就是Zuul。Spring Cloud Zuul路由是微服務架構中不可或缺的一部分，提供動態路由，監控，彈性，安全等的邊緣服務。Zuul是Netflix出品的一個基於JVM路由和服務端的負載均衡器。

它的具體做用就是服務轉發，接收並轉發全部內外部的客戶端調用。使用Zuul能夠做爲資源的統一訪問入口，同時也能夠在網關作一些權限校驗等相似的功能。

鏈路跟蹤
隨着服務的愈來愈多，對調用鏈的分析會愈來愈複雜，如服務之間的調用關係、某個請求對應的調用鏈、調用之間消費的時間等，對這些信息進行監控就成爲一個問題。在實際的使用中咱們須要監控服務和服務之間通信的各項指標，這些數據將是咱們改進系統架構的主要依據。所以分佈式的鏈路跟蹤就變的很是重要，Spring Cloud也給出了具體的解決方案：Spring Cloud Sleuth和Zipkin

 

 

Spring Cloud Sleuth爲服務之間調用提供鏈路追蹤。經過Sleuth能夠很清楚的瞭解到一個服務請求通過了哪些服務，每一個服務處理花費了多長時間。從而讓咱們能夠很方便的理清各微服務間的調用關係。

Zipkin是Twitter的一個開源項目，容許開發者收集 Twitter 各個服務上的監控數據，並提供查詢接口。