1 前言

我认为技术之于业务的意义在于

  • 技术可以实现业务的需求
  • 技术可以丰富业务的手段
  • 技术可以扩展业务的边界

 

 

2 概述

从0到1构建一个业务系统是一个很具有挑战性的工作,综合能力要求会比较高。本文来谈一谈从0到1构建一个业务系统基本方法论,实现具体细节各有不同,欢迎大家多多交流。

 

 

3 关键步骤

3.1 技术选型

选用稳定的并且经过线上考验的技术和框架。

 

3.2 绘制用例图

用例图由参与者(actor)、用例(use case),边界以及它们之间的关系构成,用于描述系统功能。用例图(use case)是外部用户(被称为参与者)所能观察到的系统功能的模型图。用例图呈现了一些参与者,一些用例,以及它们之间的关系,主要用于对系统、子系统或类的功能行为进行建模。用例图是系统的蓝图。

 

3.3 设计领域模型

设计清晰的领域模型对开发以及后续维护至关重要。简而言之就是系统有多少个模块,每个模块之间是怎么交互的,是同步还是异步,走消息还是直接调用。此时每个工程师可以认领自己熟悉的模块,后续分模块进行开发。

 

3.4 设计交互流程

系统间的模块是如何交互的?系统和其它系统间如何交互?这些问题需要在这个阶段得到详细而具体的回答。一个比较好的方法是绘制时序图,用一个典型的业务场景为例,描绘出整个系统交互的主要流程。

 

3.5 设计数据表

数据表设计有以下维度需要思考:

  • 基础数据字段
  • 核心业务字段
  • 数据表索引设计
  • 数据表体量
  • 是否需要分库分表

 

3.6 新建工程模块

现在架构师就要创建工程和模块了。原则上是一个领域一个工程,按照领域级别分别部署。当然,项目刚开始为了快速迭代可以先合并几个领域到一个工程,等到体量大了再拆分。

 

3.7 明确代码规约

异常是抛出还是捕获,接口的返回值需要用Result<?>包装,监控、告警、流控由切面统一处理等,这样系统会具有很好的维护性。

 

3.8 进入开发阶段

此时开发的基础条件都已具备,每个模块的负责人按照模块进行开发。

 

3.9 进入测试阶段

开发人员单元测试要完备,测试人员先按模块进行测试,最后全链路测试。

 

3.10 进入发布阶段

明确各模块依赖关系,明确发布顺序,确定回滚方案。要注意RPC服务循环依赖的问题。

 

 

4 核心指标

完成上述工作,功能相关的工作就完成了。当然一个系统仅仅完成功能是远远不够的,还有以下的几个核心指标需要关注。

 

4.1 机器指标

架构师只关注功能层面是不够的,因为有些功能看似正常,但是在运行一段时间会暴露严重问题。比如刚发布上去功能完全正常,但运行一段时间后响应速度显著下降,原因是有开发人员在代码中随意声明线程,频繁创建线程达到了Linux支持的最大线程数,导致整个应用无法接收新的请求。

 

所以架构师在线上还应该关注机器指标,比如线程数,CPU利用率,内存,磁盘空间,磁盘IO,网络流量,负载情况,GC情况等等。

 

当系统运行一段时间后出现耗时莫名增加,超时报警异常增多,但并没有发布或升级的操作,就需要立刻分析机器指标。

 

 

4.2 性能指标

在客户端层,代理层,WEB层,服务端层,数据层都有着自己的性能优化的手段。简单介绍一下服务层和数据层相关常见的优化方案。常见的做法是在服务层和数据层之间加一个缓存层,可以是本地缓存也可以是分布式缓存,原则就是将数据放在离用户更近的地方,以空间换时间。技术架构上可以抽出一层缓存的工具框架包,在框架中统一提供比如缓存击穿,分布式锁等解决方案。

 

4.3 监控指标

没有监控报警的业务系统非常不安全,工程师必须对系统监控报警敏感且及时响应。监控可以从以下的几个方面去思考:

 

(1) 业务监控

  • 业务异常:单位时间出现X次需要告警
  • 数据量监控:单位时间数据量是否正常
  • 延时监控:某状态单位时间内是否变化

 

(2) 系统监控

系统异常是不允许出现的异常,如空指针,数据库异常,只要出现就立刻需要告警被感知。

 

4.4 安全指标

系统的安全性是系统的根本,要从系统安全和业务安全两个方向去考虑。下列指标只是提供一个思路,难免挂一漏万,还有很多指标可以补充:

 

(1) 业务安全

  • 超时是失败还是重试
  • 补偿机制是否完备
  • 分布式一致性是否实现
  • 幂等性是否完备(上下游幂等性,监听消息时肯定会收到重复消息)

 

(2) 系统安全

  • 是否鉴权
  • 是否流控
  • 是否高频检测
  • 是否随意声明线程
  • 是否数据加密

 

5 用好大数据

大数据技术和框架层出不穷,我们可以选择一些来扩展系统的功能,减轻系统的压力。比如利用Hive进行离线数据分析,ES进行实时数据分析和数据检索,HBase存储行为轨迹数据等,达到减轻数据库压力,降低系统风险的目的。大数据平台还可以生成报表,为数据化运营提供有力保障。

 

 

6 本文总结

从0到1构建业务系统需要有一定的架构思维和能力,这种能力也只有在不断实践,踩坑和思考中才可以形成。踩坑也不要灰心,要吸取教训,总结经验,才能成为一名合格的架构师。

 

本文原发表于我的公众号【IT徐胖子】敬请关注

从0到1构建业务系统基本方法论-LMLPHP

 

08-09 01:52