架构与系统设计 / 知识点
架构模式高频选型速查
系统结构与边界
按表示、应用、领域或数据访问等职责划分层次,通过受控依赖降低业务代码耦合;适合职责边界清晰、变化节奏相对稳定的业务系统。
分层架构
分层架构是按职责把系统划分为若干层,并约束层之间的依赖方向,使界面、业务规则与技术实现能够相对独立变化的系统结构模式。
成立边界
关键不在于目录被分成几层,而在于职责和依赖受到约束。例如表示层负责接收请求和转换输入,应用层编排用例,领域层表达业务规则,数据访问或基础设施层处理数据库及外部系统接入;具体名称和层数可以随系统调整。
如果任意一层都能直接访问数据库、跨层调用成为常态,或者业务规则大量散落在控制器和持久化代码中,即使目录看起来分层,也没有真正获得分层带来的隔离效果。

与模块化单体的区别
| 概念 | 主要划分依据 | 重点约束 |
|---|---|---|
| 分层架构 | 技术或职责角色 | 控制不同职责层之间的依赖 |
| 模块化单体 | 业务能力或领域边界 | 控制不同业务模块之间的依赖 |
两者不是互斥关系。一个单体系统可以先按订单、库存等业务能力划分模块,再在每个模块内部采用适当的分层结构。
最小例子
处理“创建订单”时,请求入口只负责解析输入,应用层协调创建流程,领域对象检查订单规则,持久化实现负责写入数据库。若更换 HTTP 框架或数据库,核心订单规则不应因此被迫重写。
常见误解是把“Controller、Service、Repository 三个目录”直接等同于分层架构。目录只是代码组织形式,真正需要检查的是职责是否清晰,以及依赖是否遵守约定方向。
在单一部署单元内建立明确模块边界和依赖规则,保留本地调用与事务便利;适合业务正在增长但尚无充分理由承担分布式复杂度的系统。
模块化单体
模块化单体是在一个主要部署单元内按业务能力划分明确模块,并通过接口和依赖规则限制跨模块访问的系统结构模式。
成立边界
“单体”描述部署形态,“模块化”描述内部边界。订单、库存、支付等模块可以运行在同一进程并共享部署生命周期,但一个模块不应随意访问另一个模块的内部类、私有数据结构或实现细节。
这种模式保留本地调用、统一部署以及较容易使用单进程事务等便利,但模块之间仍需要真实的边界约束。若所有代码都能任意互调、共享内部模型和直接修改彼此数据,仅仅把文件放进不同目录并不能形成模块化单体。

与微服务的区别
| 概念 | 部署边界 | 典型模块通信 | 主要复杂度 |
|---|---|---|---|
| 模块化单体 | 多个模块通常随同一应用部署 | 进程内接口调用 | 维护内部边界 |
| 微服务 | 服务可独立部署 | 网络或消息通信 | 同时处理服务边界与分布式协作 |
模块化单体并不是“尚未完成的微服务”。如果独立部署、独立扩缩容或故障隔离没有带来足够收益,保持清晰模块边界本身就可以是长期架构选择。
最小例子
订单模块需要查询库存时,只调用库存模块公开的库存查询接口,而不直接引用库存模块的内部 Repository 或修改其数据表。两个模块仍可被打包成同一个应用并一起部署。
常见误解是认为“只有一个部署包就没有架构边界”。模块边界首先是代码所有权、公开接口和依赖规则形成的逻辑边界,并不要求每个模块都成为独立进程。
按业务能力拆分可独立部署和演进的服务,以部署自治换取组织与技术扩展能力;适合边界较成熟且独立发布、扩缩容需求明确的系统。
微服务架构
微服务架构是把系统按业务能力划分为多个可独立部署、独立演进的服务,并通过明确的远程接口协作的系统结构。
成立边界
关键不在于“服务很多”,而在于部署自治与边界自治。如果多个模块必须同时构建、同时发布,或者长期共享内部数据模型并直接修改同一组表,即使进程很多,也没有获得典型的微服务自治能力。

最小结构示例只用于辨认部署边界,不代表完整生产配置:
services:
orders:
image: example/orders:1.0
inventory:
image: example/inventory:1.0
payments:
image: example/payments:1.0这里三个服务可以分别拥有镜像和发布周期。验证真实系统是否符合这一边界时,应进一步检查某个服务能否在不重新发布另外两个服务的情况下独立升级;仅看到多个容器并不能证明采用了微服务架构。
与模块化单体的区别
| 概念 | 主要边界 | 典型发布方式 |
|---|---|---|
| 模块化单体 | 进程内模块边界 | 整体部署 |
| 微服务架构 | 独立服务边界 | 服务可独立部署 |
模块化单体同样可以有清晰业务边界,因此“边界清晰”并不是微服务独有特征。微服务额外引入网络通信、分布式故障、跨服务数据一致性和运维协调等成本。
最小例子
订单、库存和支付具有稳定业务边界,而且三者发布频率、扩缩容需求不同,可以分别成为服务。相反,把同一个业务模块机械拆成控制器服务、业务逻辑服务和数据库访问服务,只增加远程调用,并没有形成按业务能力划分的自治边界。
常见误解是把“容器化”“使用 HTTP”或“部署多个进程”直接等同于微服务。判断时优先核对业务边界、独立部署能力和数据所有权,而不是进程数量。
让核心业务通过端口与外部数据库、消息系统和接口适配器交互,使领域逻辑不绑定基础设施;适合强调可测试性和技术替换能力的系统。
六边形架构
六边形架构是一种把核心业务与外部技术细节隔离的结构:核心定义交互端口,数据库、HTTP、消息系统等外部能力通过适配器连接这些端口。
成立边界
核心业务不能为了某个数据库、Web 框架或消息客户端而改变自身规则。端口表达核心需要提供或使用的能力,适配器负责把具体协议和基础设施转换成这些能力;依赖方向应指向核心抽象,而不是让核心依赖外部实现。

最小接口片段用于说明端口与实现的边界:
public interface OrderRepository {
void save(Order order);
}
public final class JdbcOrderRepository implements OrderRepository {
@Override
public void save(Order order) {
// 具体 JDBC 持久化细节留在适配器中。
}
}这里 OrderRepository 是核心可以依赖的端口,JdbcOrderRepository 是基础设施适配器。验证边界时,可以用内存实现替换 JDBC 实现;若核心业务代码无需修改,说明数据库细节没有泄漏到核心。
与传统分层架构的区别
| 概念 | 主要关注点 | 核心与基础设施关系 |
|---|---|---|
| 传统分层架构 | 按表现、业务、数据等职责分层 | 依赖方向取决于具体设计 |
| 六边形架构 | 核心与外部世界隔离 | 外部通过端口适配核心 |
两者并不互斥。一个系统可以同时采用分层组织代码,并通过端口和适配器保持依赖倒置;因此不能仅凭目录中存在 controller、service、repository 判断它是否属于六边形架构。
最小例子
订单领域需要“保存订单”,核心只声明保存能力;生产环境由数据库适配器实现,测试环境可由内存适配器实现。把 JDBC 查询、HTTP 请求对象或消息客户端直接写进领域对象,则破坏了这层隔离。
常见误解是认为只要创建 ports 和 adapters 目录就是六边形架构。真正需要检查的是依赖方向:核心是否保持对具体框架、协议和基础设施实现的无知。
通过依赖规则让业务策略位于内层,框架、数据库和界面位于外层并向内依赖;适合生命周期较长且希望核心规则独立于技术实现的系统。
整洁架构
整洁架构是一种以依赖方向约束系统结构的架构思想:核心业务规则位于内层,界面、数据库、框架等实现细节位于外层,源代码依赖只能指向更内层的策略。
成立边界
关键不是目录必须画成若干同心圆,而是内层业务代码不能反向依赖外层技术实现。数据库、Web 框架或消息系统可以更换,而核心业务规则不应因此被迫认识这些具体技术。

依赖倒置常用于维持这一规则:内层定义自己需要的抽象接口,外层提供具体实现。这里约束的是源码依赖,并不意味着运行时调用只能从外向内;业务用例完全可以通过抽象接口调用数据库适配器。
与分层架构的区别
| 概念 | 核心约束 |
|---|---|
| 整洁架构 | 依赖指向业务策略,外部技术是可替换细节 |
| 传统分层架构 | 按界面、业务、数据访问等职责分层,依赖方向取决于具体设计 |
| 六边形架构 | 以端口和适配器隔离应用核心与外部系统 |
整洁架构与六边形架构的目标高度相近,都强调业务核心不被基础设施绑住;名称和结构表达不同,不应仅凭目录层数判断采用了哪一种。
最小例子
订单用例需要保存订单时,由业务内层声明 OrderRepository 抽象,数据库外层实现该接口。这样业务规则知道“需要保存订单”,却不需要知道使用 MySQL、PostgreSQL 还是其他持久化技术。
常见误解是把整洁架构等同于固定的四层目录模板。真正需要检查的是依赖方向:如果核心业务直接导入数据库 ORM、Web 控制器或外部框架类型,即使目录名称完全符合模板,也已经破坏了核心依赖规则。
以稳定核心提供基础能力,通过插件扩展差异化功能并隔离可选特性;适合规则引擎、开发工具以及需要第三方扩展机制的平台型产品。
微内核架构
微内核架构是一种把稳定的基础能力放入核心系统、把可选或易变化能力放入插件的架构模式,插件通过明确的扩展契约接入核心,而不是直接修改核心实现。
成立边界
核心需要足够稳定,并提供插件注册、调用或生命周期管理所需的扩展点;插件承担差异化能力。若所有功能都必须同时发布、彼此频繁访问内部状态,强行插件化通常只会增加接口和版本管理成本。

插件边界并不自动意味着插件可以任意独立部署。插件采用动态加载、启动时发现还是随主程序一起打包,取决于具体实现;微内核模式本身主要描述核心与扩展之间的结构关系。
与相邻模式的区别
| 概念 | 核心边界 |
|---|---|
| 微内核架构 | 稳定核心提供扩展契约,可选能力以插件接入 |
| 模块化单体 | 单一部署单元内部按模块划分职责,不要求存在插件机制 |
| 微服务架构 | 服务通常拥有独立运行与部署边界,通过进程间通信协作 |
微内核可以存在于单体应用中,也可能与其他架构方式组合使用,因此“有多个模块”或“有多个服务”本身都不足以判断系统采用了微内核。
最小例子
一个开发工具把文件模型、命令调度和扩展注册机制放在核心中,而语言支持由不同插件实现。安装新的语言插件即可增加能力,无须修改核心中的语言判断分支,这就是典型的核心加插件边界。
常见误解是把所有可插拔代码都称为微内核。若所谓插件必须读取核心私有状态、修改核心代码才能加入,或者核心持续包含大量针对具体插件的条件分支,那么插件边界实际上并未建立。
把数据处理拆成可组合的独立阶段,由管道依次传递结果;适合编译、ETL、日志处理和媒体加工等步骤明确且可独立替换的处理流程。
管道过滤器
管道过滤器(Pipes and Filters)把处理过程拆成一组相对独立的过滤器,由管道把前一阶段的输出传给下一阶段,使各阶段可以组合、替换或复用。
成立边界
这个模式成立的关键是相邻阶段之间存在清晰的数据契约:过滤器主要依赖输入数据,而不是依赖前后过滤器的内部实现。编译流水线、ETL、日志处理和媒体转换都常具有这种特征。
如果步骤之间需要频繁共享可变状态、跨阶段事务或大量双向调用,强行拆成过滤器会让协调成本超过解耦收益。管道也不意味着必须异步;同一进程中的函数链同样可以采用这种结构。

与责任链的区别
| 概念 | 数据如何前进 | 阶段是否通常都执行 |
|---|---|---|
| 管道过滤器 | 每阶段转换数据,再传给下一阶段 | 通常按管道依次处理 |
| 责任链 | 请求沿处理者传递,由处理者决定处理或继续 | 不一定,可能中途终止 |
两者都表现为链式结构,但管道过滤器关注逐阶段数据变换,责任链更关注请求由谁处理以及是否继续传递。
最小例子
下面用 shell 管道演示三个独立过滤阶段:生成文本、筛选包含 ERROR 的行,再统计数量。
printf 'INFO start\nERROR disk\nERROR network\n' | grep 'ERROR' | wc -l预期输出:
2这里 printf、grep、wc 分别只遵守标准输入输出契约,因此可以单独替换其中一个阶段,而不要求其他阶段了解其内部实现。
常见误解是把任何按顺序调用的方法都称为管道过滤器。只有当阶段之间通过明确的数据接口连接,并具有足够独立性时,这个模式才真正提供可组合和可替换的价值。
通信与异步解耦
组件通过事件发布和订阅协作,减少生产者对消费者的直接依赖;适合需要异步扩展、多下游响应或跨业务边界传播状态变化的系统。
事件驱动架构
事件驱动架构(Event-Driven Architecture)让组件通过发布和消费事件协作:生产者表达“已经发生什么”,消费者按需响应,从而避免生产者直接调用并了解所有下游组件。
成立边界
事件应表达已经发生的事实,并具有消费者能够理解的稳定契约。生产者通常只负责发布事件,不依赖具体消费者是否存在,因此适合一个状态变化需要触发多个独立下游处理的场景。
事件驱动不等于所有操作都异步,也不自动保证可靠性。消息是否持久化、是否可能重复、顺序如何保证以及失败如何重试,都取决于具体消息基础设施和业务设计;跨组件状态还可能在一段时间内不一致。

与请求响应的区别
| 概念 | 发送方表达 | 主要耦合关系 |
|---|---|---|
| 事件驱动 | 某件事已经发生 | 依赖事件契约,不必知道具体消费者 |
| 请求响应 | 请某个服务执行操作并返回结果 | 调用方通常知道目标服务及接口 |
事件驱动适合传播事实和触发多个后续动作;当调用方必须立即获得确定结果时,请求响应通常更直接。实际系统可以同时使用两种方式,而不是二选一。
最小例子
订单服务发布“订单已创建”事件后,库存服务可以预留库存,通知服务可以发送消息,分析服务可以更新指标。新增分析消费者时,订单服务通常无需增加一次对分析服务的直接调用。
如果通知消费者暂时失败,订单已经创建这一事实不会因此变成“未发生”;系统需要依据所用消息机制设计重试、去重或失败处理。
常见误解是认为使用消息队列就等于采用事件驱动架构。队列只是通信机制;如果消息实际表达的是对指定消费者的远程命令,并且生产者仍紧密依赖该消费者,那么它并没有获得典型事件发布订阅关系带来的解耦。
发布者把消息发送到主题,由多个订阅者独立消费而无需彼此感知;适合同一业务事件需要驱动通知、分析、缓存等多个下游动作的场景。
发布订阅
发布订阅是一种一对多消息分发模式:发布者把消息交给主题或频道,订阅者按订阅关系分别接收消息,双方不需要直接知道彼此身份。
成立边界
核心边界是一条消息可以分发给多个相互独立的订阅者。发布者只表达“发生了什么”,不逐个调用下游;新增订阅者通常也不要求修改发布者。
它并不天然保证消息一定送达、只处理一次或严格有序。这些性质取决于具体消息系统的持久化、确认、重试、消费位置和排序机制,不能仅凭“发布订阅”这一模式推断。

与消息队列的区别
| 概念 | 主要关系 | 典型关注点 |
|---|---|---|
| 发布订阅 | 一条消息面向多个订阅者分发 | 同一事件驱动多个独立动作 |
| 消息队列 | 工作进入队列等待消费者处理 | 缓冲、削峰和异步执行 |
两者并非互斥。实际消息系统可能同时提供主题订阅、持久化队列、消费者组等能力,因此应区分通信模式与产品提供的具体机制。
最小例子
订单完成后发布一次“订单已完成”事件,通知服务发送消息、分析服务统计成交、缓存服务刷新数据。三个订阅者各自处理同一事件,订单服务不需要逐个调用它们。
常见误解是把“异步消息”都称为发布订阅。判断重点不是是否异步,而是同一消息是否按照订阅关系独立分发给多个消费者。
通过持久化队列缓冲生产与消费速度差异,并将耗时工作移出同步请求链;适合削峰、后台任务和允许一定处理延迟的业务流程。
消息队列
消息队列是在生产者与消费者之间暂存待处理消息的通信机制,使生产速度与消费速度可以解耦,并让允许延迟的工作脱离同步请求链。
成立边界
队列的关键作用是让消息等待消费:生产者提交工作后不必同步等待消费者完成,消费者可以按照自身处理能力持续取走消息。持久化队列还能在一定范围内跨越进程故障保存尚未完成的工作,但具体可靠性取决于产品配置和确认机制。
队列不能自动解决所有可靠性问题。重复投递、消费失败、积压、顺序要求和毒消息仍需结合具体系统的确认、重试、死信或幂等策略处理。

与发布订阅的区别
| 概念 | 主要目的 | 典型场景 |
|---|---|---|
| 消息队列 | 缓冲工作并异步交给消费者处理 | 削峰、后台任务、慢任务解耦 |
| 发布订阅 | 把同一事件分发给多个独立订阅者 | 一个业务事件驱动多个下游动作 |
实际中两种模式可以组合。例如业务事件进入消息系统后,可以先按主题分发,再由各消费组内部的多个消费者共同处理积压工作。
最小例子
用户提交图片处理任务后,请求只负责把任务写入队列;后台消费者随后读取任务并执行转换。短时间出现大量请求时,任务先在队列中等待,而不要求同步请求同时启动等量处理工作。
常见误解是认为“用了队列就不会丢消息”。是否能够抵抗进程或节点故障,要看消息是否持久化、何时确认以及失败后如何重投,不能由“消息队列”这一名称直接保证。
让多个消费者实例竞争处理同一工作队列中的任务,通过横向增加实例提升消费能力;适合任务相互独立且需要弹性处理积压的场景。
竞争消费者
竞争消费者是让多个消费者实例从同一工作队列竞争领取任务,使每个任务由其中一个消费者处理,以横向扩展整体消费能力的模式。
成立边界
该模式适合任务彼此相对独立、无需由固定消费者处理,并且消息系统能够把单个任务交给一个消费者的场景。增加消费者通常可以提高并行度,但最终吞吐仍受队列、下游服务、数据库和外部接口等瓶颈限制。
消费者还必须正确处理失败与重复投递。若处理过程产生不可重复的副作用,仅靠“竞争领取”不能保证业务只执行一次,需要额外的幂等或去重机制。

与发布订阅的区别
| 模式 | 单个任务如何分发 | 主要目的 |
|---|---|---|
| 竞争消费者 | 多个消费者竞争,同一任务通常交给其中一个消费者 | 分摊工作、扩展处理吞吐 |
| 发布订阅 | 同一事件可分别投递给多个订阅方 | 将同一事实通知多个独立处理方 |
关键区别不是消费者数量,而是一份工作由谁处理。竞争消费者强调消费者之间分摊任务;发布订阅强调多个订阅方各自接收事件。
最小例子
队列中依次存在任务 A、B、C,三个消费者同时取任务。可能由消费者 1 处理 A、消费者 2 处理 B、消费者 3 处理 C;新增消费者 4 后,它也参与后续任务竞争,而不是要求 A、B、C 再各处理一遍。
常见误解是认为消费者数量翻倍,吞吐一定翻倍。只有任务可并行且队列、数据库、第三方接口等下游仍有余量时,横向增加消费者才可能继续提升吞吐。
调用方发送请求并等待明确响应,以直接交互获得结果或失败信息;适合调用链较短、响应时限明确且业务必须立即获得处理结果的操作。
请求应答
请求应答是调用方发出一个请求,并通过与该请求对应的响应获得处理结果或失败信息的交互模式。
成立边界
该模式的核心是请求与响应之间存在明确对应关系;在同步调用中,调用方通常会占用当前交互等待响应,因此尤其适合必须立即知道结果且响应时间有明确上限的操作。
“请求应答”不等于底层必须使用某一种协议,也不意味着服务一定成功。超时、网络中断或服务端故障都可能导致调用方无法获得确定结果,因此涉及写操作时仍需考虑超时后的重试与重复执行问题。

与异步消息的区别
| 模式 | 调用方如何获得结果 | 时间耦合 |
|---|---|---|
| 请求应答 | 等待与请求对应的响应 | 通常较强 |
| 异步消息 | 提交消息后可继续执行,结果可通过事件、回调或其他机制获得 | 通常较弱 |
请求应答适合“当前交互必须知道结果”的需求;若工作耗时较长、需要削峰,或调用方不必立即知道最终结果,异步方式通常更容易解除双方的时间耦合。
最小例子
结账页面请求价格服务计算当前订单总价,并在展示确认金额前等待计算结果,这是典型的请求应答。若改为提交一个需要数分钟处理的报表任务并立即返回任务标识,之后再查询完成状态,则核心交互已经转向异步处理。
常见误解是把请求应答直接等同于 HTTP。HTTP 经常承载请求应答,但模式描述的是交互关系,而不是限定具体传输协议。
在客户端与后端服务之间设置统一入口,集中处理路由、认证、限流和协议适配;适合微服务数量增加后需要隐藏内部拓扑并统一横切策略的系统。
API Gateway
API Gateway 是位于客户端与后端服务之间的统一入口:客户端面向网关发起请求,由网关依据规则转发到内部服务,并可集中执行认证、限流、协议适配等横切策略。
成立边界
它解决的是服务入口与通用通信策略集中治理,并不意味着所有业务逻辑都应放进网关。网关适合处理与请求入口密切相关且可跨服务复用的能力;订单计算、库存判断等领域规则仍应由对应服务负责。

与反向代理和 BFF 的区别
| 概念 | 核心关注点 | 典型边界 |
|---|---|---|
| API Gateway | API 统一入口与跨服务治理 | 路由、认证、限流、协议适配等 |
| 反向代理 | 将入口流量代理到后端 | 更偏通用代理、负载分发与网络层入口能力 |
| BFF | 针对特定客户端组织接口 | 按 Web、移动端等终端需求聚合和裁剪数据 |
三者能力可能重叠,区别主要在承担的架构职责,而不是某个产品是否支持某项功能。API Gateway 也可以与 BFF 组合:网关承担统一入口治理,再把请求路由到不同 BFF。
最小例子
假设公开入口为 /api/orders,内部订单服务实际位于 order-service:8080。客户端只访问网关,内部地址不需要暴露给客户端。以下命令验证的是这一入口关系,具体网关产品的配置方式并不由该模式规定。
curl -i https://api.example.com/api/orders预期结果是请求首先到达网关,再由已配置的路由交给订单服务;HTTP 状态码和响应体由实际网关策略及后端实现决定。可通过网关访问日志确认路由是否命中,例如检查请求路径、目标服务和最终状态码,而不应假定固定响应内容。
<TIME> request=/api/orders upstream=order-service:<PORT> status=<STATUS><TIME>、<PORT> 和 <STATUS> 为运行时值,实际日志格式取决于所使用的网关实现。
为 Web、移动端等不同客户端提供专用后端接口,按终端需求聚合和裁剪数据;适合不同客户端交互模型差异明显且通用 API 频繁妥协的场景。
Backend for Frontend
Backend for Frontend(BFF)是为某一类客户端设置专用后端接口层的模式,由该层按照客户端的交互需求聚合、裁剪或重组后端服务数据,使不同终端不必共同迁就一套接口形态。
成立边界
BFF 的前提是不同客户端存在稳定且显著的接口需求差异。例如移动端需要减少往返和响应字段,而 Web 端需要一次获取更丰富的数据。若多个客户端需求基本一致,拆出多个 BFF 只会增加重复代码、部署单元和维护成本。

与通用 API 和 API Gateway 的区别
| 概念 | 面向对象 | 主要目的 |
|---|---|---|
| 通用 API | 多类调用方 | 提供可复用的统一业务能力 |
| BFF | 特定客户端类型 | 按终端交互模型组织接口和数据 |
| API Gateway | 多类外部调用方 | 提供统一入口、路由及横切治理 |
BFF 与 API Gateway 不是互斥方案。系统可以先由 API Gateway 统一承接外部流量,再分别路由到 Web BFF 和 Mobile BFF;关键区别是前者关注统一入口治理,后者关注特定客户端需要什么接口形态。
最小例子
商品详情页同时需要商品信息、库存摘要和用户收藏状态。通用后端可以分别提供这些能力,而 Mobile BFF 可以组合为一次面向移动页面的响应,例如:
{
"product": {"id": "<ID>", "name": "Example"},
"inStock": true,
"favorite": false
}这是结构示例而非固定 BFF 协议;<ID> 为动态资源标识。其作用是说明客户端获得的是针对页面需求组织后的结果,而不是要求所有底层服务采用同一数据结构。
常见误解是“每种客户端都必须有一个 BFF”。是否拆分应由客户端需求差异决定;如果 Web 与移动端长期使用相同数据和交互流程,共享接口通常更简单。
通过注册信息或平台能力动态定位可用服务实例,避免调用方依赖固定地址;适合实例频繁扩缩容、迁移或由编排平台动态调度的分布式系统。
服务发现
服务发现是调用方通过注册信息、DNS 或编排平台提供的寻址能力,动态获得当前可用服务实例地址,而不是把实例 IP 和端口固定写入调用配置。
成立边界
它解决的是实例地址动态变化时如何找到服务,并不自动保证实例健康、请求一定成功或流量均衡。实例注册、健康检查、发现结果更新和负载均衡可以协作,但属于不同职责。
当实例地址稳定且数量很少时,静态配置可能已经足够;在容器编排、弹性扩缩容或实例频繁迁移的环境中,动态发现更有价值。

与相邻概念的区别
| 概念 | 主要回答的问题 |
|---|---|
| 服务发现 | 当前可以到哪里调用这个服务 |
| 健康检查 | 某个实例当前是否应被视为可用 |
| 负载均衡 | 多个候选实例之间应把请求发给哪一个 |
| 配置中心 | 应用运行所需的配置值从哪里获取 |
服务发现常使用健康检查结果过滤不可用实例,并把候选地址交给负载均衡机制,因此这些能力经常同时出现,但不能互相替代。
最小例子
在支持服务名解析的平台中,调用方可以只依赖逻辑服务名,而不保存某个实例的固定 IP。例如在已正确配置服务发现的运行环境中验证名称解析:
getent hosts orders预期输出形式如下,具体地址会随实例和环境变化:
<IP> orders能解析出地址只证明发现链路提供了寻址结果;还需要通过实际请求或平台健康状态确认目标实例能够提供业务服务。
数据与一致性
将修改状态的命令模型与读取数据的查询模型分开设计,使两侧能够独立优化;适合读写需求差异显著且愿意承担模型同步复杂度的系统。
CQRS
CQRS(Command Query Responsibility Segregation)是把修改系统状态的命令职责与读取数据的查询职责分开建模,使写侧和读侧能够按照不同需求独立设计与优化。
成立边界
CQRS 的核心是职责和模型分离,并不要求读写必须使用不同数据库、不同进程或不同技术栈。简单实现可以仍在一个应用和一个数据库中,只让命令路径与查询路径采用不同模型。
当进一步维护独立读模型时,写侧状态通常需要投影或同步到读侧。此时同步可能存在延迟,查询结果是否允许短暂落后于写入结果,需要由业务一致性要求决定。

与相邻概念的区别
| 概念 | 核心区别 |
|---|---|
| CQRS | 命令职责与查询职责使用分离的模型或路径 |
| 数据库读写分离 | 通常把写请求发往主库、读请求发往副本,重点是数据库访问拓扑 |
| Event Sourcing | 用事件序列保存状态变化事实,而不是只保存当前状态 |
CQRS 可以与数据库读写分离或 Event Sourcing 组合,也可以完全不使用它们。采用其中一个并不意味着已经采用另外两个。
最小例子
订单写侧可以使用包含业务规则的订单模型处理“确认订单”命令;列表查询则直接使用面向页面展示的订单摘要模型。两侧字段和结构不必一一对应:写模型关注合法状态变化,读模型关注高效返回所需数据。
例如命令成功后权威订单状态已经变为“已确认”,但异步维护的订单列表读模型可能在短时间内仍显示旧状态。这属于采用异步投影时需要明确接受和处理的一致性边界。
把领域状态变化记录为不可变事件序列,通过重放事件重建当前状态;适合需要完整审计、时间追溯或以历史变化驱动复杂业务分析的领域。
事件溯源
事件溯源(Event Sourcing)把已经发生的领域状态变化作为不可变事件持续保存,当前状态由这些事件按确定顺序重放或投影得到,而不是只保存状态的最新快照。
成立边界
事件必须表达已经发生的事实,例如“订单已创建”“商品已加入订单”,而不是“创建订单”这类命令。历史事件通常采用追加方式保存;如果事件可以被随意覆盖,就无法可靠重建过去状态。
重放还要求事件顺序、事件结构演进和处理逻辑具有可控规则。快照可以减少从头重放的成本,但快照只是优化手段,不能替代作为事实来源的事件序列。

与状态持久化的区别
| 方式 | 主要保存内容 | 历史状态来源 |
|---|---|---|
| 事件溯源 | 状态变化事件 | 重放历史事件 |
| 常规状态持久化 | 当前状态 | 需额外审计记录才能追溯 |
事件溯源也不等同于“记录操作日志”。只有当事件序列是重建领域状态的权威事实来源时,才符合这一模式;仅为了排错而写日志并不属于事件溯源。
最小例子
订单依次发生“订单已创建”“商品 A 已加入”“订单已确认”。从空订单开始依次应用三个事件,可以得到当前订单包含商品 A 且处于已确认状态;重放到第二个事件,则可以恢复确认之前的状态。
常见误解是认为有消息队列或事件表就是事件溯源。消息如何传输并不是判断标准,关键在于领域状态是否以不可变事件历史作为事实来源,并能由这些事件重建。
让每个服务拥有并控制自己的数据存储,其他服务只能通过契约访问数据;适合需要服务自治和独立演进,并能接受跨服务查询与事务成本的系统。
数据库按服务拆分
数据库按服务拆分(Database per Service)要求每个服务拥有并控制自己的持久化数据,其他服务通过该服务公开的 API、消息等契约获取或改变数据,而不是直接访问其内部表。
成立边界
“每服务一个数据库”强调的是数据所有权和访问边界,不一定要求每个服务都部署一台独立数据库服务器。不同服务可以使用独立数据库、独立 schema 等隔离方式,但必须阻止其他服务绕过契约直接依赖内部数据结构。
因此,跨服务查询通常需要 API 聚合、读模型或事件驱动的数据复制;跨服务原子事务也不能默认依赖单库事务完成,需要根据一致性要求选择相应协调方式。

与共享数据库的区别
| 模式 | 数据所有权 | 跨服务读取 | 独立演进 |
|---|---|---|---|
| 数据库按服务拆分 | 服务拥有自己的数据 | 通过服务契约或派生读模型 | 数据结构耦合较低 |
| 共享数据库 | 多个服务直接访问共同数据 | 可直接查询共享表 | 更容易形成 schema 耦合 |
最小例子
假设订单服务拥有 orders,库存服务拥有 inventory。下面用两个独立 schema 演示数据所有权边界;这是最小 SQL 示例,不代表两个服务必须位于同一个数据库实例。
CREATE SCHEMA order_service;
CREATE SCHEMA inventory_service;
CREATE TABLE order_service.orders (
id BIGINT PRIMARY KEY
);
CREATE TABLE inventory_service.inventory (
product_id BIGINT PRIMARY KEY,
quantity INTEGER NOT NULL
);预期结果:四条语句均成功执行后,可以分别读取两个 schema 中的表;具体成功提示因数据库客户端而异。可用元数据查询验证:
SELECT table_schema, table_name
FROM information_schema.tables
WHERE table_schema IN ('order_service', 'inventory_service')
ORDER BY table_schema, table_name;预期结果:
inventory_service | inventory
order_service | orders这个例子只展示存储边界。真正采用该模式时,还需要通过数据库权限和服务接口约束访问,使订单服务不能直接查询或修改 inventory_service.inventory。
常见误解是把“物理上用了多个数据库”当成充分条件。如果服务 A 仍直接读取服务 B 的表,即使表位于另一数据库,也没有形成完整的数据自治边界。
多个模块或服务直接访问同一数据库模式,可简化跨模块事务与查询,但会形成数据级耦合;适合边界尚未独立且部署自治要求较低的系统。
共享数据库
共享数据库是多个模块或服务直接读写同一数据库模式,由数据库提供共同的数据存储、查询能力和事务边界的架构方式。
成立边界
这种模式通常要求参与方能够接受数据库级耦合:表结构、约束或事务规则的变化可能同时影响多个模块。它更适合部署自治要求较低、数据边界尚未独立,且确实需要跨模块查询或单库事务的系统。
共享数据库不等于所有模块都应任意修改所有表。即使物理数据库共享,也可以通过表所有权、数据库账号权限和接口约定限制写入范围。
与数据库独享的区别
| 模式 | 数据访问 | 事务边界 | 主要代价 |
|---|---|---|---|
| 共享数据库 | 多个模块直接访问同一数据库模式 | 可直接使用单库事务 | 表结构和数据规则形成跨模块耦合 |
| 服务独享数据库 | 服务只直接访问自己的数据 | 跨服务通常不能依赖单库事务 | 需要接口、事件或其他一致性机制协作 |

最小例子
假设订单模块和结算模块共享同一个关系数据库。下面的事务同时写入订单和结算记录,体现单库事务可以原子提交两个模块的数据变化。
BEGIN;
INSERT INTO orders (id, status) VALUES (1001, 'CREATED');
INSERT INTO settlements (order_id, status) VALUES (1001, 'PENDING');
COMMIT;预期结果:两条写入在同一事务中提交;若第二条语句因约束等原因失败并执行回滚,则本事务中的第一条写入也不会提交。实际表结构、约束和事务行为以所用数据库为准。
可在同一会话提交后验证:
SELECT id, status FROM orders WHERE id = 1001;
SELECT order_id, status FROM settlements WHERE order_id = 1001;预期输出:
1001 | CREATED
1001 | PENDING常见误解
常见误解是把“共享数据库”直接等同于“单体应用”。两者描述的维度不同:共享数据库强调数据访问和所有权边界;单体或分布式描述的是应用的组织与部署形态。多个独立部署的服务仍可能共享数据库,只是这种做法会削弱它们的数据自治能力。
把跨服务业务事务拆成多个本地事务,并通过后续步骤或补偿动作协调最终结果;适合无法使用单库事务且业务允许显式补偿的长事务流程。
Saga
Saga 是把一个跨服务业务事务拆成一系列本地事务,并在后续步骤失败时通过预先定义的补偿动作处理已完成步骤,使业务最终进入可接受状态的事务协调模式。
成立边界
Saga 适用于参与服务各自提交本地事务、无法依赖一个覆盖全流程的单库事务,并且业务能够定义失败后的补偿语义。补偿通常是新的业务操作,而不是数据库层面的瞬时回滚,因此中间状态可能被其他请求观察到。
Saga 也不保证任意操作都能恢复到历史状态。例如已经发送的通知无法真正“撤回发送”这一事实,只能通过后续通知或状态修正进行业务补偿。
与原子事务的区别
| 概念 | 成功路径 | 失败处理 | 中间状态 |
|---|---|---|---|
| 原子事务 | 操作作为一个事务整体提交 | 整体回滚 | 通常不暴露未提交状态 |
| Saga | 多个本地事务依次提交 | 执行对应补偿动作 | 已提交步骤可能暂时可见 |
Saga 常见协调方式包括集中式编排和基于事件的协同;二者改变的是步骤如何推进,不改变“本地事务加补偿”的核心边界。

最小例子
以“创建订单 → 扣减库存 → 收款”为例:创建订单和扣减库存已经分别提交,而收款失败时,可以执行“恢复库存”和“取消订单”作为补偿,使流程最终收敛到业务允许的失败状态。
T1 创建订单:成功
T2 扣减库存:成功
T3 收款:失败
C2 恢复库存:成功
C1 取消订单:成功
最终状态:订单已取消,库存已恢复,未完成收款这里的 C2 和 C1 是业务补偿动作,不表示数据库自动撤销此前已经提交的事务。实际系统还需要处理补偿自身失败、消息重复以及步骤状态持久化等情况。
常见误解
常见误解是把 Saga 理解成“分布式回滚”。Saga 的已完成步骤通常已经提交,失败后执行的是新的补偿事务,因此补偿必须具备明确的业务语义;如果某一步不可逆且不存在可接受的补救动作,就不能仅靠 Saga 假设整个流程可以恢复到原始状态。