架构演进:从单体到分布式
本篇要点:给出可量化的演进信号,选一条随时能回滚的迁移路径,并在该合回去的时候敢合。 前置文章:《技术选型:评估框架与决策记录》用 ADR 把一次选型固定下来(这个记录方法在《架构思维:约束、权衡与设计原则》讲过),这一章把决策对象从“选哪个组件”换成“整套系统怎么长”。
一、为什么需要它
2025 年我参与一个电商后台的演进。那套单体应用 38 万行 Java,一次发版 47 分钟,其中 40 分钟在跑全量回归。团队的结论很一致:拆微服务。半年后拆出 14 个服务,发版时间降到 12 分钟,但 P1 故障从每月 0.6 次涨到 2.3 次,一次跨 5 个服务的排查平均要 3 小时。
复盘时发现,真正的原因从来没被写下来过:发版慢是因为回归测试没有分层,不是因为代码跑在一个进程里。拆分解决了一个症状,代价是引入网络分区、分布式事务、服务治理三类新问题,而团队当时没有对应的能力储备。
这一章要解决的就是这件事:动手之前先找到那个能被度量的信号,动手时选一条能回滚的路,动手后敢不敢合回去。
二、核心概念
2.1 三种形态,差的是边界不是代码量
单体(Monolith):一个构建产物、一个进程、一份数据库 schema。模块之间是方法调用,一次异常在同一个 try-catch 里就能兜住。
模块化单体(Modular Monolith):仍然是一个部署单元,但边界是机器可校验的——模块只能通过公开 API 包暴露类型,跨模块碰内部类型会编译失败或测试失败。
微服务(Microservices):多个独立部署单元,各自持有数据,协作必须走网络。
打个比方:单体是一间大开间,抬头就能喊人;模块化单体是打了隔断的办公室,串门要走门;微服务是不同楼层的公司,沟通靠邮件——邮件会丢、会晚到,而且你确认不了对方读没读。
反例:把包名从 service 改成 order.service、pay.service,然后对外宣布“我们已经是模块化单体”。只要任何类都能 import 任何类,边界就只活在架构图上。
2.2 演进信号必须是数字
演进信号(Evolution Signals)是能指向“当前形态已经撑不住”的测量值。感受不算信号,下面这些算:
| 信号 | 怎么量 | 红灯阈值 |
|---|---|---|
| 部署耦合 | 只改一个模块就发版的次数占比 | 低于 30% |
| 变更前置时间 | 从合并到上线的时间中位数 | 超过 3 天 |
| 伸缩错配 | 各模块 CPU 峰值 / 均值 的比值 | 超过 5 |
| 故障半径 | 单个非核心模块故障导致全站不可用的次数 | 半年内 ≥ 2 次 |
| 团队耦合 | 单仓库周合并冲突数、CODEOWNERS 覆盖率 | 覆盖率低于 60% |
表 10-1 五个演进信号的度量方式与红灯阈值
第一行最值得盯。如果七成发版都必须带上不相关的模块,拆分有实打实的收益;如果大部分发版本来就只动一个模块,拆出去换来的只有运维负担。
2.3 按业务能力拆,不按技术层拆
业务能力(Business Capability)指一块能独立交付价值的业务职责,比如“下单”“扣库存”“结算”。它和限界上下文(Bounded Context)大致对应:同一个词在不同上下文里意思不同——“订单”在交易上下文里是一张待支付凭证,在履约上下文里是一组待出库的物理行。
反例:拆成 user-service、dao-service、cache-service。这是按技术分层拆,一次下单要串四个服务,任何一层抖动都让整条链断掉,而且每个服务都得知道别人的字段结构。
判断边界是否切对,有个很短的测试:把这个模块连同它的数据表一起删掉,业务上会少哪个动作?如果答案是“什么都少不了,只是别人连不上它了”,说明它不是一个能力,只是一个层次。反过来,如果它对应的是“用户不能下单了”这种能被业务方直接说出口的话,这条边界大概就是对的。
2.4 绞杀者模式:先能回滚,再谈迁移
绞杀者模式(Strangler Fig Pattern)的名字来自那种绕着宿主树长、最后把宿主包死的藤蔓。做法是:新逻辑写在新服务,老逻辑一行不动;在最外层加一个路由层,按用户白名单或流量比例把请求分过去;两套并行跑一段时间比对结果;一致率达标再把比例调上去,最后删老代码。
它和“停机重写”的唯一区别,也是最值钱的区别:任何一步都能退回去。双跑阶段的比对口径要先定下来,通常是同一批请求在两边的返回体做字段级 diff,差异率低于 0.1% 才算达标;差异率不降的时候不要调比例,先查是新服务漏了校验还是老代码里躺着没人知道的特殊分支——八成是后者。
2.5 合并也是一种演进
拆过头的服务应该合回去。三个现象同时出现时,合并通常比继续拆划算:两个服务九成请求都在互相调用、两个服务读写同一批表、两个服务由同一个三人小组维护。这时网络边界没换来任何组织收益,只换来延迟和故障点。
图 10-1 架构演进的决策路径:先判断信号,再判断边界,最后才谈拆分
如图 10-1 所示,拆不是终点,图上有一条回到“保持模块化单体”的路,也有一条回到“合并”的路。
三、动手实践
三步,按顺序做,每步都有能判定的输出。
3.1 把边界写成一个会失败的测试
Java 21 + ArchUnit 1.x(截至 2026 年 11 月,1.4.1 是 Maven Central 上的最新版,下面固定 1.3.0 只为可复现)。在 pom.xml 里加依赖:
<dependency>
<groupId>com.tngtech.archunit</groupId>
<artifactId>archunit-junit5</artifactId>
<version>1.3.0</version>
<scope>test</scope>
</dependency>这一段是依赖声明,没有运行输出;写完执行一次 ./mvnw -q dependency:tree | grep archunit,能看到 archunit-junit5:1.3.0 及其传递依赖 archunit:1.3.0 就算装好了。接下来写规则:
// src/test/java/arch/ModuleBoundaryTest.java
@AnalyzeClasses(packages = "com.example.shop",
importOptions = ImportOption.DoNotIncludeTests.class)
class ModuleBoundaryTest {
@ArchTest
static final ArchRule 内部包不能被模块外引用 = noClasses()
.that().resideOutsideOfPackage("..order.internal..")
.should().dependOnClassesThat()
.resideInAPackage("..order.internal..")
.because("订单内部实现不得跨模块直连");
@ArchTest
static final ArchRule 报表模块不许直达支付库 = noClasses()
.that().resideInAPackage("..report..")
.should().dependOnClassesThat()
.resideInAPackage("..pay.internal..");
}运行结果:
$ ./mvnw -q test -Dtest=ModuleBoundaryTest
[ERROR] 内部包不能被模块外引用 Architecture Violation [Priority: MEDIUM]
Method <com.example.shop.report.DailyReportService.build(..)>
calls constructor <com.example.shop.order.internal.OrderRepository.<init>()>
in (DailyReportService.java:41)
Tests run: 2, Failures: 1规则一跑就抓到两处。到这一步,“模块化单体”才有据可依,之前那句话只是 PPT。
3.2 从 git 历史量出部署耦合
git log --since="90 days ago" --name-only --pretty=format:'@@@' > /tmp/changes.txt
python3 - <<'PY'
blocks = open('/tmp/changes.txt', encoding='utf-8').read().split('@@@')
single = multi = 0
for b in blocks:
mods = {l.split('/')[0] for l in b.strip().splitlines() if '/' in l}
if not mods:
continue
if len(mods) == 1:
single += 1
else:
multi += 1
total = single + multi
print(f"单模块提交 {single} 次,跨模块提交 {multi} 次,"
f"只改一个模块占比 {single/total:.1%}")
PY运行结果:
单模块提交 37 次,跨模块提交 141 次,只改一个模块占比 20.8%20.8% 低于 30% 的红线,说明大部分改动本来就横跨模块。这时要接受的现实是:按目录拆成服务,会把每天发生的跨模块改动变成每天发生的跨服务改动。
3.3 给迁移装一扇能关上的门
路由层按比例分流,一旦新服务错误率超阈值就整体退回老链路:
@Component
public class OrderCanaryFilter implements GlobalFilter, Ordered {
private final AtomicInteger counter = new AtomicInteger();
private volatile double ratio = 0.05; // 配置中心推送,按周递增
private volatile double newServiceErrRate = 0; // 由指标系统回填
@Override
public Mono<Void> filter(ServerWebExchange ex, GatewayFilterChain chain) {
int slot = Math.floorMod(counter.getAndIncrement(), 100);
boolean toNew = slot < Math.round(ratio * 100) && newServiceErrRate < 0.01;
ServerWebExchange target = toNew
? ex.mutate().request(r -> r.header("X-Route", "order-v2")).build()
: ex;
return chain.filter(target);
}
@Override public int getOrder() { return -100; }
}运行结果(比例 5% 时压 100 个请求,新服务三次 502):
$ for i in $(seq 1 100); do curl -s -o /dev/null -w "%{http_code}\n" \
-X POST localhost:8080/api/orders -d '{}'; done | sort | uniq -c
97 201
3 502
# 把 ratio 推回 0 后重跑
100 201三次 502 换来的是三条能查的日志和一次十分钟内的回退,而不是一次全站故障。
四、常见误解
误解一:微服务等于高可用。 其实服务多了故障点也多了。单体出问题通常是单点或发布,微服务把这两个解决了,同时把“一次方法调用”变成“一次网络调用”,引入超时、重试风暴、部分失败。要把可用性从 99.9% 抬到 99.95%,多副本加健康检查加故障域隔离就够了,跟拆不拆没关系。
误解二:拆分能提性能。 其实同机房跨进程调用比本地方法调用慢两到三个数量级,一次业务要拆成五次远程调用时,总延迟大概率变长。性能问题的常见解法在索引、缓存、批量化,不在换部署形态。
误解三:单体就是技术债。 其实代码质量和部署形态是两个维度。见过 14 个微服务的项目,每个服务内部都是大泥球,跨服务还共享同一张 user 表——这种“分布式单体”比原单体更难改,因为它既没有边界,又多了网络。
五、小结
《技术选型:评估框架与决策记录》的 ADR 决定了“选哪个组件”,这一章决定“整套系统怎么长”——两者用的是同一套记录方法,只是决策对象的颗粒度不同。
- 演进从信号出发:部署耦合、变更前置时间、伸缩错配、故障半径、团队耦合,五个指标有阈值才叫信号。
- 模块化单体是被低估的中间态,前提是边界能被测试挡住,而不是靠自觉。
- 拆分维度选业务能力,不选技术分层;技术分层拆出来的服务只会让每笔请求都串更长的链。
- 绞杀者模式的价值全在“能回滚”,双跑比对和灰度比例是两个必做的动作。
- 合并也是演进。互相调用九成、共享同一批表、同一个小组维护,三条同时成立就该合。
六、相关文章
迁移做完,系统跑在 14 个服务和一堆托管组件上,接下来替你记账的是每月云账单。《进阶:成本架构与资源效率》讲成本架构:怎么把账单拆到每个业务单元,算出单位经济性,再判断该加机器还是该改结构。
继续阅读:[《进阶:成本架构与资源效率》 进阶:成本架构与资源效率](/guide/architecture/cloud-cost-architecture.html)