服务拆分:领域边界与数据归属
本篇要点:能给出「这个 23 个模块的单体该拆哪三个、其余为什么不拆」的量化答案,而不是一句「按业务域拆」。 前置文章:《微服务入门:边界、代价与演进路径》讲了微服务解决什么、又引入什么代价;这一章处理第一个必须回答的问题——边界画在哪里。
为什么需要它
一个真实订单中台的现状:Java 21、Spring Boot 3.5.x 单应用(截至 2026 年 11 月仍按 3.5.x 线维护,4.x 不在范围内),41.6 万行代码(不含测试),Maven 单模块,23 个业务包,数据库单实例 1.2TB,4 个团队共 31 人维护同一个代码库。构建耗时 14 分 20 秒(16C32G 构建机,含集成测试),发布窗口固定在每周二、周四凌晨,单次发布从分支冻结到回滚窗口关闭共 5 小时 40 分。近半年 3 次线上故障,其中 2 次的根因是「与本次发布无关的模块」引入的回归。
分布式单体(distributed monolith)的信号已经出现,不止一项:
| 信号 | 观测值 | 阈值 | 判定 |
|---|---|---|---|
| 发布冲突频次 | 每周 2.3 次代码冲突导致返工 | > 1 次/周 | 已触发 |
| 单一变更影响面 | 平均每次需求修改 4.7 个包 | > 3 个包 | 已触发 |
| 构建队列等待 | 峰值 47 分钟 | > 30 分钟 | 已触发 |
| 数据表跨域访问 | 23 个包中 9 个直接读写他域表 | > 0 | 已触发 |
| 多团队并行改同一文件 | 90 天内 6 个文件被 3 个以上团队修改 | — | 需关注 |
前四项说明协作成本已经真实发生,第五项说明成本集中在少数文件上。
核心概念
变更耦合度:经常一起改的东西才是一个单位
变更耦合度(change coupling)指两个代码单元被同一次提交修改的频率。口径是取近 90 天合并到主干的提交,每次提交涉及的文件两两配对,统计同一对文件出现在同一次提交的次数,再除以两者中出现次数较少者的总提交数。
类比是看两个人是不是总一起加班:不看坐得近不近,看考勤重合的时段。这样切,比按业务概念切更接近真实协作成本。
反例是只看领域模型。订单与库存的共同修改率 68%,订单与用户只有 4%;按业务域拆,前者每两次需求变更就要跨团队协调发布,后者不拆也没有额外成本。拆分的单位是「经常一起改的东西」,业务域只是近似。
限界上下文与聚合:用来校验,不用来划分
限界上下文(bounded context)是领域驱动设计(domain-driven design,DDD)里为某个模型划定的一致边界;聚合(aggregate)是边界内一组必须同时保持一致的对象。教科书常把它们当成拆分依据,但在这个项目里它们只作校验:先按打分选候选,再用事件风暴(event storming,把领域事件贴满墙的工作坊)核对边界。
三处不一致里,两处靠调整内聚解决,一处无法调和——优惠券与结算。最终优惠券留在单体内,以同步接口供结算调用。强行为它划服务,只会把本地事务变成两个服务的补偿。
三维打分:数据边界、变更频率、团队边界
数据边界维度看三件事:模块是否有独立于他域的生命周期、是否需要跨表事务、是否有被他域直接读取的表。三项中任意两项为「是」记 3 分。变更频率维度直接取耦合度数据:与核心域耦合低于 15%、与其他模块耦合均低于 30% 记 3 分。团队边界看负责人归属:有独立负责人且能对发布节奏负责记 3 分,共享负责人记 1 分,跨团队共享记 0 分。
23 个模块的打分分布是 3 个 ≥7 分(库存、结算、通知)、8 个 4 至 6 分、12 个 4 分以下。得分最高的三个恰好也是耦合度最低的三个,两个独立方法给出一致结论,这是本方案置信度的主要来源。
数据归属:拆服务就是拆数据库
数据归属(data ownership)指每张表只允许一个服务写。拆服务之前先回答:这段数据的写入口在哪、谁读它、跨服务查询怎么满足。
反例是「服务拆了、库没拆」:两个服务连同一实例、同一批表,任何表结构变更仍要同步发布,拆分只多了网络调用。库存的方案是独立 schema、同实例部署;彻底自治要迁到独立实例,对账脚本得一并改造。
模块化单体:不拆,但边界要被构建期强制
模块化单体(modular monolith)是一个进程、一个库,但模块之间不允许随意跨包依赖。它的边界靠构建期规则守,不靠代码评审(code review)。
反例是把「暂不拆」理解成「不治理」。判断标准是有没有一条会自动失败的规则:白名单条目只能减、不能增。白名单降到 0 时,拆分判断可以重做一次。
动手实践
第一步:用 git 数据算变更耦合度
# 统计近 90 天同一提交内共同修改的文件对,取前 20
git log --since="90 days ago" --name-only --pretty=format:'---%H' \
| awk '/^---/{if(n>1)for(i=1;i<=n;i++)for(j=i+1;j<=n;j++)print (a[i]<a[j]?a[i]" "a[j]:a[j]" "a[i]); delete a; n=0; next} NF{a[++n]=$0}' \
| sort | uniq -c | sort -rn | head -20预期输出形如(实测数据,已脱敏):
47 order/service/OrderService.java order/service/OrderStatusMachine.java
39 order/repo/OrderRepository.java inventory/repo/StockRepository.java
31 settlement/service/BillService.java order/service/OrderService.java
12 order/service/OrderService.java user/service/UserService.java第二行是关键发现:订单仓储与库存仓储在 39 次提交中一起被改。这两处代码在包结构与业务概念上都分属两个域,却总是同时改——因为共享同一段库存扣减逻辑。按业务域直接拆会切成两个服务、制造跨服务事务;正确动作是先把这段逻辑抽成独立模块,再谈拆分。
第二步:打分并做边界校验,再决定闸门
打分只给出候选,边界要对得上才进入实施,如图 2-1 所示。
图 2-1 模块分类与边界校验流程
第三步:给「暂不拆」写一条会失败的规则
// 模块化单体的边界靠构建期规则守,不靠 code review
@ArchTest
static final ArchRule 禁止跨域直接访问仓储 =
noClasses().that().resideInAPackage("..order..")
.should().dependOnClassesThat()
.resideInAnyPackage("..inventory.repo..", "..settlement.repo..");预期输出:首次运行失败,报出 41 处存量违规。这 41 处全部加入 @ArchIgnore 白名单并冻结,CI 校验条目数不得增加;违反新增依赖时构建直接失败。把白名单降到 0 约需 0.6 个全职人力、8 个月;若计入总投资,186 人日调整为 218 人日。
第四步:把代价算成人日和钱
| 代价科目 | 计量口径 | 库存 | 结算 | 通知 | 合计 |
|---|---|---|---|---|---|
| 代码剥离与接口改造 | 包行数 × 0.8 人日/千行 | 34 | 41 | 12 | 87 |
| 分布式事务改造 | Saga 用例数 × 6 人日 | 3 用例 18 | 4 用例 24 | 0 | 42 |
| 可观测性与运维接入 | 每服务 12 人日 | 12 | 12 | 12 | 36 |
| 回归与灰度 | 核心链路数 × 3 人日 | 7 | 8 | 6 | 21 |
| 合计 | — | 71 | 85 | 30 | 186 |
预期输出:一期 71 人日,两期合计 186 人日。年化新增成本约 42 万元:三个服务各 3 实例 4C8G 的云资源约 12.6 万元,1 名 SRE 分摊 60% 工时约 21 万元,追踪与日志存储增量约 8.4 万元。延迟代价单独算:订单创建链路在单体内是本地调用,3 至 8 毫秒;拆出库存与结算后增加两次跨服务调用,按同机房 gRPC 的 P99 1.8 毫秒加序列化开销,P99 预计从 210 毫秒升到 245 至 270 毫秒。该链路已有 120 毫秒的支付预授权耗时占主要部分。
一致性代价最难量化:7 个用例要改为 Saga(用补偿动作代替回滚的长事务模式),其中库存预占与结算对账两个用例要求强一致,方案是保留同步调用加补偿,代价是库存不可用时订单创建直接失败。不建议引入事件溯源:它要求接受「当前状态由事件重放得出」,而结算对账依赖直接查询状态表,改造会从 7 个用例扩散到全部结算逻辑。
第五步:用闸门控制分期,而不是按计划拆完
图 2-2 两期实施与准入闸门
一期选库存服务先行:耦合度最低、Saga 用例最少、有独立负责人;缺一条,一期就会变成跨团队谈判。
闸门 G1 的量化标准:库存服务接口 P99 ≤ 15 毫秒(同机房、200 并发、3 轮均值);超卖事件 0 起,连续 30 天;双写窗口内数据差异 ≤ 0.01%,用对账脚本逐日校验(双写窗口硬性限制 10 个工作日,到期强制单向);发布独立性达成,库存服务连续 4 次发布不触发订单服务回归;白名单违规数从 41 降至 ≤ 20。G2 追加三条:核心链路跨服务调用数 ≤ 3;Saga 补偿成功率 ≥ 99.9%;故障注入演练中库存服务不可用时,订单创建按预期降级且不产生级联超时。
常见误解
以为按业务域拆就是对的。 业务域是变更耦合度的近似,两者不一致时以数据为准。最初的 12 服务方案以领域模型为唯一依据,未做耦合度分析;按那条路走要 486 人日,是现方案的三倍以上,分布式单体化的概率还会再升一档。
以为拆完就自动变快。 拆分会增加两次网络调用,P99 从 210 毫秒升到 245 至 270 毫秒,年增运维成本 42 万元,还要把 7 个用例改成补偿事务。判断该不该拆的依据是协作成本是否已经大于这些代价,不是「微服务是趋势」。
以为「暂不拆」等于不投入。 模块化单体要花 0.6 个全职人力守白名单;不投入,边界会在半年内重新糊掉,下次拆得从头再量一遍。
小结
- 拆分的依据是变更耦合度,不是业务概念完整性;68% 与 4% 这两个数字比架构图更有说服力。
- 限界上下文与聚合只用来校验;校验不过的(优惠券与结算)留在单体,用同步接口调用。
- 三维打分(数据边界、变更频率、团队边界)选出 3 个 ≥7 分的候选,其余 20 个留在模块化单体内,靠 ArchUnit 规则守边界,白名单只减不增。
- 代价算四项:186 人日、年增 42 万元、P99 升 35 至 60 毫秒、7 个 Saga 用例;两个强一致用例保留同步调用加补偿。
- 分期用闸门卡:库存服务要过 P99 ≤ 15 毫秒、30 天零超卖、双写差异 ≤ 0.01% 才启动二期。《微服务入门:边界、代价与演进路径》讲了代价,这一章给的是计量方式。
相关主题
拆出三个服务之后,第一个现实问题立刻出现:库存服务的实例地址写在哪、超时阈值改一次要不要重启。《服务发现与配置中心:Nacos 与 Consul》讲服务发现与配置中心,用 Nacos 与 Consul 把「地址从哪来」和「参数从哪来」这两条路分开。