微服务
单体应用拆分成一个一个的小的应用，这每一个小的应用都是一个微服务。强调的是服务。每一个微服务都需要有自己独立的数据库。
微服务是一个服务（可以独立提供具体的功能的）
微服务架构
马丁福勒本人自己都说没有一个很好的定义：最重要的一点就是单体应用的拆分维度，技术拆分还是按照业务拆分等等。
如果非要定义：一种架构模式，或者架构风格，就是将一个单体应用拆分成多个一组小的服务，每一个服务可以单独运行，只做一件事，服务之间可以通过相互调用的方式（Dubbo采用RPC远程过程调用，SpringCloud采用的是基于http的Restful API），为用户提供价值。强调的是用某一种方式将一个一个的微服务组装拼接起来成为一个整体，对外提供服务。
总结：轻量，单一，解耦，借由统一的服务管理，相互配合，形成应用。
分布式：不同的多台服务器上面部署不同的服务模块（工程），他们之间通过Rpc/Rmi之间通信和调用，对外提供服务和组内协作。
集群：不同的多台服务器上面部署相同的服务模块，通过分布式调度软件进行统一的调度，对外提供服务和访问。
传统的开发模式
既所有的功能打包在一个 WAR 包里，基本没有外部依赖（除了容器），部署在一个 JavaEE 容器（Tomcat，JBoss，WebLogic）里，包含了 DO/DAO，Service，UI 等所有逻辑。
优点
- 开发简单，集中式管理
- 基本不会重复开发
- 功能都在本地，没有分布式的管理和调用消耗
缺点
- 效率低：开发都在同一个项目改代码，相互等待，冲突不断
- 维护难：代码功功能耦合在一起，新人不知道何从下手
- 不灵活：构建时间长，任何小修改都要重构整个项目，耗时
- 稳定性差：一个微小的问题，都可能导致整个应用挂掉
- 扩展性不够：无法满足高并发下的业务需求
微服务架构
有效的拆分应用，实现敏捷开发和部署
官方的定义
- 一系列的独立的服务共同组成系统
- 单独部署，跑在自己的进程中
- 每个服务为独立的业务开发
- 分布式管理
- 非常强调隔离性
大概的标准
- 分布式服务组成的系统
- 按照业务，而不是技术来划分组织
- 做有生命的产品而不是项目
- 强服务个体和弱通信（ Smart endpoints and dumb pipes ）
- 自动化运维（ DevOps ）
- 高度容错性
- 快速演化和迭代
微服务的实践
客户端如何访问这些服务
后台有 N 个服务，前台就需要记住管理 N 个服务，一个服务 下线、更新、升级，前台就要重新部署，这明显不服务我们拆分的理念，特别当前台是移动应用的时候，通常业务变化的节奏更快。
另外，N 个小服务的调用也是一个不小的网络开销。还有一般微服务在系统内部，通常是无状态的，用户登录信息和权限管理最好有一个统一的地方维护管理（OAuth）。不需要在N个服务上都记录会话。这种称为SSO单点登录
所以一般在后台 N 个服务和 UI 之间一般会一个代理或者叫 API Gateway，他的作用包括：
- 提供统一服务入口，让微服务对前台透明
- 聚合后台的服务，节省流量，提升性能
- 提供安全，过滤，流控等API管理功能
其实这个 API Gateway 可以有很多广义的实现办法，可以是一个软硬一体的盒子，也可以是一个简单的 MVC 框架，甚至是一个 Node.js 的服务端。他们最重要的作用是为前台（通常是移动应用）提供后台服务的聚合，提供一个统一的服务出口，解除他们之间的耦合，不过 API Gateway 也有可能成为 单点故障点或者性能的瓶颈。
每个服务之间如何通信
同步调用(两种方式)
- REST（框架：JAX-RS，Spring Boot） 对外REST，http通讯
- RPC（框架：Thrift, Dubbo） 对内RPC，远程过程调用(例如在产品服务中，直接new RPCUser()（用户服务对象）)
同步调用比较简单，一致性强，但是容易出调用问题，性能体验上也会差些，特别是调用层次多的时候。一般 REST 基于 HTTP，更容易实现，更容易被接受，服务端实现技术也更灵活些，各个语言都能支持，同时能跨客户端，对客户端没有特殊的要求，只要封装了 HTTP 的 SDK 就能调用，所以相对使用的广一些。RPC 也有自己的优点，传输协议更高效，安全更可控，特别在一个公司内部，如果有统一个的开发规范和统一的服务框架时，他的开发效率优势更明显些。就看各自的技术积累实际条件，自己的选择了。
异步消息调用
- Kafka
- Notify
- MessageQueue
异步消息的方式在分布式系统中有特别广泛的应用，他既能减低调用服务之间的耦合，又能成为调用之间的缓冲，确保消息积压不会冲垮被调用方，同时能保证调用方的服务体验，继续干自己该干的活，不至于被后台性能拖慢。不过需要付出的代价是一致性的减弱，需要接受数据 最终一致性；还有就是后台服务一般要实现 幂等性，因为消息送出于性能的考虑一般会有重复（保证消息的被收到且仅收到一次对性能是很大的考验）；最后就是必须引入一个独立的 Broker，Broker服务器起到一个消息缓冲作用。所有的消息先经过Broker，在由Broker传递给处理服务器，处理。有Broker，表示对消息的持久化，需要对消息的准确处理。像Kafka，不需要Broker，只追求速度。一般用于日志处理。
如此多的服务，如何实现？
在微服务架构中，一般每一个服务都是有多个拷贝，一方面来做负载均衡，另一方面，当其中一个服务下线，不会影响整个服务的运行。一个服务随时可能下线，也可能应对临时访问压力增加新的服务节点。服务之间如何相互感知？服务如何管理？
这就是服务发现的问题了。一般有两类做法，也各有优缺点。基本都是通过 Zookeeper（框架） 等类似技术做服务注册信息的分布式管理。当服务上线时，服务提供者将自己的服务信息注册到 ZK（或类似框架），并通过心跳(类似ping)维持长链接，实时更新链接信息。服务调用者通过 ZK 寻址，根据可定制算法，找到一个服务，还可以将服务信息缓存在本地以提高性能。当服务下线时，ZK 会发通知给服务客户端。
基于客户端的服务注册与发现
优点是架构简单，扩展灵活，只对服务注册器依赖。缺点是客户端要维护所有调用服务的地址，有技术难度，一般大公司都有成熟的内部框架支持，比如 Dubbo。
基于服务端的服务注册与发现
优点是简单，所有服务对于前台调用方透明，一般在小公司在云服务上部署的应用采用的比较多。
服务挂了，如何解决？
前面提到，Monolithic 方式开发一个很大的风险是，把所有鸡蛋放在一个篮子里，一荣俱荣，一损俱损。而分布式最大的特性就是网络是不可靠的。通过微服务拆分能降低这个风险，不过如果没有特别的保障，结局肯定是噩梦。所以当我们的系统是由一系列的服务调用链组成的时候，我们必须确保任一环节出问题都不至于影响整体链路。相应的手段有很多：
- 重试机制
- 限流
- 熔断机制
- 负载均衡
- 降级（本地缓存，停止部分服务，包整程序整体可以运行）
分布式锁的实现(解决单点故障问题)
单点故障
在分布式锁服务中，有一种最典型应用场景，就是通过对集群进行Master选举，来解决分布式系统中的单点故障。什么是分布式系统中的单点故障：通过分布式系统采用主从模式，就是一个主控机连接多个处理节点。主节点负责分发任务，从节点负责处理任务，当我们的主节点发生故障时，那么整个系统就都瘫痪了，那么我们把这种故障叫作单点故障。
为了防止分布式系统中的多个进程之间相互干扰，我们需要一种分布式协调技术来对些我进行调度，而这个分布式协调技术的核心就是来实现这个分布式锁。那么这个锁怎么实规呢？这实现起来确实相对来说比较困难的。
面临的问题
比如，在同一台机器上，你对一个服务的添用如果成功，那就是成功，如果调用失败，比如抛出异常那就是调用失败。但是在分布式环境中，由于网络的不可靠，你对一个服务的调用失败了并不表示一定是失败的，可能是执行成功了，但是响应返回的时候失败了，还有，A和B都去调用C服务，在时间上A还先调用一些，B后调用，那么最后的结果是不足一A的调求就先于B到达呢？这些在同一台机器上的种种假设，我们都要重新思考，我们还要思考这些问题给我们的设计和编码带来了哪些影响，还有，在分布式环境中为了提升可靠性，我们往往会部署多套服务，但是如何在多套服务中达到一致性，这在同一台机器上多个进程之间的同步相对来说比较容易办到，但在分布式环境中确实一个大难题。
所以分布式协调远比在同一台机器上对多个进程的调度费难得多，而且如果为每一个分布式应用部开发一个独立的协调程序，一方面，协调程序的反复编写浪费，且难以形成通用、伸缩性好的协调器。另一方面，协调程序开销比较大，会影响系统原有的性能。所以，急需一种高可靠、高可用的通用协调机制来用以协调分布式应用，
分布式锁的实现者
日前，在分布式协调技术方面做得比较好的就是Google的Chubby 还有Apache 的 Zookeeper他们都是分布式锁的实现者。
传统的解决方式
但是会出现一些问题
Zookeeper解决
注意：此方法一旦Zookeeper挂了，就挂了。
请求不会直接请求主节点，而是请求主节点之上的一个Zookeeper，由Zookeeper调用主节点(从所有的主节点中挑选一个来处理)
分布式锁应该具备哪些条件
1、在分布式系统环境下，一个方法在同一时间只能被一个机器的一个线程执行。
2、高可用的获取锁与释放锁
3、高性能的获取锁与释放锁
4、具备可重入特性（可理解为重新进入，由多于一个任务并发使用，而不必担心数据错误）
5、具备锁失效机制，防止死锁
6、具备非阻塞锁特性，即没有获取到锁将直接返回获取锁失败
什么是Zookeeper？
Zookeeper 是一个为分布式应用提供一致性服务的开源组件，它内部是一个分层的文件系统目录树结构，规定同一个目录下只能有一个唯一文件名
Zookeeper 实现分布式锁的步骤
1.创建一个目录MyZookeeper
2.线程A想获取锁就在MyZookeeper目录下创建临时顺序节点
3.获取MyZookeeper目录下所有的子节点，然后获取比自己小的兄弟节点，如果不存在，则说明当前线程顺序号最小，获得锁
4.线程B获取所有节点，判断自己不是最小节点，如果不是最小的节点。设置监听比自己次小的节点
5.线程A处理完，删除自己的节点，线程B监听到变更事件，判断自己是不是最小的节点，如果是则获得锁
MyZookeeper master 1 :线程1 master 2 :线程2 1.线程1在MyZookeeper中创建临时顺序节点 master 1 线程1 判读自己是不是最小的，如果是就获取锁，运行 2.线程2到来也在在MyZookeeper中创建临时顺序节点 master 2 线程2 判读自己是不是最小的，此时，不是，所以监听比自 己小一级的节点(此时刚好就是master 1),当自己监听的节点 出现变更，在判断自己是不是最小的。。。
微服务架构设计模式
微服务架构需要考虑的问题
- API Gateway
- 服务间调用
- 服务发现
- 服务容错
- 服务部署
- 数据调用
聚合器微服务设计模式
这是一种最常见也最简单的设计模式
聚合器调用多个服务实现应用程序所需的功能。它可以是一个简单的 WEB 页面，将检索到的数据进行处理展示。它也可以是一个更高层次的组合微服务，对检索到的数据增加业务逻辑后进一步发布成一个新的微服务，这符合 DRY 原则。另外，每个服务都有自己的缓存和数据库。如果聚合器是一个组合服务，那么它也有自己的缓存和数据库。聚合器可以沿 X轴 和 Z轴 独立扩展。
代理微服务设计模式
这是聚合模式的一个变种
在这种情况下，客户端并不聚合数据，但会根据业务需求的差别调用不同的微服务。代理可以仅仅委派请求，也可以进行数据转换工作。
链式微服务设计模式
这种模式在接收到请求后会产生一个经过合并的响应
在这种情况下，服务A 接收到请求后会与 服务B 进行通信，类似地，服务B 会同 服务C 进行通信。所有服务都使用同步消息传递。在整个链式调用完成之前，客户端会一直阻塞。因此，服务调用链不宜过长，以免客户端长时间等待。
分支微服务设计模式
这种模式是聚合器模式的扩展，允许同时调用两个微服务链
数据共享微服务设计模式
自治是微服务的设计原则之一，就是说微服务是全栈式服务。但在重构现有的“单体应用（Monolithic Application）”时，SQL 数据库反规范化可能会导致数据重复和不一致。因此，在单体应用到微服务架构的过渡阶段，可以使用这种设计模式。
在这种情况下，部分微服务可能会共享缓存和数据库存储。不过，这只有在两个服务之间存在强耦合关系时才可以。对于基于微服务的新建应用程序而言，这是一种反模式。
异步消息传递微服务设计模式
虽然 REST 设计模式非常流行，但它是同步的，会造成阻塞。因此部分基于微服务的架构可能会选择使用消息队列代替 REST 请求/响应
