B2B技术架构演变
业务架构1.0
1）架构
从上图可以看出，业务架构 1.0 分为 3 层：
-
业务层：主要是 B 平台的所有业务线
-
服务层：包含订单、价格、商品、用户等 SOA 服务系统
-
存储层：使用 mysq l数据库进行存储
2）问题
在2014年初期，为了响应业务的发展，我们需要快速上线业务系统，采取的是纵向按业务线进行划分，每一条业务线都有自己的业务层、服务层、存储层，当有新的业务线接入的时候，还是以同样的模式进行开发。当来到第二阶段的时候，这种架构面对了极大的挑战，主要有以下几个表现：
-
开发周期长，无法快速满足业务要求
-
服务之间的相互影响，订单和商品在一个数据库，一个出问题，会影响别的服务
-
系统之间耦合度大
上述的表现反应出业务架构存在以下几点问题：
-
服务问题服务之间零复用性，各个业务线的服务没有抽取共享的服务，其实有80%都是相同的模式，没有抽象。
-
系统耦合系统之间的相互调用采用的 jsf 服务，全部是同步调用，调用链路很长，一个环节出问题会导致整个系统都出问题，没有核心服务和非核心服务、没有异步化服务。
-
公用数据库问题由于前期是按业务线进行划分，在一个业务线上，核心服务的数据都存储在一个数据库上面。
3）服务问题改进
-
第一步拆分，将各个业务线的的服务拆分成小服务。
-
第二步拆分，组合第一步抽取的服务，形成公共服务，以后所有业务线都请求这些公共服务，提高服务的复用性。
4）测试方案
-
配置（人工）
-
采集数据（自动）
-
分发请求（自动）
-
数据对比（自动）
-
核对（人工）
条件：新老服务的对外接口参数不变
5）系统耦合改进
系统耦合的问题，通过引入 jmq 消息中间件进行解决。消息无序的问题，采用乐观锁进行解决，主要是依靠数据的版本对比来解决。
6）数据库改进
数据公用的问题，解决方案还是进行拆分：
-
第一步，将各个业务系统 SOA 服务的数据，单独存储在自己的数据库，订单有订单专门的数据库、商品有商品专门的数据库，服务之间互相不受影响。
-
第二步，在第一个步拆分后，有的业务数据量单表数量还是很大，需要对表进行拆分，我们采用 jproxy（不支持分表）进行分库，按业务的相关主键 id，进行 hash(id)%count（分库数量），支持水平扩展。
扩展：
-
还有那些分布算法方式：ID 区间算法、时间区间
-
热点数据：二次 hash
-
事务：弱化强一致性，采用消息的机制进行交互，实现最终一致性。
-
垮库查询：分布式查询
7）分布式搜索
分布式查询，采用的是 elasticSearch 搜索进行支持，简称es。
- 消息同步才用 jmq 和 binlog
- 如果 es 集群有问题，采用的方式是备份集群支持服务（数据有延迟风险）
业务架构2.0
1）架构
在1.0的基础上，做如下三点调整：
-
服务层抽取公共服务
-
引入基础层的工具
-
存储层分库分表
2）问题
2.0系统在2017年进入第三阶段后，开始面临以下两个问题：
-
平台化服务业务代码臃肿
-
个性化需求的重复开发
3）思考
举一个例子，我们现在有「订单」、「价格」、「商品」服务，A 用户需要订单服务，B 用户需要订单、价格服务，C 用户需要订单、价格、商品服务。现在的做法是开发3套业务接口服务，底层的服务是通用的，但是业务层的代码有重复开发、业务代码臃肿的问题。
我们该怎么做？
引入配置中心
-
对服务进行配置
-
对页面进行配置
-
可以自定义插件服务
4）组件
通过以上的思考，我们有了组件的思想，以后对外的服务都是可配置的。就像一个加工厂，对服务加工，就可以对外部业务进行使用。
业务架构3.0
3.0的版本主要是修改，包含服务层的抽取、业务和 SOA 分离，同时引入业务和工具组件。
总结
B2B业务架构经过3次变迁与升级，我们总结到以下经验：
1、稳定性原则
- 稳定为中心
- 架构尽可能简单、清晰
- 不过度设计
2、抽象化
- 应用抽象
- 数据库抽象
- 服务抽象
3、松耦合
- 跨域调用异步化
- 超时时间
4、拆分
- 稳定性与非稳定性系统分离
- 应用和数据分离
阅读原文：