| 编辑推荐: |
架构师是一个既能掌控整体又能洞悉局部瓶颈并依据具体的业务场景给出解决方案的团队领导型人物。看似完美的“人格模型”背后，是艰辛的探索。
本文来自于微信公众号：阿里技术 ,由火龙果软件Anna编辑、推荐。 |
|
架构师职责
架构师不是一个人，他需要建立高效卓越的体系，带领团队去攻城略地，在规定的时间内完成项目。
架构师需要能够识别定义并确认需求，能够进行系统分解形成整体架构，能够正确地技术选型，能够制定技术规格说明并有效推动实施落地。
按 TOGAF 的定义，架构师的职责是了解并关注实际上关系重大但未变得过载的一些关键细节和界面。
架构师的角色有：
理解并解析需求
创建有用的模型
确认、细化并扩展模型
管理架构
从业界来看对于架构师的理解可以大概区分为：
企业架构师：专注于企业总体 IT 架构的设计。
IT 架构师-软件产品架构师：专注于软件产品的研发。
IT 架构师-应用架构师：专注于结合企业需求，定制化 IT 解决方案；大部分需要交付的工作包括总体架构、应用架构、数据架构，甚至部署架构。
IT 架构师-技术架构师：专注于基础设施，某种软硬件体系，甚至云平台，提交：产品建议、产品选型、部署架构、网络方案，甚至数据中心建设方案等。
阿里内部没有在职位 Title 上专门设置架构师了，架构师更多是以角色而存在，现在还留下可见的 Title
有两个：首席架构师和解决方案架构师。
其中解决方案架构师目前在大部分 BU 都有设置，特别是在阿里云和电商体系。
解决方案架构师
①工作方式
工作方式理解：
了解和挖掘客户痛点，项目定义，现有环境管理。
梳理明确高阶需求和非功能性需求。
客户有什么资产，星环（阿里电商操作系统）／阿里云等有什么解决方案。
沟通，方案建议，多次迭代，交付总体架构。
架构决策。
②工作职责
从客户视图来看：
坚定客户高层信心：利用架构和解决方案能力，帮忙客户选择星环／阿里云平台的信心。
解决客户中层问题：利用星环／阿里云平台服务+结合应用架构设计/解决方案能力，帮忙客户解决业务问题，获得业务价值。
引领客户 IT 员工和阿里生态同学：技术引领、方法引领、产品引领。
从项目视图看：
对接管理部门：汇报技术方案，进度；技术沟通。
对接客户 PM，项目 PM：协助项目计划，人员管理等。负责所有技术交付物的指导。
对接业务部门和需求人员：了解和挖掘痛点，帮忙梳理高级业务需求，指导需求工艺。
对接开发：产品支持、技术指导、架构指导。
对接测试：配合测试计划和工艺制定。配合性能测试或者非功能性测试。
对接运维：产品支持，运维支持。
对接配置&环境：产品支持。
其他：阿里技术资源聚合。
从阿里内部看：
销售方案支持。
市场宣贯。
客户需求 Facade。
解决方案沉淀。
架构师职责明确了，那么有什么架构思维可以指导架构设计呢？请看下述的架构思维。
架构思维
自顶向下构建架构
要点主要如下：
首先定义问题，而定义问题中最重要的是定义客户的问题。定义问题，特别是识别出关键问题。 关键问题是对客户有体感，能够解决客户痛点，通过一定的数据化来衡量识别出来，关键问题要优先给出解决方案。
问题定义务必加入时间维度，把手段/方案和问题定义区分开来。
问题定义中，需要对问题进行升层思考后再进行升维思考，从而真正抓到问题的本质，理清和挖掘清楚需求；要善用第一性原理思维进行分析思考问题。
问题解决原则：先解决客户的问题（使命），然后才能解决自己的问题（愿景）；务必记住不是强调我们怎么样，而是我们能为客户具体解决什么问题，然后才是我们变成什么，从而怎么样去更好得服务客户。
善用多种方法对客户问题进行分析，转换成我们产品或者平台需要提供的能力，比如仓储系统 WMS 可以提供哪些商业能力。
对我们现有的流程和能力模型进行梳理，找到需要提升的地方，升层思考和升维思考真正明确提升部分。
定义指标，并能够对指标进行拆解，然后进行数学建模。
将抽象出来的能力诉求转换成技术挑战，此步对于技术人员来说相当于找到了靶子，可以进行方案的设计了，需要结合自底向上的架构推导方式。
创新可以是业务创新，也可以是产品创新，也可以是技术创新，也可以是运营创新，升层思考、升维思考，使用第一性原理思维、生物学（进化论--进化=变异+选择+隔离、熵增定律、分形和涌现）思维等哲科思维可以帮助我们在业务，产品，技术上发现不同的创新可能。可以说哲科思维是架构师的灵魂思维。
自底向上推导应用架构
先根据业务流程，分解出系统时序图，根据时序图开始对模块进行归纳，从而得到粒度更大的模块，模块的组合／聚合构建整个系统架构。
基本上应用逻辑架构的推导有 4 个子路径，他们分别是：
业务概念架构：业务概念架构来自于业务概念模型和业务流程。
系统流程：来自业务流程。
非功能性的系统支撑：来自对性能、稳定性、成本的需要。
效率、稳定性、性能是最影响逻辑架构落地成物理架构的三大主要因素，所以从逻辑架构到物理架构，一定需要先对效率、稳定性和性能做出明确的量化要求。
自底向上重度依赖于演绎和归纳。如果是产品方案已经明确，程序员需要理解这个业务需求，并根据产品方案推导出架构，此时一般使用自底向上的方法，而领域建模就是这种自底向上的分析方法。
对于自底向上的分析方法，如果提炼一下关键词，会得到如下两个关键词：
演绎
归纳
演绎就是逻辑推导，越是底层的，越需要演绎：
从用例到业务模型就属于演绎。
从业务模型到系统模型也属于演绎。
这里的归纳是根据事物的某个维度来进行归类，越是高层的，越需要归纳：
问题空间模块划分属于归纳。
根据一堆稳定性问题，归纳出，事前，事中，事后都需要做对应的操作，是根据时间维度来进行归纳。
领域驱动设计架构
大部分传统架构都是基于领域模型分析架构，典型的领域实现模型设计可以参考 DDD（领域驱动设计），详细可以参考《实现领域驱动设计》这本书。
另外《UML 和模式应用》在领域建模实操方面比较好，前者偏理论了解，后者便于落地实践。
领域划分设计步骤：
①对用户需求场景分析，识别出业务全维度 Use Case。
②分析模型鲁棒图，识别出业务场景中所有的实体对象。鲁棒图是需求设计过程中使用的一种方法（鲁棒性分析），通过鲁棒分析法可以让设计人员更清晰，更全面地了解需求。
它通常使用在需求分析后及需求设计前做软件架构分析之用，它主要注重于功能需求的设计分析工作。
需求规格说明书为其输入信息，设计模型为其输出信息。它是从功能需求向设计方案过渡的第一步，重点是识别组成软件系统的高级职责模块、规划模块之间的关系。
鲁棒图包含三种图形：边界、控制、实体，三个图形如下：
③领域划分，将所有识别出的实体对象进行分类。
④评估域划分合理性，并进行优化。
基于数据驱动设计架构
随着 IoT、大数据和人工智能的发展，以领域驱动的方式进行架构往往满足不了需求或者达不到预期的效果。
在大数据时代，在大数据应用场景，我们需要转变思维，从领域分析升维到基于大数据统计分析结果来进行业务架构、应用架构、数据架构和技术架构。
这里需要架构师具备数理统计分析的基础和 BI 的能力，以数据思维来架构系统，典型的系统像阿里的数据分析平台采云间和菜鸟的数据分析平台
FBI。
上述四种思维，往往在架构设计中是融合使用的，需要根据业务或者系统的需求来选择侧重思维方式。
有了架构思维的指导，具体有没有通用／标准化的架构框架以更好的执行架构设计？请看常见的架构框架。下述的架构框架其实本身也包含了重要的一些架构思维。
常见架构框架
TOGAF
TOGAF 是 The Open Group Architecture Framework 的缩写，它由
The Open Group 开发，The Open Group 是一个非盈利的技术行业联盟，它不断更新和重申
TOGAF。
TOGAF 强调商业目标作为架构的驱动力，并提供了一个实践的储藏库，其中包括 TOGAF 架构开发方法（ADM）、TOGAF
架构内容框架、TOGAF 参考模型、架构开发方法（ADM）指引和技术、企业连续统一体和 TOGAF
能力框架。
①ADM
ADM 是一个迭代的步骤顺序以发展企业范围的架构的方法。
②架构内容框架
③参考模型
④ADM 指引和技术
架构迭代阶段：
在不同水平运用 ADM：
利益相关者分类：
⑤企业连续统一体
架构指导及支持解决方案：基础 ?通用系统 ?行业?组织特定。
⑥能力框架
更多内容可以参考《TOGAF标准9.1版本》或者https://www.opengroup.org/togaf。
Zachman
第一个具有影响力的框架方法论就是 Zachman 框架，它是 John Zachman 首次在 1987
年提出的。
Zachman 框架模型分两个维度：
横向维度采用6W（what、how、where、who、when、why）进行组织。
纵向维度反映了 IT 架构层次，从上到下（Top-Down），分别为范围模型、企业模型、系统模型、技术模型、详细模型、功能模型。
横向结合 6W，Zachman 框架分别由数据、功能、网络、人员、时间、动机分别对应回答 What、How、Where、Who、When
与 Why 这六个问题。
ITSA
ITSA 诞生于 1986 年的惠普，是世界最早的企业架构框架(IT战略与架构)。建模原则就是“Everything
you need, and nothing you don’t”，只放你要的东西。
DODAF
DODAF 是美国国防部架构框架，是一个控制“EA开发、维护和决策生成”的组织机制，是统一组织“团队资源、描述和控制EA活动”的总体结构。
DODAF 涵盖 DoD 的所有业务领域，定义了表示、描述、集成 DoD 范围内众多架构的标准方法。
确保架构描述可比较、评估，提供了对 FoS (系统族)和 SoS (体系)进行理解、比较、集成和互操作共同的架构基础，提供开发和表达架构描述的规则和指南，但不指导如何实现。
DODAF 核心是 8 个视点和 52 个模型：
①全景视点 AV
与所有视点相关的体系结构描述的顶层概貌。它提供有关体系结构描述的总体信息，诸如体系结构描述的范围和背景。范围包括体系结构描述的专业领域和时间框架。
背景由构成体系结构描述背景的相互关联各种条件组成，包括条令，战术、技术和程序，相关目标和构想的描述，作战概念(CONOPS)，想定和环境条件。
②能力视点 CV
能力视点(CV)集中反映了与整体愿景相关的组织目标，这些愿景指在特定标准和条件下进行特定行动过程或是达成期望效果的能力，它们综合使用各种手段和方式来完成一组任务。
CV 为体系结构描述中阐述的能力提供了战略背景和相应的高层范围，比作战概念图中定义的基于想定的范围更全面。
这些模型是高层的，用决策者易于理解的术语来描述能力，以便沟通能力演进方面战略构想。
③作战视点 OV
作战视点(OV)集中反映了完成 DoD 使命的机构、任务或执行的行动以及彼此间必须交换的信息。描述信息交换的种类、频度、性质，信息交换支持哪些任务和活动。
④服务视点 SvcV
服务视点(SvcV)集中反映了为作战行动提供支撑的系统、服务和相互交织的功能。DoD 流程包括作战、业务、情报和基础设施功能。
SvcV 功能和服务资源及要素可以链接到 0V 中的体系结构数据。这些系统功能和服务资源支撑作战行动，促进信息交换。
⑤系统视点 SV
系统视点(SV)集中反映支持作战行动中的自动化系统、相互交联和其他系统功能的信息。
随着对面向服务环境和云计算的重视，在 DoDAF 的未来版本中也许不会有系统视点。
⑥数信视点 DIV
数据和信息视点(DIV)，简称数信视点，反映了体系结构描述中的业务信息需求和结构化的业务流程规则。
描述体系结构描述中与信息交换相关的信息，诸如属性、特征和相互关系。
必要时，本视点模型中用到的数据需要由多个架构团队来共同考虑。
⑦标准视点 StdV
标准视点(StdV)是用来管控系统各组成部分或要素的编排、交互和相互依赖的规则的最小集。其目的是确保系统能满足特定的一组操作需求。
标准视点提供技术系统的实施指南，以工程规范为基础，确立通用的积木块，开发产品线。
包括一系列技术标准、执行惯例、标准选项、规则和规范，这些标准在特定体系结构描述中可以组成管控系统和系统/服务要素的文件(profile)。
⑧项目视点 PV
项目视点(PV)集中反映了项目是如何有机地组织成一个釆办项目的有序组合。
TOGAF，Zachman，ITSA 和 DODAF 是非常不错的架构框架，尤其前两者应用很广泛，TOGAF
还有专门的架构认证。
当我们掌握了这些框架，我们是不是需要一些架构原则来指导更具体的设计？请看下文。
架构原则
反向来说，架构的主要工作就是将软件拆解为组件，设计原则指导我们如何拆解、拆解的粒度、组件间依赖的方向、组件解耦的方式等。
设计原则有很多，我们进行架构设计的主导原则是 OCP（开闭原则），在类和代码的层级上有：SRP（单一职责原则）、LSP（里氏替换原则）、ISP（接口隔离原则）、DIP（依赖反转原则）。
在组件的层级上有：REP（复用、发布等同原则）、CCP（共同闭包原则）、CRP（共同复用原则），处理组件依赖问题的三原则：无依赖环原则、稳定依赖原则、稳定抽象原则。
①OCP（开闭原则）：设计良好的软件应该易于扩展，同时抗拒修改。这是我们进行架构设计的主导原则，其他的原则都为这条原则服务。
②SRP（单一职责原则）：任何一个软件模块，都应该有且只有一个被修改的原因，“被修改的原因“指系统的用户或所有者，翻译一下就是，任何模块只对一个用户的价值负责，该原则指导我们如何拆分组件。
举个例子，CTO 和 COO 都要统计员工的工时，当前他们要求的统计方式可能是相同的，我们复用一套代码，这时
COO 说周末的工时统计要乘以二，按照这个需求修改完代码，CTO 可能就要过来骂街了。
当然这是个非常浅显的例子，实际项目中也有很多代码服务于多个价值主体，这带来很大的探秘成本和修改风险，另外，当一份代码有多个所有者时，就会产生代码合并冲突的问题。
③LSP（里氏替换原则）：当用同一接口的不同实现互相替换时，系统的行为应该保持不变。该原则指导的是接口与其实现方式。
你一定很疑惑，实现了同一个接口，他们的行为也肯定是一致的呀，还真不一定。
假设认为矩形的系统行为是：面积=宽*高，让正方形实现矩形的接口，在调用 setW 和 setH 时，正方形做的其实是同一个事情，设置它的边长。
这时下边的单元测试用矩形能通过，用正方形就不行，实现同样的接口，但是系统行为变了，这是违反 LSP
的经典案例。
Rectangle r = ... r.setW( 5); r.setH( 2); assert(r.area
== 10);
④ISP（接口隔离原则）：不依赖任何不需要的方法、类或组件。该原则指导我们的接口设计。
当我们依赖一个接口但只用到了其中的部分方法时，其实我们已经依赖了不需要的方法或类，当这些方法或类有变更时，会引起我们类的重新编译，或者引起我们组件的重新部署，这些都是不必要的。所以我们最好定义个小接口，把用到的方法拆出来。
⑤DIP（依赖反转原则）：指一种特定的解耦（传统的依赖关系创建在高层次上。而具体的策略设置则应用在低层次的模块上）形式，使得高层次的模块不依赖于低层次的模块的实现细节，依赖关系被颠倒（反转），从而使得低层次模块依赖于高层次模块的需求抽象。
跨越组建边界的依赖方向永远与控制流的方向相反。该原则指导我们设计组件间依赖的方向。
依赖反转原则是个可操作性非常强的原则，当你要修改组件间的依赖方向时，将需要进行组件间通信的类抽象为接口，接口放在边界的哪边，依赖就指向哪边。
⑥REP（复用、发布等同原则）：软件复用的最小粒度应等同于其发布的最小粒度。
⑦CCP（共同闭包原则）：为了相同目的而同时修改的类，应该放在同一个组件中。
CCP 原则是 SRP 原则在组件层面的描述。该原则指导我们组件拆分的粒度。
对大部分应用程序而言，可维护性的重要性远远大于可复用性，由同一个原因引起的代码修改，最好在同一个组件中，如果分散在多个组件中，那么开发、提交、部署的成本都会上升。
⑧CRP（共同复用原则）：不要强迫一个组件依赖它不需要的东西。CRP
原则是 ISP原则在组件层面的描述。该原则指导我们组件拆分的粒度。
相信你一定有这种经历，集成了组件 A，但组件 A 依赖了组件 B、C。即使组件 B、C 你完全用不到，也不得不集成进来。
这是因为你只用到了组件 A 的部分能力，组件 A 中额外的能力带来了额外的依赖。如果遵循共同复用原则，你需要把
A 拆分，只保留你要用的部分。
REP、CCP、CRP 三个原则之间存在彼此竞争的关系，REP 和 CCP 是黏合性原则，它们会让组件变得更大，而
CRP 原则是排除性原则，它会让组件变小。
遵守REP、CCP 而忽略 CRP，就会依赖了太多没有用到的组件和类，而这些组件或类的变动会导致你自己的组件进行太多不必要的发布。
遵守 REP、CRP 而忽略 CCP，因为组件拆分的太细了，一个需求变更可能要改 n 个组件，带来的成本也是巨大的。
除了上述设计原则，还有一些重要的指导原则如下：
N+1 设计：系统中的每个组件都应做到没有单点故障。
回滚设计：确保系统可以向前兼容，在系统升级时应能有办法回滚版本。
禁用设计：应该提供控制具体功能是否可用的配置，在系统出现故障时能够快速下线功能。
监控设计：在设计阶段就要考虑监控的手段，便于有效的排查问题，比如引入 traceId、业务身份 Id
便于排查监控问题。
采用成熟的技术：刚开发的或开源的技术往往存在很多隐藏的 Bug，出了问题没有很好的商业支持可能会是一个灾难。
资源隔离设计：应避免单一业务占用全部资源。
架构水平扩展设计：系统只有做到能水平扩展，才能有效避免瓶颈问题。
非核心则购买的原则：非核心功能若需要占用大量的研发资源才能解决，则考虑购买成熟的产品。
使用商用硬件：商用硬件能有效降低硬件故障的机率。
快速迭代：系统应该快速开发小功能模块，尽快上线进行验证，早日发现问题大大降低系统交付的风险。
无状态设计：服务接口应该做成无状态的，当前接口的访问不依赖于接口上次访问的状态。
架构师知道了职责，具备很好的架构思维，掌握了通用的架构框架和方法论，使用架构原则进行架构设计，不同的业务和系统要求不一样，那么有没有针对不同场景的系统架构设计？
下文就针对分布式架构演进、单元化架构、面向服务 SOA 架构、微服务架构、Serverless 架构进行介绍，以便于我们在实际运用中进行参考使用。
常见架构
分布式架构演进
①初始阶段架构
特征：应用程序，数据库，文件等所有资源都放在一台服务器上。
说明：好景不长，发现随着系统访问量的再度增加，Web Server 机器的压力在高峰期会上升到比较高，这个时候开始考虑增加一台
Web Server。
③使用缓存改善性能
说明：系统访问特点遵循二八定律，即 80% 的业务访问集中在 20% 的数据上。
缓存分为本地缓存和远程分布式缓存，本地缓存访问速度更快但缓存数据量有限，同时存在与应用程序争用内存的情况。
之后查看 Web Server，发现 Apache 阻塞了很多的请求， 而应用服务器对每个请求也是比较快的，看来是请求数太高导致需要排队等待，响应速度变慢。
特征：多台服务器通过负载均衡同时向外部提供服务，解决单台服务器处理能力和存储空间上限的问题。
描述：使用集群是系统解决高并发、海量数据问题的常用手段。通过向集群中追加资源，提升系统的并发处理能力，使得服务器的负载压力不再成为整个系统的瓶颈。
④数据库读写分离
说明：享受了一段时间的系统访问量高速增长的幸福后，发现系统又开始变慢了，这次又是什么状况呢？经过查找，发现数据库写入、更新的这些操作的部分数据库连接的资源竞争非常激烈，导致了系统变慢。
特征：数据库引入主备部署。
描述：把数据库划分为读库和写库，通过引入主从数据库服务，读和写操作在不同的数据库服务处理。
读库可以有多个，通过同步机制把写库的数据同步到读库，对于需要查询最新写入数据场景，可以通过在缓存中多写一份，通过缓存获得最新数据。
⑤反向代理和 CDN 加速
特征：采用 CDN 和反向代理加快系统的访问速度。
描述：为了应付复杂的网络环境和不同地区用户的访问，通过 CDN 和反向代理加快用户访问的速度，同时减轻后端服务器的负载压力。CDN
与反向代理的基本原理都是缓存。
⑥“分布式文件”系统 和 “分布式数据库”
说明：随着系统的不断运行，数据量开始大幅度增长，这个时候发现分库后查询仍然会有些慢，于是按照分库的思想开始做分表的工作。
描述：任何强大的单一服务器都满足不了大型系统持续增长的业务需求，数据库读写分离随着业务的发展最终也将无法满足需求，需要使用分布式数据库及分布式文件系统来支撑。
分布式数据库是系统数据库拆分的最后方法，只有在单表数据规模非常庞大的时候才使用，更常用的数据库拆分手段是业务分库，将不同的业务数据库部署在不同的物理服务器上。
⑦使用 NoSQL 和搜索引擎
特征：系统引入 NoSQL 数据库及搜索引擎。
描述：随着业务越来越复杂，对数据存储和检索的需求也越来越复杂，系统需要采用一些非关系型数据库如 NoSQL
和分数据库查询技术如搜索引擎。
⑧业务拆分
特征：系统上按照业务进行拆分改造，应用服务器按照业务区分进行分别部署。
描述：为了应对日益复杂的业务场景，通常使用分而治之的手段将整个系统业务分成不同的产品线，应用之间通过超链接建立关系，也可以通过消息队列进行数据分发，当然更多的还是通过访问同一个数据存储系统来构成一个关联的完整系统。
纵向拆分：将一个大应用拆分为多个小应用，如果新业务较为独立，那么就直接将其设计部署为一个独立的 Web
应用系统，纵向拆分相对较为简单，通过梳理业务，将较少相关的业务剥离即可。
横向拆分：将复用的业务拆分出来，独立部署为分布式服务，新增业务只需要调用这些分布式服务横向拆分需要识别可复用的业务，设计服务接口，规范服务依赖关系。
⑨分布式服务
特征：公共的应用模块被提取出来，部署在分布式服务器上供应用服务器调用。
描述：随着业务越拆越小，应用系统整体复杂程度呈指数级上升，由于所有应用要和所有数据库系统连接，最终导致数据库连接资源不足，拒绝服务。
⑩分布式服务的问题和挑战：
当服务越来越多时，服务 URL 配置管理变得非常困难，F5 硬件负载均衡器的单点压力也越来越大。
服务的调用量越来越大，服务的容量问题就暴露出来，这个服务需要多少机器支撑？什么时候该加机器？
一个服务有多个业务消费者，如何确保服务质量？
随着服务的不停升级，总有些意想不到的事发生，比如 Cache 写错了导致内存溢出，故障不可避免，每次核心服务一挂，影响一大片，人心慌慌，如何控制故障的影响面？服务是否可以功能降级？或者资源劣化？
针对这些问题，下述的单元化架构，微服务架构以及 Serveless 架构可以一定程度解决，另外针对业务系统，需要做到业务与业务隔离、管理域和运行域分开、业务与平台隔离方可解决上述问题。
单元化架构
①什么是单元化：单元化架构是从并行计算领域发展而来。在分布式服务设计领域，一个单元（Cell）就是满足某个分区所有业务操作的自包含的安装。
而一个分区（Shard），则是整体数据集的一个子集，如果你用尾号来划分用户，那同样尾号的那部分用户就可以认为是一个分区。单元化就是将一个服务设计改造让其符合单元特征的过程。
②单元化的必要性：随着硬件的不断升级，计算机硬件能力已经越来越强，CPU 越来越快，内存越来越大，网络越来越宽。这让我们看到了在单台机器上垂直扩展的机会。
尤其是当你遇到一个性能要求和容量增长可以预期的业务，单元化给我们提供另外的机会，让我们可以有效降低资源的使用，提供更高性能的服务。
除了性能收益，还有很多收益，比如更好的隔离性，包括请求隔离和资源隔离，比如更友好的升级，产品可以灰度发布等。单元化改造后对高峰的应对以及扩容方式等问题的解决。
再看下图单元化架构，其为性能和隔离性而设计，上层节点访问指定下层节点。
在单元化架构下，服务虽然分层划分，但每个单元自成一体。按照层次来讲的话，所有层使用相同的分区算法，每一层都有相同数量的节点，上层节点也会访问指定的下层节点。
SOA 架构
SOA（Service-Oriented Architecture，面向服务的架构）是一个组件模型，它将应用程序的不同功能单元（称为服务）通过这些服务之间定义良好的接口和契约联系起来。
接口是采用中立的方式进行定义的，它应该独立于实现服务的硬件平台、操作系统和编程语言。
服务层是 SOA 的基础，可以直接被应用调用，从而有效控制系统中与软件代理交互的人为依赖性。
SOA 的实施具有几个鲜明的基本特征。实施 SOA 的关键目标是实现企业 IT 资产的最大化作用。
要实现这一目标，就要在实施 SOA 的过程中牢记以下特征：
可从企业外部访问
随时可用
粗粒度的服务接口分级
松散耦合
服务接口设计管理
标准化的服务接口
支持各种消息模式
精确定义的服务契约
为了实现 SOA，企业需要一个服务架构，下图显示了一个例子：
在上图中， 服务消费者（service consumer）可以通过发送消息来调用服务。这些消息由一个服务总线（service
bus）转换后发送给适当的服务实现。
这种服务架构可以提供一个业务规则引擎（business rules engine），该引擎容许业务规则被合并在一个服务里或多个服务里。
这种架构也提供了一个服务管理基础（service management infrastructure），用来管理服务，类似审核，列表（billing），日志等功能。
此外，该架构给企业提供了灵活的业务流程，更好地处理控制请求（regulatory requirement），例如
Sarbanes Oxley（SOX），并且可以在不影响其他服务的情况下更改某项服务。
微服务架构
先来看看传统的 Web 开发方式，通过对比比较容易理解什么是 Microservice Architecture。
和 Microservice 相对应的，这种方式一般被称为 Monolithic（单体式开发）。
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 JEE 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。
功能都在本地，没有分布式的管理和调用消耗。
效率低：开发都在同一个项目改代码，相互等待，冲突不断。
常见的系统架构遵循的三个标准和业务驱动力：
提升用户体验：提升用户体验，减少用户流失。
基于微服务架构的设计：
X 轴：运行多个负载均衡器之后的运行实例。
Y 轴：将应用进一步分解为微服务（分库）。
Z 轴：大数据量时，将服务分区（分表）。
SOA 和微服务的区别：
SOA 喜欢重用，微服务喜欢重写。
SOA 喜欢水平服务，微服务喜欢垂直服务。
SOA 喜欢自上而下，微服务喜欢自下而上。
Serverless 架构
①思想：无服务器是一种架构理念，其核心思想是将提供服务资源的基础设施抽象成各种服务，以 API 接口的方式供给用户按需调用，真正做到按需伸缩、按使用收费。
②优势：消除了对传统的海量持续在线服务器组件的需求，降低了开发和运维的复杂性，降低运营成本并缩短了业务系统的交付周期，使得用户能够专注在价值密度更高的业务逻辑的开发上。
③内容：目前业界较为公认的无服务器架构主要包括两个方面，即提供计算资源的函数服务平台 FaaS，以及提供托管云服务的后端服务
BaaS。
函数即服务（Function as a Service）：是一项基于事件驱动的函数托管计算服务。
通过函数服务，开发者只需要编写业务函数代码并设置运行的条件，无需配置和管理服务器等基础设施，函数代码运行在无状态的容器中，由事件触发且短暂易失，并完全由第三方管理，基础设施对应用开发者完全透明。
后端即服务（Backend as a Service）：BaaS 覆盖了应用可能依赖的所有第三方服务，如云数据库、身份验证、对象存储等服务。
开发人员通过 API 和由 BaaS 服务商提供的 SDK，能够集成所需的所有后端功能，而无需构建后端应用，更不必管理虚拟机或容器等基础设施，就能保证应用的正常运行。
三个 less 感觉很好：
Codeless 对应的是服务开发，实现了源代码托管，你只需要关注你的代码实现，而不需要关心你的代码在哪，因为在整个开发过程中你都不会感受到代码库和代码分支的存在。
Applicationless 对应的是服务发布，在服务化框架下，你的服务发布不再需要申请应用，也不需要关注你的应用在哪。
Serverless 对应的则是服务运维，有了 Serverless 化能力，你不再需要关注你的机器资源，Servlerless
会帮你搞定机器资源的弹性扩缩容。
那么应该如何保证利益相关方在项目落地的满意度，如何保证按照架构很好的拿到项目成功的结果呢？架构管理能力是架构师非常重要的能力。
架构共赢模型：
架构结果管理：
|
