一、分布式服务框架的发展

1.1 第一代服务框架

代表：Dubbo(Java)、Orleans(.Net)等

特点：和语言绑定紧密

1.2 第二代服务框架

代表：Spring Cloud等

现状：适合混合式开发（例如借助Steeltoe OSS可以让ASP.Net Core与Spring Cloud集成），正值当年

1.3 第三代服务框架

代表：Service Mesh（服务网格） => 例如Service Fabric、lstio、Linkerd、Conduit等

现状：在快速发展中，更新迭代比较快

1.4 未来（目测不久）主流的服务架构和技术栈

image

基础的云平台为微服务提供了资源能力（计算、存储和网络等），容器作为最小工作单元被Kubernetes调度和编排，Service Mesh（服务网格）管理微服务的服务通信，最后通过API Gateway向外暴露微服务的业务接口。

目前，我所在的项目组已经在采用这种技术架构了，服务网格采用的是Linkerd，容器编排采用的是K8S，Spring Cloud已经没用了。But，不代表Spring Cloud没有学习的意义，对于中小型项目团队，Spring Cloud仍然是快速首选。

二、Spring Cloud 简介

2.1 Spring Cloud极简介绍

image

首先，尽管Spring Cloud带有“Cloud”这个单词，但它并不是云计算解决方案，而是在Spring Boot基础之上构建的，用于快速构建分布式系统的通用模式的工具集。

其次，使用Spring Cloud开发的应用程序非常适合在Docker和PaaS（比如Pivotal Cloud Foundry）上部署，所以又叫做云原生应用（Cloud Native Application）。云原生可以简单地理解为面向云环境的软件架构。

Spring Cloud是一个基于Spring Boot实现的云原生应用开发工具，它为基于JVM的云原生应用开发中涉及的配置管理、服务发现、熔断器、智能路由、微代理、控制总线、分布式会话和集群状态管理等操作提供了一种简单的开发方式。

Spring Cloud具有如下特点：

• 约定大于配置
• 适用于各种环境
• 隐藏了组件的复杂性，并提供声明式、无XML式的配置方式
• 开箱即用，快速启动
• 组件丰富，功能齐全
• ......

Spring Cloud作为第二代微服务的代表性框架，已经在国内众多大中小型的公司有实际应用案例。许多公司的业务线全部拥抱Spring Cloud，部分公司选择部分拥抱Spring Cloud。例如，拍拍贷资深架构师杨波老师就根据自己的实际经验以及对Spring Cloud的深入调研，并结合国内一线互联网大厂的开源项目应用实践结果，认为Spring Cloud技术栈中的有些组件离生产级开发尚有一定距离，最后提出了一个可供中小团队参考的微服务架构技术栈，又被称为“中国特色的微服务架构技术栈1.0”：

image

上图中涉及到的组件，这里不做具体介绍，有兴趣的童鞋可以浏览波波老师的这篇文章：《一个可供中小团队参考的微服务架构技术栈》。

2.2 Spring Cloud核心子项目

• Spring Cloud Netflix：核心组件，可以对多个Netflix OSS开源套件进行整合，包括以下几个组件：
  • Eureka：服务治理组件，包含服务注册与发现
  • Hystrix：容错管理组件，实现了熔断器
  • Ribbon：客户端负载均衡的服务调用组件
  • Feign：基于Ribbon和Hystrix的声明式服务调用组件
  • Zuul：网关组件，提供智能路由、访问过滤等功能
  • Archaius：外部化配置组件
• Spring Cloud Config：配置管理工具，实现应用配置的外部化存储，支持客户端配置信息刷新、加密/解密配置内容等。
• Spring Cloud Bus：事件、消息总线，用于传播集群中的状态变化或事件，以及触发后续的处理
• Spring Cloud Security：基于spring security的安全工具包，为我们的应用程序添加安全控制
• Spring Cloud Consul : 封装了Consul操作，Consul是一个服务发现与配置工具（与Eureka作用类似），与Docker容器可以无缝集成

3Eureka概述

3.1、Eureka特点

（1） Eureka是一个基于REST的服务，用于定位服务，以实现云端中间层服务发现和故障转移。

（2） Eureka 主管服务注册与发现，在微服务中，以后了这两者，只需要使用服务的标识符（==就是那个在每个服务的yml文件中取得服务名称==），

      就可以访问到服务，不需要修改服务调用的配置文件。

（3） Eureka遵循AP原则（高可用，分区容错性），因为使用了自我保护机制所以保证了高可用。

3.2、Eureka两大组件

**两大组件**：Eureka Server（提供注册服务）、 Eureka Client（JAVA客户端，负责发送心跳）

系统中的其他微服务使用Eureka客户端连接到Eureka服务端维持心跳连接（即注册）。SpringCloud的其他模块可以通过Eureka Server 来发现系统中的微服务并加以调用

image

3.3、Eureka三大角色

Eureka Server：提供服务注册和发现

Service Provider：服务提供方，将自身服务注册到Eureka，从而使服务消费方能够找到

Service Consumer：服务消费方，从Eureka获取注册服务列表，从而能够消费服务。

image

四、示例结构说明

4.1 示例环境版本

• Java : JDK & JRE 1.8 8u151
• Spring Boot : 1.5.15.RELEASE
• Spring Cloud : Edgware.SR3 （小贴士：Spring Cloud的版本命名是以伦敦地铁站的名字来命名的）

4.2 示例地址与结构说明

示例地址：https://github.com/EdisonChou/EDC.SpringCloud.Samples

4.2.1 服务注册与发现 - 基于Eureka

此部分示例位于：part1_service-register-discovery

此部分示例主要演示了如何基于Eureka实现服务的注册与发现，其中包括两个版本：

① 单节点版本 （开发环境调试用） => 位于eureka-service-sn (sn代表single node)项目内

image

这里需要注意的地方是：在开发环境需要关闭Eureka的自我保护机制，不然你无法轻易看到服务移除的效果，需要在application.yml中如下设置：

eureka:
  server:
    enableSelfPreservation: false 

这是因为Eureka考虑到生产环境中可能存在的网络分区故障，会导致微服务与Eureka Server之间无法正常通信。它的架构哲学是宁可同时保留所有微服务（健康的微服务和不健康的微服务都会保留），也不盲目注销任何健康的微服务。

关于自我保护机制，更多内容可以参考：《Spring Cloud Eureka全解之自我保护机制》

image

② HA多节点版本 （部署/生产环境用） => 位于eureka-service-ha-1 & eureka-service-ha-2这两个项目内

此版本需要注意的是两个节点的application.yml保持一致，但由于其中使用了peer1和peer2的hostname，在本地开发环境需要给Windows（我假设你使用的是Windows系统）设置hosts文件如下：

  127.0.0.1    peer1 peer2

扩展：除了Eureka之外，还可以选择通用型较强的Consul，关于Consul的基本概念与服务端的安装配置可以看看我的这一篇《.Net Core微服务之基于Consul实现服务注册于发现》了解一下。最后，不得不说，Spring Boot 和 Spring Cloud中核心组件封装的注解真的是太强大了，很多操作一个注解直接搞定，无须过多的coding。

4.2.2 客户端负载均衡 - 基于Ribbon

此部分示例位于：part2_client-load-balance

此部分示例主要演示了如何基于Ribbon实现客户端的负载均衡，建议启动方式：先启动Eureka，再启动UserService和MovieService。通过访问MovieService的API接口 /log-instance 进行日志查看，测试结果如下图所示：

image

从上图可以看出，通过客户端的负载均衡算法，依次访问了不同的服务节点。

4.2.3 声明式REST调用 - 基于Feign

此部分示例位于：part3_feign

image

此部分示例主要演示了基于Feign如何实现声明式调用，包括以下内容：

（1）基本整合Feign进行单参数与多参数的请求：位于movie-service这个项目内

需要注意的就是别忘了在启动类加上@EnableFeignClients注解

@SpringBootApplication
@EnableDiscoveryClient
**@EnableFeignClients** // 要使用Feign，需要加上此注解
public class MovieServiceApplication { public static void main(String[] args) {
        SpringApplication.run(MovieServiceApplication.class, args);
    }
}

（2）自定义Feign配置的使用：位于movie-service-feign-customizing这个项目内

下面的Feign接口就使用了自定义的配置类FeignConfiguration。

@FeignClient(name = "user-service", **configuration** = FeignConfiguration.class) 
public interface UserFeignClient { 
    /** 使用feign自带的注解@RequestLine
     * @see https://github.com/OpenFeign/feign 
     * @param id 用户id
     * @return 用户信息
     */ 
    @RequestLine("GET /{id}")
    User findById(@Param("id") Long id);
}

（3）Feign的日志的使用：位于movie-service-feign-logging这个项目内

需要注意的是：Feign虽然提供了logger，但是其日志打印只会对DEBUG级别做出响应。日志级别一共有4种类型，如下所示：

Logger.Level 可选值：

• NONE: 不记录任何日志（默认值）
• BASIC: 仅记录请求方法、URL、响应状态码以及执行时间
• HEADERS: 记录BASIC级别的基础之上，记录请求和响应的header
• FULL: 记录请求和响应的header，body和元数据

要输出日志打印，application.yml内要设置DEBUG级别：

logging:
  level:
    # 将Feign接口的日志级别设置为DEBUG，因为Feign的Logger.Level只针对DEBUG做出响应
    com.mbps.cd.movieservice.feign.UserFeignClient: DEBUG

最后，针对FULL级别的日志打印效果如下图所示：

image

4.2.4 容错处理 - 基于Hystrix

此部分示例位于：part4_hystrix

此部分示例主要演示如何基于Hystrix实现容错处理，主要包括以下内容：

（1）通用方式整合Hystrix：此示例位于movie-service项目中

针对普通的方法，只需加上HystrixCommand注解及定义回退方法即可，例如：

@HystrixCommand(fallbackMethod = "findByIdFallback")
@GetMapping(value = "/user/{id}") 
public User findById(@PathVariable Long id) { 
    return restTemplate.getForObject("http://user-service/" + id, User.class);
} 

public User findByIdFallback(Long id){
    User user = new User();
    user.setId(-1L);
    user.setUsername("Default User"); return user;
}

（2）Feign使用Hystrix：此示例位于movie-service-feign-hystrix项目中

针对Feign，它是以接口形式工作的，好在Spring Cloud已默认为Feign整合了Hystrix，不过默认是关闭的，需要手动在配置文件中开启：

feign:
  hystrix:
    enabled: true

在之前的版本（Dalston之前的版本）中是默认开启的，至于为何要改为默认禁用，可以看看这里：https://github.com/spring-cloud/spring-cloud-netflix/issues/1277

然后直接在FeignClient注解中加入fallback属性即可，例如下面所示：

@FeignClient(name = "user-service", fallback = FeignClientFallback.class) public interface UserFeignClient {
    @GetMapping(value = "/{id}")
    User findById(@PathVariable("id") Long id);
}

@Component class FeignClientFallback implements UserFeignClient{
    @Override public User findById(Long id) {
        User user = new User();
        user.setId(-1L);
        user.setUsername("Default User"); return user;
    }
}

如果想要在Feign发生回退时能够留下日志供查看回退原因，那么可以使用FallbackFactory，示例项目：movie-service-feign-fallback-factory.

@FeignClient(name = "user-service", fallbackFactory = FeignClientFallbackFactory.class) 
public interface UserFeignClient {
    @GetMapping(value = "/{id}")
    User findById(@PathVariable("id") Long id);
}

@Component class FeignClientFallbackFactory implements FallbackFactory<UserFeignClient> { 
    private static final Logger LOGGER = LoggerFactory.getLogger(FeignClientFallbackFactory.class);

    @Override public UserFeignClient create(Throwable cause) { 
      return new UserFeignClient() {
        @Override 
        public User findById(Long id) { 
          /* * 日志最好放在各个fallback中，而不要直接放在create方法中
                 * 否则在引用启动时，就会打印该日志 */     
          FeignClientFallbackFactory.LOGGER.info("sorry, fallback. reason was: ", cause);
                User user = new User();
                user.setId(-1L);
                user.setUsername("Default Username"); return user;
            }
        };
    }
}

当发生回退时，日志输出信息如下：

image

除此之外，关于Hystrix部分，还有监控的主题，这里由于我所在的项目组的技术架构中不会涉及到，也就没有弄，有兴趣的童鞋可以关注一下Hystrix自带的监控以及基于Turbine的聚合监控。参考文章：《Hystrix监控面板（Dalston版）》与《Hystrix监控数据聚合》。

4.2.5 API网关 - 基于Zuul

此部分示例位于：part5_zuul

此部分示例主要演示如何基于Zuul实现API网关，主要包括以下内容：

（1）整合Zuul编写API网关：位于zuul-service项目中

可以测试验证的内容：

• 路由规则：依次启动eureka，user-service，movie-service，zuul-service，然后通过zuul访问user-service接口
• 负载均衡：依次启动eureka，多个user-service，zuul-service，然后多次访问user-service，最后查看日志信息（两个user-service都会打印hibernate日志信息），验证是否达到负载均衡的效果。PS：Zuul内置了Ribbon来实现负载均衡。
• 路由端点：依次启动eureka，user-service，movie-service，zuul-service，然后浏览器访问zuul-service（http://localhost:5000/routes）可以得到路由端点信息

对于路由端点，需要改一下以下配置，才能正常显示路由端点信息，否则会报401的错误：

management:
  security:
    enabled: false # 默认为true，改为false以便可以看到routes

• 路由配置：示例主要演示了路由前缀、全局敏感设置以及路由规则设置
• 大文件上传设置：针对超大文件上传（比如500M），需要在Zuul中提升超时设置

（2）Zuul的过滤器：主要位于zuul-service-filter这个项目中

对于Zuul的请求声明周期来说，一共有4种标准过滤器类型：

• PRE：在请求被路由之前调用，可利用这种过滤器实现身份验证、记录调试信息等操作；
• ROUTING：将请求路由到微服务，可利用这种过滤器用于构建发送给微服务的请求；
• POST：在路由到微服务以后执行，可用来为响应添加标准的HTTP Header、收集统计信息和指标、将响应从微服务发送给客户端等；
• ERROR：在其他阶段发生错误时执行该过滤器；

image

此示例中演示了PRE类型的过滤器，部分场景下，想要禁用部分过滤器，只需要在配置文件中设置即可，例如这里禁用PreRequestLogFilter过滤器：

zuul:
  # 禁用指定过滤器设置
  PreRequestLogFilter:
    pre:
      disable: true # 禁用我们创建的PreRequestLogFilter过滤器

（3）Zuul的容错与回退：主要位于zuul-service-fallback这个项目中

Zuul自身就带有Hystrix，但是它监控的粒度是微服务级别，而不是某个API，当某个API不可用时，会统一抛500错误码的异常页。我们可以为Zuul添加回退，以实现更友好的返回信息。实现也很简单，只需要实现FallbackProvider接口即可。这里要注意的是，对于Edgware之前的版本（即Dalston及更低版本）需要实现的是ZuulFallbackProvider接口，而Edgware及之后的版本要实现的是FallbackProvider接口。因为FallbackProvider是ZuulFallbackProvider的子接口，而它的好处就是多了一个接口可以获取可能造成回退的原因，具体可以参考这一篇文章：《Spring Cloud Edgware新特性之八：Zuul回退的改进》。下面是本示例中访问user-service接口（user-service被我手动关闭）后的返回结果：

image

（4）Zuul的高可用架构

生产环境中一般都需要部署高可用的Zuul以避免单点故障，实际开发中有两种情况：

① Zuul的客户端也注册到了Eureka Server上（比如：MVC App, SPA 等）

image

此时Zuul的高可用和其他微服务没区别，都是借助Eureka和Ribbon来实现负载均衡。

② Zuul的客户端未注册到Eureka Server上（比如手机App端等）

现实中这种场景或许更常见，此时需要借助一个额外的负载均衡器来实现Zuul的高可用，比如：Nginx、HAProxy以及F5等。

image

更多Zuul高可用的内容，可以浏览周立老师的这一篇：《Zuul的高可用》

（5）使用Zuul聚合微服务：此示例位于zuul-service-aggregation项目中

许多场景下可能一个外部请求要查询Zuul后端的多个服务，这时可以使用Zuul来聚合服务请求，即只需请求一次，由Zuul来请求各个服务，然后组织好数据发送给客户端（比如App客户端）。示例中主要基于RxJava与Zuul来结合实现的微服务请求的聚合。

4.2.6 统一配置管理 - 基于Spring Cloud Config

Spring Cloud Config为分布式系统外部化配置提供了服务端和客户端的支持，包括Config Server和Config Client两部分，其架构图如下图所示：

image

其中，各个微服务在启动时会请求Config Server以获取所需要的配置属性，然后缓存这些属性以提高性能，如下图所示：

image

此部分示例位于：part6_config

此部分示例主要演示如何基于Spring Cloud Config实现统一配置中心，主要包括以下内容：

（1）基本的Config Server与Config Client编写：此示例位于config-service与config-client中

此示例需要用到一些已放到git的配置文件，这里我已将其放到了github方便大家可以直接拿来测试用，仓库地址为：https://github.com/EdisonChou/EDC.SpringCloud.Samples.Config

端点与配置文件的映射规则如下：

/{application}/{profile}[/{label}]

/{application}-{profile}.yml

/{label}/{application}-{profile}.yml

/{application}-{profile}.properties

/{label}/{application}-{profile}.properties

其中，application: 表示微服务的虚拟主机名，即配置的spring.application.name

profile: 表示当前的环境，dev, test or production?

label: 表示git仓库分支，master or relase or others repository name? 默认是master

项目中，config-service的配置文件如下：

启动顺序：先启动config-server，再启动config-client，因为config-client在启动时就回去config-server获取配置，如果这时config-server未启动则会报错。

这里需要注意的就是在config-client中，对于spring cloud config的配置应该放在bootstrap.yml中而不是application.yml中，否则会不起作用。这里涉及到一个spring cloud的“引导上下文”的概念，可以参考这篇《深入理解Spring Cloud引导上下文》来了解一下。

（2）使用/refresh端点手动刷新配置：仍然位于config-client项目中

要想在运行期间刷新配置，需要两点改造：加上@RefreshScope注解

@RestController
@RefreshScope // @RefreshScope注解不能少，否则即使调用/refresh，配置也不会刷新
public class ConfigClientController {
    @Value("${profile}") private String profile;

    @GetMapping("/profile") public String hello(){ return this.profile;
    }
}

此外，针对Spring Boot 1.5.x，还需要给config-client端关闭安全认证，否则无法正常refresh：

management:
  security:
    enabled: false

之后，就可以通过对config-client发起POST请求刷新配置了：

image

不过，如果所有微服务都需要手动刷新配置，工作量会很大。所以，在实际环境中，一般会实现配置的自动刷新。

（3）使用Spring Cloud Bus自动刷新配置：此示例位于config-server-cloud-bus与config-client-cloud-bus项目中

此示例使用到的架构如下图所示，它将Config Server加入消息总线之中，并使用Config Server的/bus/refersh端点来实现配置的刷新。这样，各个微服务只需要关注自身的业务逻辑，而无需再自己手动刷新配置。

image

Tip：Spring Cloud Bus基于轻量级地消息代理（例如RabbitMQ、Kafka等）连接分布式系统的节点，就可以通过广播的方式来传播状态的更改（例如配置的更新）或者其他的管理指令。我们可以将Spring Cloud Bus想象成一个分布式的Spring Boot Actuator。

运行顺序：先启动config-service-cloud-bus，再启动两个config-client-cloud-bus（第一个默认端口8081，第二个端口改为8082），修改github中sampleservice-foo-dev.properties中的profile值后commit & push，然后POST请求config-service-cloud-bus的/bus/refersh端点，最后再次访问两个client的/profile端点进行验证。

如果部分场景想要知道Spring Cloud Bus事件传播的细节，可以通过以下设置来跟踪事件总线：

spring:
  cloud:
    bus:
      trace:
        enabled: true # 开启cloud bus跟踪

（4）与Eureka的配合使用：此示例位于config-service-eureka与config-client-eureka两个项目中

（5）Config Server的高可用：涉及到Git仓库的高可用、RabbitMQ的高可用以及Config Server自身的高可用。

对于Git仓库的高可用，第三方Git仓库类似于GitHub等本身已经实现了高可用，而针对自建Git仓库如GitLab，可以参考GitLab官方文档搭建高可用：https://about.gitlab.com/high-availability/

对于Config Server自身的高可用，也可以分为未注册到Eureka和注册到Eureka两种情形，具体可以参考Zuul的高可用的架构图。

此外，对于配置内容的加密，此示例没有涉及，它依赖于JCE（Java Cryptography Extension），可以参考这一篇《Spring Cloud配置文件加密》了解一下。

扩展：关于统一配置中心，还可以选择更好用的Apollo（携程的开源项目），可以看看我的这一篇《.Net Core微服务之基于Apollo实现统一配置中心》了解一下。

4.2.7 微服务跟踪 - 基于Spring Cloud Sleuth

首先，值得一提的是Spring Cloud Sleuth大量借用了Google Dapper，Twitter Zipkin和Apache HTrace的设计，我们得了解一些术语，例如：span、trace、annotation等，详细可以参考这篇《Spring Cloud系列之分布式链路监控Spring Cloud Sleuth》。

此示例位于：part7_sleuth

此部分示例主要演示如何基于Spring Cloud Sleuth实现分布式链路监控，主要包括以下内容：

（1）基础整合Spring Cloud Sleuth：位于user-service-trace与movie-service-trace项目中，主要查看控制台输出日志

（2）Spring Cloud Sleuth与Zipkin的配合使用：位于zipkin-service-server、user-service-trace-zipkin与movie-service-trace-zipkin三个项目中

Zipkin是Twitter开源的分布式跟踪系统，基于Dapper论文设计而来，主要功能是收集系统的时序数据，从而追踪微服务架构的系统延时问题，此外还提供了一个非常友好的界面来帮助追踪分析数据。

下图是一个接入Zipkin之后的服务调用简易流程图：

image

运行顺序：首先运行zipkin-service-server，其次运行user-service-zipkin与movie-service-zipkin，然后访问http://localhost:8010/user/1得到数据结果，最后访问zipkin server首页，填入起始时间、结束时间等筛选条件后，点击Find a trace按钮，可以看到trace列表，如下图所示：

image

点击“依赖分析”，可以得到下图，有助于我们分析依赖关系：

image

需要注意的是，在开发调试时，因为默认的采样百分比是10%，Sleuth会忽略大量span，因此我们可以在开发环境将其设置为100%：

spring:
  sleuth:
    sampler:
      # 指定需采样的请求的百分比，默认是0.1（即10%），这里方便查看设为100%（实际环境不要这样设置）
      percentage: 1.0

（3）使用RabbitMQ收集数据：此示例位于zipkin-service-server-stream与user-service-trace-zipkin-stream两个项目中

image

此外，Spring Cloud Sleuth还可以与ELK配合使用，不过此示例没有涉及，感兴趣的朋友可以参考这一篇《Spring Cloud Sleuth与ELK集成》。当然，示例中的跟踪数据都是存放到内存中，但是跟踪数据还是建议存放到ElasticSearch中，生产环境切莫只存储到内存中。

推荐工具

image

IDE => Intellij Idea Community 2018

(PS: 如果是.Net程序猿背景，强烈建议更改快捷键与Visual Studio保持一致，这样能加快开发效率，如不了解如何修改，可以参考邹琼俊《从.Net到Java - Idea and Start Spring Boot》)

image

Plugin => 阿里巴巴代码规约