## 微服务的设计原则 与生态系统 王磊 ## 关于我  Ruby Gems 开发实战 ![Image](/uploads/documents/b/2/2/d/b22d07eaea0b5b3936e4c395f448894f/p2_3 国内较早倡导和实践微服务的先行者 - 对于自动化测试、持续交付、DevOps有丰富的实践经验 西安DevOps Meetup 联合发起人 ## 议题 • 微服务架构的核心 • 微服务架构设计原则 • 微服务架构生态系统 ## Are you using microservices? ## Microservices are entering mainstream 68% of organizations com/articles/single/3652-what-is-devops ## 什么是演进式架构？ 架构一旦确定，很难改变 ☐ ☐ ☐ ☐ ## 什么是演进式架构？ 支持增量式变更作为第一原则 · 演进是动态平衡 · 痛苦的事情提前做 · 运维意识是关键 ## 演进式架构 - 动态的平衡 业务 拥抱变化 动态平衡 团队 技术 架构的演进基于业务、技术和团队的平衡 ## 演进式架构

Interface (3) Database (4) Infrastructure ## 微服务架构的困境与突破 ## 服务拆分难 - 模块职责不清晰，模块之间耦合严重，面向数据库交互，循环依赖等等，导致服务拆分困难：1.0版本，2.0版本，3.0版本……（初期缺乏设计） ## 服务维护成本高 看起来不复杂的功能搞了N个服务，花了几天的时间才把测试环境跑起来。为了维护这个项目同时打开了 建我们的单体应用 1. 同一个repo下，不同模块之间按照不同目录进行隔离； 2. 模块之间的通过service.go中定义的接口interface进行通信，高层模块不应该依赖于低层模块，两者都应该依赖其抽象—依赖倒置； ## 实战：基于go-kit构建易于拆分的单体应用 ![Image](/uploads/documents/c/b/3/d/cb3d67b7f1ba7441f66d41cd9fc5cdc7/p22_1

不足： 一是，组件多语言SDK的问题仍然存在且十分严重。举例来说，在字节内部，线上非常多的服务都依赖A/Btest，业务应用需要实现每一个语言的SDK，同时，当我们进行策略升级时，还需要推动业务升级，因此它所面临的问题与我们在Service Mesh需要解决的问题其实是完全一致的。 二是，通用服务依赖仍需显式接入。比如当接入一些网关服务时，我们需要单独通过RPC调用方式。在实际的开发过程中，开发者 往往只想要关注业务逻辑本身，但是为了符合公司安全标准需求和业务通用逻辑，他们还需要接入一堆服务组件，这对于开发者来说是比较痛苦的。对于维护方来说，他们也需要推动业务升级它的依赖。 基于此，字节跳动服务框架团队依据过往的业务实践提出了一个新的微服务架构演进方向一一通过通用能力持续下沉和Service Mesh基础能力复用，促使云原生微服务架构逐步演进到多运行时微服务架构。 多运行时微服务架构具有如下优势： 中的日志。它可以配置为检索磁盘日志并实时传输到中心化日志收集的能力，但更多的是与日志sdk直连。日志sdk可以选择绕开磁盘，直接通过log agent和网络，把日志写到远端。这样微服务对于本地磁盘的依赖就下降了。另外一个方面，日志的sdk也帮助打日志者更加结构化日志的内容。这样在后续的搜索过程中，相比纯粹的文本形式，就更有效率。 1.5.4 成熟期 在安全方面，2021年起的主要工作是推广和适应。

DOMAIN-DRIVEN DESIGN ## 我眼中的DDD 道 原则 弱约束 最佳实践 编码强相关 面向对象进阶 数据驱动之反面 优先处理业务逻辑 不是架构师专属标榜 对软件匠艺的执着追求 套路化之后的有条理的多 关于软件结构的新思维方式 分离技术复杂度和业务复杂度 ## 我眼中的DDD 道 原则 弱约束 最佳实践 编码强相关 面向对象进阶 关于软件结构的新思维方式 分离技术复杂度和业务复杂度 ## DDD为何？ KIS S 高内聚 分层 抽象 DRY 纯函数 YAGNI 模块化 低耦合 依赖倒置 迪米特 里氏替换 关注点分离 单一职责 面向接口 不变性 开闭原则 ## DDD为何？ 01010101010010111010101011 ## DDD为何？ ![Image](/uploads/documents/

对外部输入进行完善的检查、过滤、转义操作后，再进行执行。 参考资料：“驹说码事”《注入的原理与防御措施》 https://mp.weixin.qq.com/s/Zd81qlcWJi4H1AD9WzPX7w ## 小心 PyPI 依赖包 不要以为 Star 多的包就不存在漏洞； 更不要以为 PyPI 源中的包就不存在恶意代码； 不要以为你import的就是你实际要import的 $ ^{*} $ ; 每个 PyPI 包都 包都可能存在前述所有风险点，有的甚至是故意、恶意为之。 ## 应对: 谨慎选择第三方 PyPI 包，尽量少导入 PyPI 包； 利用 https://pyup.io/ 等服务保持检查和更新依赖； 利用 Chef InSpect 落实代码安全规范的检查。 $ ^{*} $ 参考资料：“驹说码事”《如何import一个不存在的对象》 https://mp.weixin.qq.com/s/0 总结：如何规避代码风险 ## 如何尽量规避风险 1. 默认不相信外部输入，需要进行检查； 2. 内部逻辑也应该做检查，例如购买东西以后余额应该降低而不是升高； 3. 奥卡姆剃刀原则，用能达到目的的最简单的设计、配置，减少缺陷的可能性； 4. 最小权限原则，仅用恰好够用的权限去执行代码，减少越权漏洞； 5. 定时清理缓存数据，以及非业务代码的固有数据，减少入侵风险； 6. 在发布代码前，使用 Bandit 工具检查代码，规避最常见的不安全写法；

is not responsible for the consequences. ## 目录 1 Keras: 基于 Python 的深度学习库 1.1 你恰好发现了 Keras 1.2 指导原则 1.3 快速开始：30 秒上手 Keras 1.4 安装指引 1.5 使用 TensorFlow 以外的后端 1.6 技术支持 1.7 为什么取名为 Keras？ 2 同时支持卷积神经网络和循环神经网络，以及两者的组合。 在 CPU 和 GPU 上无缝运行。 查看文档，请访问 Keras.io。 Keras 兼容的 Python 版本: Python 2.7-3.6。 ### 1.2 指导原则 - 用户友好。Keras 是为人类而不是为机器设计的 API。它把用户体验放在首要和中心位置。Keras 遵循减少认知困难的最佳实践：它提供一致且简单的 API，将常见用例所需的用户操作数量降至 optimizer='sgd', metrics=['accuracy']) 如果需要，你还可以进一步地配置你的优化器。Keras 的核心原则是使事情变得相当简单，同时又允许用户在需要的时候能够进行完全的控制（终极的控制是源代码的易扩展性）。 model.compile(loss=keras.losses.categorical_crossentropy