持续演进的Cloud Native：云原生架构下微服务最佳实践

图书标准信息

• 作者 王启军
• 出版社 电子工业出版社
• 出版时间 2018-10
• 版次 1
• ISBN 9787121351204
• 定价 79.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸

【内容简介】

《持续演进的Cloud Native：云原生架构下微服务*实践》从架构、研发流程、团队文化三个角度详细介绍了如何构建Cloud Native。作者长期活跃在研发一线，具有丰富的架构设计经验，也曾亲身经历过很多失败的架构设计，如很多团队在实施微服务架构的时候，只强调拆分服务，根本没有理解微服务架构应该怎么做。《持续演进的Cloud Native：云原生架构下微服务*实践》就是想告诉读者，除了拆分服务，还要把哪些事做好，例如基础设施、一致性、性能、研发流程、团队文化等。
  《持续演进的Cloud Native：云原生架构下微服务*实践》共分为10 章，第1 章从整体上描述了Cloud Native 的起源、组成及原则等；从第2 章到第7 章重点描述了微服务架构、敏捷基础设施及公共基础服务、可用性、可扩展性、性能、一致性等方面的设计实践；第8 章介绍了Serverless 和Service Mesh；第9 章介绍了如何构建研发流程；第10 章介绍了如何建设团队文化。
  《持续演进的Cloud Native：云原生架构下微服务*实践》希望给技术管理者、架构师和有一定基础的技术人员提供帮助，特别是希望改变研发模式，从交付型软件过渡到云服务的传统软件企业开发者，此书将帮助你少走弯路。

【作者简介】

王启军，目前就职于华为公司架构部，负责华为公司的Cloud Native、微服务架构推进落地，前后参与了华为手机祥云4.0、物联网IoT 2.0的架构设计。曾任当当架构师，主导电商平台架构设计，包括订单、支付、价格、库存、物流等。曾就职于搜狐，负责手机微博的研发。十余年的技术历练，也曾作为技术负责人带领过近百人的团队。公众号“奔跑中的蜗牛”的作者。

【目录】

第1章  综述  1

1.1  Cloud Native的起源  1

1.2  Cloud Native的组成  4

1.3  Cloud Native背后的诉求  5

1.4  如何衡量Cloud Native的能力  5

1.5  Cloud Native的原则  6

第2章  微服务架构  11

2.1  微服务架构的起源  11

2.2  为什么采用微服务架构  12

2.2.1  单体架构与微服务架构  12

2.2.2  什么时候开始微服务架构  14

2.2.3  如何决定微服务架构的拆分粒度  14

2.3  微服务设计原则  15

2.4  微服务架构实施的先决条件  17

2.4.1  研发环境和流程上的转变  17

2.4.2  拆分前先做好解耦  18

2.5  微服务划分模式  20

2.5.1  基于业务复杂度选择服务划分方法  20

2.5.2  基于数据驱动划分服务  21

2.5.3  基于领域驱动划分服务  22

2.5.4  从已有单体架构中逐步划分服务  23

2.5.5  微服务拆分策略  24

2.5.6  如何衡量服务划分的合理性  25

2.6  微服务划分反模式  26

2.7  微服务API设计  28

2.7.1  优秀API的设计原则  28

2.7.2  服务间通信——RPC  28

2.7.3  序列化——Protobuf  30

2.7.4  服务间通信——RESTful  33

2.7.5  通过Swagger实现RESTful  36

2.7.6  通过Spring Boot、Springfox、Swagger实现RESTful  41

2.7.7  HTTP协议的进化——HTTP/2  46

2.7.8  HTTP/2和Protobuf的组合——gRPC  48

2.8  微服务框架  53

2.9  基于Dubbo框架实现微服务  54

2.10  基于Spring Cloud框架实现微服务  58

2.11  服务发现场景下的ZooKeeper与Etcd  67

2.12  微服务部署策略  68

2.12.1  服务独享数据库  69

2.12.2  服务独享虚拟机/容器  70

2.13  为什么总觉得微服务架构很别扭  70

第3章  敏捷基础设施及公共基础服务  73

3.1  传统基础设施面临的挑战  73

3.2  什么是敏捷基础设施  74

3.3  基于容器的敏捷基础设施  75

3.3.1  容器VS虚拟机  76

3.3.2  安装Docker  77

3.3.3  部署私有Docker Registry  79

3.3.4  基于Spring Boot、Maven、Docker构建微服务  79

3.3.5  基于docker-compose管理容器  84

3.4  基于公共基础服务的平台化  85

3.5  监控告警服务  86

3.5.1  监控数据采集  87

3.5.2  监控数据接收模式  87

3.5.3  通过时间序列数据库存储监控数据  88

3.5.4  开源监控系统实现Prometheus  88

3.5.5  通过Prometheus和Grafana监控服务  90

3.6  分布式消息中间件服务  96

3.6.1  分布式消息中间件的作用  97

3.6.2  业界常用的分布式消息中间件  98

3.6.3  Kafka的设计原理  99

3.6.4  为什么Kafka性能高  100

3.6.5  Kafka的数据存储结构  102

3.6.6  如何保证Kafka不丢消息  104

3.6.7  Kafka跨数据中心场景集群部署模式  106

3.7  分布式缓存服务  108

3.7.1  分布式缓存的应用场景  109

3.7.2  业界常用的分布式缓存Memcached  110

3.7.3  业界常用的分布式缓存——Redis  111

3.7.4  Redis常用的分布式缓存集群模式  112

3.7.5  基于Codis实现Redis分布式缓存集群  116

3.8  分布式任务调度服务  118

3.8.1  通过Tbschedule实现分布式任务调度  119

3.8.2  通过Elastic-Job实现分布式任务调度  123

3.9  如何生成分布式ID  126

3.9.1  UUID  126

3.9.2  SnowFlake  127

3.9.3  Ticket Server  128

3.9.4  小结  129

第4章  可用性设计  130

4.1  综述  130

4.1.1  可用性和可靠性的关系  130

4.1.2  可用性的衡量标准  131

4.1.3  什么降低了可用性  131

4.2  逐步切换  132

4.2.1  影子测试  132

4.2.2  蓝绿部署  133

4.2.3  灰度发布/金丝雀发布  134

4.3  容错设计  135

4.3.1  消除单点  136

4.3.2  特性开关  136

4.3.3  服务分级  137

4.3.4  降级设计  138

4.3.5  超时重试  139

4.3.6  隔离策略  152

4.3.7  熔断器  153

4.4  流控设计  157

4.4.1  限流算法  157

4.4.2  流控策略  159

4.4.3  基于Guava限流  160

4.4.4  基于Nginx限流  162

4.5  容量预估  163

4.6  故障演练

 164

4.7  数据迁移  165

4.7.1  逻辑分离，物理不分离  166

4.7.2  物理分离  166

第5章  可扩展性设计  168

5.1  加机器能解决问题吗  168

5.2  横向扩展  169

5.3  AKF扩展立方体  170

5.4  如何扩展长连接  172

5.5  如何扩展数据库  175

5.5.1  X轴扩展——主从复制集群  175

5.5.2  Y轴扩展——分库、垂直分表  176

5.5.3  Z轴扩展——分片（sharding）  177

5.5.4  为什么要带拆分键  182

5.5.5  分片后的关联查询问题  183

5.5.6  分片扩容（re-sharding）  184

5.5.7  精选案例  187

5.6  如何扩展数据中心  190

5.6.1  两地三中心和同城多活  190

5.6.2  同城多活  191

5.6.3  异地多活  192

第6章  性能设计  194

6.1  性能指标  195

6.2  如何树立目标  195

6.3  如何寻找平衡点  196

6.4  如何定位瓶颈点  197

6.5  服务通信优化  198

6.5.1  同步转异步  198

6.5.2  阻塞转非阻塞  199

6.5.3  序列化  200

6.6  通过消息中间件提升写性能  201

6.7  通过缓存提升读性能  202

6.7.1  基于ConcurrentHashMap实现本地缓存  203

6.7.2  基于Guava Cache实现本地缓存  204

6.7.3  缓存的常用模式  205

6.7.4  应用缓存的常见问题  207

6.8  数据库优化  208

6.8.1  通过执行计划分析瓶颈点  208

6.8.2  为搜索字段创建索引  209

6.8.3  通过慢查询日志分析瓶颈点  210

6.8.4  通过提升硬件能力优化数据库  211

6.9  简化设计  212

6.9.1  转移复杂度  212

6.9.2  从业务角度优化  212

第7章  一致性设计  214

7.1  问题起源  214

7.2  基础理论  215

7.2.1  什么是分布式事务  216

7.2.2  CAP定理  218

7.2.3  BASE理论  219

7.2.4  Quorum机制（NWR模型）  219

7.2.5  租约机制（Lease）  220

7.2.6  状态机（Replicated State Machine）  221

7.3  分布式系统的一致性分类  222

7.3.1  以数据为中心的一致性模型  223

7.3.2  以用户为中心的一致性模型  226

7.3.3  业界常用的一致性模型  229

7.4  如何实现强一致性  230

7.4.1  两阶段提交  230

7.4.2  三阶段提交（3PC）  231

7.5  如何实现最终一致性  232

7.5.1  重试机制  232

7.5.2  本地记录日志  233

7.5.3  可靠事件模式  233

7.5.4  Saga事务模型  235

7.5.5  TCC事务模型  237

7.6  分布式锁  238

7.6.1  基于数据库实现悲观锁和乐观锁  239

7.6.2  基于ZooKeeper的分布式锁  241

7.6.3  基于Redis实现分布式锁  242

7.7  如何保证幂等性  244

7.7.1  幂等令牌（Idempotency Key）  244

7.7.2  在数据库中实现幂等性  246

第8章  未来值得关注的方向  247

8.1  Serverless  247

8.1.1  什么是Serverless  247

8.1.2  Serverless的现状  248

8.1.3  Serverless的应用场景  249

8.2  Service Mesh  250

8.2.1  什么是Service Mesh  250

8.2.2  为什么需要Service Mesh  252

8.2.3  Service Mesh的现状  253

8.2.4  Istio架构分析  255

第9章  研发流程  258

9.1  十二因子  258

9.2  为什么选择DevOps  261

9.3  自动化测试  263

9.3.1  单元测试  263

9.3.2  TDD  264

9.3.3  提交即意味着可测试  265

9.4  Code Review  265

9.4.1  Code Review的意义  265

9.4.2  Code Review的原则  266

9.4.3  Code Review的过程  267

9.5  流水线  267

9.5.1  持续交付  267

9.5.2  持续部署流水线  268

9.5.3  基于开源打造流水线  268

9.5.4  Amazon的流水线  271

9.5.5  开发人员自服务  271

9.6  为什么需要AIOps  272

9.7  基于数据和反馈持续改进  273

9.8  拥抱变化  274

9.9  代码即设计  274

第10章  团队文化  276

10.1  为什么团队文化如此重要  276

10.2  组织结构  278

10.2.1  团队规模导致的问题  278

10.2.2  康威定律  278

10.2.3  扁平化的组织  279

10.2.4  独裁的管理方式还是民主的管理方式  280

10.2.5  民主的团队如何做决策  282

10.3  环境氛围  282

10.3.1  公开透明的工作环境  282

10.3.2  学习型组织  283

10.3.3  减少正式的汇报  284

10.3.4  高效的会议  284

10.3.5  量化指标致死  286

10.4  管理风格  287

10.4.1  下属请假你会拒绝吗  287

10.4.2  为什么你招不到你想要的人  288

10.4.3  得到了所有人的认可，说明你并不是一个好的管理者  291

10.4.4  尽量避免用自己的权力去做决策  291

10.4.5  一屋不扫也可助你“荡平天下”  292

10.4.6  如何留下你想要的人293

10.5  经典案例  294

10.5.1  Instagram的团队文化  294

10.5.2  Netflix的团队文化  294