|
继续来深入探讨！在之前的文章（第一部分）中，我们为本篇文章建立了一个上下文环境（以便于讨论）。一个基本原则是，当微服务被引入到现有架构中时，不能也不应该破坏当前的请求流程（request flows）。“单体应用（monolish）”程序依然能带来很多商业价值（因此仍将在新的时代被使用，编者注），我们只能在迭代和扩展时，尽可能地减少其负面影响，这过程中就有一个经常被忽略的事实：当我们开始探索如何从单体应用过渡到微服务时，会遇到一些我们不愿意碰到的难题，但显然我们不能视而不见。如果你还没读过这段内容，我建议你再回去看看第一部分。同时也可以参考什么时候不要做微服务 [0]。
以下这些技术在我们的实践过程中将具备一定的指导作用：
我使用的是 http://developers. 上的 TicketMonster 教程，显示从单体应用到微服务的演变，如果感兴趣的话可以关注，你还可以在 github 上找到相关的代码和文档（文档还在编写中）：https：//github.com/ticket-monster-msa/monolith 让我们一步步地读完第一部分 [21]，具体来看看每一步应该怎么实施。中间还会引入上一部分中出现的一些注意事项，并在当前背景下再讨论一遍。 回顾下注意事项：
可以的话，尽可能为单体应用安排大量的测试，哪怕不是一直有效。随着演变的开始，无论是添加新功能还是替换现有功能，我们都需要清楚了解任何更改可能产生的影响。Michael Feathers 在他《重构遗留代码》[22] 的书中，将“遗留代码（legacy code）”定义为没有被测试所覆盖的代码。像 JUnit 和 Arquillian 这样的工具就很能帮到大忙。使用 Arquillian，可以任意选择远程方法调用的接口的颗粒大小（fine grain or coarse grain），然后打包应用程序，不过仍需要用适当的模拟等方式，来运行打算被测试的一部分程序。例如，在单体应用（TicketMonster）中，我们可以定义一个微部署（micro-deployment），用来将原有的数据库替换为内存数据库，并预加载一些样例数据。Arquillian 适用于 Spring Boot 应用、Java EE 等。在本例中，我们将测试一个 Java EE 的单体架构： public static WebArchive deployment() { return ShrinkWrap .create(WebArchive.class, 'test.war') .addPackage(Resources.class.getPackage()) .addAsResource('META-INF/test-persistence.xml', 'META-INF/persistence.xml') .addAsResource('import.sql') .addAsWebInfResource(EmptyAsset.INSTANCE, 'beans.xml') // Deploy our test datasource .addAsWebInfResource('test-ds.xml');}更有意思的是，嵌入在运行环境中的测试可以用来验证内部工作的所有组件。例如，在上面的一个测试中，我们可以将 BookingService 注入到测试中，并直接运行： @RunWith(Arquillian.class)public class BookingServiceTest { @Deployment public static WebArchive deployment() { return RESTDeployment.deployment(); } @Inject private BookingService bookingService; @Inject private ShowService showService; @Test @InSequence(1) public void testCreateBookings() { BookingRequest br = createBookingRequest(1l, 0, new int[]{4, 1}, new int[]{1,1}, new int[]{3,1}); bookingService.createBooking(br); BookingRequest br2 = createBookingRequest(2l, 1, new int[]{6,1}, new int[]{8,2}, new int[]{10,2}); bookingService.createBooking(br2); BookingRequest br3 = createBookingRequest(3l, 0, new int[]{4,1}, new int[]{2,1}); bookingService.createBooking(br3); }完整的示例请参阅 TicketMonster 单体应用模块 [23] 中的 BookingServiceTest。 测试的问题解决了，那么部署呢？ Kubernetes 已成为容器化服务或应用程序的实际部署平台。Kubernetes 处理诸如健康度检查、扩展、重启、负载平衡等事项。对于 Java 开发人员来说，像 fabric8-maven-plugin[24] 这样的工具甚至都可以用来自动构建容器或 docker 镜像，并生成任意部署资源文件。OpenShift[25] 是 Red Hat 的 Kubernetes 的产品化版本，其中增加了开发人员的功能，包括 CI/CD pipelines 等。 无论是微服务、单体应用还是其他平台（比如能够处理持续的工作负载，即数据库等），Kubernetes/OpenShift 都是一个适用于应用程序 / 服务的部署平台。通过 Arquillian，容器和 OpenShift pipelines，可以持续地将变更引入生产环境。顺便来看一下 openshift.io[26]，它将开发经验与自动 CI/CD pipelines、SCM 集成、Eclipse Che[27] 开发人员工作区、库扫描等结合在一起。 目前，生产负载指向单体应用。如果我们翻到它的主页，我们会看到这样的内容： 接下来，让我们开始做一些改变… 回顾下注意事项：
如果我们看下 TicketMonster UI v1 [29] 代码，就会发现它非常简单。静态 HTML/JS/CSS 组件已经被移到它自己的 Web 服务器，还被打包到一个容器中。通过这种方式，我们可以在单体应用之外对它进行单独部署，并独立更改或更新版本。这个 UI 项目仍然需要与单体应用对话来执行它的功能，所以应该是公开一个 REST 接口，让 UI 可以与之交互。对于一些单体应用来说，这说起来容易做起来难。如果你想从遗留代码中打包出来一个不错的 REST API，又遇到了挑战，我强烈推荐你看看 Apache Camel，尤其是它的 REST DSL。 比较有意思的是，实际上单体应用并没有被改变。它的代码没有变动，同时新 UI 也部署完成。如果查看 Kubernetes，我们会看到两个单独的部署对象和两个单独的 pod：一个用于单体架构，另一个用于 UI。 即使 tm-ui-v1 用户界面部署完了，也没有任何流量进入这个新的 TicketMonster UI 组件。为了简单起见，即使这个部署并没有承载生产流量，而是 ticket-monster 这个单体应用在承担所有流量，我们仍然可以把它当作一个简单的灰度上线。相关的 UI 端口仍旧可以访问： 接下来，用 kubectl cli 工具从本地端口转发到特定的 pod（端口 80 上的 tm-ui-v1-3105082891-gh31x），并将其映射到本地端口 8080。现在，如果导航到 http://localhost:8080，应该得到一个新版本 UI（注意突出显示的文本部分，表明这是一个不同的 UI，但它直接指向单体应用） 如果我们这个新版本还算满意，就可以开始将流量引入进来。为此，我们将使用 Istio service mesh [30]。Istio 是用于管理由入口点和服务代理组成的网格控制层（control plane）。我已经写了一些关于像 Envoy 这样的数据层 [31] 以及 service mesh[32] 的文章。我个人强烈建议看看 Istio 的全部功能。接下来的几段内容，我们会围绕整个项目的全过程来依次展开讨论 Istio 的各项功能。如果控制层和数据层之间的区分让你困惑，请查看 Matt Klein[33] 撰写的博客。 我们将从使用 Istio Ingress Controller[34] 开始。该组件允许使用 Kubernetes Ingress 规范来控制流量进入 Kubernetes 集群。一旦安装了 Istio，我们可以这样创建一个入口资源，将流量指向 Ticket Monster UI 的 Kubernetes 服务，tm-ui: apiVersion: extensions/v1beta1kind: Ingressmetadata: name: tm-gateway annotations: kubernetes.io/ingress.class: 'istio'spec: backend: serviceName: tm-ui servicePort: 80一旦有了入口，就可以开始应用 Istio 路由规则 [35]。例如，有一个规则，“任何时候有人试图与在 Kubernetes 中运行的 tm-ui 服务对话，将它们指向服务的第一版本 v1”： apiVersion: config.istio.io/v1alpha2kind: RouteRulemetadata: name: tm-ui-defaultspec: destination: name: tm-ui precedence: 1 route: - labels: version: v1如此，我们能够更好地控制进入集群甚至深入集群内部的流量。在这个步骤的最后，我们会将所有的流量都转到 tm-ui-v1 部署。 回顾下注意事项
这一步相当直接，通过删除静态 UI 组件来更新单体应用（删除的部分已经转移到了 tm-ui-v1 部署）。既然应用程序已经被释放成为一个单体应用的服务，以供 UI，API 或者其他一些程序调用，那么也可以对这个部署进行一些 API 层级的更改。而如果想对 API 进行一些更改，就需要部署一个新版本的 UI。此处我们部署了 backend-v1 服务以及一个新的 UI tm-ui-v2，可以利用后端服务中的这个新 API。 来看看在 Kubernetes 集群中的部署情况：
此时，ticket-monster 和 tm-ui-v1 正接收实时流量。backend-v1 和指向它的 UI--tm-ui-v2 则没有流量负载。需要注意的一点是，backend-v1 部署与 ticket-monster 部署共享数据库，但各自有略微不同的外向 API（outward facing API）。 现在，新的 backend-v1 和 tm-ui-v2 组件已经部署到生产环境中。现在是时候把注意力放在一个简单而又重要的事实上：生产环境部署发生了改变，但是它们还没有发布。在 turblabs.io [36] 一些优秀的博客更详细地阐述了这一点 [37]。现在，我们有机会部署一个非正式的灰度发布。也许我们希望这个部署慢慢来，首先面向内部用户，或者先对某个特定区域内，特定设备的部分用户进行部署等等。
既然已经有了 Istio，接下来看看它能做些什么。我们只想为内部用户做一个灰度发布。我们可以用各种方式来识别内部用户，诸如 headers、IP 等等，在本例中，如果 HTTP header 带有 x-dark-launch: v2 这样的文本内容，则该请求将会被路由到新的 backend-v1 和 tm -ui-v2 服务中。以下是 istio 路由规则的样子： apiVersion: config.istio.io/v1alpha2kind: RouteRulemetadata: name: tm-ui-v2-dark-launchspec: destination: name: tm-ui precedence: 10 match: request: headers: x-dark-launch: exact: 'v2' route: - labels: version: v2任意用户身份登录主页时，应该可以看到当前的部署（即指向 ticket-monster 单体应用的 tm-ui-v1）：
现在，如果改变浏览器中的消息头（例如使用 Firefox 的修改消息头工具或其他类似工具），我们应该被路由到已灰度上线的服务（指向 backend-v1 的 tm-ui-v2）：
然后点击“开始”开始修改消息头并刷新页面：
现在，我们已经被重定向到服务的灰度发布版本。由此，可以通过做一个金丝雀发布（这里也许引 1％的实时流量到新部署），来向客户群发布，同时，如果没有负面效果的话，那么就缓慢增加流量负载（5％、10％、50％等）。以下是 Istio 路由规则的一个例子，其将 v2 流量以 1％进行金丝雀发布： apiVersion: config.istio.io/v1alpha2kind: RouteRulemetadata: name: tm-ui-v2-1pct-canaryspec: destination: name: tm-ui precedence: 20 route: - labels: version: v1 weight: 99 - labels: version: v2 weight: 1能“看到”或“观察”这个版本的影响是至关重要的，稍后我们会进一步讨论。另外请注意，这种金丝雀发布方式目前正在架构外围完成，但是也可以通过 istio 控制内部服务间通讯 / 交互时采用金丝雀的方式。在接下来的几个步骤中，我们将开始看到。
回顾下注意事项
在这一步中，我们开始设计我们所设想的新订单服务的 API，在做一些领域驱动设计练习时，我们常常需要确定一些边界（boundaries），新的 API 应该更多的与这种边界相一致。这里可以使用 API 建模工具来设计 API，部署一个虚拟化的实施，并且随服务消费者的需求变化 一起迭代，而不是一开始花费大量的精力去构建，最后又发现需要不断修改。 在 TicketMonster 重构时，需要在单体应用中保留一个上文所说的 API，以便在最初的服务拆分时尽可能轻松并且降低风险。无论是哪种情况，有两个给力的工具可以帮到我们：一个是网页式的 API 设计器，apicur.io[38]，一个是测试 / API 虚拟化工具，Hoverfly[39]。Hoverlfy 是模拟 API 或捕获现有 API 流量的好工具，可以用来模拟 mock 端点。 如果我们正在构建一个新的 API，或在使用领域驱动设计方法后，想看看 API 什么样，可以使用 apicur.io 工具建立一个 Swagger/Open API 的规范。
在 TicketMonster 这个例子中，我们通过在代理模式下启动 hoverfly，并使用 hoverfly 捕获从应用程序到后端服务的流量。我们可以在浏览器设置中设置 HTTP 代理，从而通过 hoverfly 发送所有流量。这将把每个请求 / 响应对（request/response pair）的仿真存储在 JSON 文件中。这样我们就可以在 Mock 里使用这些请求 / 响应对，或者更进一步，用它们开始编写测试，以规范具体的实现代码中的一些行为。 对于所关注的请求或响应对（response pairs），我们可以生成一个 JSON 架构并用于测试中，参见 https:///#/editor。 例如，结合使用 Rest Assured 和 Hoverfly，可以调用 hoverfly 模拟，并确定该响应符合我们预期的 JSON 架构： @Testpublic void testRestEventsSimulation(){ get('/rest/events').then().assertThat().body(matchesJsonSchemaInClasspath('json-schema/rest-events.json'));}在新的订单服务中，可以查看 HoverflyTest.java [40] 测试。有关测试 Java 微服务的更多信息，请查阅 Manning 这本给力的书，《测试 Java 微服务》[41]，我的一些同事 Alex Soto Bueno[42]、Jason Porter[43] 和 Andy Gumbrecht[44] 也参与了这本书的撰写。 由于这篇博文已经很长了，我决定将最后的部分单独写成本主题的第三部分，其中将涉及在单体应用和微服务之间管理数据、服务消费的契约测试（consumer contract testing）, 功能发布控制（ feature flagging），甚至更复杂的 istio 路由等内容。本系列的第四部分将展示一个包含上述内容的实操 Demo, 使用负载仿真测试（load simulation tests）和故障注入（fault injections）。欢迎访问我的网站 [45] 和关注我的 Twitter [46]。 期望得到更多优质技术干货，欢迎扫描群助手小波波二维码，与近万名技术人一起在 eaworld 社群参与定期微课、视频分享、探讨关于微服务、DevOps 实践等技术内容。入群暗号：1225 |
|
|
