本系列文章通过逐章回答《Fundamentals of Software Architecture》（下文简称 FOSA）一书中的课后思考题，来深入理解书中的核心概念和理论，从而提升我们的软件架构设计能力。本篇为第十五章内容。

本章的课后题是：

  1. Where does space-based architecture get its name from?

    空间架构的名字从何而来？

  2. What is a primary aspect of space-based architecture that differentiates it from other architecture styles?

    空间架构区别与其他架构的主要方面是什么？

  3. Name the four components that make up the virtualized middleware within a space-based architecture.

    说出空间架构的虚拟化中间层的 4 个组成结构。

  4. What is the role of the messaging grid?

    消息网格的作用是什么？

  5. What is the role of a data writer in space-based architecture?

    数据写入器在空间架构中的作用是什么？

  6. Under what conditions would a service need to access data through the data reader?

    一个服务在什么情况下需要通过数据读取器去获取数据？

  7. Does a small cache size increase or decrease the chances for a data collision?

    缓存越小，数据冲突概率是增大还是减小？

  8. What is the difference between a replicated cache and a distributed cache? Which one is typically used in space-based architecture?

    复制缓存和分布式缓存的区别是什么？空间架构更倾向于使用哪个？

  9. List three of the most strongly supported architecture characteristics in space- based architecture.

    列出 3 个空间架构中非常优秀的架构特性。

  10. Why does testability rate so low for space-based architecture?

    为什么空间架构的可测性较差？

背景

基于空间的架构（SBA）是一种专门为解决高伸缩性（Scalability）、高弹性（Elasticity）、高并发（High Concurrency）、变动剧烈且不可预测的应用场景，例如在线票务系统或在线拍卖系统。

传统三层 Web 拓扑在用户量剧增时呈倒三角：Web 层易横向扩容，数据库层最难扩容，最终成为性能上限。为削弱数据库瓶颈，业界先用本地缓存，再出现集中式分布式缓存，但网络跳转仍是热点。把数据直接放到每个处理节点的 复制型内存网格 并实时同步，才真正让数据库从"同步路径"上消失，空间架构由此成形。

空间架构的名称来源于元组空间（Tuple Space）多个并行处理器通过共享内存进行通信。SBA 的核心理念便是将应用数据保存在内存中（in-memory），并在所有活跃的处理单元（Processing Units）复制，从而移除中心数据库作为同步约束，实现近乎无限的伸缩性。

拓扑

FOSA Figure 15-2. Space-based architecture basic topology

处理单元 Processing Unit

  • 处理单元包含了应用逻辑（包括基于 Web 的组件和后端业务逻辑）。
  • 它还包含一个内存数据网格和复制引擎，通常由 Hazelcast、Apache Ignite 或 Oracle Coherence 等产品实现。
  • 处理单元可以包含小型、单一用途的服务，类似于微服务

虚拟化中间件 Virtualized Middleware

虚拟化中间件负责处理架构中的基础设施问题，控制数据同步和请求处理。它由以下四个关键组件组成：

  • 消息网格（Messaging Grid）：它负责将请求转发到任何可用的处理单元。
  • 数据网格（Data Grid）：它是 SBA 中最重要和关键的组件，通常在处理单元内部以复制缓存的形式实现。它确保每个处理单元都包含完全相同的数据，数据复制是异步且快速的。
  • 处理网格（Processing Grid）：这是一个可选组件，用于管理协调请求处理，当一个业务请求涉及多个处理单元时，它会协调这些处理单元之间的请求。
  • 部署管理器（Deployment Manager）：该组件根据负载条件管理处理单元实例的动态启动和关闭，对于实现应用的弹性伸缩至关重要。

数据泵 Data Pumps

数据泵是将数据发送到另一个处理器，然后该处理器更新数据库的方式。它们总是异步的，提供内存缓存与数据库之间的最终一致性（Eventual Consistency）。消息机制是数据泵的常用实现方式，因为它支持异步通信、保证消息传递和维护消息顺序。

数据写入器 Data Writers

数据写入器（Data Writers）负责接收来自数据泵的消息，并用消息中包含的信息更新数据库。它们可以是服务、应用或数据中心（如 Ab Initio）。写入器的粒度可以根据数据泵和处理单元的范围而变化，例如，领域驱动的数据写入器可以处理特定领域（如客户）内的所有更新。

数据读取器 Data Readers

负责从数据库读取数据，并通过反向数据泵将其发送到处理单元。服务需要通过数据读取器访问数据的情况有三种：

  1. 所有相同命名缓存的处理单元实例都崩溃时。
  2. 所有相同命名缓存的处理单元需要重新部署时。
  3. 需要检索复制缓存中不包含的归档数据时。

数据冲突

不同的 processing unit 处理同一个业务逻辑相关的数据时，由于数据同步存在时序问题，所以很容易出现数据不一致的情况。

可以从以下几个因素进行冲突概率的评估：

  • N：处理相同缓存的 processing unit 的数量
  • UR：缓存更新频率
  • S：缓存大小
  • RL：缓存复制的延迟

CollisitionRate = N* (UR2/S) *RL

其中缓存大小越小，意味着缓存能够容纳的数据量越少，因此在给定的更新速率和复制延迟下，数据被频繁覆盖和发生冲突的几率就越高。

分布式缓存

复制缓存：每个处理单元包含一个自己的内存数据网格，与其他共享相同命名缓存的处理单元同步。这是 SBA 通常采用的缓存模式，因为它提供高性能和高容错性。适用于小缓存大小（<100MB）、低更新率和相对静态数据。

分布式缓存：需要一个外部服务器或服务专门用于存放集中式缓存。它支持高水平的数据一致性，但性能较低（需要远程访问），且容错性存在问题（如果缓存服务器宕机）。适用于大缓存大小（>500MB）、高度动态数据和高更新率。

优点

  • 弹性（Elasticity）：处理单元可以根据负载动态启停，实现高度弹性。
  • 伸缩性（Scalability）：通过内存数据缓存和移除数据库约束，支持处理数百万并发用户。
  • 性能（Performance）：移除了数据库瓶颈，提供了极高的性能。

缺点

  • 简洁性（Simplicity）：SBA 是一种非常复杂的架构风格，因为它涉及到缓存、最终一致性以及众多动态组件。
  • 可测试性（Testability）：由于需要模拟极高的伸缩性和弹性负载，测试复杂且成本高昂，许多高负载测试甚至需要在生产环境中进行，带来巨大风险。
  • 成本（Cost）：由于缓存产品许可费和高资源利用率，SBA 通常相对昂贵。
许可协议

本文采用 署名-非商业性使用-相同方式共享 4.0 国际 许可协议，转载请注明出处。

分享文章

快来参与讨论吧~