博客
关于我
微服务设计原则
阅读量:163 次
发布时间:2019-02-28

本文共 448 字,大约阅读时间需要 1 分钟。

单一职责原则单一职责原则指的是一个单元(如类、方法或服务等)只应关注系统功能中单独且有界限的部分。这种原则有助于开发更优雅、交付更敏捷的系统。

服务自治原则服务自治是指每个微服务应具备独立的业务能力和运行环境。在微服务架构中,服务是独立的业务单元,应与其他服务高度解耦。每个服务应能独立开发、测试、构建和部署,无需依赖其他服务。

轻量级通信原则微服务间应通过轻量级通信机制交互。轻量级通信需具备两点特征:体量轻且跨语言、跨平台。REST协议是典型例子,而Java的RMI不符合要求。常用协议包括REST、AMQP、STOMP和MQTT等。

微服务粒度微服务粒度是难点,也是常争论的焦点。合理划分微服务粒度而非一味拆分为单独服务。代码量不能作为依据,因业务复杂性各差异大。微服务设计阶段应确定边界,利用领域驱动设计中的界限上下文确定粒度。

微服务架构的演进是一个循序渐进的过程。根据业务变化对微服务进行重构或重新划分,使架构更加合理。最终目标是实现高效的开发、部署、测试和运维效率高、成本低的架构。

转载地址:http://bwrj.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>