1、背景数据库
饿了么是一家创业公司，业务发展很是快，可能准备不是很充分，好比说监控、日志、告警、框架、消息、数据库，不少基础设施还在建设之中。缓存
在这个过程当中出现一些问题是在所不免的，对系统的要求不是不能挂、不能出问题，而是出了问题要第一时间能恢复。服务器
2、“拆”以及跟“拆”对等的就是分治的思想网络
怎么拆分呢？面向服务有不少拆分原则，罗列了如下几条：架构
一、明确的定义：框架
以前也确实犯了一些错误，为了拆而拆。其实咱们须要更明确，什么才算是一个服务？服务必定具备很是独立的技术能力或者业务能力，并且必定意义上可以很抽象ide
二、松耦合：学习
最基本的松耦合就是Customer的消费不依赖于Provider的某一个特定实现，这样服务器的内部变动不会影响外部消费，消费者能够切换到其余服务能力的提供方，这是最基本的松耦合。测试
还有时间上的松耦合或者位置上的松耦合，咱们但愿的松耦合是消费方和服务方是能够分离的编码
三、基于领域认知：
这对于整个产品起到很是大的做用。
由于当时整个饿了么全部系统是在一块儿的，基于领域的认知，在面向用户的维度和面向商户的维度作了切分，还有基于交易链路作了切分。
四、单一职责与关注分离：
简单说，咱们但愿一个服务或者一个模块拥有单一的能力，而不是承担过多的职责，不然责任不清晰，致使能力也不清晰。
五、可被验证的结果：
在订单拆分的过程当中咱们犯了一些错误，当时认为这样拆分是没有问题的，可是过1、两个月，并无带来效率和能力的提高，反而是跨团队的要求愈来愈多，能力要求也愈来愈多。这时候多是拆错了。若是是一个好的拆分必定有利于发展，拆分以后的发展是更迅速的。
基于这几条原则，他们对饿了么的总体服务作拆分以后，如上图所示，架构就有了一些变化，看起来跟刚才架构区别不大。把Order Service作了分离。当时拆分虽然比较垂直，可是用户、商户、金融、订单等仍是有一些横向交互。
一个接口有一个很是明确的Owner，一个表、一个库也能保证仅有单一的操做方，让我感觉比较直接的是，为服务的治理奠基了基础，之后能够针对某项特定业务作一些降级、熔断，以及单独的监控。拆分其实是让各自模块的掌控力变得更强了，对业务起到更好的支撑做用。
这时每一个部门或者每一个团队都负责本身独立的领域，代码和数据都拆分完毕是否是就能够了？
可是后来发现好像还不对。由于虽然大的领域上确实已经干净了，可是在小的领域上依然问题不少，订单并不只仅只有一张表，一个单一的模块，其实还有不少复杂的内容。
在一些技术工做上，这些问题曝露得并非那么明显，那时候你们对于一些领域认知或者业务边界的认识仍是模糊的，没有人界定这些。可是当更进一步地去发展一个领域的时候，仍是会有职责不清晰或者能力模糊的地方。咱们思考，还要基于业务进行更细腻的规划。
因而咱们把订单自己作了一些业务层次的拆分，拆分以前首先要确认订单到底在整个系统中，尤为是交易系统、O2O系统中承担什么角色，担负什么职责。
3、在这个思考过程当中，咱们的认知大概是如下四点：
一、第一，订单是整个交易链路的核心，围绕了一些相关服务，好比金额计算服务、催单服务、售中异常服务等，咱们但愿这些服务之间有明确的区别。
二、第二，订单实时处理是整个链路的中心，咱们将这个过程定义得尽可能简洁。
一笔交易中，订单被推动得越复杂，说明系统设计得越复杂，出问题的几率也会越高。因此咱们但愿订单核心流程很是简单、轻薄，把复杂的东西剥离出来，把简单和复杂明确成两个部分。
三、第三，考虑到交易的时效性和异常场景愈来愈复杂，将交易分红正向交易流程和逆向交易流程两个部分。
正向交易流程，99%的订单会根据这个流程走完生命周期；逆向交易流程，好比说退单要求时效性比较低，处理会牵扯多方业务可能很复杂，因此经过一个逆向的交易流程来解决。
四、第四，可以在功能和业务上独立的部分，尽量抽象为单独的模块或服务。
简单来讲，好比催单的服务，它其实对交易链路没法起到推动做用，它只是一个动做或者附带服务，咱们把它单独抽象出来，为后面的发展作出铺垫。
基于这些以后，咱们对订单进行完整的认知，对订单的服务架构和业务架构作成图中的样子，大概是三层。
下面一层是基本数据；中间层是正向逆向的流程、最核心的状态和最关联的交易链上耦合的服务；上层是用户服务、商户服务，包括跟交易链相关的，好比饿了么最近推出的“准时达”的服务。
监控和告警的峰值很是明显，午间和晚间两个高峰，其余时间流量相对平缓。下面主要讲三个部分。
一、第一，对于订单而言，吞吐量是最须要重点关注的指标。
一开始对业务指标的感知并非特别清晰，就在某一个接口耗费了不少时间。后来发现一些很小BD的问题不太容易从小接口感知到，可是从业务方面感知就比较明显，因此就更多关注业务指标的控制。
二、第二，一般咱们重视系统指标，而容易忽视业务指标，其实业务指标更能反映出隐晦的问题。
三、第三，目前咱们致力于基于监控和数据学习的过载保护和业务自动降级。
虽然如今尚未彻底作好，可是已经能感受到一些效果。若是商户长时间不接单，用户会自动取消订单，自动取消功能的开关目前是人工控制的，咱们更但愿是系统来控制。
好比说有大量订单取消了，有多是接单功能出了问题，就须要临时关闭这个功能，若是仍是依靠人来作，每每已经来不及，这时候就应该基于数据的学习，让系统自动降级这个功能。
Kennel有四个主要的做用。
一、首先，帮助咱们发现链路中隐蔽的缺陷，将小几率事件放大。好比说缓存不一致的问题，以前极少出现，一旦出现以后，处理手段比较缺少，那就能够经过Kennel来模拟。网络的抖动是很随机的，那么Kennel能够在某个时间段专门进行模拟，把小几率事件放大。若是怀疑某个地方出了问题，能够经过它来测试是否是真的能查出问题。
二、第二，重大功能能够在发布以前经过其进行测试，迫使你更深刻地设计和编码。经过模拟流量或者线上流量回放，来检验系统运行是否如你设计那样工做，好比监控的曲线或者告警以及相关服务之间的依赖等。
三、第三，咱们作了不少失败的准备和设计，要看到底会不会起做用、起多大做用。能够经过Kennel进行校验，在某个时间经过随机手段攻击相关服务，服务方不知道具体的攻击内容，这时本来设定的监控告警，降级熔断等措施有没有及时起做用就是一个很好的校验。同时还能够检验以前准备的容错或者补偿措施是否能按照预期工做。
四、第四，须要验证FailOver的设计，只有验证经过才能够依靠。全部的设计都是经历了一次一次的失败，一些设计原觉得有用，可是真实问题发生时并无起到做用。真正有意义的FailOver设计必定是通过验证的。
原文连接：