本页仍在生长。骨架是按”一个后端工程师会被问到的顺序”排的,没填的部分就是空白,不是没写。

一句话定义

把系统按业务能力切成一批可独立部署、独立演进、各自持有数据的服务。判据是”能不能独立部署 + 有没有独立的数据所有权”,不是服务有多大。

拆不拆:三个自问

拆之前先回答,答不上来就不该拆:

  1. 它能不能独立部署?
  2. 它有没有独立的数据所有权?(没有 → 将来必然是分布式事务)
  3. 它挂了,调用方的降级方案是什么?

子主题检查表

按这份清单逐个填,没填的就是知识缺口。这是本库用来防漏的唯一手段——不靠记忆,靠清单。

拆分与边界

  • 什么时候该拆、什么时候不该拆 —— 见 微服务的九条特征
  • DDD 限界上下文怎么落到服务边界
  • 领域事件 vs 服务调用
  • 分布式单体:怎么识别、怎么拆回去

通信

  • 同步 HTTP 与异步消息的取舍
  • 幂等、重试、去重表
  • 接口版本演进与兼容策略
  • gRPC 在内部通信里的实际收益

治理

  • 服务注册与发现(Nacos / Consul / K8s Service)
  • 配置中心与灰度发布
  • 网关的职责边界(鉴权 / 限流 / 路由,别塞业务)
  • 熔断、限流、隔离、降级 —— 见 服务雪崩
  • 链路追踪与日志聚合(TraceId 怎么贯穿)

数据

  • 每个服务一个库的落地代价
  • 跨服务查询:API 组合 / 数据冗余 / 宽表
  • 分布式事务:Saga、TCC、本地消息表、outbox
  • 最终一致性的可观测性(怎么知道不一致了)

组织

  • 康威定律:团队边界与服边界
  • 一个服务一个仓库还是单仓多模块
  • 谁 on-call

分歧

同一个问题,不同来源会给出相反答案。这里记录分歧本身,不强行统一。

服务粒度该由什么决定?

  • Lewis & Fowler 原文(2014):由”能否独立部署”决定,刻意不给代码量标准。
  • 后来的工程实践(多家):粒度由团队边界和发布节奏决定——拆分成本主要不在代码,在协作和运维。
  • 两者不矛盾但导向不同:前者是技术判据,后者是组织判据。选哪个取决于你现在卡在哪。

来源

  • 微服务的九条特征 —— Lewis & Fowler, 2014
  • <待补> 中文语境下的落地复盘(拆完之后又合并回去的案例)