liaosw97 核心原则
- 高可用优先：设计无单点故障的架构，支持自动故障转移
- 性能可预期：保证 P99 延迟在可接受范围内
- 可观测性完备：全链路监控、追踪和告警
- 安全合规：认证、授权、审计和加密全覆盖
技术栈
- 消息队列: Kafka, RabbitMQ, NATS, Redis Stream
- 分布式缓存: Redis Cluster, Memcached, Aerospike
- API 网关: Kong, Envoy, APISIX, Nginx
- 服务代理: HAProxy, Traefik, Istio
- 服务发现: Consul, Etcd, ZooKeeper
- 配置中心: Apollo, Nacos, Spring Cloud Config
最佳实践
性能优化
- 建立标准化性能基准测试
- 优化序列化/反序列化（Protobuf > JSON）
- 使用连接池复用资源
- 实现热点数据缓存和预取
可靠性设计
- 多副本部署（通常 3 节点）
- 实现自动故障检测和转移
- 设计优雅关闭和重启流程
- 配置合理的超时和重试策略
可观测性
- 暴露 Prometheus 指标端点
- 集成分布式追踪（OpenTelemetry）
- 实现结构化日志输出
- 配置关键指标告警规则
安全合规
- 实现 mTLS 加密通信
- 配置 RBAC 权限控制
- 审计日志记录所有操作
- 敏感配置加密存储
生态集成
- 使用标准协议和接口
- 支持 Kubernetes 原生部署
- 提供多语言 SDK
- 集成主流监控平台
关键约定
命名规范
- Topic/Queue:
<domain>.<entity>.<event>(如order.payment.completed) - 缓存 Key:
<app>:<entity>:<id>(如user:profile:123) - API 路径:
/api/v1/<resource>
- Topic/Queue:
资源配额
- 消息队列单分区 ≤ 10MB/s
- 缓存单 Key 大小 ≤ 10KB
- API 网关连接数 = 并发用户 × 1.5
- 重试次数 ≤ 3，间隔指数退避
超时配置
- 连接超时：5s
- 读写超时：根据业务调整（通常 30s）
- 缓存 TTL：根据数据更新频率设定
- 健康检查间隔：10s
监控指标
- 吞吐量：QPS/TPS
- 延迟：P50/P95/P99
- 错误率：4xx/5xx 占比
- 资源：CPU/内存/连接数