纯干货 | 架构评审要点

在架构评审中，最值钱的东西是：评审机器必须支持多版本并发控制，否则团队会陷入“谁的修改覆盖了谁”的死循环。我见过太多项目因为没有配置正确的隔离策略，导致上线后出现难以定位的依赖冲突。例如在Kubernetes中，使用Deployment资源时，必须为每个版本设置独立的标签，否则滚动更新时会把旧版本的服务带入新版本的配置。另外，监控配置必须包含链路追踪，否则架构问题只能靠日志拼凑。我用过SkyWalking和Jaeger，它们的采样率设置直接影响性能，不调整采样率会导致系统误报或漏报问题。架构评审不是走流程，而是要精准定位瓶颈和隐患，否则评审会变成一场浪费时间的礼貌性表演。 在架构评审中，不仅仅是看架构图，更要看实际部署中资源如何按需分配。我见过很多团队在使用Docker时没有考虑CPU和内存的限制，结果在高峰期出现OOM问题。Docker的--cpus和--memory参数必须与实际负载匹配，否则容器会争抢资源，导致整个集群不稳定。而且，容器的启动参数不能随意写死，要支持动态调整。比如在Kubernetes的Deployment中，使用resources字段定义CPU和内存上限，这样可以避免某个容器过度占用资源而影响其他服务。我用过Prometheus来监控这些指标，发现某些服务在高流量下会超过设定的资源限制，这时候就得重新审视资源分配策略。另外，不要忽略持久化存储的QoS等级，特别是当使用云厂商提供的存储服务时，配置不当会导致数据写入延迟或丢失。 架构评审中，分布式系统的协调机制必须清晰，否则会让后续运维变得异常复杂。我见过很多团队在使用Nacos时，没有配置正确的集群模式，导致服务注册信息出现不一致。Nacos的cluster字段必须根据实际情况设置，比如生产环境通常应该用cluster=default，而多地域部署时需要启用cluster=cluster1。Spring Cloud Alibaba中，你可以在bootstrap.yml里设置spring.cloud.nacos.discovery.cluster-name来指定集群，这个配置项如果遗漏，服务会分散在不同的集群里，无法统一管理。另外，不要盲目追求高可用，某些业务场景下单节点反而更稳定。比如，如果你的应用是基于事件驱动的，那么异步队列和消息中间件的配置远比负载均衡更重要。 架构评审要关注API网关的配置策略，尤其是在高并发场景下。我用过Spring Cloud Gateway，发现默认的路由规则如果没做负载均衡和熔断，会导致后端服务被压垮。在配置文件中，必须设置负载均衡策略为RoundRobin或WeightedResponseTime，这样可以均匀分配流量。另外，熔断机制必须启用，比如Hystrix的熔断阈值和超时时间要根据流量历史数据动态调整，而不是一成不变。对于API网关的日志记录，要保证接入层和网关层的traceId一致，这样在排查问题时才能准确定位。我遇到过一个项目因为traceId未正确传递，导致问题排查效率低下，最终不得不通过链路追踪平台来锁定问题，这比直接调试要费时得多。 架构评审不能忽视安全配置层面的细节，尤其是在权限控制和加密传输方面。我见过很多团队在使用RBAC模型时，没有合理划分角色权限，导致权限过滥。在Kubernetes中，必须通过Role和RoleBinding来精细化控制，而不是依赖默认的集群权限。比如，一个普通用户只能访问特定命名空间，而不能跨命名空间操作其他资源。另外，API网关必须强制使用HTTPS，否则数据传输会暴露在中间人攻击下。在Spring Security中，可以通过https.enabled=true来开启加密传输，并且在负载均衡层配置SSL卸载，这样可以降低后端服务的计算负担。我曾经处理过一个加密配置错误的问题，导致数据在传输过程中被篡改，用户只能通过重新配置TLS版本和证书路径来修复。 ▌ 技术参考 在架构评审中，技术背景与核心概念是评审的基础。架构评审的核心是验证系统设计是否符合业务需求和技术约束。大多数团队会忽略架构的可扩展性，尤其是当业务增长超过预期时。例如，使用微服务架构时，必须要考虑服务间的通信方式和数据一致性策略。在Kubernetes中，Service的类型（ClusterIP、NodePort、LoadBalancer）选择错误会导致流量无法正常到达后端。同时，不要忽视网络策略（NetworkPolicy）的配置，否则可能会出现跨节点通信被阻断的问题。这些底层技术细节如果遗漏，评审结果就会变成一纸空文。 评审时一定要关注具体操作方法或配置步骤，否则容易陷入理论讨论。比如，在使用Docker Compose部署多容器时，必须明确设置每个容器的启动顺序和依赖关系。在docker-compose.yml中，通过depends_on字段可以控制容器启动顺序，但要注意它不会阻塞容器的启动，必须配合healthcheck来确保服务完全就绪。此外，环境变量的传递必须规范，比如在Jenkins中使用env变量来注入配置参数，可以避免硬编码带来的配置管理混乱。我见过很多团队在使用ConfigMap时没有正确设置文件路径，导致服务启动失败。因此，配置步骤必须详实，避免遗漏关键参数。 踩坑场景在架构评审中非常重要，因为很多问题在初期不会显现。比如在使用Redis集群时，如果没有正确设置数据分片和主从复制策略，会导致写入数据丢失或读取延迟。某些团队直接使用单机版Redis，误以为集群模式能自动均衡负载，但实际上需要手动配置分片规则。在Kubernetes中，如果Service的端口没有正确映射，会导致流量无法穿透到容器。例如，在Deployment中，必须确认容器端口与Service的targetPort是否一致，否则网络层会直接丢包。类似的问题还包括镜像拉取策略（pullPolicy）未设置为Always，导致旧镜像仍在运行，这在版本升级时尤为关键。 架构评审时，性能影响和效率对比是决定是否采纳方案的重要依据。比如，使用RabbitMQ做消息队列时，如果未配置持久化和预取机制，可能导致消息丢失或消费者延迟。在RabbitMQ的配置文件中，需要设置delivery_mode=2来保证消息持久化，并且调整prefetch_count参数来控制消费者的处理速度。我曾经在项目中遇到性能问题，主要是因为未配置合适的消息确认机制，导致消息堆积。另外，数据库连接池的配置也必须谨慎，比如在使用HikariCP时，最大连接数（maximumPoolSize）设置过高会占用大量系统资源，而设置过低又会导致数据库负载过高。合理设置连接池参数可以显著提升系统吞吐量。 适用场景和局限性决定了架构评审的针对性。比如，使用Kafka作为消息中间件时，适合高吞吐、低延迟的场景，但不适合需要严格顺序保证的业务。在Kafka中，可以通过设置enable.idempotence=true来开启幂等性，这有助于避免重复消息，但会增加一些性能开销。另外，比如使用Elasticsearch做搜索服务，在数据量较小的场景下可以忽略分片策略，否则会带来不必要的复杂性。我见过一些团队在初始化数据量不多时强行配置多分片，导致查询效率反而下降。因此，评审时必须明确场景，避免一刀切的解决方案。 替代方案和进阶技巧可以为架构评审提供额外思考空间。比如，如果使用Redis做缓存，可以考虑使用本地缓存（如Caffeine）来降低网络依赖。但本地缓存不适合跨节点共享数据，因此必须结合分布式缓存使用。在微服务架构中，除了Spring Cloud，还有Istio这样的服务网格可以实现更细粒度的流量控制，但需要更高的运维成本。我曾用过Istio的DestinationRule来配置超时和重试策略，这比在服务层手动配置更灵活，但调试时需要额外的工具支持。另外，回顾型架构评审工具（如ArchUnit）可以用来验证代码结构是否符合架构规范，这些工具虽然能提高评审效率，但需要一定的学习成本。 评审时必须关注容器编排平台的配置细节，比如Kubernetes中的RBAC（基于角色的访问控制）必须与实际权限需求匹配。如果权限配置错误，会导致服务无法正常访问资源，甚至影响集群安全。在Kubernetes中，可以通过创建Role和RoleBinding来限制Pod的权限，例如只允许特定命名空间的Pod调用某个API。某些团队曾忘记配置ServiceAccount的权限，导致容器启动失败。此外，使用Kubernetes的Ingress时，必须配置正确的TLS证书路径和证书名称，否则流量无法安全转发。我曾用过Let’s Encrypt的自动化证书管理，配置了ingress.kubernetes.io/rewrite-target参数，这在反向代理场景下非常关键。 在架构评审中，不要忽视日志系统的配置策略，尤其是多租户和多环境的日志隔离。例如，在使用ELK（Elasticsearch、Logstash、Kibana）时，必须在Logstash配置中设置字段来区分不同环境的日志。如果未做区分，日志分析会变得混乱，难以定位具体问题。此外，日志的采样率和存储策略也要合理，比如在Prometheus中配置合理的scrape_interval可以避免过度采集数据，而data.retention字段则决定了日志存储的生命周期。我遇到过一个项目因为日志存储策略不当，导致磁盘空间迅速耗尽，最终不得不手动清理日志目录。 网络策略的配置是架构评审中容易被忽略的环节。比如，在Kubernetes中，如果没有正确设置NetworkPolicy，可能会导致不必要的流量暴露，增加安全风险。某些团队为了方便，直接关闭网络策略，导致容器之间可以随意访问，影响架构的隔离性。正确的做法是根据业务需求设置允许的流量方向，比如只允许特定的Pod与特定的Service通信。在NetworkPolicy中，可以通过ingress和egress字段来控制流量，这在多租户环境下尤为重要。我曾处理过一个因网络策略配置错误导致的服务无法访问的问题，最终通过调整egress规则解决了问题。 监控系统的配置必须细致，否则架构评审会流于表面。比如，在使用Prometheus时，必须配置正确的JMX导出器，否则无法获取Java应用的性能指标。在Spring Boot中，可以通过添加spring.boot.admin.client.enabled=true来开启监控端点，但需要确保这些端点被正确暴露。我见过很多团队因为未配置正确的exporter地址，导致监控数据不全，无法及时发现性能瓶颈。此外，监控告警策略必须合理，比如在Grafana中设置合理的阈值，避免误报或漏报。某些团队直接设置过低的阈值，导致每天被大量告警轰炸，反而影响了运维效率。 架构评审必须考虑系统的可维护性，尤其是模块化和依赖管理。例如，在使用Spring Boot时，必须确保各个模块之间的依赖关系清晰，避免循环依赖或过度耦合。在Maven的pom.xml中，可以使用来统一管理依赖版本，这有助于保持依赖的一致性。我曾处理过一个因为依赖版本不一致导致的类冲突问题，最终发现问题出在多个模块使用了不同版本的Spring Boot库。此外，不要忽略模块的编译策略，比如在CI/CD中设置正确的构建命令和依赖范围，这能减少编译时间并避免不必要的依赖加载。 日志分析工具的配置也必须谨慎，特别是如何处理日志的格式和内容。比如，在使用Fluentd时，必须确保日志的JSON格式正确，否则无法被Elasticsearch解析。我曾遇到一个问题，日志中的时间字段格式不符合ISO标准，导致Kibana无法正确显示时间序列。另外，日志的字段命名必须统一，比如在Logback中使用pattern配置日志格式，这样便于后续分析。如果日志中包含敏感信息，必须配置过滤规则，比如在Logstash中使用filter模块来脱敏，否则会引发数据泄露风险。这些细节虽然看似简单，但一旦出错，会影响整个日志系统的可用性。 容器资源限制的配置是架构评审中的关键点，必须为每个服务设置合理的CPU和内存限制。比如在Kubernetes的Deployment中，通过resources字段设置limits和requests，这可以避免资源争抢和系统不稳定。某些团队在设置limits时未考虑并发情况，导致容器在高负载下被强制终止。我曾用过特定的工具来监控这些限制，比如Prometheus的容器资源使用情况指标，这能帮助识别资源瓶颈。此外，在使用Docker时，可以通过--memory和--cpus参数来限制资源，但要注意这些参数不能设置得过于严苛，否则会影响服务的正常运行。 架构评审必须关注团队协作效率，尤其是代码提交策略和分支管理。例如，在使用Git时，必须明确主分支和开发分支的命名规范，像main、develop、feature这样的命名可以提高团队的协作效率。此外，代码的审查流程也必须规范，比如使用GitHub的Pull Request功能，确保所有改动都经过审核。我曾见过一个团队因为未设置严格的代码规范，导致多次提交冲突和错误配置。另外，不要忽略CI/CD中的自动化测试，比如Jenkins中的pipeline配置必须包含unit测试和集成测试，否则无法保证代码质量。这些细节虽然不是架构的核心，但在评审时必须考虑。