摘要：基于业务需求，MixRadio以谨慎的态度选择适合的技术。然而架构衍变至今，其中已包含大量的新型技术，比如MongoDB、Redis等。同时简单、高效，他们不仅从Java过渡到了Clojure，还是AWS的重度使用者。

【编者按】在“的推特论战：Microservices vs. Monolithic”一文中，我们曾分享过Netflix、ThougtWorks及Etsy工程师在Microservices上的辩论。在看完整个辩论过程后，或许会有一大部分人认同面向服务这个架构体系。然而事实上，Microservices的执行却并不简单。那么究如何才能打造一个高效的面向服务架构？这里我们不妨看向MixRadio首席架构师Steve Robbins的分享。

以下为译文

MixRadio提供了一个免费的音乐流服务，通过学习用户的收听习惯以交付一个定制化的电台，而用户需要做的只是去点击一些简单的按钮。通过极其简易的交互，MixRadio通过“移动优先”的方式提供了一个难以置信的定制化等级。它适用于任何人去发现新的音乐，不只是狂热的音乐发烧友。使用MixRadio就像打开一台收音机，但一切都在你的掌握之中——轻点Play Me，你的私人广播电台随之开启。基于地域流派和风格，MixRadio包括了数以百计的手工歌单、创建歌单功能，当然不能缺少保存喜爱的歌单并离线播放，这样即使没有互联网，美妙的音乐仍然可以继续。

当下服务已经在Windows Phone、Windows 8、Nokia Asha以及Web上可用，而支撑这些应用的后端系统则经过了数年的打磨，下面我们一起看看系统的架构概括。

架构综述

在2009年，我们如愿获得了重构后端系统的机会。而衍变到现在，后端系统已经由一系列RESTful服务组成，也就是大家经常说的“Microservices”。这些系统的功能、大小、开发语言、数据存储都各不相同，然而有一些共性是必不可少的，比如一些良好定义的RESTful API、独立扩展、监视能力。围绕这些核心服务，系统还拥有两个相似的代理服务，通过配置以提供RESTful资源的子集，它们被用于不同功能。“Internal Tooling API”代理服务器拥有内部API以提供客户服务、内容管理、歌单发布、监视以及其他场景使用的工具，客户端应用及第三方开发者使用的 RESTful API通过“External API auth layer”开放，这个服务同样负责执行适当的许可权限以及授权方案，比如OAuth2。

对于终端用户，通过API服务的应用程序范围非常广。我们提供了独立的HTML5网站、以及适用于Nokia电话和搭载Windows 8系统的设备应用，同时我们还开放部分相同的API给第三方开发者。下面我们不会公布过多的系统架构细节，如果想有更多详细了解可以查看我同事Nathan之前发布的文章。我们将对系统主要部分进行高度综述，下图显示了系统中由50多个Microservices构成的组件：

使用的技术

基于开源，我们务实地选择合适的工具以完成任务，下面一起看系统中重度使用的技术堆栈：

语言

Microservices使用Clojure开发

设备应用和Media Delivery服务使用C#开发

Web端则使用了HTML5、CSS和JavaScript

存储

MySQL

Solr

MongoDB

Redis

Elasticsearch

ZooKeeper

SQLServer

基础设施

Linux Microservices使用了AWS

媒体存储和运行在Windows上的媒体服务使用Azure

GitHub Enterprise用于源码控制

Packer用于建立机器镜像

Puppet用于服务开通和主机镜像检查

监视

Nagios

Graphite

Tasseo

Seyren

Campfire

PagerDuty

Keynote

Logstash

Kibana

架构原则

为了保持50多个Microservices API的一致性，我们在URL、结构、分页、排序、包装、语言代码等处理上都制定了标准；但是在一个开放的文化下，我们通常使用原则而非硬性规定来保持一致性。我们的服务需要遵循以下的条款：

松耦合、无状态，并且在HTTP上提供JSON RESTful接口。

独立部署并拥有自己的数据，也就是其他服务通过API访问数据，而不是数据库连接。这在持久性技术及数据结构改变时，服务仍然可以独立扩展。

不能太大，因为臃肿；不能太小，因为会浪费资源；我们为每个服务都使用了独立的主机实例。

实现健康检查API，用于监视和确定健康状态。

永远都不要破坏消费链。我们在早期就遵循在资源路径中添加版本号的标准（比如/1.x/products/12345/），这样一来，如果必须做破坏性改变，新的版本可以同时部署，并为上流消费者使用。尽管当下我们仍然保留了这个能力，但是已经数年未用。

遵循这些内部原则，对于外部公开API，我们有一些附加标准：

API遵循移动优化：我们使用JOSN，因为在低性能设备上，对比XML，它只需要耗费很少的内存去解析；只要有可能，响应回应使用 GZIP编码，重要的是，如果不需要，就不会返回数据。后一点是对API一致性一个很好的平衡。

尽可能的使用缓存：API返回适当的缓存标头，这样一来，内容就可以在终端用户设备或浏览器上缓存，同时，我们还使用内容分发网络（CDN）来让内容离消费者尽可能的近。

尽可能多的在云中托管逻辑与数据，从而大化减少应用中的逻辑副本并交付一个一致性体验。

第三方子集、Web、移动以及桌面客户端使用相同的API。然而，为了适应不同需求和屏幕大小，我们使用了大量的技术。举个例子，我们经常使用“itemsperpage”查询参数来调整返回内容数量；另一个关于RESTful API设计就是资源返回隔离的内容。内容经常被聚合到我们称为“views”的容器中，这样可以减少请求的数量。

使用视图API的一个例子就是应用中艺术家详情分页，数据从多个源中抽取——艺术家个人简介、图片、推特、gigs（混合了风格、热门歌曲、朋友听过的歌曲、相似的艺术家）。通过将这些集合到“view”中，应用每次都可以获得5千字节左右的数据。

让Microservices更快

近年内，我们一直进行Microservices从Java到Clojure的重写。Cloujure是个静态语言，仍然运行在Java Virtual Machine（JVM）之上，允许访问Java框架。后端团队之所以会选择Cloujure，大部分原因是速度——不管是开发还是运行时。Cloujure比Java来的更为简洁，举个例子，有一个使用Java编写的Microservices在使用Cloujure重编写后，代码量从44000减少到4000行（包括所有配置、测试及组件）。我们使用Leiningen来加速开发，Leiningen提供的一个特性就是自定义项目模板来加速开发，我们拥有一个被称为“cljskel”的模板作为所有服务的框架模板。在后续文章中我们将详细介绍这个模板，而在使用方面，我们可以运行下面的命令，并获得一个功能RESTful服务，它将具备监视API：

lein new cljskel <project name>

如果你感兴趣我们为什么会深入Clojure，你可能会对2013年两个工程师在London的演讲感兴趣。

数据

我们有两个大的数据源，分别是3200万+音轨的内容元数据（包括相关的艺术家、专辑、混合等）和来自应用程序的分析数据（比如回放、顶/踩以及浏览事件）。

Catalogue服务为消费者体验提供了内容元数据和搜索能力，Master Catalogue则存储来自多个数据源中的元数据，比如唱片公司、公司内部内容团队、以及类似维基百科这样的互联网资源。一个配置驱动的数据模型指定如何合并资源（比如基于内容团队在其他源中的更改对指定字段进行更新），这里的字段都可以被搜索并返回调用者。针对不同的用例，我们可以返回不同的字段。比如，有时候在搜索结果中我们并不需要一个节目列表清单，但是在显示曲目列表详情时我们则需要这个字段。Master Catalogue服务不会直接支撑用户流量，取而代之，“Search and Query”API则是其余后端系统的接口。Search and Query服务基于Apache Solr建立，Index Daemon则会抓取Master Catalogue用以修改并推送给Solr搜索索引。

在定制化体验、进行A/B测试、CRM、计算业务指标过程中，收集常用和分析数据至关重要。随着连续不断的数据从各种应用中传到后端，许多服务都需要对相同的数据同时访问。举个例子，当某个用户踩某首歌曲时，这对当下播放的曲目列表有着重要的意义，有助于对一个用户品位的把握，再三的重复踩这个动作意味着这个艺术家可能并不为用户喜欢。为了能处理预期的数据，我们确定了预期中订阅/发布系统所具备的特性：

高可用，不能有任何单点故障

通过去耦为整个系统提供高扩展性，并且具备暂停摄入消息的能力

允许对消息格式不可知

低写入延时

为订阅者快速提供输出

提供简单的订阅/发布API

支持同数据多订阅，同时每个都可能有不同的架构，以不同的速度和调度处理。比如实时处理和批聚合（或者存档）。

我们选择了LinkedIn出品的Apache Kafka，因为它近乎完美地迎合了我们的需求。作为一个稳定的消息系统，它被设计用于支撑不同状态（比如读取数据的位置）的用户，而不是所有用户都是一尘不变的存在，并且以同样速度消费数据。

监视

系统的目标是主要用例延时不超过0.8秒，以及在90天周期内4个9的可用性，相当于每个月停机4.3分钟。因此当错误发生时，我们要快速的发现并处理问题。在这里，我们使用了多个监视层来提醒开发和运维工程师。

底层，我们使用Nagios来检查虚拟机的健康状况，并通过PagerDuty来提醒运维工程师。系统中，每个Microservices都会实现健康检查API，让AWS负载均衡器来确定某个主机是否需要被重启（在之前的报告中，你可以了解更多关于AWS负载均衡器的配置信息）。Graphite被使用以收集操作系统级度量，比如CPU使用率、磁盘空间等。同时，每个Microservices都会根据工程师需求记录对应度量。服务度量会在不同等级上进行，比如低等级的HTTP 500错误计数，以及高等级的抽象（被激活订阅数量），我们测量一切需要的信息。下面是Graphite可视化界面的一个截图：

在Graphite之上我们使用了Tasseo，它会提供一个更友好的数据总结视图；同时，在阈值变化时，我们使用Seyren进行提醒。Tasseo早是由几个工程师引进，它曾被用于2012年奥巴马再次竞选时的系统。

在高等级中，我们通过Keynote测量用例和全世界范围内的响应时间：

终，为了做更详细的监测，我们避免必须通过日志传输来连接到特定服务器的情况。通过Logstash集中收集系统、请求、错误和应用程序特有日志，并且使用Kibana配合定制仪表盘来追踪特殊错误或者趋势。下面这个例子是我们几年前定制的仪表盘，目的是减少应用程序错误噪声：

持续交付

持续交付是自动部署和测试的一个实践，主要关注软件是否可以被快速并以重复的途径发布。多年来，我们一直致力这方面的提升，当下已经过渡到Netflix基于AWS的“red / black”模式。在今年6月份的London Continuous Delivery Meetup上，我们工程师Joe分享了这方面的内容。

你可以通过观察我们在过去5年发布的软件数量来查看架构提升：

原文链接： MixRadio Architecture - Playing With An Eclectic Mix Of Services(翻译童阳)