macOS 使用 Colima 运行 Docker:安装、Compose 与环境切换
引言在 macOS 上运行 Docker,常见选择是安装 Docker Desktop。对于主要通过终端管理容器的开发者,也可以使用 Docker CLI 配合 Colima,按需启动容器环境。
两种方式都可以服务本地开发,但提供的使用体验不同。Docker Desktop 集成了图形界面和多项管理能力;Colima 更适合希望直接控制虚拟机生命周期、通过命令行完成容器操作的场景。选择应围绕实际工作流,而不是简单认定某一种工具一定更快或更省资源。
先分清 Docker CLI、Engine 和 Colima安装完成后,终端能够执行 docker --version,只能说明 Docker 客户端可用,不能证明容器引擎已经运行。
组件
主要职责
所在位置
Docker CLI
解析 docker 命令,向目标 Engine 发送请求
macOS
Docker Compose
读取 Compose 配置,通过 Engine 管理一组服务
macOS 上的 CLI 插件
Colima
创建、配置和启停容器开发环境
macOS
Lima
为 Colima 提供 Linu ...
从 MVC 到 DDD:COLA 分层逻辑与事务边界
引言在 Spring Boot 项目里,Controller、Service、Mapper 是熟悉的组合。随着业务规则变多,Service 可能同时承担流程编排、状态校验、数据转换和消息发布等职责,修改一个用例也会牵动多个功能。此时常见的问题是:要不要从 MVC 改成 DDD?@Transactional 应该放在哪层?
这几个概念解决的不是同一类问题:MVC组织请求入口,DDD帮助团队理解和表达业务,COLA则把面向对象、分层和工程结构落实为一种应用架构实践。理解分层不需要先套入某个业务用例,先看每层拥有什么职责、依赖朝向哪里即可。
MVC 与 DDD 关注点不同MVC用于组织表现层的输入、模型和输出。在 Spring Boot Web 应用中,Spring MVC负责处理HTTP请求、参数绑定和响应;Controller把请求交给应用层,是一种常见实现方式。
DDD(Domain-Driven Design,领域驱动设计)是一套围绕业务领域进行分析和建模的方法。它帮助团队统一业务语言、识别模型边界,并把重要规则放在明确的领域模型中。DDD不是一个Web框架,也不要求项目采用某种固定 ...
4A 架构设计:业务、数据、应用与技术如何协同
引言系统架构的完整性取决于业务目标、信息模型、应用职责与运行机制之间的一致性。仅以服务调用关系或技术组件描述系统,难以充分解释业务能力的实现责任、数据的权威来源,以及质量要求的满足方式。
4A 架构从业务架构、数据架构、应用架构和技术架构四个领域组织设计决策,建立从业务需求到系统实现的可追溯关系。其核心价值在于:以业务目标确定设计方向,以数据与应用边界明确责任,以技术机制实现质量要求,并通过验证证据支持架构决策。
4A 架构的定义与适用范围本文采用以下四个架构域:
业务架构(Business Architecture,BA):描述业务目标、组织与角色、业务能力、流程和规则。
数据架构(Data Architecture,DA):描述数据资产的语义、结构、权责、流转和生命周期管理。
应用架构(Application Architecture,AA):描述应用及逻辑组件的职责、关系与交互契约。
技术架构(Technology Architecture,TA):描述支撑应用和数据管理的技术能力、运行平台与实现机制。
TOGAF 将业务、数据、应用和技术作为企业架构的重要领域。本文使用“4 ...
架构图分类
引言前面文章中介绍了很多架构相关理论,接下来说一说怎样才能画出一幅好看、好懂、好用的架构图。俗话说“一图胜千言”,一张好的结构图是不需要过多解释的,他应该是自描述的,并且要具备一致性、健壮性和足够的准确性,能够和代码相呼应。
架构图分类
产品/业务架构使用一套方法论/逻辑对产品(项目)所涉及到的业务进行边界划分,需要考虑各个模块的分层和边界。主要包括业务规划、业务模块和流程以及问题域的列表等。
模板可参考我的ProcessOn文件:产品蓝图、产品架构图
应用架构对整个系统实现的总体上的架构,需要指出系统的层次、系统各个层次的应用服务、组成关系、依赖关系。
体现了架构是分层的,不同层次有不同的规则与关联。
类似Java开发里面的三层架构,数据访问层、业务逻辑层、展现层。或者类似领域模型中的领域服务层、应用层、界面接口层分层方法。
模板可参考我的ProcessOn文件:应用架构图
存储/数据架构是一套对存储数据的架构逻辑,根据各个系统应用场景、不同时间段的应用场景 ,对数据进行诸如数据异构、读写分离、缓存使用、分布式数据策略等划分。
技术架构离程序员最近的架构设计,突出技 ...
增强式SnowFlake(雪花算法)
引言在众多分布式ID中,雪花算法是比较简单且常用的算法,分布式ID一般具有的特性有:
唯一性:生成的ID全局唯一,在特定范围内冲突极小。
有序性:生成的ID全局或按规则有序,便于数据库插入及排序。
可用性:可保证高并发下的可用性,确保任何时候都能正确的生成ID。
自主性:分布式情况下不依赖中心认证即可自行生成ID。
安全性:不暴露系统和业务的信息,如:订单数、用户数….
常见的分布式ID生成方式比较
比较点
SnowFlake
Leaf
UidGenerator
Redis
依赖数据库
否
是
可选
是
支持分布式
是
是
是
是
可预测
-
-
-
-
依赖性
毫秒级时间戳 + 标识 位 + 序列号
时间戳 + node + pid + 序列号
秒级时间戳 + workId + 序列
Redis单线程自增
维护中
多个变种
是
否
-
雪花算法SnowFlake是Twitter开源的分布式ID生成算法,生成的一个64bit的long类型数值,组成部分使用了时间戳,保证了粗略自增。
优缺点优点
高性能高可用:完全在内存中生成,不依赖数据库。
高吞吐:每 ...
异地多活架构设计
高可用三大核心原理CAP
分布式数据存储系统不可能同时满足一致性、可用性和分区容忍性。
一致性 Consistency
可用性 Availability
分区容忍性 Partion Tolerance
BASE
核心思想是即使无法做到强一致性(CAP 的一致性就是强一致性),但应用可以采用适合的方式达到最终一致性。
基本可用 Basically Available
软状态 Soft State
最终一致性 Eventually Consistency
FLP
异步通信场景中,即使只允许一个节点失败,也没有任何确定性算法能够保证非失败进程达到一致性。
Safety
Fault Tolerance
Liveness
FEMA具体含义
Failure:假设系统某些组件或者模块出现故障。
Mode: 故障发生的方式、可能性。
Effect :故障的影响。
Analysis:分析系统的可能反应,以及如何改进。
评估维度
大纲
业务及灾备架构常用架构
同城双中心。
跨域紧邻双中心。
跨域远端双中心。
跨国数据中心。
异地多活架构模式业务定制型按照业务的优先级进 ...
微服务架构设计
微服务架构详解微服务VS SOA
微服务架构陷阱与挑战六大陷阱拆分颗粒度太细
服务关系复杂
团队效率下降
问题定位困难
系统性能下降
基础设施不完善
无法快速交付
服务管理混乱
四大挑战
分布式事务
全局幂等
接口兼容
接口循环调用
微服务基础设施选型
核心为服务运行层:服务注册、服务发现、服务路由
嵌入SDK式
反向代理式
网络代理式
微服务拆分技巧按业务拆分
业务边界划分
三个火枪手原则
【定义】 平均3个开发人员负责一个微服务。
【剖析】
为什么不是1个?
因为没有备份,且一个人思维有局限。
为什么不是2个?
因为异常情况下剩余1个,压力会很大;
2个人负责维护一个微服务,微服务复杂度偏低。
为什么不是4个或者5个? 如果4个或4个以上,每个人不一定能掌握单个服务所有细节。
【技巧】
微服务数量 = 服务端开发人数 /3 ;
3 = 1 +2,1个有经验的(P7/P6+),2个普通的(P5/P6);
处于维护期的服务,维护人员为2人。
按质量拆分
按性能拆分
按业务重要程度拆分
按可用性拆分
按稳定性拆分
...
高可用计算架构
多级缓存架构缓存设计
缓存内容
缓存时间
缓存系统
更新机制
多级缓存
客户端缓存
CDN缓存
WEB容器缓存
应用缓存
分布式缓存
分布式缓存架构设计分类
数据缓存:实时性要求高,读多写少
结果缓存:计算量大实时性要求不高
缓存问题
缓存穿透
缓存雪崩
缓存热点
负载均衡架构
DNS
F5:100万~1000万
LVS:10万~100万
Nginx:5万~10万
服务路由(Gateway):1000~5000
负载均衡技巧通用算法
轮训
随机
加权轮训
负载有限
性能优先
hash
服务器性能估算接口性能
线上业务服务器接口处理时间分布为 20~100ms;
平均大约为 50ms;
访问存储或者其它系统接口是主要的性能消耗点。
服务器性能线上单个服务器(32核)性能大约为 300~1000 TPS/QPS
服务器数量服务器数量 = (总 TPS+QPS) / 单个服务器性能
接口高可用
限流
排队
降级
熔断
