什么是服务治理平台?

上次被问到什么是服务治理平台?谈谈你对服务治理平台的理解?

我觉得谈服务治理,首先要知道什么是微服务?

微服务就是一些协同工作的小而自治的服务,两个特性简单连接,分散管理。

Ø简单连接

1、在连接通道方面,微服务很轻,一般采用轻量级的通讯协议(如HTTP)和简单数据格式(如JSON)。

2、无需中心节点提供复杂业务处理,把业务的职责还给服务端,更灵活地响应业务变化。

Ø分散管理

1、分散业务-业务高内聚、低耦合,简化依赖关系

2、分散数据-微服务数据块内部的表紧密相关,块间数据相关性弱。在实施层面,数据逻辑上分离,或者使用独立数据库,物理上隔离。

3、分散物理资源-借助虚拟机和容器技术,非常适合微服务部署,对服务器资源更高效地利用。

我们既然谈微服务,那么先看看什么不属于微服务呢?我们从架构演进说起。从最初的MVC架构到RPC架构,再到SOA架构,最后到了我们的微服务架构。

再谈为什么要微服务?

在传统的应用架构及开发模式下,产生了一些问题,总结如下:

l 系统复杂

l 环境设置复杂

l 不兼容技术无法混合使用

l 多应用间无法有效隔离

l 开发、测试、线上版本管理复杂

l 运维困难

l 无法拆分

l 难以扩容缩容

l 编译时间长

而微服务架构正是在这种环境下应用而生。微服务主要是为了应对复杂度;相对于单一的复杂系统,该架构由多个简单的服务组成,这些服务之间存在复杂的交互,其目标在于确保复杂度能够得到控制。相比基于ESB的SOA架构,微服务架构具有如下优势:

 

优势

劣势

单体

人所众知:传统工具、应用和脚本都是这种结构

•IDE友好:EclipseIntelliJ等开发工具多

便于共享:单个归档文件包含所有功能,便于共享

易于测试:单体应用部署后,服务或特性即可展现,没有额外的依赖,测试可以立刻开始

容易部署:只需将单个归档文件复制到单个目录下

不够灵活:任何细修改需要将整个应用重新构建/部署,这降低了团队的灵活性和功能交付频率

妨碍持续交付:单体应用比较大时,构建时间比较长,不利于频繁部署,阻碍持续交付。

受技术栈限制:必须使用同一语言/工具、存储及消息,无法根据具体的场景做出其它选择

技术债务:“不坏不修(Not brokendon’t fix)”, 系统设计/代码难以修改,偶合性高。

SOA

服务重用性:通过编排你基本服务以用于不同的场景

易维护性:单个服务的规模变小,维护相对容易

高可靠性:使用消息机制及异步机制,提高了可靠性

高扩展和可用性:分布式系统的特性

软件质量提升:单个服务的复杂度降低

平台无关:可以集成不同的系统

提升效率:服务重用、降低复杂性,提升了开发效率

过分使用ESB:使得系统集成过于复杂

使用基于SOAP协议的WS:使得通信的额外开销很大

使用形式化的方式管理:增加了服务管理的复杂度

需要使用可靠的ESB:初始投资比较高

微服务

简单:单个服务简单,只关注于一个业务功能。

团队独立性:每个微服务可以由不同的团队独立开发。

松耦合:微服务是松散耦合的。

平台无关性:微服务可以用不同的语言/工具开发。

通信协议轻量级:使用REST或者RPC进行服务间通信

运维成本过高

分布式系统的复杂性

异步,消息与并行方式使得系统的开发门槛增加

分布式系统的复杂性也会让系统的测试变得复杂

基于微服务帮助我们解决的实际问题及架构上的优势,我们选择了微服务架构,那么微服务架构后又会带来什么问题?这些问题该如何解决呢?

微服务不仅仅是带来服务拆分、编排管理、持续集成、部署等一系列问题,微服务内部也会有很多问题,诸如:

针对企业使用微服务架构后带来的一系列,也就有了服务治理平台。

### 数据治理的定义与概念 数据治理是指一套用于管理和优化组织内数据资产的原则、流程和实践。它旨在确保数据的质量、可用性、一致性和安全性,从而支持业务目标并提高企业的运营效率[^1]。具体而言,数据治理关注的是如何有效地利用数据资源,以实现更高的商业价值。 #### 数据治理的核心要素 根据ISO/IEC发布的标准,数据治理的目标在于促进组织高效、合理地利用数据资源[^2]。为此,数据治理通常遵循六个核心原则: - **职责**:明确数据管理的责任分配以及问责机制。 - **策略**:制定清晰的数据管理政策和程序。 - **采购**:规范数据获取的过程及其生命周期管理。 - **绩效**:监控数据使用的有效性及成果产出。 - **合规**:确保数据处理活动符合法律法规的要求。 - **人员行为**:培养员工良好的数据使用习惯和文化意识。 此外,在实际操作层面,数据治理还采用了一种称为“EDM”的方法论框架,即评估(Evaluate)、指导(Direct)和监督(Monitor)。这种方法帮助企业在不同阶段更好地理解和改进自身的数据管理体系[^2]。 ### 数据治理在IT领域的应用 尽管数据治理专注于数据本身的价值挖掘,但它不可避免地与更广泛的IT治理体系交织在一起。然而两者之间存在显著区别——IT治理主要侧重于信息技术的整体规划和发展方向,比如决定哪些技术平台值得投入资金开发或者维护;而数据治理仅仅围绕着信息本身的特性展开工作,致力于提升数据质量和服务水平[^1]。 在一个典型的现代企业环境中,成功的IT治理离不开健全的数据管理制度支撑。例如当公司考虑引入新的大数据分析工具时,除了考量该解决方案的技术性能外,还需要同步审视现有数据库结构能否满足新需求等问题。这就需要依靠完善的数据治理流程来进行前期调研和技术选型等工作。 另外值得注意的例子是COBIT框架的应用场景。虽然这个国际通用的信息技术和控制目标体系更多时候被用来衡量和支持整体意义上的IT治理活动,但在某些特定章节里也包含了少量针对数据资产管理方面的建议指南。这表明即使是在高度抽象化的全局视角下讨论IT事务的时候,仍然有必要考虑到基础层面上的数据因素影响作用。 ```python # 示例代码展示了一个简单的数据质量管理脚本 def check_data_quality(dataframe): """ 对输入DataFrame中的每一列进行基本的数据质量检查 参数: dataframe (pd.DataFrame): 需要检测的数据集 返回: dict: 各项指标的结果汇总字典形式呈现出来 """ quality_report = {} # 缺失值统计 missing_values = dataframe.isnull().sum() quality_report['missing'] = dict(missing_values) # 唯一值数量计算 unique_counts = dataframe.nunique() quality_report['uniques'] = dict(unique_counts) return quality_report ``` 此函数可以作为数据治理过程中的一部分,用于定期审查存储库内的记录状态,并识别潜在问题所在之处以便及时修正调整。
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

江晓曼*凡云基地

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值