如何设计高扩展性的skill结构：从单体到微服务的架构演进

7次阅读

没有评论

共计 2386 个字符，预计需要花费 6 分钟才能阅读完成。

在业务初期，单体架构的 skill 结构简单直接，所有功能模块都打包在一个应用中。但随着业务复杂度提升，这种架构暴露出明显问题：

耦合度高 ：修改一个功能可能影响其他模块，测试和部署成本指数级增长
扩展困难 ：无法针对单个 skill 进行独立扩缩容，资源利用率低
技术栈固化 ：所有模块必须使用相同技术栈，难以引入新技术
发布风险大 ：每次更新都需要全量部署，故障影响范围不可控

单体架构
优点：开发简单、部署直接、事务处理容易
缺点：前文所述的各种扩展性问题
适用场景：小型项目或验证阶段
服务化架构
优点：独立部署、技术异构、细粒度扩展
缺点：分布式系统复杂性、网络延迟、数据一致性挑战
适用场景：中型以上业务系统
事件驱动架构
优点：松耦合、异步处理、天然削峰填谷
缺点：消息顺序保证、最终一致性、调试困难
适用场景：实时数据处理、事件溯源系统

通过事件风暴工作坊识别核心子域：

划定技能核心域（如语音识别、意图理解）
明确支撑子域（如日志监控、权限管理）
定义通用语言（Ubiquitous Language）
建立限界上下文边界

示例划分：

| 限界上下文       | 职责                      |
|------------------|--------------------------|
| SkillRuntime     | 技能执行引擎              |
| NLU              | 自然语言理解             |
| DialogManagement | 对话状态管理              |
| KnowledgeGraph   | 领域知识图谱              |

syntax = "proto3";

package skill.v1;

service SkillExecutor {rpc Execute (ExecuteRequest) returns (ExecuteResponse);
}

message ExecuteRequest {
  string skill_id = 1;
  map<string, string> params = 2;
  string session_id = 3;
}

message ExecuteResponse {
  string output = 1;
  repeated string next_actions = 2;
  int32 status_code = 3;
}

package main

import (
  "context"
  "log"
  "net"

  "google.golang.org/grpc"
  pb "path/to/protos"
)

type server struct {pb.UnimplementedSkillExecutorServer}

func (s *server) Execute(ctx context.Context, req *pb.ExecuteRequest) (*pb.ExecuteResponse, error) {
  // 业务逻辑实现
  return &pb.ExecuteResponse{
    Output:      "处理完成",
    StatusCode:  200,
  }, nil
}

func main() {lis, err := net.Listen("tcp", ":50051")
  if err != nil {log.Fatalf("failed to listen: %v", err)
  }
  s := grpc.NewServer()
  pb.RegisterSkillExecutorServer(s, &server{})
  if err := s.Serve(lis); err != nil {log.Fatalf("failed to serve: %v", err)
  }
}

采用 Saga 模式实现最终一致性：

事务拆分 ：将大事务拆分为多个本地事务
补偿机制 ：为每个正向操作定义逆向补偿
协调模式 ：
编排式（Orchestration）：中央协调器控制流程
协同式（Choreography）：通过事件通知

多级缓存策略：

def get_skill_config(skill_id):
    # L1: 本地缓存
    if config := local_cache.get(skill_id):
        return config

    # L2: Redis 缓存
    if config := redis.get(f"skill:{skill_id}"):
        local_cache.set(skill_id, config)
        return config

    # 回源数据库
    config = db.query("SELECT * FROM skills WHERE id = ?", skill_id)
    redis.setex(f"skill:{skill_id}", 3600, config)
    return config