滴滴出行分而治之的架构设计之道

发布时间：2025-11-04 00:16:33 来源：码上建站 作者：系统运维

【本文是滴滴的架道WOT2016互联网运维与开发者大会的现场干货，  新一届主题为WOT2016企业安全技术峰会将在2016年6月24日-25日于北京珠三角JW万豪酒店隆重召开！出行】

如今，构设我们去任何一个地方都要先问问有没有Wi-Fi，滴滴的架道网络已经明显影响到我们的出行生活。

互联网生下来就是构设为了服务海量用户，在这个时代，滴滴的架道几乎没有哪个应用再为单机而生。出行每个公司的构设每个产品将要面临的都是不可预知的用户海量请求。显然这个靠分布式程序来解决，滴滴的架道比依靠单机靠谱得多。出行然而不幸的构设是，如果一开始你的滴滴的架道架构设计不可扩展，有再多的出行机器，有再多的构设云解决方案，对你来说至多是b2b信息网将单机程序跑在了一个虚拟的单机上。下面就让我们回到WOT2016 互联网运维与开发者大会现场，跟随滴滴出行***架构师一起了解，分布时代架构设计和程序开发面临着哪些新挑战，以及滴滴出行的应对思路。

李令辉，滴滴出行***架构师，于2014年中加入滴滴，经历了滴滴高速成长的阶段，见证了滴滴从一个打车软件变成一个出行平台。移动互联网资深从业者，对移动互联网技术发展趋势以及技术团队的组建有独道见解。他具有多年互联网架构的设计经验，擅长高性能高并发高可用的架构设计工作，主导了滴滴打车技术迭代中的核心服务架构升级。

分布式时代的困境

为单机而生的应用将不复存在

很少有一个应用能准确预测自己的用户量有多大，因此，一开始就为上亿用户去设计一个极为复杂的分布式架构，几乎是不可能的。因为这不仅会带来极高的亿华云计算成本，还会牺牲整个系统的灵活度。并不是每个公司都像谷歌一样，在创业初期就有面对世界上所有数据的雄心壮志，来开发一个分布式文件系统。大多数公司一定是从几台服务器起家，在用户不断增长，并发请求增加，业务越来越复杂的过程中，百临不得已将程序从单机搬到多台机器。把单个进程拆成多个服务的问题。

分布式开发工具的缺乏

每个人的工作量平白无故一个互联网的多个节点组成的，通过网络耦合的一个分布式环境。平白无故的被这种分布式带来的必然复杂性提高了。但是，真正的分布式开发工具还远未成熟。 程序员可以使用的工具还是亿华云古老的VI,四十年前的Emacs和十几年前的Eclipse等单机开发工具，服务之间的依赖关系完全无法管理，日志格式和日志内容无法保证一致和可追溯。上线，扩容，降级等运维工作和规范没有被很好的设计。 任何一次问题或者开发，都需要多人协作，效率极为低下。

重造车轮的解决方案

看起来，业界解决方案百花争鸣。但实际上，大部分都是基于开源的RPC方案，比较成型的几个方案包括Erlang OTP, Scala Akka等。公司内通过各种定制的方案去耦合，去互相管理关系，互相依赖，把一个事工作起来。大一点的公司会强制的推行运维规范。而每个公司或者社区都对这种分布式环境用自己的理解。 这带来的后果是，大家都在开源社区的基础上重复造同样的东西，这个是成本很高的事情。

再者，很多解决方案都依赖于特定的业务场景来制定。比如通讯软件，对实时性要求很高，对可用性要求非常高，然而电商并不那么关心一个请求能不能快速返回，而是强调数据的一致性。所以每个业务特点决定了有不同的解决方案，而且很少有为分布式而生的方案，都是从单机方案演化或者渐变来的，这些问题都会让每一个在从中开发的人不得不知道全貌，对研发效率来讲是个巨大的伤害。分布式也确实个足够复杂的领域，很难有一揽子通用解决方案。

那么，在设计分布式系统架构时，应该考虑哪些方面？

分布式架构设计基本要素

容错

在分布式环境里，错误无处不在，并且无时无刻不在发生。而且，错误不只是机器故障，当几百人投入研发工作的时候，一定会有人犯错，而且每个人都会犯错，会常态的犯错。因此，研发团队不应该只想着如何避免错误的发生，而是如何在小错误下，不影响业务，保持服务健康运营。而一但不加考虑的对架构每个模块进行降级，势必带来一场巨大的灾难。

数据格式

数据格式实际面临的困境和依赖管理是一样的。因为每个人只负责单独的模块，而不会去关心整个业务用什么样的数据格式通信。究竟代码中到底多少是用来Verify Data的？又有多少是用来Pack/Unpack Data的？如果不统一就会陷入泥潭，工作效率低到无法接受，日志收集和监控也几乎没法实现。

路由层

关于路由层的解决方案没有高下之分，只要能解业务中的问题，降低运维成本和开发成本，就是好的方案。

但是，一定要尽量避免同时存在多种解决方案。函数调用是路由，反射是路由，URL是路由，RPC的IP+Port+Function也是路由。虽然说，并不是所有业务都能用统一的方法来路由的。路由的灵活性和规范性决定了运维难度，盲目追求灵活度平白无故的又把运维提的工作高一个量级。架构本质是控制复杂度，主要方法就是分而治之，解耦，耦合从本质上来说就是路由。

服务

为了满足用户新的要求，追上市场新的步伐，每个互联网公司的研发团队都不曾停下脚步，保证服务不断进化和升级。这同时也带来了许多问题：

看待这些问题一定要从全局出发，而最重要的是接口的统一，形成一致的标准，让大家在一条共同的准绳上。

监控

现在大家所做的监控，基本都是在监控机器的状态。其实在几百台机器这样的较小规模下，这样做的意义并不大。真正应该监控的，应该是程序。而严控程序的状态，只能依赖日志。

因此，每个架构师都要考虑，如何设计可以监控服务的日志系统，要提供可监控的接口。是每个架构师要考虑你的服务是怎么被监控的，你要提供可监控的接口。至于采集间隔，一般来说规模越大，采集粒度越低，规模越小，采集粒度越高。

另外，监控的信息是Pull or Push？监控的结果全部需要人来处理么？日志是否可以用来作为系统之间交互的数据？这些问题都需要大家根据自己的业务场景不断探索。

你的运维方案***吗？

每个公司的运维团队都在考虑这个问题。你的目的是为了降低你的成本，提高你的效率。请合理的计算你的成本和效率，就是你要把人算进去，而不是就算机器。大家可以通过以下几个维度来评估：

滴滴出行的分布式设构设计思路

Linux之所以强大，是因为每一个模块都只负责最简单的事情，面对输入和输出，而输入和输出的格式是确定的。分布式架构设计的思路也应如此，同样的规则，同样的用法组合在一起是可以发挥巨大作用的。

滴滴出行的分布架构设计想要解决的问题，不只是简单的机器运维，而是人在研发过程中，如何避免复杂环境中可能面临的风险，解决由于粗糙的架构设计带来的效率低下，不可控，不稳定的状态。

这样的架构设计带来的一个巨大好处是，信息流在进来的时候进入信息分发，信息分发把它分到合适的管道，那个管道处理完再放给下一个管道。每个管道都只做输入和输出的事情，实现高可用、高吞吐。这种方案很多云服务商都会提供。这样做的好处时是，我们只需要管理消息队列，可以在任意一个节点把流量复制走。在任何一个环节中可以拿到它所有的数据，不再依赖日志，只依赖输入、输出。而输入、输出是存在硬盘上的，数据不会丢失。

另一个优点是进程是异步传输的。同步模型一个很明显的缺点是在所有的层次中，一个进程在执行某个请求的时候如果需要一段时间才能返回信息，那么这个进程将会一直等待下去，直到收到返回信息才继续执行下去。在流量很大的时候，做一个重试可能某一个环节就会面临崩溃了，某个环节的连接数被打满。

而在这个方案中，连接就只有两三处，不需要等待数据回报，只需要确认收据接收，而且不需要逐条验证。成本很低，性能很高。

但这种架构设计显然不能解决所有的问题。比如用MySQL作为存储等必须同步的服务时，需要给有状态的服务提供一个抽象层Service，上面的服务可以请求它。大家可以理解为在Linux中敲一个命令要读一个文件，那个文件是有状态的，是存在那里的，而这些模块是没有状态的。

滴滴选择了Docker+Kubernetes作为分布集群管理解决方案，它的好处是可以直接提供资源管理，资源隔离，部署，升级，路由等等需求。但是，只有Kubernetes是不够的，Kubernetes只能管理那些无状态的事务。并不是所有的事情都可以完全抽象成无状态的，有状态的部分应该如何实现扩容，都要依据具体的业务场景，这是很难的设计。

***要说的是，没有***的方案，如果你自己要开发这个事情，建议大家***用一种方案，不要每一个用一种。但是没办法，面对不同的研发人员，不同的场景等现实，现在还没有最终的结论。也希望能借此文，与各位业界同仁共同探讨。

 【演讲视频】

分布式时代的架构设计（上）

 分布式时代的架构设计（下）

相关文章