微服务架构，是分层架构演进过程中很重要的一环，那微服务是不是越早越好呢？今天和大家一起聊聊这一个问题。
什么时候进行DAO层的分层抽象？
最开始，分层架构长什么样?
一个业务系统最初的分层架构如上：
（1）web-server层从db层获取数据并进行加工处理；
（2）db层存储数据；
此时，web-server层如何获取底层的数据呢？
web-server层获取数据的一段伪代码如上，不用纠结代码的细节，也不用纠结不同编程语言与不同数据库驱动的差异，其获取数据的过程大致为：
（1）创建一个与数据库的连接，初始化资源；
（2）根据业务拼装一个SQL语句；
（3）通过连接执行SQL语句，并获得结果集；
（4）通过游标遍历结果集，取出每行数据，亦可从每行数据中取出属性数据；
（5）关闭数据库连接，回收资源；
如果业务不复杂，这段代码写1次2次还可以，但如果业务越来越复杂，每次都这么获取数据，就略显低效了，有大量冗余、重复、每次必写的代码。
如何让数据的获取更加高效快捷呢？
通过技术手段能够实现：
（1）表与类的映射；
（2）属性与成员的映射；
（3）SQL与函数的映射；
绝大部分公司正在用的ORM，DAO等技术，就是一种分层抽象，可以提高数据获取的效率，屏蔽连接，游标，结果集这些复杂性。
于是，分层架构就演进了。
当手写代码从DB中获取数据，成为通用痛点的时候，就应该分层抽象出DAO层，简化数据获取过程，提高数据获取效率，向上游屏蔽底层的复杂性。
然后呢？
抽象出DAO层之后，系统架构并不会一成不变：
（1）随着业务越来越复杂，业务系统会不断进行垂直拆分；
（2）随着数据量越来越大，数据库会进行水平切分；
（3）随着读并发的越来越大，会增加缓存降低数据库的压力；
于是系统架构变成了这个样子：
业务系统垂直拆分，数据库水平切分，缓存这些都是常见的架构优化手段。
此时，web-server层如何获取底层的数据呢？
根据楼主的经验，以用户数据为例，流程一般是这样的：
（1）先查缓存：先用uid尝试从缓存获取数据，如果cache hit，数据获取成功，返回User实体，流程结束；
（2）确定路由：如果cache miss，先查询路由配置，确定uid落在哪个数据库实例的哪个库上；
（3）查询DB：通过DAO从对应库获取uid对应的数据实体User；
（4）插入缓存：将kv(uid, User)放入缓存，以便下次缓存查询数据能够命中缓存；
如果业务不复杂，这段代码写1次2次还可以，但如果业务越来越复杂，每次都这么获取数据，就略显低效了，有大量冗余、重复、每次必写的代码。
特别的，业务垂直拆分成非常多的子系统之后：
（1）一旦底层有稍许变化，所有上游的系统都需要升级修改；
（2）子系统之间很可能出现代码拷贝；
（3）一旦拷贝代码，出现一个bug，多个子系统都需要升级修改；
不相信业务会垂直拆分成多个子系统？举两个例子：
（1）58同城有招聘、房产、二手、二手车、黄页等5大头部业务，都需要访问用户数据；
（2）到家集团有月嫂、保姆、快狗打车、蓝服等多个业务，也都需要访问用户数据；
如果每个子系统都需要关注缓存，分库，读写分离的复杂性，调用层会疯掉的。
如何让数据的获取更加高效快捷呢？
服务化，数据服务层的抽象势在必行。
通过抽象数据服务层：
（1）web-server层可以通过RPC接口，像调用本地函数一样调用远端的数据；
（2）数据服务层，只有这一处需要关注缓存，分库，读写分离这些复杂性；
于是，分层架构就又演进了。
当业务越来越复杂，垂直拆分的系统越来越多，数据库实施了水平切分，数据层实施了缓存加速之后，底层数据获取复杂性成为通用痛点的时候，就应该抽象出数据服务层，简化数据获取过程，提高数据获取效率，向上游屏蔽底层的复杂性。
那微服务是不是越早越好呢？
互联网分层架构是一个很有意思的问题，服务化的引入，并不是越早越好：
（1）请求处理时间可能会增加；
（2）运维可能会更加复杂；
（3）定位问题可能会更加麻烦；
千万别鲁莽的在“微服务”大流之下，草率的进行微服务改造，看似“高大上架构”的背后，隐藏着更多并未接触过的“大坑”。还是那句话，架构和业务的特点和阶段有关：一切脱离业务的架构设计，都是耍流氓。
相关推荐：