システム設計 は何をしますか?
失敗パターンはコンポーネントに飛びつくことです。制約条件を名前付ける前にサービスを名前付ける設計は、枠で囲まれた推測に過ぎず、何を達成すべきかが明示されていないため評価できません。
1. 制約条件をコンポーネントより先に
まずこれらを書き留めます。それぞれが設計案を除外します:
- 負荷 — ピーク時の1秒あたりのリクエスト数、および読み取りと書き込みの比率。読み取りと書き込みはまったく異なる手段でスケールするため、この比率が絶対数よりも多くを決定します。
- データ — 総量、増加率、および単一アイテムのサイズ。
- 一貫性 — 即座に正しくあるべきものと、古くても許容されるもの。ほぼ決して「すべて」ではありません。厳密でなければならない小さな部分を特定することが、残りを安価にするのです。
- 可用性 — このコンポーネントの停止中にビジネスに何が起こるか、および許容可能な低下動作は何か。
- レイテンシ — ユーザー向けパスの予算。平均ではなくパーセンタイルで指定します。
- 所有権 — 各パーツをデプロイし、オンコール対応するチーム。チームをまたがる境界は、すべての変更に調整コストをもたらします。
大まかに見積もり、そのように明記します。アーキテクチャを選択するには桁数で十分であり、持っていない精度に費やす価値はありません。
2. 境界
名詞ではなく、何が一緒に変更されるか、誰がデータを所有するかで分割します。別のサービスと同時にデプロイしなければデプロイできないサービスは、ネットワーク呼び出しが追加された、2つのリポジトリにある1つのサービスです。
各データには、それを書き込む唯一の所有者が1つ存在します。他のすべては、所有者のインターフェースを通じて、または所有者が公開するコピーを通じて読み取ります。2つのサービスが同じテーブルに書き込むことは、分散モノリスです。独立したデプロイ、共有された障害、そして不変条件を強制する明確な場所がありません。
実際の力関係が分割を必要とするまで、より少数でより大きなサービスを優先します — 独立したスケーリング、別々の所有権、真に異なる可用性要件。分割は安価に実行でき、元に戻すには高価であり、すべての境界は関数呼び出しを、失敗し、リトライし、2回到着する可能性のあるネットワーク呼び出しに変換します。
3. 同期かイベント駆動か
呼び出し元が答えなしでは続行できず、ユーザーが待機している場合は同期的に呼び出します。すべての同期的依存関係は、そのダウンタイムをあなたのものに、そのレイテンシをあなたの予算に追加するため、それらを数えます:5つのサービスに同期的に触れるリクエストは、そのうちのどれよりも可用性が低くなります。
システムの他の部分が何かが起こったことを知る必要があるが、呼び出し元がその応答を必要としない場合は、イベントを公開します。これにより可用性が切り離されます — コンシューマーがダウンしていても書き込みは失敗しません。
コストについて正直になりましょう。イベントは、結果的な一貫性、順序外および重複配信、そして単一のスタックトレースには現れなくなるデバッグパスをもたらします。モダンに聞こえるからではなく、切り離しが必要な場合にそのトレードオフを受け入れます。
書き込みがローカル状態を更新しかつ他の誰かに伝える必要がある場合、この2つが乖離してはいけません。イベントを状態変更と同じトランザクションに書き込み、そこから公開します。行を書き込んでからブローカーを呼び出すのではなく — これら2つの呼び出しの間のギャップに、失われたメッセージが存在します。
4. すべてのリモート呼び出しは失敗すると仮定する
それぞれについて、事前に決定します:
- タイムアウト — 明示的なもので、呼び出し元自身の予算よりも短くします。タイムアウトのない呼び出しは、スレッドが積み重なるにつれて、遅い依存関係を障害に変えます。
- リトライ — 一時的な障害にのみ、バックオフとジッターを伴い、かつ操作が冪等である場合にのみ行います。非冪等な書き込みをリトライすると、それが複製されます。すべてのクライアントからの同期されたリトライは、小さな問題を殺到に変えます。
- 冪等性 — 呼び出し元が提供するキーで、タイムアウト後のリトライが認識されるようにします。呼び出し元は、失われたリクエストと失われた応答を区別できないため、リトライします。
- 劣化動作 — これがダウンしたままのときにユーザーが目にするもの。キャッシュされた結果または部分的な結果を提供することは、通常エラーページよりも優れており、設計時にそれを決定することが、それを可能にします。
5. 一貫性
決して壊れてはならない不変条件を特定します — お金の保存、在庫の過剰販売なし、二重請求なし — それを単一のサービス内の単一のトランザクション内に保持します。この制約は、他の何よりも、境界を決定する必要があります。
その不変条件の外側にあるものはすべて、結果的に一貫性があればよいです。ワークフローが複数のサービスにまたがる場合、各ステップに対して補償アクションを伴うローカルトランザクションのシーケンスとしてモデル化し、中間状態が見えることを受け入れます。
サービス間の分散トランザクションは最後の手段です。補償アクション設計は考えるのが難しく、運用するのははるかに簡単です。
6. 文書化する
制約条件 <負荷、データ、一貫性、可用性、レイテンシ、所有権>
設計 <コンポーネントと各々が所有するもの>
フロー <重要ないくつかのパスを順に>
障害 <各依存関係がダウンしたときに何が起こり、ユーザーが何を見るか>
トレードオフ <この設計が困難にするもの、および10倍になったときに最初に変更するもの>
棄却案 <代替案とその理由>
障害と棄却案の行が、設計を図面から区別するものです。ハッピーパスのみを説明する提案は評価されていません。
してはいけないこと
- 測定または見積もりしていない負荷に対して、キュー、キャッシュ、またはシャードを追加しないでください。
- 1倍のときに100倍向けに設計しないでください。既知の次のステップが可能になるように設計し、それを超えたときに最初に壊れるものを明示してください。
- 単一の選択肢を不可避として提示しないでください。棄却したものを名前付けてください。