随着数据量、并发量、业务复杂度的增长，互联网架构会出现以下问题：
- 代码到处拷贝
- 底层复杂性扩散
- 基础库(so/jar/dll)耦合
- SQL质量得不到保障，业务相互影响
- 数据库耦合
“服务化”是一个很好的解决上述痛点的方案。
那么问题来了，微服务架构多“微”才合适?
行业内有这样四类常见实践。
实践一：统一服务层
这是最粗犷的玩法，所有基础数据，都通过一个统一的服务来进行访问。
在业务不是特别复杂的时候，这不失为一个快速分层的方案，一旦业务变得复杂，服务层会变得非常重，成为耦合焦点。
以微信场景为例，假设通过一个通用的服务层来访问基础数据。
则只有一个统一的服务层，用户信息，好友信息，群组信息，消息信息都通过这个服务层来访问。
实践二：一个子业务一个服务
如果所有的数据访问都通过一个服务层来访问，那么一行代码出故障，就将影响整个服务，所以更合理的做法是在服务层进行拆分。
服务层架构如何细分?
垂直拆分是个好的方案，将子业务分拆，那么微信的服务化架构或许会变成下面的样子：
- 用户相关的子业务，访问user服务
- 好友相关的子业务，访问friend服务
- 群组相关的子业务，访问group服务
- 消息相关的子业务，访问msg服务
这样的话，一个服务出问题也不会影响其他服务，与此同时，数据层也按照业务垂直拆分开了。
服务粒度变细之后，出现一个新的问题，业务与服务的连接关系变复杂了，有什么好的优化方案么?
常见的，加入一个高可用服务分发层(Service Mesh不就是这么干的么)，并在协议设计时加入服务号，可以减少蜘蛛网状的依赖关系：
- 调用方依赖分发层，传入服务号
- 分发层依赖服务层，通过服务号参数分发
实践三：一个数据库对应一个服务
数据访问服务最初是从DAO/ORM的数据访问需求过来的，所以有些公司也有一个数据库一个服务的玩法。
一个子业务对应一个服务的玩法如下图：
- 服务层，整个群业务是一个服务
- 存储层，实际可能对应了群信息、群成员、群消息等多个数据表
拆分成一个数据库一个服务，则架构会变成下面的样子：
群信息库，群成员库，群消息库之间也解耦开，不会相互影响。
实践四，一个接口对应一个服务
微服务架构中，更极端的，甚至一个接口对应一个微服务。
这样的话，架构就从：
进化为：
- 修改群信息服务
- 增加群信息服务
- 获取群信息服务
多个服务操纵同一个数据库，任何接口服务出问题，都不会影响其他接口服务。使用这种方案的，一般与开发语言特性结合比较紧密，例如golang。
上文中谈到的服务化与微服务，不同粒度的服务化各有什么优劣呢?
总的来说，细粒度拆分的优点有：
- 服务都能够独立部署
- 扩容和缩容方便，有利于提高资源利用率
- 拆得越细，耦合相对会减小
- 拆得越细，容错相对会更好，一个服务出问题不影响其他服务
- 扩展性更好
细粒度拆分的不足也很明显：
- 拆得越细，系统越复杂
- 系统之间的依赖关系也更复杂
- 运维复杂度提升
- 监控更加复杂
- 出问题时定位问题更难
互联公司，以“子业务”作为微服务粒度是最常用，订单服务，用户服务，支付服务等等。
