背景
随着业务的发展，系统架构从单体架构变为面向服务架构，水平分层架构;再变为微服务架构，
服务网格，服务与服务间的交互越来越复杂，如何优雅的设计一个接口，需要考虑哪些方面?特别是对公服务(比如BFF)需要对外提供公网域名的接口，安全性怎么保证，我整理了我工作以来一些常见的措施以及具体如何去实现：
数据有效性校验
合法性校验包括：常规性校验以及业务校验; 常规性校验：包括必填字段校验，长度校验，类型校验，格式校验等; 业务校验：根据实际业务而定，比如订单金额不能小于0等;
幂等设计
所谓幂等，简单地说，就是对接口的多次调用所产生的结果和调用一次是一致的。数据发生改变才需要做幂等，有些接口是天然保证幂等性的。
比如查询接口，有些对数据的修改是一个常量，并且无其他记录和操作，那也可以说是具有幂等性的。其他情况下，所有涉及对数据的修改、状态的变更就都有必要防止重复性操作的发生。通过间接的实现接口的幂等性来防止重复操作所带来的影响。
又比如我们电商比较常见的加减GMV同一个消息无论过来多少次结果都应该只加减一次，不然会导致金额错误甚至造成资损。
请求层面： 多次执行的结果是一致的 业务层面： 同一个用户不重复下单，商品不超卖，MQ不重复消费
幂等的本质是分布式锁的问题，分布式锁正常可以通过redis或zookeeper实现;
在分布式环境下，锁定全局唯一资源，使请求串行化，实际表现为互斥锁，防止重复，解决幂等
安全性
1. 数据加密
我们知道数据在传输过程中是很容易被抓包的，如果直接传输比如http协议传输，那么数据在传输的过程中可能被任何人获取。
所以必须对数据进行加密，常见的做法是对敏感数据比如身份证号进行md5加密。现在主流的做法是使用https协议，在http和tcp之间添加一层数数据安全层(SSL层)，这一层负责数据的加密和解密。https如何配置和使用，大家翻阅我历史文章自行去研究。
对称加密: 密钥在加密过程中和解密过程中是不变的，常见的算法有DES,AES;优点是加解密计算速度快;缺点是数据传送前，服务双方必须约定好密钥，如果一方密钥泄露，加密信息也就不安全了。
非对称加密: 密钥成对出现，一个密钥加密之后，由另外一个密钥来解密;私钥放在服务端文件中，公钥可以发布给任何人使用;优点是比对称加密更安全，但是加解密的速度比对称加密慢多了，广泛使用的是RSA算法;
https的实现正好是结合了两种加密方式，整合了双方的优点，在安全性和性能方面都比较好。对称加密和非对称加密的代码实现，jdk提供了相关的工具类可以直接使用，本文不过多介绍。
2. 数据签名
介绍3种数据签名安全策略：摘要[KEY] , 签名[证书] , 签名+加密[证书]
安全策略 描述 安全级别 摘要[Key] 将数据和Key(自定义契约密码)组合后进行摘要 安全级别低，契约密钥安全性非常低。在契约密钥安全情况下能基本保障数据的不可篡改性。 签名[证书] 使用证书和非对称签名算法对数据进行签名 安全级别中，能够保障数据的不可篡改性和不可抵赖性，但是不能保障数据的私密性 签名-加密[证书] 使用证书和非对称算法对数据签名，使用一次一密的密钥和对称算法对数据进行加密 安全级别高，能够保障数据的不可篡改性和不可抵赖性，而且能保障数据的私密性。
- 机密性(Confidentiality): 未经许可不许看
- 完整性(Integrity) : 不许篡改
- 可用性(Availability) : 防止不可用
- 不可抵赖性(Non-Repudiation): 用户不能否认其行为
摘要[KEY]过程：将需要提交的数据通过某种方式组合成一个字符串，然后通过md5生成一段加密字符串，这段字符串就是数据包的签名，比如：
- str：参数1={参数1}&参数2={参数2}&……&参数n={参数n}$key={用户密钥};
- MD5.encrypt(str);
摘要[KEY]原理：Hash算法不可逆，并且计算结果具有唯一性，在key 的隐私得到保证的情况下，可以保证完整性 摘要[KEY]缺陷：key的隐私性很难保证，明文传输
签名[证书]过程：客户端对明文做一个md5/SHA计算，对计算后的值通过私钥加密得到密文，客户端将明文和密文发送给服务端，服务端对密文通过公钥解密得到值A，同时服务端对明文做一个md5/SHA计算得到值B，比较值A与值B，相同得验证通过，能够保障不可篡性和不可抵赖性，但是不能保障数据的私密性(明文传输)
签名+加密[证书]过程：客户端生成一个随机字符串，作为password，然后把这个password通过B公钥加密生成密文C，把A明文通过password加密生成密文B， 同时把A明文做MD5/SHA计算后的值通过A私钥加密得到签名D， 把密文B和密文C和签名D发给服务端，服务端通过私钥解密文C得到password，然后通过password解密文B就可以得到A明文，同时签名可以用来验证发送者是不是A，以及A发送的数据有没有被第三方修改过。
可以假设存在一个恶意的一方X，冒充了A，发送了密文B(password生成)，密文C服务端收到数据后，仍然可以正常解密得到明文，但是却无法证明这个明文数据是A发送的还是恶意用户B发送的。签名D的含义就是A自己签名，服务端可以验证。X由于没有A的私钥，这个签名它无法冒充，会被服务端识别出来。
加密-签名
3. 时间戳机制
数据经过了加密处理，酒店抓取到了数据也看不到真实数据;但是有不法者不关心真实数据，拿到数据后直接进行恶意请求，这个时候简单的做法可以考虑时间戳机制，在每次请求中加入当前时间，服务端会将报文中的时间与系统当前时间做比对，看是否在一个固定的时间范围内比如5分钟，恶意伪造的数据是没法更改报文中时间的，超过5分钟就可以当作非法请求了。
伪代码如下：
- long interval=5*60*1000；//超时时间
- long clientTime=request.getparameter("clientTime");
- long serverTime=System.currentTimeMillis();
- if(serverTime-clientTime>interval){
- return new Response("超过处理时长")
- }
4. AppId机制
大部分网站需要用户名和密码才能登陆，这其实是一种安全机制;对应的服务也可以使用这一机制，不是谁都可以调用，调用服务前必须先申请开通一个唯一的appid，提供相关的密钥，在调用接口时需要提供appid+密钥信息，服务端会进行验证。
appid使用字母，数字，特殊符号等随机生成，生成的唯一appid看系统实际要求是否需要全局唯一;不管是否全局唯一最好有以下属性：
- 趋势递增: 这样在保存数据库的时候，索引的性能更好
- 信息安全: 随机生成，不要是连续的，容易被发现规律
- 关于全局唯一Id生成的方式常见的有snowflake方式等
snowflake
以上示意图描述了一个序列号的二进制组成结构。
第一位不用，恒为0，即表示正整数;接下来的41位表示时间戳，精确到毫秒。为了节约空间，可以将此时间戳定义为距离某个时间点所经历的毫秒数(Java默认是1970-01-01 00:00:00)。
再后来的10位用来标识工作机器，如果出现了跨IDC的情况，可以将这10位一分为二，一部分用于标识IDC，一部分用于标识服务器;最后12位是序列号，自增长。
snowflake的核心思想是64bit的合理分配，但不必要严格按照上图所示的分法。如果在机器较少的情况下，可以适当缩短机器id的长度，留出来给序列号。
5. 黑名单机制
如果此appid进行过很多非法操作，或者说专门有一个中黑系统，经过分析之后直接将此appid列入黑名单，所有请求直接返回错误码;
我们可以给每个appid设置一个状态比如包括：初始化状态，正常状态，中黑状态，关闭状态等等;或者我们直接通过分布式配置中心，直接保存黑名单列表，每次检查是否在列表中即可;
限流机制
常用的限流算法包括：令牌桶限流，漏桶限流，计数器限流;
- 令牌桶限流 令牌桶算法的原理是系统以一定速率向桶中放入令牌，填满了就丢弃令牌;请求来时会先从桶中取出令牌，如果能取到令牌，则可以继续完成请求，否则等待或者拒绝服务;令牌桶允许一定程度突发流量，只要有令牌就可以处理，支持一次拿多个令牌;
- 漏桶限流 漏桶算法的原理是按照固定常量速率流出请求，流入请求速率任意，当请求数超过桶的容量时，新的请求等待或者拒绝服务;可以看出漏桶算法可以强制限制数据的传输速度;
- 计数器限流 计数器是一种比较简单粗暴的算法，主要用来限制总并发数，比如数据库连接池、线程池、秒杀的并发数;计数器限流只要一定时间内的总请求数超过设定的阀值则进行限流;
具体基于以上算法如何实现，Guava提供了RateLimiter工具类基于基于令牌桶算法：
- RateLimiter rateLimiter = RateLimiter.create(5);
以上代码表示一秒钟只允许处理五个并发请求，以上方式只能用在单应用的请求限流，不能进行全局限流;这个时候就需要分布式限流，可以基于redis+lua来实现;
总结
其实接口不管是设计还是开发，如果不是特别急的需求大家都可以多一点思考，这样你的系统才会更稳定，上线和测试过程中bug更少，而且从个人提升角度来说，多思考总是一件好事。
很多时候大家都在抱怨：哎呀我公司小，我学校差这种环境得不到成长。傻瓜，很多时候高手也是这样走过来的，不过一样的事情每个人的态度不一样，时间久了结果也就不一样了。
好啦，现在大家应该都上班了，我熬夜值班还在大促现场(文章周末写的，现在就写个总结)，我是敖丙，你知道的越多，你不知道的越多，我们下期见。
