背景

对于现在的微服务架构的应用来说，对大量并发的及时响应是一项制胜能力。据用户行为分析平台统计，随行付的某一款APP产品每日请求就达到上千万次用户请求、加解密服务3000万次/日等等。这些微服务每时每刻在处理如此高强度的请求，对数据层的应对能力要求极高。如果我们把对速度的需求放在复杂的分布式数据架构背景下，是很难想象如何让应用应对如此巨大的数据访问量的。但很幸运，我们有方法做到。即立方体模型。

立方体模型

可扩展的分布式系统架构设计有一个朴素的理念，就是：通过加机器就可以解决容量和可用性的问题。

对于一个迅速增长的应用而言，容量和性能是首当其冲要面临的问题。但随着时间的向前推移、应用规模不断的快速增长，除了面对性能与容量的问题外，还需要解决功能与模块数量上增长带来的系统复杂性问题、业务变化带来的差异化服务问题等。而多数情况下应用设计之初出于诸多因素的考量，并没有充分考虑或在设计之初就将此类问题提上日程，导致系统的重构成为常态，从而影响业务交付能力。对此，「架构即未来」一书中提出了更加系统的可扩展模型，可扩展模型是一个富有启发性的方法，描述了微服务三个维度的扩展方法，可以通过它来了解微服务架构的扩展维度。

• X轴：横向扩展模式，关注水平的数据和服务克隆
• Y轴：功能分解模式，关注应用中的职责的划分
• Z轴：数据分区模式，关注服务和数据的优先级划分

X轴扩展

X轴扩展是通过绝对平等的复制服务和数据，以解决容量和可用性的问题。以乘坐火车为例，因春运高峰集中，乘客人数也是平时时的几倍、甚至几十倍。12306为了提高运力都会采用复制的方法：增加火车数量。增加火车数量有效的提高春运运力、提高乘客出行体验。

对于软件工程而言，比如加解密微服务的性能峰值1000TPS，通常我们需要提高TPS，会采取复制加解密服务：增加服务提供者。这就是X轴扩展的一个完美示例，说明了X轴扩展的思路，把工作无偏向的分配给「复制品」，各个「复制品」之间不共享任何内容、能独立提供服务。而对于软件技术来讲，X轴扩展主要有负载均衡和数据复制两种技术方式。

负载均衡

负载均衡是将用户的访问请求通过负载均衡器，均衡分配到由各个「复制品」组成的集群中去。当某个「复制品」出现故障，也能轻易地将相应「工作」转移给其它的复制品来「代为完成」。常用的硬件负载有F5、A10，软件负载Nginx。

这中间涉及到的技术点包括了反向代理、DNS轮询、哈希负载均衡算法（一致性哈希）、动态节点负载均衡（如按CPU，I/O）等。它的难点在于要求集群中的「复制品」是不共享任何内容，也就是我们常说的无状态。

数据复制

数据复制是指在数据存储层进行绝对平等地数据迁移，用于解决存储层I/O瓶颈以及可用性上的问题。有多个「复制品」存储，使得每个「复制品」提供无差异的数据服务，我们需要在「复制品」之间同步或异步的复制数据。

数据复制的方式包括了主从同步(读写分离)、双主同步等。因为数据存储天生就是有状态的，数据复制的难点在于如何保证一致性。为保证一致性，衍生了很多复杂的技术和中间件，比如Paxos选举算法、随行付Porter数据同步中间件等。

识别热点服务

多数情况下我们的应用中都会存在热点模块，我们可以理解为越基础的模块越容易成为热点模块。热点模块更加容易成为整个平台的瓶颈点，所以热点模块要尽早的采取扩展措施，扩展措施一般都采用X轴扩展方式。

前后端分离

其实在我们开发过程中，经常会给pc端、mobile、app端各自研发一套前端。其实对于这三端来说，大部分端业务逻辑是一样的。唯一区别就是交互展现逻辑不同。如果controller层在后端手里，后端为了这些不同端页面展示逻辑，分别维护这些controller，徒增和前端沟通端成本、在扩展性上面也不能达到很方便的扩展。前后端分离的好处在于：

• 提升适配性
• 提升响应速度
• 提升性能(分后端可分别优化)

Y轴扩展

Y轴扩展是根据数据的类型或者交易执行的类型（或者两者都有）来划分工作职责。一般称为面向服务或面向资源的扩展。

我们再以火车来举例，12306根据起点和终点的不同，划分了多条火车线路。每条火车线路的周期归属运输，交付着乘客的出行服务。这样做的好处是明显的，每条火车线路的任务更简单，从而能更高效的提供出行服务。

与火车分工类似，为了降低系统复杂度，Y轴扩展会将庞大的整体应用拆分为一组服务。每个服务实现一组相关的功能，如核心交易、风险控制等。而在软件上常见的方案是服务化架构(SOA)、微服务化架构(Micro Service)。

Z轴扩展

Z轴扩展是指基于请求者或用户独特的需求，进行系统划分，并使得划分出来的子系统是相互隔离但又是完整的。继续以火车举例，12306为了更好发展业务，交付出行体验。在中国建立N多个铁路局，各个铁路局个行其责，分别提供出行服务。这就是一种Z轴扩展。

对于软件而言，Z轴扩展一般是为了满足差异性的需求、安全隔离而采取的扩展措施。比如，为了提供VIP用户服务，可以将系统完整地复制一份出来，与普通用户所使用的系统完全隔离；针对不同的地域用户，系统自动切换到对应地域的子系统，为用户提供服务，都是Z轴扩展。另外，在系统的灰度部署上，我们也通常使用Z轴扩展来完成。

软件领域常见的Z轴扩展有以下两种方案：分离化部署和数据分区。

分离化部署

在分布式服务设计领域，一个烟筒状就是满足某个分区所有业务操作的自包含闭环。如上面我们说到的Y轴扩展的微服务架构，客户端对服务端节点的选择一般是随机的，但是，如果在此加上Z轴扩展，那服务节点的选择将不再是随机的了，而是每个烟筒状自成一体。

数据分区

为了性能及数据安全考虑，我们将一个完整的数据集按一定的维度划分出不同的子集。 一个分区（Sharding），就是是整体数据集的一个子集。比如用尾号来划分用户，那同样尾号的那部分用户就可以认为是一个分区。数据分区为一般包括以下几种数据划分的方式：

• 数据类型（如，业务类型）
• 数据范围（如，时间段、用户）
• 数据热度（如，用户活跃度）
• 按读写分（如，描述，库存）

当然，数据分区也是有代价的，它将增加数据运维的难度，关联搜索的复杂度增加等。

总结

X轴上扩展是平台或系统的交易量或工作量增长，虽然X轴扩展能够很好处理交易量的增长，但当系统复杂度的大幅度增加，或用户数量增加以及差异化服务需求出现，X轴扩展就难以应付了。但我们可以通过Y轴扩展来处理系统复杂度增长、Z轴扩展来处理差异性化需求。XYZ三个轴可以根据实际情况酌情使用其中一个、两个或三个，三个轴既可以无限向下扩展也可以无限向上扩展。我们在设计系统架构时可将扩展立方体模型作为理论指导，设计完之后回过头来验证是否可以做相应的扩展。

一个扩展性良好的系统，会充分考虑三个维度上的可扩展性，熟练运用三个维度的扩展性，使得系统性能改善上有更多的方向，但在系统性能优化上，代码层面、框架层面、设计层面也是更加的至关重要。