链路追踪）¶

从单体到微服务的工程化治理。覆盖：服务拆分原则、注册中心、配置中心、API 网关、熔断限流、链路追踪、分布式事务思路。依据 Spring Cloud 官方 · Micrometer · OpenTelemetry（官方/官方社区为准）。注：Netflix 组件（Eureka/Hystrix）进入维护态，优先用官方现行替代。

📌 适用版本 / 更新日期：Spring Cloud 2023/2024（基于 Boot 3.x）；最后更新 2026-08。

1. 要不要微服务（先问清楚）¶

微服务的代价

分布式事务、网络延迟、运维复杂度、链路追踪、数据一致性全来。单体能扛住就别拆。
触发条件：团队 > 10 人、模块边界清晰、需独立部署/扩缩容、技术异构需求。

2. 服务拆分原则¶

单一职责：一个服务一个业务能力（DDD 限界上下文）。
数据库独享：每服务自有库，禁止跨服务直连对方 DB（通过 API/事件）。
去中心化：团队自治、技术选型自主（在治理框架内）。

3. 注册发现与配置中心¶

组件	角色	现状
Nacos（阿里，官方社区活跃）	注册 + 配置一体化	国内主流推荐
Consul	注册 + KV 配置	HashiCorp
Eureka	注册	Netflix 维护态，新项目慎选
Apollo	配置中心	携程

@SpringBootApplication
@EnableDiscoveryClient   // 注册到 Nacos/Consul
public class OrderApp { public static void main(String[] a){ SpringApplication.run(OrderApp.class,a);} }

配置治理

配置集中化 + 环境隔离 + 动态刷新（@RefreshScope），避免改个开关要发版。

4. API 网关（Spring Cloud Gateway）¶

spring:
  cloud:
    gateway:
      routes:
        - id: order-svc
          uri: lb://order-service      # 服务发现负载均衡
          predicates:
            - Path=/api/order/**
          filters:
            - name: RequestRateLimiter   # 限流
              args: { redis-rate-limiter.replenishRate: 10 }

网关职责边界

做：路由、鉴权（JWT 校验）、限流、灰度、日志。不做：重业务逻辑（放业务服务）。
网关是入口咽喉，要限流+熔断，避免单服务故障拖垮全站。

5. 熔断、降级、限流¶

模式	作用	实现
熔断（Circuit Breaker）	依赖故障快速失败，防止雪崩	Resilience4j（官方推荐，替代 Hystrix）
限流	控制 QPS，保护自身	网关/Sentinel/Resilience4j
降级	故障时返回兜底	fallback 方法

@CircuitBreaker(name="orderSvc", fallbackMethod="fallback")
public Order getOrder(Long id){ return orderClient.get(id); }
public Order fallback(Long id, Exception e){ return Order.EMPTY; }

雪崩防护

不熔断 -> 依赖慢调用占满线程池 -> 级联失败。务必给远程调用设超时 + 熔断 + 线程池/信号量隔离。
超时时间要小于调用方等待上限（Hedging/重试需带退避与幂等）。

6. 链路追踪（可观测）¶

OpenTelemetry：厂商中立的 Trace/Metric/Log 标准（官方社区，趋势）。
Micrometer：Spring 官方指标门面，接 Prometheus。
TraceId 透传：网关 → 服务 → DB/Redis，问题可全程回溯。

三件套

Metrics（Prometheus）看趋势、Tracing（OTel/Jaeger）看调用链、Logging 看细节。三者关联用 TraceId。

7. 分布式事务（思路，非银弹）¶

尽量避免：通过最终一致性（事件/消息）代替强一致。
Saga / TCC / 本地消息表：长事务拆分 + 补偿。
Seata（官方社区）：AT/TCC/Saga 模式框架。

坑

不要为所有跨服务调用上分布式事务；绝大多数场景"本地事务 + 可靠事件"足够。
消息丢失/重复 → 用 Kafka 幂等 + 消费幂等处理。

下一章：Kafka（消息队列）