面试官：为什么每个微服务都要有自己独立的数据库？

这个问题是我在知乎上看到的，答案并不是一边倒，还是存在争议性的。

其中，一些持反方观点同学的理由如下：

（1）从硬件成本和维护成本上看，反而应该多个微服务尽可能地共用中间件和数据库。

（2）微服务的独立数据库是指逻辑独立，而不是物理独立，在物理层面上是可以共用数据库的。btw：有点儿像《非诚勿扰》中葛优对舒淇说的话：“那你能允许我心在你这，身体上开点儿小差吗”？

（3）你把数据库也看做一个微服务就好理解了，微服务之间本身就是多对多的关系，公用有何不可呢？

抛出我的观点吧，我完全支持每个微服务都要有自己独立的数据库，但每个数据库是否使用独立的服务器，这个需要视业务情况而定。

具体原因请见下图：

系统可用性

说说我当年的情况吧，当时我在一个在线教育公司，该公司早期的系统是一个单体架构，一个大的后端工程，并对应一个大的数据库。

后来人越招越多，业务也越来越复杂，几十人的研发团队共同在一个大的单体服务中进行开发，这是明显不现实的。

于是，研发团队便按照组织结构进行服务拆分，将那个大的单体服务拆分为学生端服务、教师端服务、管理端服务和销售端服务。

随后，我们的学生端服务又按照业务领域，拆分出来了学生课表、积分商城和学生运营活动服务。

其中，学生课表服务的重要等级是P0（最重要的），因为学生是以课表为入口进入教室上课的，也就是说，如果课表服务挂了就会导致无法上课，会给公司带来重大经济损失。

积分商城服务，是学生通过积分兑换学习用品的，如果服务挂了会影响用户体验，但不会造成经济损失，因此重要等级为P1。

而运营活动服务的主要功能为，公司的运营人员会创建一些活动来增加学生在平台上的活跃度，比如：学生将自己创作的作品，发到朋友圈中收集点赞，被点赞最多的学生获得小礼品，等等。

但当时的情况是，学生课表、积分商城和学生运营活动这三个服务拆出来了，还是共用了一个学生端的数据库。

有一天晚上，正好是学生上课的高峰期，忽然收到一通报警，学生端数据库的负载竟然达到了200多，CPU使用率也被干到了100%。

紧接着，公司的大群中就有好几个业务同事发消息说，学生投诉说课表看不到了，不能进入教室上课了。

我们听了之后，赶紧登录监控系统去查看学生课表服务的相关接口，发现由于不显示课表学生反复刷新页面的原因，接口的QPS确实比正常情况下高了好几倍，但都被Sentinel限流掉了，不应该造成影响才对。

正在一筹莫展之际，我忽然发现在监控系统上，学生运营活动服务的接口QPS和TPS同样高得离谱，比平时高十几倍，且彪高的起始时间要比学生课表接口早一两分钟。

这就证明了，很大可能是学生运营活动服务的流量彪高，且学生运营活动服务上的接口没有做限流保护，造成了服务共用的学生端数据库扛不住了，从而影响了学生课表服务。

于是，我们赶紧启动降级机制，关闭了所有的学生运营活动服务的接口。没过一会儿，学生课表可以正常访问了。

接下来，我们和DBA连夜把学生课表服务所对应的数据表单独拆分出来，迁移到一个新的数据库服务器上进行独享。

嗯，重要等级高的微服务不但要有自己独立的数据库，且必须是独立的数据库服务器，通过链路隔离的方式提升系统可用性。

当然，一些重要等级不高的服务独立数据库即可，并不需要独立数据库服务器，这样可以节省硬件成本。

架构贯彻性

我们都知道，微服务架构之间是通过RPC调用来进行业务串联的。

以常见的电商场景举例，需要给用户展示他所购买的订单列表，此时订单中心会调用商品中心的API获取商品数据，然后再跟订单数据进行merge，返回给前端用户。

如果此时商品中心和订单中心所对应的数据表放在一个数据库中，可以预见的情况就是，研发人员会把订单表和商品表进行多表关联的方式来代替RPC调用+ 数据merge，因为这样做非常省事。

如下图所示：

而一旦破了这个口子，就会形成“破窗效应”，系统架构就变成分布式单体架构。

有人说，可以靠口头约束的方式来规避这种情况，我并不认同。

想象一种场景，如果一个同学赶项目工期，半夜12点还在那挑灯夜战呢。此时，如果有一种方式让他快速写完代码回家睡觉，他会毫不动心一丝不苟地“按照规律办事”？

研发效率

微服务独立数据库的另一个好处就是，读写入口收敛，这样是可以提升研发效率的。

举个例子，如果我们把商品表进行垂直拆分，拆分成商品表 + 商品详情表，如果按照标准的独立数据库方式，只需要商品中心来进行对应的代码变更就可以了，这对依赖商品中心的其他服务来讲是透明的。

而非独立库模式就比较蛋疼了，每个去直接查询商品表的服务都需要改一遍。

如下图所示：

上述例子属于读入口收敛的范畴，而写入口不收敛，在多个服务中对一张数据表进行写入的话，则带来的问题同样不少。

问题包括：

（1）表结构变更问题，如果增加一个非空字段，那么所有写入口的代码全部需要变更，且这种“散弹式”修改非常容易遗漏。

（2）问题排查难，一旦发现写入了问题数据，那各个写入口全部需要进行排查，工作量大且复杂。

除了读写入口收敛问题，再有就是，如果形成了上文中所说的“分布式单体架构”，那接下来再想进行优化改善的话，将会是一件工作量极大的事情，所以不如一次做好。