雷锋网按：技术圈流传这样一句话“人工智能背后的架构和工程问题是武当少林，属于内功。而算法则是招式，讲究一时之快。”
再强的算法均需强大的架构和工程作支撑，两者缺一不可。
那么 AI 公司该如何设计承载产品背后庞大复杂的算法、工程核心架构？本期雷锋网 AI 科技评论特邀极限元 CTO 康利强为大家讲述《AI 公司该如何设计基于微服务的 AI SaaS 架构》。
康利强，极限元 CTO，亲自主导搭建了支撑极限元现有语音识别、计算机视觉、人机交互解决方案的构架；20 年软件研发、架构设计以及项目管理经验，前亿赞普集团核心架构设计专家；美国 Borland 软件公司中国机构分布式存储架构师及项目负责人。
本期公开课视频（共 44 分钟）
如想获取本期公开课的 PPT 资源，关注雷锋网人工智能垂直微信公众号“ AI 科技评论”，在后台回复关键词“架构”，即可收到本期公开课 32 页的 PPT 下载链接。
以下为分享正文：
今天我给大家分享的内容是，基于微服务的 AI Saas 架构设计。
既然要设计 SaaS 架构，先要了解何为 Saas？SaaS 是云计算的一种服务形式，关于云计算，我先简要做个介绍：
什么是云计算？
云计算的分类（分层）
云计算新的服务方式
云计算是一种计算资源，按量付费，也就是你用多少就支付多少费用，可以便捷的访问，通过网络进入可配置的资源池，（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，我们只需投入很少的管理工作，或与服务供应商进行很少的交互。
2006 年 8 月 ，Google 提出云计算的概念，到今天经过了 10 年的发展，云计算越来越为大家所接受，很多人也在使用云计算提供的服务，比如云主机、云存储、网盘、云分发、云笔记等等；今天的直播也会用到其中的几项服务，比如云存储、云分发，由于用到云分发，所以大家在看直播的时候会有一个比较低的延时。
接下来介绍 SaaS，除了SaaS 外，云计算也包含其他几种类型：
主要有以下几种类型：
IaaS(Infrastructure-as-a- Service)：基础设施即服务。消费者通过 Internet 可以从完善的计算机基础设施获得服务。也就是云主机，比如亚马逊云，微软云，阿里云等。
PaaS(Platform-as-a-Service)：平台即服务。PaaS 实际上是指将软件研发的平台作为一种服务，以 SaaS 的模式提交给用户。因此，PaaS 也是 SaaS 模式的一种应用。PaaS 的出现可以加快 SaaS 的发展，尤其是加快 SaaS 应用的开发速度。需要用户有一定的开发能力，比如谷歌的 GAE。
SaaS(Software-as-a-Service)：软件即服务。它是一种通过 Internet 提供软件的模式，用户无需购买软件。例如：各种云存储，网盘、云笔记。
近些年随着 Docker 的发展，出现了一种新的服务形式：CaaS。
CaaS (Containers-as-a-Service): 容器即服务这是随着近几年docker的火热而出现的一种新的服务形式，使应用的打包与部署自动化，创建轻量、私有的 PAAS 环境，使持续集成/部署、测试自动化，部署可伸缩的 web app、数据库和后台服务。
因为 docker 基于 Linux Container（Namespace，cgroup,chroot等），抽象出 Libcontainer 的接口，docker 运行于 Libcontainer 接口之上而不关心底层实现，所以这种服务就叫做 CaaS。
这是一个简化版的云计算分类，通过这个图可以一目了然看到它们之间的关系。
既然讲架构设计，所以要了解一下架构模式，题目是基于微服务的架构设计有微服务，那么是不是有宏大的服务呢，答案是肯定的。
一般来说，有以下两种架构模式：
单体式架构（Monolithic Architecture）
微服务架构（Microservices Architecture）
下面我们来看一下单体式架构：
单体式架构就是所有功能打包运行在一个进程，比如一个war包，从这个架构图我们也可以看到，这是一个叫车应用，中间部分是一个整体，包含很多功能，有乘客管理，通知，支付，司机管理 ，路线规划等功能。
优点是开发，部署，测试，水平扩展比较容易，可以放到一个工程，打一个包，扩展的时候只把这一个包复制到新的位置即可。缺点就是随着功能增多，代码变多， 维护成本高，交付周期长。
与此同时，不同模块发生资源冲突时，扩展将会非常困难。造成资源的浪费，有的要大内存，有的高带宽，有的要大的存储空间等。为了同时满足这些条件，这样就造成了资源的浪费。
还有一个问题是，技术选项成本高，必须谨慎选择，因为一旦选定很难更改，如果要更改的话，肯能要全部推到重来。另外可靠性也存在问题，一个模块故障会影响整个服务。
在了解微服务之前，首先了解什么是微服务，其次需要了解微服务架构的设计要点，最后需知道微服务的优缺点。先看一下什么是微服务？
微服务没有一个公认的确切定义，但是有一些共性，微服务是是面向服务架构的一种特例，有以下特性：
容易替换（升级）。
服务轻量级，可独立部署，构建发布自动化。
与其他服务通过网络协作完成任务。
根据功能来划分服务，比如用户前端，推荐，物流，账单等。
可以用不同的语言、数据库、软硬件实现。
所以微服务本身天然就具有模块化特性，适合于持续交付的开发部署，业务改变只需要重新发布部署少量的服务。了解微服务以后，进入今天的主题：为微服务架构设计。
我们知道，人工智能的核心是机器学习，因为机器不会自己学习，所以要明确指明一些特征来让机器知道符合这个条件的是什么，符合那个条件的是什么，这就需要编写复杂的程序来让机器来学习，在某些场合，随着需要的特征约来越多，编写程序越来越困难，我们无法用足够实用并且可靠的方式明确指定所要优化的特征。
以让机器识别一只猫为例，假设这只猫是白色的，先不考虑其他特征，只说颜色特征。其它特征+白色这两个特征让计算机知道这是一只猫，那么来一只黑色猫就不认识了，或者来一只加菲猫计算机就有可能就会把它识别成色情图片了。
这就导致所需的特征越来越多，这时候发现程序没法写了。于是深度学习顺势而生，大量数据通过深度神经网络的训练，让计算机学习，机器会自己提取特征并跟测试集来比较，然后自己调整进行下一轮的训练，直到训练出合适的结果。所以说目前的 AI 更多是数据的比拼。
首先我们要了解 AI 能做什么，AI 可以做一些色情检测、广告检测、涉爆涉恐言论以及电信诈骗检测，这些都是 AI 可以做的事情。用 AI 来做的话可以节省大量的人力，但是，不是所有公司都有能量构建 AI 系统，从上图中可以看出，构建 AI 系统需要大量数据，需要大量计算资源，需要专业技术人员。
所以随着社会分工越来越细，专注于自己的业务，专业的事情交给专业的公司来做就好，避免自己精力过于分散。以直播平台为例，其需要检测上面所述的一些违规内容，也可以用 AI 来检测。但是不一定要自己做 AI 系统，你可以把更多的精力放在直播的流畅度、延时、互动性等提升上。
由于 AI SaaS 需要提供多种服务，不同的服务需要不同的计算资源，AI 算法需要 GPU 资源，所以微服务的架构更适合 AI SaaS。
传统的架构设计一般从这 5 个方面来设计，所谓的五视图：逻辑架构，开发架构，运行架构，部署架构，数据架构。
逻辑架构主要是考虑需求，并根据职责划分逻辑层，子系统、子模块儿，同时考虑模块儿的接口。
开发架构：源文件管理，工程组织方式，依赖的库、框架，以及构建系统。
运行架构：子系统需要几个进程，进程之间怎么通信，以及怎么启停。
部署架构：系统的物理架构，需要那些服务器，服务器之间的网络拓扑结构，以及系统运行到那些服务器上。同时还需要考虑冗余，因为系统出问题是必然的。
逻辑架构是根据需求划分的几个逻辑层，主要分为接入层，业务层，存储层，管理层，这几层分别有不同的服务。
整体架构
上面讲到逻辑架构要根据需求划分子系统，子模块，以及定义模块的接口。对应的微服务架构的话就是怎么根据需求分解成微服务，以及怎么定义服务间的通讯接口。与单体应用不同的是还需要确定服务的位置，所以需要服务定位。此外，由于微服务通过网络来访问，所以需要有对应的故障处理机制。
服务的划分
所以下面就从服务的划分，接口设计，服务定位（注册与发现），故障处理来讲解一下逻辑架构。
第一，服务的划分，服务划分的原则跟面向对象设计原则基本一致，单一职责，高内聚，低耦合。我们知道对于需求来说分为功能性需求跟非功能性需求，那么微服务也按这种方式来划分。
首先来看功能性需求：
API Server api 的接入，认证，负载均衡。
Service Registry服务注册与发现。
AI 网关：AI 服务的流量控制与负载均衡。
AI 服务：提供 AI 服务，比如图像识别，语音识别等。
计费服务 计费的管理
文件服务 存储文件
非功能性需求
缓存服务：提高性能
监控服务：监控系统及应用的情况
日志服务：应用日志收集分析
接口设计
接口设计分为：对外接口，内部接口。为了方便多语言的开发，所以对外提供 http 协议接口，不一定完全按照 REST ful 去设计，根据业务确定。每个请求需要确定访问者的身份，而 http 无状态，故可以用 JSON Web Token(JWT) 来做认证。
内部调用分为两种：同步调用，异步调用。
同步调用可以这几种方式去做：REST API ，RPC框架，比如 thrift，gRPC 等，或者可以基于 PB 自定义通讯，当然也可以完全用完全自定义的协议，根据公司开发资源灵活选择。
异步调用主要是通过消息队列去做 （RabbitMQ，RocketMQ,kafka,NSQ）等。
服务定位（注册与发现）
既然有这么多服务，这些服务有会同时存在好多实例，那么怎么去定位这些服务也是一个要解决的问题。
这就是服务定位，也就是服务注册与发现。
为什么需要定位呢，一是服务位置的变化，另一个就是数量的变化。服务位置可能会变化由于某些原因要迁移到不同的 ip 地址，数量会变化，比如增加一台服务器，需要对外提供服务，就要告诉网关，如果用固定配置文件方式就会比较麻烦，所以需要动态的去获取服务的位置。
现在常用的几个开源服务包括 ZooKeeper、Etcd、Consul 等，服务启动注册到注册表服务，当一个请求到来时，网关去注册表查询。服务位置，然后把请求转发到其中某一个服务，服务与注册表服务之间会定时检测，如果一个服务挂了，那么就会从注册表删除，同时通知网关，这样就可以避免访问到失败的服务。而如果有新加入的服务，它会注册到注册表，网关也会收到通知，这样请求就可以转发到新服务，不需要手工做任何的配置。
故障处理
刚才提到服务挂了注册表会检测到，但是并不是实时的，所以这个时候的调用就会失败，那怎么处理这些调用失败呢？通过故障处理这节我们有以下这些处理方式。我们可以看到有超时机制、限流、熔断机制、负载均衡、降级（本地缓存）。在解释这些处理机制之前我，我们先通过这个图看一下如果出现故障，不管是服务挂了也好，网络断了也好，还是访问量太大处理不过来，会发生什么情况，会造成服务不可用，没法处理新的请求。
这种情况的第一个处理方式就是超时机制，就是每个调用都要有个超时时间，防止资源被无限制的占用，这样避免影响后面的调用。如果流量太大处理不过来，就可以通过限流来处理，比如用请求队列大小来限制访问量，避免访问量过大造成服务不可用，就像早期的 12306，想必刷过票的都有体会。
断路器模式：就是先跟踪成功、失败调用的次数，当比率达到设定的阈值，打开断路器，后续的调用就会立即失败，这时候断路器会启动一个定时器，来给服务器恢复服务，计时器时间到了就会去允许一定数量的请求操作，而不是立即返回失败，如果全部调用成功就关闭断路器开始正常服务，否则继续启动定时器，进入下一个循环。
负载均衡方式：后面对应多个服务实例，一个服务失败会自动切换到另一个，这也是一种故障处理方案。某些业务情况直接返回错误可能不太友好，所以可以返回缓存的数据，或者返回默认的数据，比如别人发了朋友圈，你刷新的时候还给你返回旧的数据，也不会影响你的体验，过一会儿再一刷，他就出来了。逻辑架构这部分就结束了，上面所说的这些功能都是需要开发来实现的，所以下面我们看一下开发架构。
开发架构主要是一些软件资源以及人员的问题。随着开源软件的发展，它们可以减少我们大量的工作，我们有许多服务，这些服务之间需要通讯，所以可以选择一些通讯框架，比如 netty，libevent 等，这样可以减少很多工作量，提高效率。还有一些开源应用可以直接使用，如 nginx，redis，mysql，prometheus，grafana 等。
nginx 可以用作反向代理，redis 用于缓存，mysql 作为数据库，Prometheus，Grafana 用于监控。
源码版本控制可以直接用 gitlab 社区版，当然也可以用 GitLab 收费版。如果完全开源，那么也可以直接用 GitLab 的免费服务。
Bug 管理选择 redmine，当然也可以用 jira，那就需要不少的费用。
人员方面根据团队擅长的语言，比如 Java，可以做网关，计费系统等，而 AI Server 通常用 C++ 去做，当然有些应用也可以用 Go 语言做，如 prometheus 就是用 Go 写的。
主要有一下几个进程，如图所示，请求的流程如图所示。
确定了运行的服务，那么接下来我们来看看怎么部署这些服务，也就是服务的部署架构。
首先看下怎么部署：
每个主机一个 Service 实例，这些主机可以是真实主机、虚拟机、容器、Docker。部署的时候要考虑灾备，可以同一个服务部署多个实例。对于微服务来说，由于服务数量比较多，手工部署比较繁琐，也容易出错，所以需要一些自动化的部署工具。比如 puppet,saltstack,chef,ansible，k8s(kubernetes) 是 Docker 的编排工具。CoreOS 提供 docker 的运行环境，精简版的 Linux，很快的可以部署出一个系统出来，包括一些 Marathon/Mesos。
部署原则
API Gateway 对外提供服务，所以需要高带宽，AI 服务部署到 GPU 计算资源的主机。文件服务部署存储空间大的主机，缓存服务需要内存大的主机。所有应用都部署在云上，方便扩容。
部署架构图
正在生成分享图...
王金许