Estilos de arquitectura y diagnóstico de red · Infra C7¶
Lo que la sesión deja planteado y aquí queda escrito con calma: los siete estilos con los que se describe un sistema distribuido, y las dos medidas con las que se diagnostica un enlace antes de culpar al programa.
Componentes y conectores¶
Un componente es un módulo con interfaz definida que encapsula una responsabilidad y se puede reutilizar. Un conector es el canal por el que dos componentes se comunican. Describir una arquitectura es decir qué componentes hay y por qué conectores hablan; los siete estilos de abajo son las combinaciones que más se repiten.
Los siete estilos¶
Cliente-servidor¶
Un componente pide y otro responde. Es el más simple y sigue siendo el más común: HTTP con el navegador, el correo con SMTP e IMAP, una aplicación contra su servidor de base de datos.
Funciona hasta que la escala obliga a dividir el servidor, y ahí es donde empiezan los demás estilos.
En capas¶
Cada capa ofrece servicios a la de arriba y consume los de la de abajo: navegador, servidor web, lógica de negocio, base de datos. Django, Spring MVC y Laravel se organizan así, y también la banca con su front, su middleware y su core.
Lo que cuesta: cada solicitud atraviesa todas las capas y cada salto suma latencia aunque no haga trabajo útil. La capa de abajo atiende a todo lo que está encima y es la primera en saturarse, y un cambio de contrato entre dos capas se propaga hacia arriba.
Microservicios¶
El sistema se parte en servicios pequeños, cada uno con su despliegue y su equipo. Netflix pasa de mil, Amazon lo impuso en 2002 con el mandato de que cada equipo expusiera sus datos como servicio, y Uber migró de monolito a unos 2.200 entre 2014 y 2020.
Lo que cuesta: lo que en un monolito era una llamada a función se vuelve una llamada por red con latencia, reintentos y errores parciales. Los datos dejan de estar en la misma transacción, y hacen falta métricas y trazado distribuido para saber por dónde pasó una solicitud.
La ley de Conway explica por qué una organización termina con la arquitectura que tiene: el sistema copia la estructura de comunicación de quien lo construye. Para tener servicios que se desplieguen por separado hacen falta equipos que decidan por separado, y por eso el monolito sobrevive donde todos comparten un mismo proceso de despliegue.
La observabilidad es saber qué pasa adentro a partir de lo que el sistema emite hacia afuera. Con un monolito basta un registro; con cincuenta servicios se arma con dos piezas: métricas y monitoreo, con Prometheus guardando series de tiempo y Grafana graficándolas, y trazado distribuido, con Jaeger o Zipkin siguiendo una misma solicitud por todos los servicios que tocó.
Entre pares¶
No hay nodo central: cada par es cliente y servidor a la vez, y la capacidad crece con el número de participantes. BitTorrent reparte un archivo grande entre todos los que lo tienen, cada nodo de Bitcoin guarda su copia de la cadena, IPFS reparte un sistema de archivos y el Skype original llevaba voz así.
Lo que cuesta: sin coordinador, encontrar quién tiene un dato exige protocolos de descubrimiento y tablas de hash distribuidas, y mantenerlos con nodos que entran y salen es difícil. Y como cualquiera puede unirse, hay que asumir pares que mienten, que sirven contenido alterado o que inundan la red con identidades falsas.
Centrada en datos¶
Un repositorio central integra los datos y los componentes lo consultan y lo actualizan. Es la figura de un almacén analítico como Snowflake o BigQuery, de un lago de datos sobre el que operan varios motores, y de un ERP alrededor de su base corporativa.
Lo que cuesta: el repositorio recibe el tráfico de todos y se vuelve el cuello de botella, además del punto donde una caída detiene todo. Crecer suele significar agrandar esa única pieza, con el techo de la escala vertical.
Orientada a servicios¶
Servicios independientes con contratos formales, que se descubren y se consumen entre dependencias distintas. Se ve en bancos con un bus empresarial que conecta sistemas heredados, en aseguradoras con servicios para cotización y reclamos, y en integraciones entre entidades del Estado.
Lo que cuesta: el formalismo de SOAP, WSDL y los estándares WS-* pesa en cada llamada, y el bus central concentra enrutamiento y transformación hasta volverse una pieza que nadie se atreve a tocar.
La diferencia con microservicios, que es la pregunta de todos los semestres: la orientada a servicios es más pesada y sus piezas son más grandes; los microservicios son más livianos, hablan por HTTP o gRPC y favorecen que cada equipo despliegue el suyo.
Basada en eventos¶
Los componentes producen y consumen eventos por un canal común, sin conocerse entre ellos. Uber publica cada cambio de ubicación en Kafka y decenas de servicios reaccionan; LinkedIn movió su plataforma a Kafka en 2011; los sensores de IoT emiten en flujo; una tienda publica que se creó un pedido y el inventario, la facturación y las notificaciones reaccionan en paralelo.
Lo que cuesta: el orden de los eventos y la entrega repetida pasan a ser problema de quien consume, y seguir una operación completa exige reconstruir la cadena de eventos que la compuso.
Los siete, lado a lado¶
| Estilo | Dónde vive el estado | Qué cuesta |
|---|---|---|
| Cliente-servidor | en el servidor | el servidor es el techo |
| En capas | en la capa de persistencia | cada salto suma latencia y la capa de abajo se satura |
| Microservicios | repartido, uno por servicio | despliegues, contratos y red por todas partes |
| Entre pares | en todos los pares | descubrimiento, y pares en los que no se puede confiar |
| Centrada en datos | en el repositorio | el repositorio recibe todo y crece hacia arriba |
| Orientada a servicios | en cada servicio, con contrato | el formalismo y el bus central |
| Basada en eventos | en el registro de eventos | el orden y la entrega repetida los resuelve quien consume |
Los estilos no son cajones excluyentes: lo normal es que un sistema combine dos o tres. Microservicios que se comunican por eventos, o una aplicación en capas cuyo almacenamiento es compartido, son las mezclas más frecuentes.
Diagnosticar un enlace antes de culpar al programa¶
La latencia y el ancho de banda son dos números que no se deducen uno del otro, y cada uno tiene su herramienta.
Lo que se espera de cada enlace¶
| Enlace | Throughput | Demora de respuesta |
|---|---|---|
| Gigabit cableado | 900 a 940 Mbit/s | bajo 1 ms |
| Wifi de 5 GHz con buena señal | 200 a 400 Mbit/s | 2 a 10 ms, con mdev alto |
| Salida a internet | lo contratado con el proveedor | 10 a 60 ms a la región |
| Loopback | decenas de Gbit/s | cerca de 0,03 ms |
Una transferencia real siempre queda por debajo de esa cifra. Medido con
curl sobre un archivo de 50 MB:
curl -s -o /dev/null -w 'total: %{time_total} s velocidad: %{speed_download} B/s\n' \
'https://speed.cloudflare.com/__down?bytes=52428800'
total: 1.512595 s velocidad: 34661538 B/s
Son 34,7 MB/s, unos 277 Mbit/s. La brecha contra el número de iperf3 se
explica sola: un solo flujo TCP descubre la ventana desde cero y se frena con
cada pérdida, mientras que iperf3 -P 4 reparte ese riesgo entre cuatro; TLS
agrega el saludo inicial y cifra cada byte; y si el archivo se escribe en vez
de irse a /dev/null, el límite pasa a ser el disco.
Contra la propia máquina la brecha se ve en limpio: iperf3 informó
27,9 Gbit/s y ese mismo loopback, sirviendo un archivo de 300 MB por HTTP con
un solo flujo, dio 1.317.789.276 B/s, unos 10,5 Gbit/s. Mismo camino, un
tercio del número.