时间:2017-11-20 作者:剧中人
小剧所在的团队最近开设了对外博客,计划分享我们在 Odeon Bigdata 上的一些经验积累,也会有大数据相关的技术领域的一些见解。如果你对大数据感兴趣的话,欢迎关注我们。
这篇文章总结了下小剧自加入团队以来在前端上的一些尝试。
很幸运于今年加入科大讯飞,加入卧虎藏龙的大数据研究院。负责Odeon大数据平台前端方向的探索和研发工作。
在此之前,Odeon上线已有一年多,其间版本更新频繁。很难想象在仅有大数据开发和服务端同学的情况下,能将平台前端部分维护的相当稳定。而且还在不断快速推出新功能,确实很不容易。
Odeon背后有着很多大数据相关的组件,以及复杂的集群部署方案。这些对于我来说是完全陌生业务方向,虽然不在我的研发范围内,但也在逐步做学习了解。
对于前端来说,最重要的当然是Odeon的WEB侧。在最早大数据项目立项时,根据当时所处的环境,很明智的采用了hue作为WEB选型。
作为一个同时集成了前端界面、后端功能以及成熟的部署方案的框架,hue为早期的项目的快速推进起到了至关重要的作用。在不足三个月时间内就完成Odeon的第一个版本的上线。
项目演进一年后,经过数次功能累加的Odeon已经逐渐在WEB侧表现出一些不足,主要有以下几点。
上面列的几个问题,有hue框架自身的局限性,也有开发时对前端的重视度不足引起的。当然这些都可以归类到历史原因。
针对静态资源部分曾做过调研,hue是基于django框架开发,python作为底层语言。在这样的架构下借助于django-pipeline可以实现静态资源的优化。
虽然找到了能完成静态资源优化工作的工具,对比最近几年前端日新月异的工具演化,django-pipeline的API还是略显笨拙。并且此处改造强依赖于server端逻辑,实现成本较高,并且收益较小,因此不予考虑。
针对第二条,很自然想到两种办法去处理。一是直接替换前端框架,但是因为替换底层框架工作量相当大,而且测试成本极高,因而放弃。二是按模块替换,但是这会引来第三条组件冗余问题,更是得不偿失。
第三条就相对简单很多。最开始接触项目我曾统计过平台用到的前端组件,在可以相互替代的组件中选出一个供使用,其余的逐步替换直至从项目中移除。
第四条就相当难办了,在现有架构下前后端胶着的问题几乎没有任何可操作的空间。
在接手项目初期一条条处理下来,就是小打小闹并没有质的改变。
在对项目做了一些调研、处理均未获得较大收益之后,我开始尝试使用前后端分离的方式进行处理。主要基于以下几点考虑:
虽然列了几条考虑方面,但是最核心的其实只有一个词「解耦」。一是指具体代码层面的解耦,如业务逻辑、架构、组件等;二是前后端分工层面的解耦,可以做到各司其职,相互独立开发。
解耦后最直观的影响就是提升开发效率、降低维护成本,同时解决平台面临的问题。
说到底前后端分离只是一个概念性的架构,具体落地有很多种实现方式。在Odeon项目的实践中主要有以下五点:
前面四条相对容易理解,对于最后一条「无侵入式」的代理可能会略显困惑。
其实很简单,比如我可以QA环境为蓝本,开发时使用的URL即为QA环境的域名,针对前端的path动态代理至本地。这样即可使用QA环境的绝大多数功能以及数据服务,而前端部分则为本地开发代码,具体逻辑可以看下图。
这样一来即可达到,并未动QA环境一行代码,又可以基于QA环境进行开发的效果。当然实际开发中更推荐使用同一需求下的后端同学的环境,这样能够更加高效快捷。
本地代理使用了基于nodeJS开发的代理工具whistle,感兴趣的话可以尝试使用。
答案必然是否定的,前后端分离是根据当项目现状,以及可预见的迭代方向上作出的一个选择,能够解决眼前问题,同时适应中长期的前端项目发展要求。
但正如三国演义中第一回提到的一样「分久必合,合久必分」,如果只是一味的强调前后端分离而不知变通的话,可能在特定场合下会因为限制了技术的多样性而引起反效果。
以上就是最近Odeon在前后端分离上的一些探索,希望对你有所帮助。