Das Schlimmste, was bei einem Software-Projekt passieren kann, ist, dass es zu einem sogenannten “Big Ball of Mud” mutiert. D.h. die Anwendung ist so unstrukturiert und komplex gewachsen, dass eine Weiterentwicklung nur mit einem enormen Zeit- und Ressourcenaufwand möglich ist.

Um dies zu vermeiden, muss die Architektur der Anwendung fundiert geplant und aus der Vielzahl der Architekturansätze der für das Problem passendste gewählt werden. Richtig angewandte Software-Architektur ist der Schlüssel zu einer schnellen und nachhaltigen Anwendungsentwicklung.

Vor einigen Jahren waren monolithische Anwendungen noch die “State of the Art” Architektur der Software Entwicklung. Alternativen wie die Serviceorientierte Architektur traten zwar in Konkurrenz mit den Monolithen, konnten sich jedoch nie in großem Umfang durchsetzen.

Das Aufkommen von Container- und Orchestrierungssoftware zusammen mit Cloud-Computing-Diensten wie AWS brachten jedoch einige neue Spieler auf das Feld der

Software Architektur. Zu diesen sogenannten Cloud Native Applikationen zählt auch die Microservice Architektur.

Microservices

Seit einiger Zeit sind Microservices das Hype Thema auf IT Konferenzen. In herkömmlichen Software Systemen trifft man immer wieder auf die gleichen Probleme. Die Codebase wird unübersichtlich, neue Features brauchen immer mehr Zeit in der Entwicklung und die Skalierung der Anwendung frisst eine Menge Ressourcen. Microservices versprechen hier Abhilfe zu schaffen. Das Konzept ist simpel: Teile die Anwendung in viele kleine unabhängige Einheiten, um Komplexität zu reduzieren, unabhängig zu skalieren und Wiederverwertbarkeit zu fördern. Die Microservice Erfolgsgeschichten von Amazon, Netflix, Uber und Co. scheinen die Theorie zu unterstreichen. In der Tat hilft die Microservice Architektur dabei diese Probleme auf eine elegante Art zu lösen. Auf dem Weg zu einer Microservice basierten Anwendung ergeben sich jedoch neue Stolperfallen. In diesem Artikel werden einige der Probleme beleuchtet, die durch den Einsatz der Microservice Architektur gelöst werden können. Darüber hinaus werden verschiedene Lösungsansätze vorgestellt.

Microservices sind ein Gegenentwurf zu der klassischen monolithischen Architektur. Bevor wir uns ihnen widmen, sollten wir jedoch klären, was ein Monolith ist. Wer schon einmal eine Applikation entwickelt hat, wird dabei mit hoher Wahrscheinlichkeit eine monolithische Architektur gewählt haben.

Der Begriff Monolith kommt aus dem altgriechischen und bedeutet übersetzt so viel wie “einheitlicher Stein”. Wikipedia meint dazu: “Ein Monolith ist eine eher allgemeinsprachliche Bezeichnung für einen natürlich entstandenen oder bearbeiteten Gesteinsblock, der komplett aus derselben Gesteinsart besteht.”

Monolithen stellen die klassische und intuitive Art dar, Software aufzubauen. Eine Anwendung wird hier als eine Einheit entwickelt, die auf einem Technologie-Stack basiert. Beispiele hierfür sind PHP Laravel, Java Spring Boot oder auch Node.js Express Applikationen. Fachliche Abgrenzungen innerhalb der Software werden durch Module realisiert, welche durch natürliche Funktionalitäten der gewählten Programmiersprachen verbunden werden, wie z.B. Methoden-Aufrufe.

 

monolithen-architektur

Eine klassische Monolithen-Architektur

Nachteile von Monolithen

Diese Herangehensweise ist simpel und leicht umsetzbar, jedoch bietet sie auch einige Nachteile, die vor allem in späteren Entwicklungsstadien spürbar werden:

 

Big Ball of Mud

Monolithische Anwendungen können im Laufe der Zeit zum “Big Ball of Mud” mutieren.

Ein Zustand, in dem die fachliche Trennung einzelner Teile der Anwendung nicht konsequent genug verfolgt wurde oder die Applikation schlichtweg so groß geworden ist, so dass kein Entwickler die Anwendung mehr gänzlich erfassen und verstehen kann. Dies führt zu einer steigenden Entwicklungszeit für neue Funktionalitäten und frustrierten Entwicklern.

 

Sprachabhängigkeit

In einer monolithischen Anwendung besteht eine Abhängigkeit zu dem Technologie-Stack, der zu Beginn gewählt wurde. Beispielsweise hat sich Python als “State of the Art” Sprache für Machine und Deep Learning etabliert, als Backend-Sprache für Webanwendungen dominieren jedoch eher Java, C# und PHP. Bei einem reinen Monolithen muss man sich jedoch auf eine der Technologien und den damit einhergehenden Nachteilen festlegen.

 

Begrenzte Skalierbarkeit

Im Webbereich ist es zur Normalität geworden, dass Anwendungen ab einer gewissen Nutzeranzahl nach oben skalierbar sein müssen. Egal welche Technologie gewählt wird, ab einer bestimmten Anzahl an Anfragen ist definitiv Schluss. Die Skalierung eines Monolithen ist sehr einfach, mehrere Instanzen einer Anwendung werden auf einem oder mehreren Servern gestartet. Ein Loadbalancer kümmert sich darum, die Anfragen auf verschiedene Instanzen zu verteilen. Laut dem AKF Scale Cube  handelt es sich um eine Skalierung auf der X-Achse. Der Nachteil dieser Herangehensweise sind die damit verbundenen hohen Kosten, da die gesamte Anwendung inklusive Datenbank repliziert werden muss, was wiederum zu einem hohen Ressourcenverbrauch an RAM, CPU und Speicherplatz führt.

 

Unzuverlässigkeit

Ein weiteres Problem mit monolithischen Anwendungen ist ihre Unzuverlässigkeit. Fehler in der Anwendung, wie beispielsweise Memory Leaks, haben das Potential, das gesamte System lahm zu legen.

Vorteile von Microservices

Microservices adressieren diese Probleme, in dem sie die monolithische Anwendung aufbrechen. Anstatt sich auf einen einzelnen Technologie-Stack zu verlassen, wird versucht, kleine unabhängige Teile des Systems zu bilden, welche über eine sprachunabhängige API miteinander kommunizieren. Einzelne Services können in der am besten geeigneten Technologie entwickelt werden. Klar abgegrenzte Aufgaben ermöglichen es den Entwicklern, an einzelnen Services zu arbeiten, ohne sich mit der Komplexität des gesamten Systems auseinandersetzen zu müssen.

Durch eine Microservice-Architektur kann ein System auf der Y-Achse des AKF Scale Cube skaliert werden. Es werden nicht von dem gesamten System mehrere Instanzen bereitgestellt, sondern lediglich von ressourcenintensiven Services. Services, die z.B. für Machine Learning viel Rechenleistung benötigen, können auf teuren Servern mit GPU laufen, während Services mit niedrigen Anforderungen auf günstigen Hosts verbleiben.

Dies führt zu einer optimalen Nutzung der Umgebung und zu einer einfachen und schnellen Skalierbarkeit des Systems. Bei einer sauberen Aufteilung der Services fällt bei einem kritischen Fehler nicht das komplette System aus, sondern nur ein kleiner Teil, so dass die Anwendung weiter genutzt werden kann.

Das alles sind gute Gründe für den Einsatz einer Microservice-Architektur, doch leider ist sie keine eierlegende Wollmilchsau. Microservices kommen mit einigen nicht zu vernachlässigenden Nachteilen daher. Doch bevor wir diese eingehender betrachten, schauen wir uns zunächst ein paar der Herausforderungen an, die dieses Pattern mit sich bringt.

 

microservice-architektur

Eine klassische Microservice-Architektur

Die Microservice-Umgebung

Wenn man Software entwickelt und veröffentlicht, gibt es nichts Schlimmeres als Probleme mit der Umgebung. Konflikte in den Abhängigkeiten, zwischen verschiedenen Versionen oder Inkompatibilität zwischen verschiedenen Betriebssystemen können einen zur Weißglut treiben. Glücklicherweise gibt es für dieses Problem schon lange eine Abhilfe.

 

Container-Lösungen

Früher wurden Instanzen von Anwendungen in virtuellen Maschinen (VM) ausgeliefert. In einer virtuellen Maschine wird zusätzlich zu der Anwendung noch ein Betriebssystem ausgeführt.

Der Vorteil: man kann die Umgebung inklusive aller Abhängigkeiten fest setzen und bei Bedarf einfach sauber neu starten. Der große Nachteil ist natürlich der erhöhte Ressourcenverbrauch. Zu monolithischen Zeiten war das noch vollkommen in Ordnung. Allerdings ist der Aufwand und der Ressourcenverbrauch deutlich höher, wenn nicht mehr eine VM pro Applikation, sondern pro Service benötigt. Deshalb brauchte es noch einige Zeit bis die Microservice-Lösung wirklich praktikabel wurde, und zwar bis zum Siegeszug der Container-Lösungen, insbesondere des Platzhirsches Docker. Anders als virtuelle Maschinen nutzen Container den Kernel des Betriebssystems, auf dem sie laufen und sind damit viel leichtgewichtiger.

 

vm-vs-container

VM vs. Container

 

Das gesamte Docker-Ökosystem wurde mit dem Gedanken entwickelt, die Bereitstellung von  Software zu vereinfachen. Diesen Erfolg wird heute wohl niemand mehr bestreiten können. Doch nicht nur Container helfen dabei, eine Microservice-Architektur umzusetzen. Ein weiterer Grundpfeiler der Microservice-Umgebung sind Container Orchestration Lösungen.

 

Container Orchestration und Kubernetes

Das wichtigste und bekannteste Container Orchestrations Werkzeug ist Kubernetes. Ursprünglich von Google unter dem Namen Borg entwickelt ist Kubernetes mittlerweile als Open Source Software verfügbar. Kubernetes ermöglicht es, mehrere Server zu einem Cluster zusammenzufügen, wobei sich Master Nodes um das Verwalten des Clusters kümmern und Worker Nodes Container ausführen. Ein Server-übergreifendes System kann in seinem idealen Zustand definiert werden während Kubernetes dabei unterstützt diesen Zustand herzustellen. In einem Cluster kann festgelegt werden, wie viel CPU und RAM ein Container beanspruchen darf. Dabei verteilt Kubernetes die Last bestmöglich auf alle verfügbaren Nodes. Abstürzende Container werden von Kubernetes selbständig neugestartet oder ersetzt. Eine Microservice-Anwendung, die in Containern auf Kubernetes läuft, kann ideal und schnell skaliert werden. Sollten die Ressourcen knapp werden, ist es einfach, neue Nodes zum Cluster hinzuzufügen und neue Instanzen von überlasteten Services zu starten.

 

Kubernetes

Kubernetes

 

Kubernetes und Docker schützen auch vor dem “Vendor Lock-In”, zu deutsch Anbietersperre. Hierbei ist es nicht mehr, oder nur sehr schwer möglich, eine Anwendung von einem Cloud Service Anbieter zu einem anderen umzuziehen. Mittlerweile gibt es bei allen großen Cloud Anbietern wie Google, Amazon und Microsoft, als auch bei vielen kleineren und spezialisierten Anbietern Kubernetes als Service. Durch die abstrahierte Umgebung, die Kubernetes liefert, ist es möglich, ohne großen Aufwand in ein neues Cluster umzuziehen.

Die Microservice-Kommunikation

Microservices reduzieren die Komplexität von Anwendungen, da einzelne Probleme in Services ausgelagert und dadurch gelöst werden können, ohne störende Seiteneffekte beachten zu müssen. Jedoch verschwindet die Komplexität nicht vollends, sondern verlagert sich zumindest teilweise in die Schnittstellen der Services. Daher ist es notwendig, diese Schnittstellen genau zu planen und die Vor- und Nachteile der verschiedenen Kommunikationsarten abzuwägen. Bei der Wahl der Kommunikation zwischen den Services kann man sich zwischen synchroner und asynchroner Kommunikation entscheiden.

 

Synchrone Kommunikation

Synchrone Kommunikation bedeutet nicht, wie im herkömmlichen Sinn, dass es sich um einen blockierenden Aufruf handelt, sondern dass eine Anfrage verschickt und auf eine Antwort gewartet wird. In der Regel handelt es sich bei der synchronen Kommunikation um eine eins-zu-eins Kommunikation. Diese Herangehensweise hat einen großen Vorteil: Sie ist sehr einfach und die meisten Entwickler haben bereits Erfahrung auf diesem Gebiet. Im Moment gibt es drei populäre Ansätze für die Synchrone Kommunikation in Microservices. Der Klassiker ist die Kommunikation über HTTP mit einer REST-Schnittstelle. REST ist eine Spezifikation, wie eine über HTTP kommunizierende API konzipiert werden sollte. Oftmals trifft man jedoch auf sogenannte REST-Like APIs, die die grundlegenden Konzepte von REST umsetzen, sich jedoch nicht an jedes Detail halten. Grundlegend werden bei dieser Form einer API HTTP-GET Anfragen genutzt, um Ressourcen anzufragen. Mit einer POST-Anfrage werden neue Ressourcen erstellt, mit PUT und PATCH werden Ressourcen geändert und schließlich mit DELETE wieder gelöscht. Jede Ressource erhält einen eigenen Endpunkt, URL Parameter und Query Parameter werden genutzt, um Anfragen zu spezifizieren. Das Standard Datenformat ist JSON. Das wohl wichtigste Konzept von REST ist die Zustandslosigkeit, d.h. es wird keine Sitzung im Backend gehalten, stattdessen wird der gesamte Zustand über die Antwort definiert und im Frontend gehalten. Eine moderne Alternative zu REST ist das 2015 von Facebook veröffentlichte GraphQL. GraphQL ist wie der der Name schon sagt eine Query Sprache für APIs, deren Datenstruktur wie ein Graph aufgebaut ist. Unter der Haube werden zwar immer noch Standard HTTP Anfragen genutzt, bei der Verwendung einer GraphQL Implementierung muss man sich um diese Schicht jedoch nicht mehr selbst kümmern. Anfragen um Daten zu bekommen werden in Queries abgebildet, Anfragen die den Zustand der Daten ändern werden als Mutations zusammengefasst. Das Dateiformat ist auch hier JSON. Die Besonderheit von GraphQL ist, dass bei Queries und Mutation die Struktur der Antwort bei der Anfrage festgelegt wird, der Aufrufer entscheidet welche Relationen einer Ressource für ihn wichtig sind und in der Antwort inkludiert sein sollen. Das führt zum einen zu einer klareren und vorausschaubareren Datenstruktur bei Anfrage und Antwort, als auch zu weniger Aufrufen und damit weniger Datenkommunikation.

{
  book(id: "1") {
    title
    author {
      firstName
      lastName
    }
  }
}

GraphQL Query

 

Hier wird eine GraphQL Query gezeigt. Die Anfrage bezieht sich auf die Resource “Books”. In der Antwort erwarten wir das Feld “title”. Außerdem wollen wir gleichzeitig den Autor mit Vor- und Nachnamen geliefert bekommen. Folgendes Listing zeigt die Antwort auf diese Query. Man kann gut erkennen das sich beide Strukturen gleichen. Um an die identischen Daten von einer REST-API zu kommen, wären zwei Aufrufe nötig gewesen (einmal an die Resource “/book” und einmal an die Ressource “/author”). Diese beiden Aufrufe müssten dann noch in das richtige Format geparst werden.

{
  "data": {
    "book": "Refactoring",
    "author": {
      "firstName": "Martin",
      "lastName": "Fowler"
    }
  }
}

GraphQL Antwort

 

Die Felder der Query können beliebig erweitert werden, möchte man z.B. noch das Erscheinungsjahr des Buches ausgegeben bekommen oder welche Bücher der Autor sonst noch verfasst hat, würde die Query wie folgt aussehen:

{
  book(id: "1") {
  title
  realiseDate
  author {
    firstName
    lastName
    Books {
      title
    }
  }
  }
}

GraphQL Query mit Erscheinungsjahr und anderen Büchern des Autors

 

Die dritte populäre Methode der synchronen Kommunikation sind Remote Procedure Calls.

Mit gRPC hat Google ein Framework für Remote Procedure Calls entwickelt, das mittlerweile ein Open Source Projekt und Teil der Cloud Native Foundation ist. Anfragen sehen hierbei aus wie herkömmliche Methodenaufrufe. Durch das Protocol Buffer Format ist es möglich die Methoden und Typen für das gRPC Interface zu definieren. Der protoc Compiler generiert dann für eine Vielzahl an Programmiersprachen Service und Objekt bzw. Typen Implementierungen, die sehr einfach in eine Anwendung einbindbar sind. gRPC nutzt statt JSON ein Binäres Format für den Austausch. Des weiteren gibt es auch eine gRPC-Web Implementierung für die Verwendung im Browser. Die stark typisierte Beschreibung und das binäre Format führen zu einer sicheren und schnellen Schnittstelle. Allerdings gibt es keine klare Trennung zwischen Datenabfragen und Zustandsänderungen, was diese Methode etwas unübersichtlicher als REST und GraphQL machen kann.

 

Service-Discovery

Da die Services bei der synchronen Kommunikation gegenseitig ihre Schnittstellen aufrufen, müssen sie auch wissen, wie sie sich gegenseitig erreichen können. Sie müssen also ihre gegenseitige Adresse kennen. Das ist bei Services, von denen nur eine Instanz existiert, noch verhältnismäßig einfach, jedoch bei einer Vielzahl an Instanzen nicht trivial.

Hierfür braucht man eine Service Discovery – eine Software, bei der sich alle neuen Service Instanzen registrieren. Wenn eine Anfrage geschickt werden soll, wird zuerst eine Liste mit allen verfügbaren Zielen abgerufen. Die Auflösung kann über zwei verschiedene Wege erfolgen:

  • Client Side Discovery: Jeder Service bekommt einen eigenen Client, der zuerst die Liste abfragt und dann die Last auf verschiedene Instanzen verteilt.
  • Server Side Discovery: Es gibt einen zentralen Service, der mit der Registry kommuniziert und die Lastverteilung übernimmt. Alle Anfragen werden über diesen Router geleitet.

Beide Ansätze haben ihre Vor- und Nachteile. Während bei der Client Side Discovery jedem Service ein entsprechender Client zur Seite gestellt werden muss, was die Services aufbläht, existiert bei der Server Side Discovery ein einzelner Fehlerpunkt, der Router, der bei einem Ausfall das ganze System lahmlegen kann.

 

server-side-discovery

Server Side Discovery

 

Circuit Breaker

Doch was passiert wenn eine Service-Instanz doch einmal ausfällt?

Dies kann fatale Folgen für die gesamte Anwendung haben. Während einzelne Services noch auf die Antwort des ausgefallenen Service warten, kommen bereits neue Anfragen in das System. Diese neuen Anfragen stauen sich auf und lösen Fehler in Abhängigkeiten des ausgefallenen Service aus, was potentiell das gesamte System lahmlegen kann.

Hier kommt der Circuit Breaker ins Spiel. Der Circuit Breaker überwacht alle Instanzen einzelner Services. Falls eine Instanz eine festgelegte Fehlerrate überschreitet, fliegt die Sicherung. In diesem Fall wird der Circuit Breaker alle Anfragen sofort mit einem Fehler beantworten, um dem ausgefallenen Service die Möglichkeit zu geben, sich zu erholen. Nach einer gewissen Zeit wird die Sicherung auf halb offen geschaltet, das heißt einige Anfragen werden testweise weitergeleitet. Sollten die Anfragen erfolgreich sein, wird die Sicherung wieder geschlossen. Im anderen Fall wiederholt sich der Prozess, bis der Service wieder verfügbar ist.

 

circuit-breaker

Circuit Breaker

 

Asynchrone Kommunikation

Asynchrone Systeme besitzen einen zentralen Bus, auf dem Nachrichten ausgetauscht werden.

Anders als bei der synchronen Kommunikation wird hier nicht auf jede Anfrage eine Antwort erwartet. Services schicken Nachrichten auf einen zentralen Nachrichtenkanal. Jeder Service, der an einer Nachricht interessiert ist, liest sie und verarbeitet sie weiter. Hierbei ist es nicht ungewöhnlich, dass eine Nachricht von mehreren Teilnehmern gelesen wird.

 

Message Broker

Für die Kommunikation ist ein sogenannter Message Broker verantwortlich. Die beiden bekanntesten Message Broker sind wohl RabbitMQ und Apache Kafka. RabbitMQ ist ein wenig leichtgewichtiger als Apache Kafka, wobei letzterer mittlerweile, dank seiner Features und seiner Stabilität, bei den meisten großen Firmen vertreten ist.

Bei der Verwendung eines Message Broker wird die Verantwortlichkeit innerhalb des Systems umgekehrt. Services werden nicht mehr von anderen aufgerufen, sondern schicken Nachrichten auf den Message Broker, ohne zu wissen, wer diese Nachrichten weiter verarbeitet. Das einzige, was ein Service-Team wissen muss, ist welche Nachrichten der Service verarbeiten muss und welche er senden muss.

Sollten neue Services implementiert werden, muss am System nichts angepasst werden, da die Nachrichten bereits geschickt werden. Der neue Service muss einfach nur auf die für ihn interessanten Themen hören. Eine Service Registry ist ebenfalls nicht vonnöten. Da die Services gegenseitig sowieso nichts von ihrer Existenz wissen, können sie einfach darauf vertrauen, alle Informationen an den Broker weiterzugeben. Auch ein Circuit Breaker wird mit ausgereiften Brokern wie Apache Kafka nicht mehr benötigt. Wenn eine Service Instanz ausfällt, bleibt die Nachricht in der Warteschlange, bis sie von einer anderen oder der wieder gestarteten Instanz bearbeitet werden kann.

Asynchrone Kommunikation und Message Broker klingen wie ein Allheilmittel gegen alle Probleme, die die Microservice-Architektur mit sich bringt. Jedoch muss man auch hier Vor- und Nachteile gegeneinander abwägen. Das größte Problem der Message Broker ist die zusätzliche Komplexität, sowohl in der Entwicklung als auch in der Wartung.

Apache Kafka und RabbitMQ bieten zwar eine gute Integration für die meisten Programmiersprachen, jedoch wird der Programmierstil, der für diese Architektur nötig ist, für die meisten Entwickler unbekannt und unintuitiv sein. Jedes Microservice-Team muss sich initial mit einer neuen Technologie, die nicht gerade trivial ist, auseinandersetzen, und erfahrene Entwickler in diesem Bereich sind im Moment noch rar. Der zweite große Nachteil ist, dass ein Message Broker einen zentralen Fehlerpunkt darstellt. Sollte der Broker ausfallen, ist keinerlei Kommunikation zwischen den Services mehr möglich.

 

apache-kafka

Apache Kafka

Service Mesh

Doch auch wenn man sich nicht für einen Message Broker entscheidet, gibt es neue Technologien, die einige Probleme in der synchronen Kommunikation auf elegante Weise lösen.

Eine dieser Technologien ist das sogenannte Service Mesh mit seinem populärsten Vertreter Istio. Istio ist ein Open Source Projekt, welches vornehmlich von Google, IBM und Lyft entwickelt wird. Klassisch besteht ein synchron kommunizierendes Microservice-System aus vielen Komponenten, die in die einzelnen Services mit eingebaut werden müssen, wie z.B. der Circuit Breaker oder ein Router, der sich um das Load Balancing und die Service Registry kümmert. Dies bläht die Services unnötig auf. Außerdem müssen gute Lösungen für sämtliche Technologie-Stacks im System existieren. Istio verfolgt einen anderen Ansatz – es stellt eine Umgebung für Microservices bereit, in der jedem Service ein Proxy zur Seite gestellt wird. Dieser Proxy sitzt zwischen dem Service und der Kommunikation mit dem System. Anstatt mit anderen Services direkt zu kommunizieren, fängt der Proxy alle Anfragen ab und übernimmt die wichtigen Aufgaben im System ohne dass Änderungen am Service direkt notwendig sind. Istio und die Service Proxy übernehmen folgende Funktionen:

  • Routing zwischen Services und Instanzen
  • Load Balancing
  • Policy System für Zugriffsberechtigungen und Rate Limiting
  • Automatische Metriken und Logs
  • Kommunikationsverschlüsselung

 

istio-ervice-proxy

Istio Service Proxy

 

Istio verfügt über eine zentrale Einheit, in der das Service Mesh konfiguriert werden kann. Es läuft auf Kubernetes und unterstützt im Moment HTTP, gRPC, WebSocket und TCP.

Fazit

Wie wir gesehen haben, bieten Microservices einige Herausforderungen, deren Lösung oftmals nicht ganz einfach ist und gut überlegt sein will. Auch sind viele Lösungen nicht exklusiv. In vielen Fällen ist es durchaus sinnvoll, Istio neben Apache Kafka für die Kommunikation zu betreiben, jedoch muss die Komplexität des Systems dies auch rechtfertigen.

Microservices sind keine Blaupause für die Softwareentwicklung per se, monolithische Anwendungen werden auch in Zukunft ihre Daseinsberechtigung haben. Die Entscheidung zwischen dem Monolithen und den Microservices sollte immer daran festgemacht werden, wie groß eine Anwendung voraussichtlich werden wird.

Soll eine Anwendung über mehrere Jahre hinweg gewartet und weiterentwickelt werden, wird sich die Microservice-Architektur auf lange Sicht durch ihre zahlreichen Vorteile jedoch auszahlen. Ein Ansatz, den viele Architekten mittlerweile verfolgen, heißt “Monolith-First”. Das heißt eine neue Anwendung wird bis zu einem gewissen Punkt als Monolith entwickelt, um schnell Ergebnisse liefern zu können. Später wird der Monolith über neue Funktionen in Microservices aufgeteilt.

 

Michael Schwab
Software Engineer