转载

支付系统的基础设施建设

基础设施是为了支持支付开发的软件过程。在进入主题之前，先吐槽下软件过程。软件过程在这几年都越来越不受人待见了。在一些互联网公司里面，软件过程的概念往往被等同于拖拉、延期、冗长。他们为自己的软件过程往往都会贴上敏捷的标签，并为各种混乱的管理提供了一个非常好的借口。就算是先写代码再补需求，也能够套上敏捷开发借口。可是这一套路，拿到金融软件，特别是和钱打交道的支付系统开发上，却是行不通的。且不用说混乱的管理滋生的各种漏洞容易吸引各路攻击者，为了对接各个银行渠道，他们也会要求开发商遵守一些底线。事实上，在各大互联网和第三方支付公司，支付系统的开发一直都执行最严格的流程管理。那在公司各个项目之间的巨大的内部竞争压力下，支付系统开发人员也不好意思说，我们执行的是最严格的软件过程，所以系统升级慢。那如何在保证流程质量的前提下，在确保系统不断演化升级的同时，提升系统质量，避免漏洞，降低风险呢？

从案例开始

那支付系统开发过程有别于其它系统的要点在哪？就目前大部分公司而言，一般系统的开发人员是所谓的全栈工程师的:从写前后端代码，测试，上线到运维。线上出现bug，就登陆到服务器上翻日志，找原因，或者直接到数据库上改个数字。可这些行为，对支付系统来说，都是大忌。

介绍一个真实案例，某游戏公司的技术合伙人在开发时，将一些偏远省份的收单账户替换成自己账户。一年多时间无人发现。直到有一天一位投资者去某省出差，使用这个系统执行支付时候，发现收款公司名称与原公司略有不同。这位细心投资者让公司调查一下这事情，才发现其中的猫腻。

开发人员把某个收款账号替换成自己的账号怎么办？会不会修改数据库，把自己账号余额多加几个零？这些都是真实存在的问题，也都有人干过。虽然人与人之间的基本信任还是需要的，可是支付系统的基础向来都不是基于信任的，而是从各个角度来以最大的恶意来揣摩人性，从而出现可以被人利用的漏洞。所以，对支付系统的开发，通俗的来说，有这个要求：开发不上线；上线不开发。也就是开发人员不能参与上线和线上系统的运营。那在这种情况下，如何保证开发的系统能够顺利上线，如何保证线上的系统在有问题的时候能够尽快被诊断出来并解决？这就需要一系列的基础设施的支持。

微服务和自动化

传统的软件过程一个大问题是各个阶段都需要人工干预。而微服务架构的引入，其思想是通过降低系统的复杂度来使得过程的自动化成为可能。对此，Martin Fowler首先提出了在极限编程（敏捷）中使用持续集成的观点。在微服务架构之后，由提出了持续交付的概念。微服务架构如何支撑这些过程，可以参考相关资料，本文不再详细介绍。而从支付系统的角度，它的基础设施建设有什么不同之处？如果从微服务的角度来考察，和其它业务系统开发并无不同之处。无非是要求更严格罢了。构建的原则也是."人管代码，代码管机器。通过流程自动化，逐步消除软件过程中的人工干预，加快迭代，提升质量。

怎么度量支付系统基础设施建设的成熟度？我们没法从部署了多少个软件，使用了多少台机器这样硬性指标来考察。敏捷开发的一些最新理念可以帮助我们定性地度量这个进度。

软件开发过程包括编码，构建，集成，测试，交付（预发布），部署。我们可以从这流程的自动化程度来度量基础设施建设的阶段。

持续集成、持续交付和持续部署，分别对应自动化软件过程的三个阶段。持续集成实现了编译、发布、集成编译的自动化，并最终自动部署到集成测试环境。在测试完成后，需要人工验证和上线。而持续交付则更进一步，在实现自动测试基础上，能够实现自动部署到预发布环境。在准线上环境确认达到可以上线的要求后，人工部署到线上环境。持续部署是自动化的最终目标，开发完成后，能够自动地完成验证并实施到线上的系统。

不管是哪个阶段，都需要自动化的基础设施的支持。这里分头介绍其中主要的基础设施软件，以及他们的选型。

版本控制

版本控制所有自动化工作的基础。国内大部分公司已经完成了从subversion到git的改造，git也成为版本控制的标配了。支付系统在版本控制上和其他系统并无太多的差异。这里需要介绍的是针对微服务架构的版本控制。我们知道对版本控制来说，代码合并是一个很难避免的噩梦。而微服务化可以很好的解决这个问题，由于服务的粒度小，每次变更一个人就可以搞定。每个服务有都可以独立上线，避免修改冲突。这样版本控制就相对来说比较简单：

代码审核

支付系统的每一行代码都要执行审核！代码审核对支付来说意义重大，是避免恶意代码不可缺少的一个环节。一般来说，支付代码要求至少是2人审核通过。代码需要执行日常审核，而不是到快发布时的统一审核。审核的工具一般是需要和版本控制相集成的。 subversion上用reviewboard, git上用gerrit或者gitlab。虽然说gitlab是比较新的系统，不过还是推荐gerrit，可以强制代码审核以及控制代码审核流程，确保两个人都OK后才能入库。

对于使用gitlab的系统而言，它的优势在于可扩展性强。gitlab默认不支持强制代码评审。但如果不强制执行代码评审，那会出现开发人员未经code view就提交自己merge代码。而reviewer 未能够及时review代码，也会影响进度。此外，开发人员没有执行代码审计（sonar）就提交代码，也是常见的事情。好在gitlab有非常好的可扩展性，通过webhook可以根据需要实现各种额外功能。 webhook是gitlab的一个扩展点，通过用户提供的回调HTTP请求来监听git的push、comments、merge等事件。比如可以要求必须至少两个LGFM（LooksGoodForMe)才可以merge。通过webhook来监听comments，汇总两个LGFM之后，自动将代码merge到trunk上。

代码审计

或者说是静态代码审查。Apache PMD， FindBugs都是常用的工具，推荐用Codehaus Sonar系统，即可以实现和Maven的集成，也可以有Web UI可以查看代码质量。提供的审核规则也比较全面，并且可以根据公司的需求来定制。

日志搜集与分析

开发同学不碰线上系统，这是支付系统的原则。那线上系统出问题了怎么办？开发人员总是依赖日志来排查问题，一个日志汇总系统是支付平台必备的基础设施。考虑到日志最终都需要归并到一个日志仓库中，这个仓库可以有很多用途，特别是日常维护中的日志查询工作。多数指标可以在日志上完成计算的。借助这个系统，也可以完成监控：

日志通过Apache Flume来收集，通过Apache Kafka来汇总，一般最后日志都归档到Elastic中。统计分析工作也可以基于Elastic来做，但这个不推荐。使用Apache Spark 的 Streaming组件来接入Apache Kafka 完成监控指标的提取和计算，将结果推送到Zabbix服务器上，就可以实现可扩展的监控。

Apache Flume和Logstash都可以用于日志收集，从实际使用来看，两者在性能上并无太大差异。Flume是java系统，Logstash是ruby系统。使用中都会涉及到对系统的扩展，这就看那个语言你能hold住了。

Apache Flume和Logstash都支持日志直接入库，即写入HDFS，Elastic等，有必要中间加一层Kafka吗？太有必要了，日志直接入库，以后分析就限制于这个库里面了。接入Kafka后，对于需要日志数据的应用，可以在Kafka上做准实时数据流分析，并将结果保存到需要的数据库中。

系统监控

现在基本上 Zabbix 成为监控的标配了。一个常规的 Zabbix 监控实现，是在被监控的机器上部署Zabbix Agent，从日志中收集所需要的数据，分析出监控指标，发送到zabbix服务器上。

这种方式要求每个机器上部署 Zabbix 客户端，并配置数据收集脚本。Zabbix的部署可以作为必装软件随操作系统一起安装。

持续集成

毫无疑问，Jenkins就是CI的不二之选。但是这也只是一个工具，怎么用还得结合业务来实现。而上面列出来的这么多工具和使用要求，如何确保开发人员安规范来实现，并且尽可能地自动化，一个解决方案就是用集成工具将这些活动串起来。这里不详细介绍Jenkins的原理或者它和hudson的恩恩怨怨，重点描述如何使用。

Jenkins使用的要点是设置各个Job。而Job的设置，又分为线上和测试的Job。测试环境的Job分为部署、启动、停止三个群组。线上分为预部署、部署、启动和停止四个群组。在每个群组中，每个项目对应一个可执行Job。

在测试环境部署执行如下工作：

获取受控代码。如果有指定版本号，则下载该版本号对应的代码；否则获取最新的Tag分支并下载该代码。集成是必须从代码开始构建，目的是保证线上运行的系统和版本控制服务器上的代码是一致的，而不是从某人机器上修改后的代码直接传上去的。如果出现问题，只要获取该版本的代码即可定位到出问题的地方；
执行代码审计
执行maven deploy命令，执行编译、单元测试、版本发布等工作。注意，这个阶段发布的包，都是SNAPSHOT版本的包。
生成javadoc, 接口文档，发布到测试服务器上，测试人员将对这个文档做验证。
生成单元测试覆盖率报告、代码质量报告。
发布系统到测试环境上。

在线上环境部署执行如下工作：