作者在阿里做过和学习过不少服务实现，如下，给阿里服务体系中常见服务大致分一个类，每个类别有些是应用层，有些是中间层，这里不作赘述，这里我们重点讨论内容型服务
主要关注点
比如对于我们淘系业务，搭建一套服务，我们需要先想清楚下面的几个点
1.内容来源：从算法、运营配置或者其他渠道来，唯一标识内容id的key向量是哪些，基于这些id，如何进行相关内容补齐
2.内容约束：算法推荐比较稳定，但是运营配置的内容，可能会过期，不能满足客户端展示需求，我们需要保证内容完整性，校验内容的一致性
3.内容运维：内容下发服务上线后，业务会不断变化，内容筛选条件的增减，客户端也在不断迭代，接口设计需要考虑灵活性
常见问题及解决方案
面临问题
1.各种字段需要补齐：不同字段来源于不同数据源，容易出现面条式代码，需要灵活的架构来处理这种复杂度
2.不同场景对于下发字段的校验要求不同：需要基于标注的Validator模块来处理字段粒度判断
3.运营和产品的需求经常变化：对于tab排序、筛选条件，接口设计要考虑扩展性，提供运营能力
解决方案
构建一套pipeline，每个处理节点关注一个问题解决
1.Datasource：数据来源（算法推荐、数据库、缓存、运营配置、置顶数据）。方法名：fromXXX
2.Transfer：类型转换。方法名：toXXX
3.Filter：数据过滤（黑白名单，字段约束）。方法名：byXXX
4.Sorter：数据排序。方法名：topXXX、shuffleXXX
5.Completer：补数据。方法名：addXXX
6.Validator：有效性验证，过滤不符合要求的数据，比如商品某个字段缺失。方法名：checkXXX
7.Factory：基于基本元素，数据拼接生产。方法名：createXXX
8.Iterator：保存各类遍历过程
是不是看起来有点类似Java8中stream的API，但这套pipeline具体还是偏内容下发业务，比Java原生API要更丰富，以淘宝的AR淘业务为例，pipeline如下：
代码实现效果
下面代码实现一套基于运营配置数据源的pipeline
1.首先，自定义Pipeline，没有使用Lambada，对java7及以下也适用
public class PipeLine<D, C> {
private List<PipeLineFunction<D, C>> functionList = new ArrayList<>();
public PipeLine<D, C> add(PipeLineFunction<D, C> pipeLineFunction) {
functionList.add(pipeLineFunction);
return this;
}
public D execute(D data, C context) throws Exception {
for (PipeLineFunction function : functionList) {
data = (D) function.execute(data, context);
}
return data;
}
}
2.其次管线，对于处理次序和节点进行指定：包括从配置读取数据--->通过arType过滤--->随机打乱数据--->置顶主题类数据--->翻页--->增加sku和item信息--->增加AR模型信息--->完整性校验
public void initSkuResultHotRecommendPipeLine() {
PipeLine<SkuResultVO, SkuQuery> skuResultHotRecommendPipeLine = new PipeLine();
skuResultHotRecommendPipeLine
.add((data, context) -> skuResultDataSource.fromConfig(context))
.add((data, context) -> skuResultSorter.shuffle(data))
.add((data, context) -> skuResultSorter.topTheme(data, context))
.add((data, context) -> skuResultSorter.page(data, context))
.add((data, context) -> skuResultCompleter.addSkuInfo(data))
.add((data, context) -> skuResultCompleter.addAREffect(data, context))
.add((data, context) -> skuResultValidator.check(data));
}
3.最后，搭建pipeline，接口收到请求后，通过管线处理，下发对应内容
public ResultVO<SkuResultVO> getSkuList(SkuQuery skuQuery) {
try {
SkuResultVO skuResultVO = skuResultHotRecommendPipeLine
.execute(new SkuResultVO(), skuQuery);
} catch (Exception e) {
log.error("", e.fillInStackTrace());
return ResultVO.failOf(e.getMessage());
}
return ResultVO.failOf(CameraArCause.No_Valid_Ar_Type
.toMessage(skuQuery.toString()));
}
4.我们再讨论一下对于有固定的遍历逻辑的情况，遍历方式也可以抽象成一个iterator，在不同的filter作为参数传入下，完成遍历功能，下图就是对商品的一种遍历，这个特性用到FunctionalInterface标注，需要java8及以上
a.定义遍历器
@FunctionalInterface
public interface FilterFunction<T> {
boolean execute(T t) throws Exception;
}
@FunctionalInterface
public interface IterateFunction<T> {
T execute(T t, FilterFunction filterFunction);
}
private IterateFunction<SkuResultVO> skuVOFilterIterator = (skuResultVO, filter) -> {
List<SkuFeedUnitVO> skuFeedUnitVOList = skuResultVO.getSkuFeedUnitVOList()
.stream().filter(skuFeedUnitVO -> {
List<SkuVO> filterSkuVOList = skuFeedUnitVO.getSkuVOList()
.stream().filter(skuVO -> {
try {
return filter.execute(skuVO);
} catch (Exception e) {
log.warn("", e);
return false;
}
}).collect(toList());
if (filterSkuVOList.size() == 0) {
return false;
}
skuFeedUnitVO.setSkuVOList(filterSkuVOList);
return true;
}).collect(toList());
if (skuFeedUnitVOList.size() == 0) {
log.warn(CameraArCause.No_Valid_Sku_Feed_Unit_List
.toMessage(skuResultVO.toString()));
}
skuResultVO.setSkuFeedUnitVOList(skuFeedUnitVOList);
return skuResultVO;
};
return skuResultIterator.getSkuVOFilterIterator()
.execute(skuResultVO, (FilterFunction<SkuVO>) skuVO ->
!CameraArSwitch.Black_List_Config.getArType()
.contains(skuVO.getArType()));
}