综合练习

这一课你将能做到

1. 为「课程推荐服务」产出完整架构文档：C4 图、ADR、非功能需求清单
2. 用前面 11 课的知识回答评审问题：为什么选 MQ 不选 REST、为什么是 ES 不是 MySQL
3. 画出一条关键链路（用户下单 → 推荐更新）的 UML 时序图

为什么要学

前 11 课是零件，这一课是装机。真实的架构工作就是给你一个模糊需求（「我们要做千人千面推荐」），你在两天内产出一份能过评审、能指导开发的架构方案。

人话：学游泳的最后一步是跳进深水区。本课不提供标准答案——架构没有标准答案，只有「能自圆其说且经得起追问」的答案。

先建立图像

本次练习的交付物全景：

architecture/
├── README.md            # 架构总览（给谁看：新人和评审）
├── c4-context.png       # C4 第 1 层：系统和外部世界
├── c4-container.png     # C4 第 2 层：服务和技术选型
├── sequence-order.puml  # 关键链路时序图
├── nfr.md               # 非功能需求：可用性/延迟/成本
└── adr/
    ├── 001-storage-selection.md
    ├── 002-sync-vs-async.md
    └── 003-recommendation-engine.md

跟着做

步骤 1：澄清需求（真实架构的第一步）

拿到「课程推荐服务」需求，先问五个问题并记录答案：

问题	假设答案	架构影响
推荐更新频率？	用户行为后 5 分钟内更新	异步流处理即可，不用实时计算
数据规模？	50 万用户 × 5000 课程 × 日均 100 万行为	单机 MySQL 存行为不够，需 Kafka
延迟要求？	推荐接口 P99 < 300ms	推荐结果必须预计算 + Redis
团队？	2 个后端，无算法工程师	用简单协同过滤，不上深度学习
预算？	每月云成本 < 5000 元	托管 Kafka + 单 ES 节点

步骤 2：画 C4 图

Context 图（系统在哪）：

┌──────┐    ┌─────────────────────────────────┐
│ 用户  │───→│      CodeRoadMap 平台            │
└──────┘    │  ┌──────────┐   ┌─────────────┐ │
            │  │ 课程服务  │←──│  推荐服务    │ │
            │  └──────────┘   │ (本次设计)   │ │
            │  ┌──────────┐   └──────┬──────┘ │
            │  │ 订单服务  │──MQ──────┘        │
            │  └──────────┘                  │
            └─────────────────────────────────┘

Container 图（推荐服务内部）：

┌─────────────────── 推荐服务 ───────────────────┐
│                                                │
│  行为采集 API ──→ Kafka ──→ 流处理任务(Flink/    │
│  (REST)                    定时批量)            │
│                               │                │
│                    ┌──────────▼──────────┐     │
│                    │  推荐计算（协同过滤）  │     │
│                    │  每日全量 + 增量更新   │     │
│                    └──────────┬──────────┘     │
│              ┌────────────────┼───────────┐    │
│              ▼                ▼           ▼    │
│           Redis          MySQL        ES      │
│        (推荐结果缓存)  (用户画像)  (物品特征)   │
└───────────────────────────────────────────────┘
         ▲
         │ GET /api/v1/recommendations?userId=
    API Gateway