@levinzhang
2022-09-07T22:33:42.000000Z
字数 4976
阅读 446
API对于组织来讲正变得越来越重要,但是,构建安全、可扩展的API并非易事。本文从执行环境、API技术、安全性等角度出发,介绍了如何构建高效、可扩展的API。
本文最初发表于Salesforce站点,经作者Nitesh Kumar授权,由InfoQ中文站翻译分享。
API是一个重要的工具,允许合作伙伴、开发人员和其他应用消费我们提供的微服务,与之进行通信,并基于此构建各种各样的功能。
高质量的API要能够随着业务生态系统的发展而扩展,构建这样的API并不是一件容易的事情,需要对所有的事情进行通盘思考和规划,涉及到选择哪种执行环境,甚至要决定该使用哪种API技术。
那么,我们是如何实现的呢?在本文中,我将会分析在Salesforce为Activity Platform构建API的经验,它可以作为你自己编写API的一个指南。Activity Platform是一个大数据处理引擎,每天会摄取和分析超过1亿次的客户互动,以自动捕获数据并产生分析、推荐和feed。Activity Platform提供了API来为我们的客户交付这些功能。
根据需求不同,执行环境可以是裸机、虚拟机(VM)或者应用容器。我们选择了使用应用容器,因为它可以在物理机或VM上运行,一个操作系统实例能够支持多个容器,每个容器都在自己独立的执行环境中运行。简而言之,容器是轻量级、可移植、快捷的,并且易于部署和扩展,所以它们天然适合微服务。
如果你像我们这样决定使用容器,容器编排能够帮助你实现自动化部署,管理容器、扩展以及网络。在这方面,有很多可选的容器编排工具,比如Kubernetes、Apache Mesos、DC/OS(with Marathon)、Amazon EKS、Google Kubernetes Engine(GKE)等。
我们使用的是Hashicorp的Nomad集群。它非常简单、轻量级,并且能够编排任何类型的应用,而不仅仅是容器。它能够无缝与Consul和Vault集成,实现服务发现和secret管理。我们可以很容易地将需求描述为一个待执行的任务(task),比如内存、网络、CPU,以及我们水平扩展服务所需的实例数量。
为了构建API,我们选择了使用GraphQL。如果你没有听说过它的话,它是其他可选技术(如REST、SOAP、Apache Thrift、OpenAPI/Swagger或gRPC)的一个替代方案。
我们想要构建的API能够服务于多种客户端,涵盖Web和移动应用。它需要具备高效、强大和灵活的特点。
鉴于以下的原因,GraphQL是最合适的方案:
它允许客户端精确请求想要的数据,避免过量加载(overfetching)或加载不足(underfetching)。如果API返回的数据超出了客户端的需求,这会导致性能问题,如果返回的数据比预期要少,那么会进行多次网络调用,从而减缓渲染时间。GraphQL能够避免这两种情况。
尽管大多数的API都实现了版本管理,但是GraphQL是一个无版本化的API。因为它只会返回明确请求的数据,所以我们可以通过添加新的类型以及类型上的新字段来增加功能,避免带来破坏性的变更。
GraphQL使用强类型系统,所有的类型都是使用Graph SDL以模式(schema)的方式进行定义的。它可以作为客户端和服务器的契约,避免请求/响应结构的混淆。
GraphLQ支持内省(introspection),所以模式定义可以通过各种工具进行共享和下载,如GraphiQL、GraphQL-playground或cli工具。
我们在Classification Insight API中使用了GraphQL。Classification Insight提供了用户的信息,并且能够帮助会议的参加者了解其他参会人员的头衔和角色。我们使用Kotlin和graphql-java(GraphQL的一个Java实现)实现该API。
第一步:定义模式(如schema.graphqls)。每个GraphQL服务会定义一组类型。GraphQL模式中最基本的组件是对象类型,它代表了一种我们可以从服务中获取的对象。
在如下的模式中,我定义了一个名为“getClassificationInsightsByUser”的查询,在后面的内容中,我们可以通过发送如下的载荷到API来调用查询:{ getClassificationInsightsByUser(emailAddresses: [“test1@gmail.com”, “test2@gmail.com”]) { userId, title } }
schema.graphqls
# 描述我们能够获取什么内容的对象类型
type ClassificationInsightByUser {
organizationId: ID!
userId: String!
emailAddress: String!
title: String!
}
# 定义所有查询的Query类型
type Query {
getClassificationInsightsByUser(
emailAddresses: [String!]!
): [ClassificationInsightByUser]
}
schema {
query: Query
}
第二步:实现Datafetcher(也被称为解析器)来解析getClassificationInsightsByUser字段。简单来讲,解析器就是由开发人员提供的一个函数,用来解析模式中定义的每个字段并从配置的资源(如数据库、其他API或缓存等)中返回值。
在本例中,我们的Query类型提供了一个名为getClassificationInsightsByUser的字段,它接受emailAddresses参数。该字段的解析器函数很可能会访问一个数据库,并构造和返回ClassificationInsightByUser对象的一个列表。
// 假设我们已经定义了数据类
// (如ClassificationInsightByUser)来存放数据
// 编写自己的datafetcher类
class ClassificationInsightByUserDataFetcher:
DataFetcher<List<ClassificationInsightByUser>?> {
// 重载DataFetcher的get函数
override fun get(env: DataFetchingEnvironment):
List<ClassificationInsightByUser>? { // 在提交的查询中获取参数
val emailAddresses = env.getArgument<List<String>> (EMAIL_ADDRESSES)
// 编写逻辑从其他API或者通过调用控制器/服务从业务层获取数据
// 在这里,为了简单,返回静态数据
return EntityData.getClassificationInsightByUser(emailAddresses)
}
}
第三步:初始化GraphQLSchema和GraphQL Object(借助graphql-java)来辅助执行查询。
// 借助工具函数,将所有模式文件加载为字符串
String schema = getResourceFileAsString("schema.graphqls")
// 根据模式文件创建typeRegistry
val schemaParser = SchemaParser()
val typeDefinitionRegistry = TypeDefinitionRegistry()
typeDefinitionRegistry.merge(schemaParser.parse(schema))
// 运行时装配,我们将自己的查询类型装配到解析器中
val runtimeWiring = RuntimeWiring()
.type("Query", builder -> builder.dataFetcher(
"getClassificationInsightsByUser", ClassificationInsightByUserDataFetcher()
)
)
.build();
// 创建graphQL Schema
val schemaGenerator = SchemaGenerator();
val graphQLSchema = schemaGenerator
.makeExecutableSchema(typeDefinitionRegistry,runtimeWiring);
// 创建graphQL
val graphQL = GraphQL.newGraphQL(graphQLSchema).build();
第四步:编写servlet(MyAppServlet),处理传入的请求
override fun doPost(req: HttpServletRequest, resp:
HttpServletResponse) {
val jsonRequest = JSONObject(payloadString)
val executionInput = ExecutionInput.newExecutionInput()
.query(jsonRequest.getString("query"))
.build()
// 使用graphQL执行查询
// 它将会调用解析器来获取数据并且只返回请求的数据
val executionResult = graphQL.execute(executionInput)
// 发送响应
resp.characterEncoding = "UTF-8"
resp.writer.println(mapper.writeValueAsString(executionResult.toSpecification()))
resp.writer.close()
}
第五步:在应用中,嵌入Web服务器(本例中使用的是Jetty)。
// Server
val server = new Server();
// HTTP连接器,在生产环境中要使用HTTPS
val http = ServerConnector(server)
http.host = "localhost"
http.Port = 8080
http.idleTimeout = 30000
// 搭建handler
val servletContextHandler = ServletContextHandler()
servletContextHandler.contextPath = "/"
servletContextHandler.addServlet(ServletHolder(MyAppServlet()), "/api")
server.handler = servletContextHandler
// 启动jetty服务器以监听请求
server.start()
server.join()
第六步:构建并启动应用,请使用CI/CD工具来创建、发布和部署Docker镜像到集群中。
在Salesforce,安全性是首要任务。我们的API仅供注册用户访问,而且他们只能访问有权限的数据。在这方面,你可以探索OAuth 2.0(JWT授予类型和基于角色的访问控制)和开放策略代理(Open Policy Agent ,OPA)来满足访问控制的需求。
作为最佳实践,认证中间件应该放在GraphQL之前,并且要在业务逻辑层有唯一一个地方负责授权,避免在多个地方都要进行检查。除了认证和授权,在设计API时还应考虑速率限制、数据脱敏(data masking)和载荷扫描。
我们已经展示了如何构建一个可扩展、高效、安全的API。在这个过程中,我们使用应用容器进行扩展,使用GraphQL和嵌入式Jetty确保高效和轻量级,并优先考虑了API的安全性。