服务拆分与租户隔离：边界怎么划才不会返工

1. 本节产出

一份服务拆分方案（含边界判定依据、服务契约、ADR），以及租户隔离的三个层次实现（数据/配额/模型）。

2. 前置依赖

3. 为什么 AI 时代的服务边界和传统微服务不同

传统微服务按「业务领域」拆（订单、库存、用户）。AI 服务不同，因为：

差异	影响
共享昂贵的外部依赖（模型、向量库）	拆分后重复调用 = 重复花钱
计算密集但无状态（生成）vs 数据密集（检索）	两者的伸缩模式完全不同
任务长耗时（Agent 分钟级）	与 HTTP 请求超时模型不匹配
效果依赖共享配置（prompt、模型版本）	配置分散会导致效果不一致

所以不能简单按业务领域拆。

4. 核心原理

4.1 推荐的拆分维度

按「技术特性 + 变更频率」拆，而不是按业务领域：

1. model-gateway      模型网关（横切，变更极少）
2. rag-service        检索服务（数据密集，随知识库变更）
3. agent-service      编排服务（计算密集，随业务流程变更）
4. ingest-service     灌库服务（批处理，独立伸缩）
5. admin-service      租户/配额/计费（业务配置）
6. eval-service       评测服务（离线，独立部署）

判定依据：

服务	为什么独立
model-gateway	横切关注点，所有服务共用，变更要极其谨慎
rag-service	数据密集，需要靠近向量库，伸缩模式不同
agent-service	长耗时任务，需要独立的线程池与超时策略
ingest-service	批处理，资源消耗大，不能影响在线
eval-service	离线任务，可以停机维护

4.2 一个反例：按业务领域拆的后果

错误拆法：
  order-ai-service    （订单相关的 AI 能力）
  marketing-ai-service（营销相关的 AI 能力）

后果：
  ├─ 两个服务各自接模型 → Key 分散、无法统一限流
  ├─ 两个服务各自建向量库 → 同样的文档灌两遍、Embedding 花两次钱
  ├─ prompt 版本各管各的 → 效果不一致，无法统一优化
  └─ 新增一个业务领域 → 又复制一套

结论：按业务拆会导致 AI 基础设施被复制 N 份。 正确做法是按技术特性拆，业务差异通过配置和 prompt 表达。

4.3 服务契约

yaml

# rag-service 的契约（OpenAPI 片段）
POST /rag/query
  request:
    tenantId: string (required, from JWT)
    query: string
    topK: int (default 5)
    filters: object (optional)
  response:
    chunks: [{ text, score, sourceId, titlePath }]
    rejected: boolean
    tokensUsed: int

# agent-service 的契约
POST /agent/run
  request:
    tenantId, userId, goal, caseType, limits
  response:
    runId, status, answer, trace, tokensUsed
POST /agent/{runId}/approve

契约里必须带 tenantId 和 tokensUsed：前者保证隔离，后者保证成本可归因。

4.4 租户隔离的三个层次

层次	内容	实现
数据隔离	向量库、文档的隔离	元数据过滤（02-12）+ 存储前缀
配额隔离	Token/金额/速率	网关配额（04-03）
模型隔离	不同租户可用不同模型	路由策略按租户（04-02）

数据隔离是硬要求，另外两个是商业策略。

4.5 数据隔离的三种部署模式

模式	做法	成本	隔离强度
共享库 + 元数据过滤	一张表，tenantId 过滤	最低	中（依赖代码正确性）
共享实例 + 分表/分 schema	每租户一个 schema	中	高
独立实例	每租户一套	最高	最高

推荐默认「共享库 + 元数据过滤」，对有合规要求的租户提供独立 schema 或独立实例（作为付费选项）。

共享模式的前提：必须有自动化断言测试证明隔离生效（02-12 的 TenantIsolationIT）。这是选型能否用共享模式的唯一依据。

5. 代码走查

5.1 服务间调用（带租户透传）

java

// agent-service 调用 rag-service
@Service
public class RagClient {

    private final WebClient http;

    public List<Chunk> query(String query, int topK) {
        return http.post()
                .uri(ragServiceUrl + "/rag/query")
                // 关键：租户上下文必须透传
                .header("X-Tenant-Id", TenantContext.require())
                .header("X-Trace-Id", TraceContext.currentId())
                .bodyValue(new RagQuery(query, topK))
                .retrieve()
                .body(RagResponse.class)
                .chunks();
    }
}

租户透传靠 HTTP Header + 服务端 Filter 重建上下文，不能靠参数传递（容易漏）。

5.2 契约测试（防止服务间悄悄改坏）

java

// ch04-platform/src/test/java/com/aitech/platform/RagServiceContractTest.java
@Test
void rag服务契约() {
    // 用 Pact 或简单的集成测试固定契约
    var resp = ragClient.query("年假怎么算", 5);

    assertThat(resp.chunks()).isNotNull();
    assertThat(resp.tokensUsed()).isGreaterThan(0);
    // 契约里承诺的字段必须存在，否则 CI 失败
}

5.3 隔离断言（跨服务）

java

@Test
void 跨服务的租户隔离() {
    // agent-service 调用 rag-service 时，租户必须被正确传递
    TenantContext.set("acme");
    var r = agentService.run(goal);

    assertThat(r.trace().allChunks())
            .allSatisfy(c -> assertThat(c.tenantId()).isEqualTo("acme"));
}

这个测试很关键：它验证租户上下文在跨服务调用中没有丢失——这是分布式系统里最容易出错的地方。

5.4 ADR 示例

markdown

# ADR-003：服务拆分方式

## 状态：已接受

## 背景
需要支持多个业务团队接入 AI 能力。

## 决策
按技术特性拆分（gateway / rag / agent / ingest / admin / eval），
不按业务领域拆分。业务差异通过 prompt 配置与工具集表达。

## 备选
按业务领域拆分（order-ai / marketing-ai）：会导致 AI 基础设施
被复制 N 份，成本与维护成本均不可接受。

## 后果
- 正：基础设施复用、成本可归因、升级一次全生效
- 负：单个服务会成为多个业务的共享依赖，需要更强的可用性保障

6. 跑起来

bash

git checkout ch04-04-service-split
docker compose up -d      # 多服务 + PG + Redis
mvn -q test -Dtest=ServiceSplitIntegrationTest

检查项	通过标准
服务可独立部署	每个服务能单独重启
租户透传	跨服务调用后租户上下文正确
隔离断言	跨服务隔离测试通过
契约测试	契约变更时 CI 失败
ADR 齐全	拆分决策有记录

7. 生产避坑

不要按业务领域拆 AI 服务。这会导致模型接入、向量库、prompt 版本被复制 N 份，成本和一致性都失控。按技术特性拆，业务差异用配置表达。
租户上下文跨服务必须靠 Header 透传 + Filter 重建，不能靠方法参数。靠参数传递时，任何一处忘记传就是越权漏洞，而这种漏洞在单服务测试中完全测不出来。
共享库模式的隔离必须有自动化断言。共享存储 + 元数据过滤的隔离强度依赖代码正确性，任何一处漏过滤就是数据泄露。没有断言测试就不要用共享模式——这是选型的前提条件，不是可选项。

8. 延伸与锚点

思考题：有客户要求「数据绝对不能出内网」，怎么部署？（答案在下一课时：私有化部署）
代码锚点：git checkout ch04-04-service-split
下一课时：04-05 私有化部署与推理选型
对应课件：L04-04 服务拆分

服务拆分与租户隔离：边界怎么划才不会返工 ​

1. 本节产出 ​

2. 前置依赖 ​

3. 为什么 AI 时代的服务边界和传统微服务不同 ​

4. 核心原理 ​

4.1 推荐的拆分维度 ​

4.2 一个反例：按业务领域拆的后果 ​

4.3 服务契约 ​

4.4 租户隔离的三个层次 ​

4.5 数据隔离的三种部署模式 ​

5. 代码走查 ​

5.1 服务间调用（带租户透传） ​

5.2 契约测试（防止服务间悄悄改坏） ​

5.3 隔离断言（跨服务） ​

5.4 ADR 示例 ​

6. 跑起来 ​

7. 生产避坑 ​

8. 延伸与锚点 ​

服务拆分与租户隔离：边界怎么划才不会返工

1. 本节产出

2. 前置依赖

3. 为什么 AI 时代的服务边界和传统微服务不同

4. 核心原理

4.1 推荐的拆分维度

4.2 一个反例：按业务领域拆的后果

4.3 服务契约

4.4 租户隔离的三个层次

4.5 数据隔离的三种部署模式

5. 代码走查

5.1 服务间调用（带租户透传）

5.2 契约测试（防止服务间悄悄改坏）

5.3 隔离断言（跨服务）

5.4 ADR 示例

6. 跑起来

7. 生产避坑

8. 延伸与锚点