這篇文章將分享德國串流平台 Joyn 如何在一年半內，將一個脆弱、充滿技術債的後端系統，轉型為一個能夠承載數百萬用戶、具備多區域（Multi-region）韌性的 Serverless 架構。對於初入職的工程師來說，這是一個非常典型的從單體/脆弱架構轉向現代雲端原生架構的實戰案例。
許多團隊在面對流量激增時，習慣用增加伺服器數量（垂直或水平擴展）來解決，但如果底層設計有問題，這只是在延緩崩潰的時間。Joyn 的案例告訴我們，真正的可擴展性來自於對數據一致性的掌控、故障範圍的隔離以及對雲端託管服務的正確運用。
數據一致性與品質的挑戰
在早期的架構中，Joyn 面臨最嚴重的問題是數據不一致。當時多個微服務同時訂閱同一個 Kafka 主題，但每個服務對數據的驗證與轉換邏輯不統一，導致用戶在 App 的不同頁面看到同一個影片的資訊卻不一致。此外，內部服務直接將內部狀態暴露在公司級的總線（Company Bus）上，這是一種反模式（Anti-pattern），會導致服務之間過度耦合。
為了修正這個問題，他們引入了 Hub and Spoke（樞紐與輻射）模式。在這個模式中，Kafka 作為事件儲存中心，透過 EventBridge Pipe（一種點對點的訊息攔截與處理服務）將訊息轉發給 EventBridge。EventBridge 扮演了本地總線的角色，所有微服務僅與 EventBridge 互動，透過路由規則（Rules）來接收訊息。這樣做將單一事實來源（Single Source of Truth）集中化，且服務之間完全解耦。
針對訊息大小的限制，他們運用了 Claim Check 模式。由於 EventBridge 的訊息大小限制在 256KB，而串流媒體的事件可能高達數 MB，他們將大數據存放在 S3 儲存桶中，而 EventBridge 僅傳遞 S3 的 Key（索引路徑）。消費者收到 Key 後再去 S3 抓取完整數據，既繞過了限制，又不需要額外開發複雜的 API。
提升可用性與韌性的策略
當數據問題解決後，下一步是確保系統在流量尖峰時不會崩潰。作者強調，單純依賴自動擴展（Autoscaling）是不夠的，必須從基礎設施層面建立韌性。
他們採取了全託管的 Serverless 組合：使用 Route 53 搭配 CloudFront 或 Global Accelerator，讓請求在 AWS 的私有骨幹網路上傳輸，減少公網不穩定性。計算層則結合了 Lambda（極速擴展，適合處理突發流量）與 Fargate（容器化服務，適合穩定長期的負載）。
為了降低故障影響範圍（Blast Radius），他們實作了 Cell-based Architecture（單元化架構）。他們不再用一個巨大的 Lambda 服務所有用戶，而是根據國家、用戶類別（付費/免費）或平台（iOS/Android）將流量切分成多個獨立的單元。這樣即使某個單元出錯，也只會影響一小部分用戶，且能更靈活地進行金絲雀發佈（Canary Deployment）。
緩存策略的極致運用
在串流應用中，大量用戶會請求相同的熱門內容。如果每次都請求資料庫，成本會極高且容易成為瓶頸。Joyn 建立了三層緩存體系： 第一層是 CloudFront（CDN），處理重複率極高的靜態請求。 第二層是 In-memory 緩存，儲存在 Lambda 或 Fargate 記憶體中，處理極熱點數據（Hotkeys）。 第三層是 Momento Cache（第三方託管緩存），作為資料庫前方的最後一道防線。 這套體系讓進入資料庫的請求量在尖峰時刻降低到 10% 甚至 5% 以下，大幅降低了對資料庫集群規模的需求。
多區域 active-active 的成本平衡
對於國際化應用，單區域（Single Region）即便有高可用設計，仍面臨區域性故障的風險。但多區域部署成本極高，因此必須在業務重要性與成本之間做權衡。
Joyn 並非所有服務都做多區域，而是將其分為不同等級。核心服務採取 Active-Active（雙活）模式，利用 DynamoDB Global Tables 實現跨區域數據同步。為了降低成本，他們採取了靈活的流量切換策略：在低流量時段將 Fargate 縮減至零，完全由 Lambda 承接；在流量上升時，先由 Lambda 頂住壓力，再緩慢將流量切換至成本較低的 Fargate。此外，將 API Gateway 替換為 Application Load Balancer (ALB)，在大規模流量下節省了約 90% 的成本。
總結與工程觀點
這次演進的核心在於從追求個體伺服器的強大，轉向追求系統整體的韌性。透過將基礎設施的維運壓力委託給 AWS（Delegation to AWS），開發團隊能將精力集中在業務邏輯而非伺服器維護。
對於工程師而言，最重要的啟發是：不要在 PoC（概念驗證）階段就追求完美，而是在迭代中識別單點故障（SPOF），並透過模式（Pattern）而非單純增加資源來解決問題。
來源：infoq.com - Evolution of a Backend for a Streaming Application
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。