软件架构风格系列（5）：数据共享架构-EW帮帮网

数据共享架构：如何让数据在系统间自由“流淌”？

引言

在企业数字化转型的浪潮中，“数据孤岛”成为横在业务创新面前的大山：营销系统的用户画像无法同步到客服系统，供应链的库存数据难以为销售决策提供支撑……

此时，数据共享架构就像一套“数据高速公路”，让不同系统间的数据实现自由流通。作为一个见证过多个大型系统落地的老司机，今天就来拆解这种架构的核心逻辑，帮你从原理到落地全面掌握。

一、数据共享架构：让数据成为“共享资产”

（一）什么是数据共享架构？

简单来说，它是一种以“数据”为核心的架构风格，通过统一的中介层实现不同系统间的数据流通。核心要素包括：

数据源：产生或存储数据的系统（如ERP、CRM、数据库）
中介层：数据共享的“桥梁”，负责数据转换、路由、安全控制（如API网关、数据总线）
消费端：使用共享数据的系统（如数据分析平台、前端应用）

其核心目标是打破系统壁垒，让数据像“自来水”一样按需流动，典型场景包括：

电商平台中，商品服务与订单服务共享库存数据
政务系统中，公安户籍数据与民政婚姻数据互通
金融机构中，风控系统与客服系统共享用户信用数据

（二）核心特性：让数据共享更高效可靠

中心化管理：通过统一的数据字典、元数据管理，确保数据定义一致（如“用户ID”在所有系统中代表同一字段）。
透明性：消费端无需关心数据存储位置，通过标准化接口即可获取数据（如RESTful API、消息队列）。
可扩展性：新增数据源或消费端时，只需在中介层配置映射关系，无需修改底层代码。
安全性：通过权限控制、数据加密，确保敏感数据仅被授权系统访问（如用户身份证号加密传输）。

二、架构设计图：三层架构实现数据无缝流转

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

数据源层：包含各类异构数据源，如关系型数据库（MySQL）、NoSQL（MongoDB）、文件系统（HDFS），通过数据适配器接入中介层。
中介层：
- 数据适配器：将不同数据源的接口统一（如将MySQL的JDBC接口转换为RESTful API）。
- 格式转换引擎：解决数据格式不兼容问题（如将CSV数据转为JSON，或转换日期格式）。
- 路由规则引擎：根据数据类型和消费端需求，决定数据流向（如用户行为数据路由至数据分析平台，订单数据路由至供应链系统）。
- 安全网关：实现认证（如OAuth2.0）、授权（如RBAC角色权限）、数据加密（如AES加密传输）。
消费端层：通过标准化接口获取数据，支持实时查询（如前端页面调用API获取商品价格）或批量同步（如夜间定时同步用户标签数据）。

三、Java实战：基于Spring Boot构建数据共享服务

（一）技术选型

框架：Spring Boot（快速构建RESTful API）
数据格式：JSON（通过Jackson实现自动序列化/反序列化）
安全：Spring Security（实现Token认证）

（二）数据源接口定义（模拟ERP系统）

// ERP数据适配器
public interface ErpDataAdapter {
    // 获取用户列表（原始格式：ERP内部对象）
    List<ErpUser> getErpUsers();
}

// ERP用户原始对象
class ErpUser {
    private Long erpUserId;
    private String erpUserName;
    private LocalDate erpCreateTime;
    // 省略getter/setter
}

（三）中介层：数据转换与路由

@Service
public class DataMediator {
    private final ErpDataAdapter erpAdapter;

    public DataMediator(ErpDataAdapter erpAdapter) {
        this.erpAdapter = erpAdapter;
    }

    // 将ERP用户转换为共享格式（UserDTO）
    public List<UserDTO> convertToSharedFormat() {
        return erpAdapter.getErpUsers().stream()
            .map(erpUser -> new UserDTO(
                erpUser.getErpUserId(),
                erpUser.getErpUserName(),
                erpUser.getErpCreateTime().format(DateTimeFormatter.ISO_DATE)
            )).collect(Collectors.toList());
    }
}

// 共享数据格式（消费端统一使用）
record UserDTO(Long userId, String userName, String createTime) {}

（四）消费端接口（提供给外部系统调用）

@RestController
@RequestMapping("/shared-data")
public class DataShareController {
    private final DataMediator mediator;

    @Autowired
    public DataShareController(DataMediator mediator) {
        this.mediator = mediator;
    }

    // 暴露RESTful接口，需携带Token认证
    @GetMapping("/users")
    public ResponseEntity<List<UserDTO>> getSharedUsers(@RequestHeader("Authorization") String token) {
        // 安全校验（简化实现，实际需集成OAuth2.0）
        if (!isValidToken(token)) {
            return ResponseEntity.status(HttpStatus.UNAUTHORIZED).build();
        }
        List<UserDTO> users = mediator.convertToSharedFormat();
        return ResponseEntity.ok(users);
    }

    private boolean isValidToken(String token) {
        // 实际需调用认证中心校验Token
        return token.startsWith("Bearer "); 
    }
}

（五）调用示例（模拟前端消费端）

// 使用OkHttp调用共享接口
public class ConsumerClient {
    private final OkHttpClient client = new OkHttpClient();

    public List<UserDTO> fetchSharedUsers(String token) throws IOException {
        Request request = new Request.Builder()
            .url("http://data-shared-service/shared-data/users")
            .addHeader("Authorization", token)
            .build();

        try (Response response = client.newCall(request).execute()) {
            String json = response.body().string();
            ObjectMapper mapper = new ObjectMapper();
            return Arrays.asList(mapper.readValue(json, UserDTO[].class));
        }
    }
}

四、适用场景与实践挑战

（一）这些场景请优先选择数据共享架构

企业数据整合：打通多个遗留系统（如SAP ERP与自研CRM），实现客户、订单、库存数据统一视图。
微服务数据交互：在微服务架构中，通过共享数据接口避免服务间直接调用数据库，降低耦合度。
政务数据共享：实现跨部门数据互通（如税务与工商数据共享，简化企业注册流程）。
第三方数据接入：对外提供标准化API，允许合作伙伴安全访问部分数据（如电商平台开放商品类目数据给第三方开发者）。

（二）避坑指南：三大核心挑战与解决方案

数据一致性问题
- 挑战：多个系统同时修改共享数据，导致版本冲突（如A系统更新用户地址，B系统同时删除该用户）。
- 方案：
  - 引入分布式事务（如TCC模式）保证强一致性；
  - 对非实时场景，使用最终一致性（如通过Kafka消息队列异步同步数据，结合Redis记录版本号）。
安全与权限控制
- 挑战：敏感数据泄露风险（如用户手机号被未授权系统获取）。
- 方案：
  - 接口级权限控制（如使用Spring Security配置角色权限，只有“数据分析岗”可调用用户标签接口）；
  - 数据脱敏（如对身份证号、银行卡号进行部分掩码处理，返回时自动脱敏）。
性能瓶颈
- 挑战：大量并发请求导致中介层成为瓶颈（如每秒万级数据同步请求压垮数据转换引擎）。
- 方案：
  - 缓存优化（对高频访问数据使用Redis缓存，设置合理过期时间）；
  - 异步处理（将批量数据转换任务放入线程池或消息队列，避免阻塞主线程）。

五、总结：让数据共享成为业务创新的“燃料”

数据共享架构的本质，是将数据从“烟囱式存储”转变为“资产化管理”。通过清晰的分层设计和标准化接口，它让不同系统既能保持独立，又能按需获取数据，为业务创新提供强大支撑。从企业内部的数据中台到跨行业的数据生态，这种架构风格正在重塑数据价值释放的方式。

当然，成功的关键在于结合业务场景合理设计：小规模系统可从简单的API网关开始，大型分布式系统则需引入数据治理、监控告警等模块。下次当你面对“数据孤岛”难题时，不妨画一张数据共享架构图，让数据流动起来，或许会发现新的突破口。

你所在的团队是否正在面临数据共享的挑战？欢迎在评论区分享你的经验，我们一起探讨最佳实践～

图片来源网络

软件架构风格系列（5）：数据共享架构