📦 Service Dependency Mapper — 服务依赖映射器

服务依赖映射器 在故障发生之前映射服务依赖项。从代码导入、配置文件、网络流量和运行时跟踪中自动发现依赖项 —— 然后生成依赖图、识别关键路径并评估影响范围。使用时： "映射我们的服务"、"什么依赖于什么"、"服务依赖图"、"影响范围分析"、"单点故障"、"如果X宕机会有什么影响"、"架构可视化"，或在事件规划期间。

命令

• discover — 自动检测服务依赖项

步骤 1：静态分析 — 代码和配置 # 在代码中查找服务 URL rg "https?://[a-z][-a-z0-9](\.[a-z][-a-z0-9])[:/]" \ --type-not 二进制 -g '!node_modules' -g '!vendor' -g '!.test.' 2>/dev/null | \ grep -v "example\.com\|localhost\|127\.0\.\|schema\.org" | head -30 # 在 Docker Compose 中查找服务名称 rg "depends_on|links:|container_name:" docker-compose.yml 2>/dev/null # 在 Kubernetes 中查找服务引用 rg "serviceName:|host:|backend:" k8s/ manifests/ helm/ 2>/dev/null # 查找数据库/缓存连接 rg "DATABASE_URL|REDIS_URL|MONGO_URI|POSTGRES_|MYSQL_|AMQP_URL|KAFKA_BROKER" \ --type-not 二进制 -g '!node_modules' -g '!vendor' 2>/dev/null # 查找消息队列生产者/消费者 rg "publish\(|subscribe\(|produce\(|consume\(|\.queue\(|channel\." \ --type-not 二进制 -g '!node_modules' -g '!vendor' 2>/dev/null | head -20 # 查找 gRPC/REST 客户端实例化 rg "GrpcClient|HttpClient|axios\.create|fetch\(.*service|\.NewClient" \ --type-not 二进制 -g '!node_modules' -g '!vendor' 2>/dev/null

步骤 2：运行时分析（如果可用） # Kubernetes 服务 kubectl get services -A -o json | python3 -c " 导入 json, sys svcs = json.load(sys.stdin)['items'] 对于 svc in svcs： ns = svc['metadata']['namespace'] name = svc['metadata']['name'] stype = svc['spec']['type'] ports = [str(p['port']) for p in svc['spec'].get('ports', [])] print(f'{ns}/{name} ({stype}) ports:{','.join(ports)}') " # 服务网格（Istio/Linkerd）— 实际流量依赖项 kubectl get destinationrules -A 2>/dev/null istioctl proxy-config cluster 2>/dev/null | grep -v "BlackHole\|PassthroughCluster"

步骤 3：构建依赖图 dependencies = { 'api-gateway': { 'depends_on': ['auth-service', 'user-service', 'order-service'], 'type': 'sync', # 同步 HTTP 调用 'criticality': 'critical', }, 'order-service': { 'depends_on': ['postgres', 'payment-service', 'kafka'], 'type': 'mixed', 'criticality': 'critical', }, 'notification-service': { 'depends_on': ['kafka', 'smtp-relay', 'redis'], 'type': 'async', 'criticality': 'low', }, }

步骤 4：生成依赖映射 # 服务依赖映射

图（文本表示）

[External Users] │ ▼ [api-gateway] ─sync──► [auth-service] ─sync──► [postgres-auth] │ │ │ ├─sync──► [user-service] ─sync──► [postgres-users] │ │ └─async─► [redis-cache] │ │ │ └─sync──► [order-service] ─sync──► [postgres-orders] │ │ └─sync──► [payment-service] ─► [Stripe API] │ │ │ └─async──► [kafka] │ │ │ ├──► [notification-service] ─► [SMTP] │ └──► [analytics-service] ─► [ClickHouse]

关键路径

api-gateway → order-service → postgres-orders（故障发生在这里 = 订单无法下单）

单点故障

• 🔴 postgres-orders — 无副本、单实例
• 🔴 api-gateway — 单入口点、无回退
• 🟡 kafka — 3 个代理，但无多可用区
• 🟡 Stripe API — 外部依赖项、无回退支付提供商

影响范围分析

| 如果这个失败... | 这些会中断... | 受影响的用户 | |-------------------|---------------|----------------| | postgres-orders | order-service, api-gateway（部分） | 100% 订单 | | auth-service | 所有经过身份验证的端点 | 100% 用户 | | kafka | 通知、分析 | 0%（优雅降级） | | redis-cache | user-service（慢，但不中断） | 0%（缓存未命中） | | Stripe API | payment-service、订单 | 100% 新订单 |

• blast-radius — 分析服务故障的影响

对于给定的服务，跟踪所有依赖项（递归）： 直接依赖项（调用此服务） 传递依赖项（依赖于直接依赖项） 用户面向的影响（哪些用户流程会中断？） 优雅降级（依赖项是否可以在没有此服务的情况下正常运行？）

• visualize — 生成图表输出

依赖图以以下格式输出： Mermaid（用于 GitHub/GitLab 标记） DOT（用于 Graphviz） PlantUML D2

• health — 评估架构健康

根据以下标准评分架构： 依赖链的深度（深链 = 脆弱） 每个服务的扇出（宽扇出 = 复杂的故障模式） 循环依赖（存在？多少？） 单点故障计数 同步与异步依赖的比例 外部依赖项计数和回退覆盖率