看到这里，相信你能想到不少类似的架构，例如当前大热的Service Mesh，又如Flume Agent等等。

 

在我所在的公司，Agent技术也被非常广泛的使用，涉及了日志处理、配置下发、服务注册发现、监控数据收集等方面。

 

Agent技术能解决什么问题

既然Agent技术被如此广泛的运用，那么它主要是为了解决什么问题呢？

 

要充分理解它，我们需要从Agent的特点去考虑。

 

进程级资源隔离

这点可以参考之前我写的文章《Cobar SQL审计的设计与实现》，为了在Cobar中新增SQL审计的功能，第一考虑的是稳定性，不想因为引入了新的组件（Kafka）导致Cobar不可用，所以将SQL收集存储部分独立为一个Agent。

 

如果将逻辑放在业务进程中，首先资源（Cpu、内存等）消耗不可控，其次也极易有可能引入Bug导致原进程崩溃。

 

语言框架无关

举个日志切割的例子，如果大家都用Java，并用了Log4J日志框架，那么完全可以使用一个配置来把日志按时间进行切割和保留。

 

但如果有人使用了一个小众的语言，或者用了一个不具备日志切割能力的日志框架，这时想拥有Log4J同样的日志切割能力怎么办呢？

 

你可能会说怎么会有这样的日志框架，可能大家用Log4J或Logback这样的日志框架都太过于强大了，事实上其他语言真的有这样的，而且日志框架也有很多轮子，质量参差不齐。

 

不能要求每个日志框架都具备同等的能力，只能通过一个Agent进程来处理。

 

看到这里，你可能已经发现这个Agent已经超出文章开头的定义了，严格来说叫「Sidecar模式」，但这个词更多的用在Service Mesh上，所以本文还是用Agent来代替。

 

存算分离

这个概念在数据库和消息队列使用的比较多，这里我借用一下，如果表述不准确还请见谅。

 

在没有Agent之前，服务端负责数据的存储和计算，在有了Agent后，服务端的部分计算可以交给Agent，这样不仅可以减少服务端的压力，也能大幅度降低服务端代码的复杂度。

 

基础组件与业务解耦

这点用Service Mesh的例子讲解恰到好处，对于流量的治理，比如限流、熔断、切流，原先实现在RPC框架，每一次改动升级都需要业务方修改依赖升级并发布，而使用Agent技术后，将原先RPC具有的能力下沉到Agent，变更也只需要升级Agent，业务与基础组件的研发互不相干，效率得到极大地提升。

 

为什么大厂偏爱Agent技术

大厂的特点是人多，人多必然带来一些效率上的问题，所以大厂在工程效率上的探索往往走的比较靠前，他们会把基础架构和业务研发分开，大家的边界很清晰，各司其职。

 

但这也带来了很严重的问题，如果基础组件和业务耦合比较严重，那就导致架构的演进受到阻碍。

 

举个例子，某一天基础架构部新增了一个维度的限流能力，升级推广需要业务方操作，这时刚好业务紧急，那基础组件的升级势必会搁置。

 

于是基础组件与业务解耦的Agent技术受到大厂的偏爱。

 

大厂同样有个问题是技术栈众多，有时候为了跨语言、跨框架地解决问题，只能采用Agent技术。

 

Agent关键技术和缺点

Agent关键技术有很多，看起来不难，但要做好，确实得下很多功夫：

 

资源隔离，这点通常使用cgroups技术

Agent生命周期管理，包括Agent的上线、升级、灰度、下线等等的管理，需要有统一的管控平台，否则Agent的管理将会非常头疼

进程间通信，这点不是必须，但大多数Agent需要考虑这点，一般可选项有如下可选，结合实际情况进行选择即可