Node.js 中间层我维护了两年,这周终于摊牌了——成本账单算完我人傻了

news2026/5/5 19:28:45
背景先交代一下我在一个 20 人的创业团队做全栈两年前入职第一件事就是搭 Node.js 中间层。当时的理由很充分scss前端React SPA中间层Node.js (Express) ← 我搭的后端Java 微服务 × 6老板说前端不能直接调 Java原因有三接口格式不统一——有的返回 {code, data}有的返回 {status, result}跨域问题——6 个微服务 6 个域名前端需要做接口聚合——一个页面要调 3-4 个接口拼数据听起来确实需要一个 BFF 对吧我当时也这么想的。两年后的真实状态来看看我的 BFF 层现在长什么样bashsrc/├── routes/ # 87 个路由文件├── controllers/ # 87 个 controller一一对应├── services/ # 92 个 service├── middleware/ # 15 个中间件├── utils/ # 各种 helper└── config/ # 3 套环境配置87 个路由。你没看错。其中有多少是有意义的聚合逻辑我数了一下12 个。剩下的 75 个在干嘛javascript// 真实代码脱敏过占 BFF 总代码量的 85%router.get(/api/users/:id, async (req, res) {try {const result await javaService.get(/user-service/users/${req.params.id});res.json({ code: 0, data: result.data });} catch (err) {res.json({ code: -1, message: err.message });}});透传。纯透传。85% 的代码就是把前端的请求原封不动转发给 Java再把 Java 的响应原封不动还给前端。连参数校验都没做Java 那边做了。我维护了两年的中间层本质上是个超大号的 nginx proxy_pass。算一笔账这才是让我下定决心的原因。服务器成本BFF 层跑了 3 台 2C4G 的云服务器高可用嘛每台 ¥280/月iniBFF 服务器: ¥280 × 3 ¥840/月PM2 进程管理: 包含在内Nginx SSL: 包含在内监控告警Datadog: ¥200/月──────────────────────合计: ≈¥1,040/月人力成本这个才是大头markdown我每周花在 BFF 上的时间: ≈10 小时- 后端新增接口 → 我同步加 BFF 路由: 4h- Bug 修复 维护: 3h- 升级依赖 / 安全补丁: 2h- 写测试虽然覆盖率一直上不去: 1h按我的时薪折算: ≈¥1,500/周 ¥6,000/月一个月 ¥7,000维护一个高级转发器。而且这还不算隐性成本——每次后端改了接口我得同步改 BFF。经常出现「后端改了字段名忘了告诉我前端页面挂了半天才发现」的情况。这周动手了热榜那篇文章让我下定了决心。我列了个清单1. 75 个纯透传路由 → Nginx 反向代理直接搞定nginx# 原来 87 个 Node.js 路由文件 → 现在 15 行 nginx 配置location /api/user-service/ {proxy_pass http://java-user-service:8080/;proxy_set_header X-Real-IP $remote_addr;}location /api/order-service/ {proxy_pass http://java-order-service:8081/;proxy_set_header X-Real-IP $remote_addr;}# ...6 个微服务全部直连是的就这么简单。CORSNginx 加几行 header。认证Java 那边本来就有鉴权中间件。砍掉 BFF 的第一刀省了 85% 的代码量。2. 12 个聚合接口 → 前端用 Promise.all 自己聚合typescript// 以前BFF 聚合三个接口// GET /api/dashboard → 内部调 user order statistics// 现在前端直接并发请求const [user, orders, stats] await Promise.all([fetch(/api/user-service/me),fetch(/api/order-service/recent),fetch(/api/stat-service/dashboard),]);有人会说这不就是把复杂度推给前端了吗对但前端框架现在处理这个太轻松了。React Query / SWR 几行代码还自带缓存和错误重试。比我手写的 BFF 聚合逻辑健壮得多。3. 接口格式不统一写个前端拦截器typescript// axios 拦截器统一格式10 行代码解决api.interceptors.response.use((response) {const data response.data;// Java 服务 A: {code, data}// Java 服务 B: {status, result}return {success: (data.code 0 || data.status ok),data: data.data || data.result,message: data.message || data.error,};});以前用 BFF 做的格式统一一个拦截器就搞定了。重构结果花了两天时间结果makefile代码变化:删除: 87 个路由文件 92 个 service 所有 BFF 代码新增: 15 行 Nginx 配置 1 个前端拦截器 3 个 Promise.all 聚合服务器变化:关掉: 3 台 BFF 云服务器省钱: ¥1,040/月人力变化:我每周在 BFF 上的时间: 10h → 0h后端改接口不用通知我了: priceless 部署流程:之前: 前端 BFF 后端 3 个部署流水线现在: 前端 后端 2 个部署流水线但是不是所有中间层都该删说几个真正需要 Node.js 中间层的场景1. SSR / SSG— Next.js、Nuxt 这类框架本身就是 Node.js 中间层这个有真实价值2. 复杂的 BFF 编排— 如果你的聚合逻辑涉及条件分支、错误回退、事务补偿前端处理确实吃力3. AI API 代理— 这个是我新发现的场景说来有点讽刺我删掉 BFF 之后一个月团队开始往产品里加 AI 功能。结果发现又需要一个中间层了javascript// 又特么需要代理了 // 前端不能直接调 AI API密钥暴露 CORSrouter.post(/api/ai/chat, async (req, res) {const result await openai.chat.completions.create({model: gpt-4o,messages: req.body.messages,});res.json(result);});不过这次我学聪明了——没有自己搭 Node 服务而是用了 API 聚合平台做代理。类似 ofox.ai 这种统一一个 endpoint 调不同的模型前端只需要配一个 base_url 就行连 Node 中间层都省了。typescript// 前端直接调API Key 通过后端环境变量注入到 SSR 页面const client new OpenAI({apiKey: process.env.NEXT_PUBLIC_AI_KEY,baseURL: https://api.ofox.ai/v1,dangerouslyAllowBrowser: true, // 仅限内部工具});当然如果是面向用户的产品密钥肯定还是得走后端。但对内部工具来说这种方案省了一整个服务。给还在纠结的人几个建议先审计你的中间层代码——数一下有多少路由是纯透传的。如果超过 60%认真考虑砍掉。别因为万一以后需要而保留——YAGNI 原则。我在 BFF 层留了两年的预留扩展点一个都没用上。分步来——不用一口气全砍。我是先灰度切了 10 个低风险接口观察一周没问题再切剩下的。计算真实成本——不只是服务器费用。你的时间才是最贵的。每周花在同步 BFF 路由上的时间完全可以用来做更有价值的事。考虑团队现状——如果你的后端接口真的很乱、没有统一规范BFF 层可能还是必要的过渡方案。但目标应该是推动后端统一而不是用 BFF 永远兜底。最后Node.js 中间层不是原罪。无脑加中间层才是。两年前我搭 BFF 的时候确实解决了实际问题但随着项目发展它的维护成本已经远超收益。热榜说的从前端救星到成本噩梦我的体会是它确实当过救星但别让它变成你的舒适区。该摊牌的时候就摊牌吧 ✌️全栈开发一枚最近在折腾去中间层化。下一篇可能会写 Nginx 反向代理的完整配置方案感兴趣的朋友关注一波 原文链接https://juejin.cn/post/7611861210603257862

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2526677.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…