Day 2: 系統架構全覽：Java + Python + React 的異構方案

解析異構技術棧如何截長補短，打造高效分析平台。

1. 為什麼要「異構」？

很多團隊會堅持「單一語言棧」，理由是維護成本低，這我完全理解。但在 Wafer BI 的場景裡，我還是刻意選了異構，原因很實際：

• 認證與權限是典型的企業級事務——強型別、事務一致性、生態系成熟。這是 Java / Spring Boot 3 的主場。
• 大數據聚合運算要靠 Pandas、PyArrow、Delta Lake 這些武器。這是 Python / FastAPI 的主場。
• 門戶層要輕量、非同步、middleware 好寫。Node.js / Express 剛剛好。
• 前端要渲染數萬個資料點還不能卡。React + ECharts 當仁不讓。

微服務架構的其中一個好處，就是每個服務都可以用「最適合它的語言」。而 K8S 跟容器化，就是讓這群個性完全不同的傢伙能和平共處的關鍵。

2. 系統架構圖 (Mermaid)

graph TD
    User((使用者)) --> Ingress[Nginx Ingress]
    Ingress --> Frontend[Frontend: React + ECharts]
    Ingress --> Gateway[API Gateway: Node.js]
    Gateway --> AuthService[User Service: Spring Boot 3]
    Gateway --> DataService[Wafer BI Service: FastAPI]
    AuthService --> DB[(PostgreSQL)]
    DataService --> Delta[(Delta Lake)]

3. 模組職責說明

• User Service (Java / Spring Boot 3 + JPA)：負責身分驗證、JWT 簽發、用戶與群組權限管理，資料落在 PostgreSQL。
• Wafer BI Service (Python / FastAPI)：核心計算引擎，處理 Delta Lake 中的 Parquet 資料，提供晶圓熱圖、CDF、箱型圖、良率等統計 API。
• API Gateway (Node.js / Express)：統一門戶，處理跨域 (CORS)、Rate Limiting、JWT 驗證與路由轉發。
• Frontend (React + ECharts)：用 Canvas 渲染數萬個 Die 的熱圖，追求讓人「哇」出來的互動體驗。

4. 專案結構一覽

異構最直觀的證據，就是專案的 services/ 目錄——pom.xml（Java）、requirements.txt（Python）、package.json（Node.js）、vite.config.ts（React）全部同框。強迫症看了可能會有點癢，但這就是異構的浪漫 哈哈：

▲ 專案結構：services/ 下 Java、Python、Node.js、React 異構服務並存

wafer-bi/
├── services/
│   ├── user-service/      # Java / Spring Boot 3（pom.xml）
│   ├── wafer-bi/          # Python / FastAPI（requirements.txt）
│   ├── api-gateway/       # Node.js / Express（package.json）
│   ├── frontend/          # React + Vite（vite.config.ts）
│   ├── license-service/   # Java（授權管理）
│   └── ai-mcp-service/    # Python（AI 助理，之後的彩蛋）
├── k8s/                   # K8S Manifests
├── helm/                  # Helm Chart
├── monitoring/            # Prometheus / Grafana 配置
└── docker-compose.yml     # 本地一鍵啟動

5. 異構的代價與對策

異構不是免費的午餐，先老實把代價列出來，後面的文章會一個一個拆解：

明天開始動手：先把 Java 服務裝進 Docker，讓 Spring Boot 3 搬進容器新家。