主要观点：作者介绍了个人财务追踪项目从单体应用到微服务的转变过程，包括遇到的问题、找到的服务边界、共享数据挑战、服务部署策略、服务间通信模式等，并给出了将单体 ML 服务分解为微服务的实用路线图和最终思考。
关键信息：

• 项目开始简单，后逐渐增加功能，因一个模型失败导致整个服务崩溃，意识到单体应用的单点故障问题。
• 打破单体应用的第一步是根据功能边界划分服务，如核心交易处理、消费分析等。
• 分解服务面临共享数据和特征的挑战，通过服务拥有数据、共享数据服务、事件驱动更新三种模式来处理。
• 不同服务有不同的部署策略，如轻量级服务共享容器、重量级模型专用容器、批量处理定时任务。
• 服务间通信采用 HTTP 实时请求、消息队列后台处理、共享缓存提高性能等模式。
• 对于单体 ML 服务的项目，可按列出 ML 能力、确定共享数据等步骤进行分解。
  重要细节：
• 最初按技术相似性分组模型错误，后按功能边界划分，如交易分类、消费分析等。
• 安全服务拥有欺诈相关特征，规划服务管理投资等信息，通过不同模式共享数据。
• 轻量级服务如交易分类在同一容器，重量级模型如投资推荐单独容器，批量处理服务定时运行。
• 服务间通信中，实时请求用 HTTP，非紧急任务用消息队列，通过共享缓存提高性能。
• 实用路线图包括列出 ML 能力、确定共享数据等步骤，采用渐进式迁移。