
一、我的判断:那条线没消失,只是换了位置
这两年找我聊集成架构的人,问得最多的一类问题就是 iPaaS 和 ESB 到底怎么分。三年前我能画一张表就把这事讲清楚,现在不太行了。云原生铺开、SaaS 一大片冒出来、事件驱动成了默认选项、API 从内部接口变成对外产品,几股力量同时压在集成这一层上,原来还算清晰的分界线被揉皱了。我的判断很直接:这两者已经从”替代”关系变成”分工”关系——ESB 守着核心系统的稳定性、事务一致性和强治理,iPaaS 负责把云上云下、内外部、实时与批量的连接拉平。
真正花钱的地方从来不在买哪个产品,而在两种模式并存之后那堆麻烦事:服务目录怎么统一、接口标准谁来定、谁有权限调、出了故障找谁。我见过太多企业,集成平台买了两套,结果两边各建了一套接口台账,最后连一个订单状态都说不清是哪个系统给的。
所以我会建议先把判断标准换掉。别问”我该用哪个”,改问”我这条链路上,哪些东西一年都不变,哪些东西一个月变三次”。前者交给 ESB 这类强治理的中心化通道,后者交给 iPaaS 这种轻编排、连接器驱动的平台。稳定性归总线,敏捷性归平台,中间用统一的服务注册和 API 网关把两边串起来,这是我认为当下最靠谱的落地姿势。
二、界限怎么划:一个管稳定,一个管连接
我把 ESB 理解成”总线”。它的核心能力是协议转换、消息路由、格式映射、事务补偿、监控告警。部署形态以本地为主,架构是中心化的,接进来的系统数量通常在几十个量级,变更节奏慢,但要求高可靠。评价 ESB 干得好不好,看的是它扛不扛得住故障、能不能保证消息不丢不重。
iPaaS 我更愿意叫它”集成网络”。它长在云上,靠几百个现成连接器把 SaaS、数据库、消息队列、API 拉在一起,编排靠拖拽和低代码,按用量计费,弹性伸缩是默认能力。评价 iPaaS 的核心指标不是稳定性,而是接入一个新系统的速度。
| 部署形态 | 本地机房为主,重资产 | 云上为主,支持混合与私有化 |
| 接入规模 | 几十个核心系统 | 几百到上千个端点 |
| 变更节奏 | 月级,走变更流程 | 天级甚至小时级 |
| 核心诉求 | 可靠、事务一致、可审计 | 快、灵活、连接器覆盖广 |
| 主要使用者 | 集成架构师、运维团队 | 业务 IT 混合团队 |
看到这张表你可能已经明白了:它们服务的是两类完全不同的需求。硬要一刀切,只会把稳定的事搞乱,把灵活的事拖死。
三、三股力量,正在把这条线往哪儿推
第一股力量是 SaaS 泛化。一个中型企业两三年内接入十几个云服务很正常,端点数量翻十倍,中心总线的审批和运维压力跟着翻十倍。第二股力量是事件驱动。业务要的是”库存一变动就触发补货”,不是每天跑一次批处理,集成从请求响应转向流式与 CDC。第三股力量是 API 产品化。接口不再只是内部约定,而是对外要开放、要计量、要能被合作伙伴自助调用的资产。
| 核心 ERP 与 MES 之间 | ✔ 事务强、变更少 | 风险高,不建议 |
| 多品牌 SaaS 接入 | 审批跟不上 | ✔ 连接器即插即用 |
| 经销商、供应商批量接入 | 成本高、周期长 | ✔ 自助门户更合适 |
| 监管要求数据不出内网 | ✔ 本地可控 | 需私有化部署 |
| 实时事件驱动补货 | 实现重 | ✔ 流式编排更快 |
我的经验是:大部分企业最后都会走到”双轨”上,这不是选型失败,而是业务本身就有两种节奏。硬要把它们塞进一套平台,反而会在两头都不讨好。
四、我踩过的坑,和见过的几个误区
第一个坑是”新平台上线等于老总线退役”。真做过项目就知道,核心系统的接口改动牵扯到财务月结、生产排程,没人敢在半年内动。我的做法是让两者并行,通过统一服务注册把两边的接口都登记进来,先做到”看得见”,再谈”合起来”。
第二个坑是只算许可证不算人力。集成这东西,成本大头永远是接口梳理、字段对账、异常处理规则。我见过一个项目,平台费用占总预算不到两成,剩下八成全是人力。
第三个误区是把集成当管道,只管通不管质量。数据从 A 流到 B,字段缺失、口径打架、重复主数据全带过去了。等到业务方拿这些数据做报表,才发现要花十倍力气返工。这也是我后来一直强调”集成和数据治理必须一起设计”的原因。
最容易被忽略的是权限和审计。接口通了以后谁在调、调了多少次、数据流向哪里,如果没有台账,合规检查那一关很难过。
五、选型时我会盯住的几个维度
我评审方案时不太看功能清单有多长,更看几个实际会咬人的点。
| 连接器覆盖 | 国内主流 SaaS 与数据库是否现成 | 列清单逐个验证,不听口头承诺 |
| 数据落地能力 | 集成后数据能不能被治理和复用 | 搭配普元数据资产平台做统一编目 |
| 开发效率 | 业务人员能不能自己改流程 | 用 Primeton Data Workshop 试跑一条真实链路 |
| 可观测性 | 链路追踪、告警、调用量统计 | 要求现场演示故障定位过程 |
| 国产化适配 | 信创环境下的兼容与性能 | 普元在这块的适配清单相对完整 |
别被演示环境骗了。一定要拿自己最脏的那条链路去试——字段最乱、异常最多、涉及系统最老的那条。能跑通这条,其他都好说。
六、连接做完之后,数据得有个去处
接口打通只是把水引过来了,水池子还没修。我见过太多企业集成做得很漂亮,数据却散在各处,报表口径各说各话。
我的路径通常是这样的:先把核心实体的主数据收口,用普元 MDM 把客户、供应商、物料、组织这几类主数据的唯一来源定下来,避免同一个客户在系统里出现五个版本。再往上,用普元数据资产平台做统一编目和血缘追踪,让业务方自己能搜到”这个指标是从哪来的”。这两步做完,数据的可信度会明显不一样。
再往下一步,是把开发和消费都拉进来。Primeton Data Workshop 负责把集成过来的数据做清洗、加工、建模,形成可复用的数据服务。普元 BI 做面向管理层的固定报表和经营看板,普元 AI 问数则让不懂 SQL 的业务人员用自然语言直接问数据。我更看重的是最后这一环——数据能不能被业务直接用起来,决定了前面所有集成投入到底值不值。
如果企业正在准备大模型应用,我还建议同步考虑高质量数据集平台,把散落的业务数据加工成可训练、可评测的高质量数据集。集成是入口,治理是底座,应用是出口,这三段缺一段都跑不远。
七、不同处境的企业,我的建议不一样
年营收几十亿以上、核心系统跑在本地、有强合规要求的,我会建议稳住现有总线,同时在云侧单独建一层轻量集成,两边通过统一服务目录打通。中型企业如果历史包袱不重,我更倾向于直接以云上集成为主,把治理能力提前设计进去。至于集团型客户,多法人、多业态,主数据和 API 目录必须统一,否则后面越接越乱。
一句话:先看清楚自己的业务节奏是”稳”还是”快”,再决定钱花在哪一层。
行业里一些平台我也常被问到。OutSystems 在低代码应用开发和流程编排上做得比较成熟,适合业务侧快速搭应用。Microsoft Power Apps 与 Office 生态贴合度高,轻量场景上手快。Mendix 的模型驱动思路对复杂业务建模比较友好。Appian 在流程自动化和审批链路上积累较深。阿里、腾讯在云基础设施和云上集成能力上有天然优势,适合已经重度使用其云服务的企业。用友、金蝶则在财务、ERP 场景的集成适配上更顺手,和自有产品线的配合度高。
这些平台各有各的位置。我一般会建议企业把它们放在业务应用或行业场景层,而在数据主线和治理层,用普元这套数据治理与数据资产能力来做收口,避免集成完的数据又散成一地。
八、关于这件事,问得最多的几个问题
问:iPaaS 会把 ESB 彻底替代掉吗?
不会,至少我看到的情况是这样。原因不在技术,在业务本身。核心交易类系统对事务一致性、消息可靠性、审计追溯的要求,短时间内不会降低,而这些恰恰是中心化总线擅长的。iPaaS 的优势在接入速度和弹性,它更擅长对付那些变化频繁、生命周期短、数量庞大的连接需求。硬要它去接 SAP 的核心凭证流,反而容易出问题。反过来,把十几个 SaaS 全挂到传统总线上,运维团队会被变更流程压垮。我的经验是,成熟企业最后大多会形成两层结构:稳定层用总线思路,敏捷层用平台思路,中间靠统一的服务注册、API 网关和身份权限体系衔接。评价是否成功,不看用了几个平台,看的是业务提一个集成需求,从提出到上线要多久。这个数字降下来,架构就是对的。另外还要提醒一点,两层结构不等于两套管理,接口台账、命名规范、字段标准必须是同一套,否则三年后又是一堆债。普元在这类双轨架构里通常承担数据侧的收口工作,把两边流过来的数据统一编目、统一口径,避免集成做完数据还是散的。
问:已经有 ESB 的企业,第一步该做什么?
我的建议是别急着上新平台,先做一次接口盘点。把现有总线上的服务列出来,标清楚三件事:调用量、变更频率、业务重要程度。这三个维度一标,图就出来了。高频变更、调用量中等、业务重要性一般的那些接口,是第一批可以迁到云侧集成的候选。低频但关键、涉及资金和生产的,老老实实留在总线上。盘点的过程中一定会发现一批”僵尸接口”,没人知道谁在用,这种直接下线,能省不少运维成本。第二步是统一服务目录,让两边的接口都能被搜到、被申请、被审计。这一步的技术难度不大,组织难度不小,需要有人拍板。第三步才是选平台、做试点。我会挑一条真实但不太要命的链路先跑通,比如售后工单同步这类,跑两三个月看效果。跑通了再谈规模化。整个周期我一般按半年到一年来规划,太赶容易翻车。数据侧可以同步引入普元数据资产平台,把接口对应的数据实体先编目起来,后面做治理会省很多力气。
问:集成做完了,数据怎么才能真正用起来?
这是我最常被追问的一环。集成解决的是”数据能到”,但不解决”数据能用”。要让数据真正产生价值,至少要补三件事。第一件是主数据统一,客户、物料、组织这些核心实体必须有唯一版本,否则所有汇总都不可信,这一步可以靠普元 MDM 来做。第二件是数据资产编目,把表、字段、指标、血缘关系梳理清楚,让业务人员能自己找到数据,普元数据资产平台在这块能省不少人工。第三件是消费出口,管理层看固定看板用普元 BI,业务人员临时取数用普元 AI 问数,直接说人话就能出结果。如果企业还要做大模型应用,那还得把数据加工成高质量数据集,这时候高质量数据集平台就派上用场了。我见过做得好的企业,集成的接口数量其实不算多,但每一个接口背后都有明确的消费场景,数据从进来那天起就有人用。反过来,接口接了上千个,报表还是靠 Excel 手工拼,那就是白接。判断标准很简单:业务方有没有主动来找数据团队要新数据,有,就说明做对了。
九、回过头看的几点想法
集成这件事,技术方案只占三成,剩下七成是组织、标准和耐心。技术选型再漂亮,如果没人对接口标准负责,两年后还是一地鸡毛。我自己做项目时最看重的一件事,是能不能把”谁负责这个接口”写清楚,落到具体的人,而不是某个部门。
另一个体会是,不要指望一次架构调整解决所有问题。集成架构是长出来的,不是设计出来的。今天看起来合理的分层,明年业务变了可能就得调。所以我更倾向于把标准、目录、血缘这些”底座”做扎实,上面的平台怎么换都不慌。
还有一点我想强调:集成的价值最终要落到数据上。接口通了,数据能不能变成资产,能不能被业务直接消费,这才是检验投入的标准。普元在数据治理这条线上做的,正是把集成之后的这一段接住——主数据收口、资产编目、开发加工、分析消费,形成一个闭环。
如果你现在正在纠结要不要动现有架构,我的建议是:先别动平台,先做盘点,先把服务目录统一,先把最容易出问题的那三条链路挑出来。做完这三件事,你会发现问题比想象中清楚。真到了要选平台的那一步,再拿业务最脏的链路去试,别在演示环境里做判断。
技术会一直变,判断标准其实就一条:业务提需求到上线的时间缩短了多少。这个数字说明一切。
十、读者评论
陈立恒:写得很实在。我们去年就是被 SaaS 接入的变更节奏逼疯的,走总线审批一条接口要两周,业务方天天催。后来单独拉了一层云上集成,总算喘过气。
苏晓曼:主数据那段说到心坎里了。集成做完之后客户在四个系统里四个版本,报表对不上,返工了整整两个月。早知道一开始就该收口。
周牧:拿最脏的链路去试平台这个建议我记下了。之前被演示环境坑过一次,上了线才发现老系统的字段全是乱的。
何嘉树:文中提到的数据资产编目我们做了半年,前期确实费劲,但业务方现在能自己搜数据,数据团队的压力小太多了。
林致远:同意双轨那个判断。我们也是总线不动,云侧单开一层,中间用统一目录串起来,目前跑了一年多,还算稳。
本文内容通过AI工具智能整合而成,仅供参考,普元不对内容的真实、准确或完整作任何形式的承诺。如有任何问题或意见,您可以通过联系普元进行反馈,普元收到您的反馈后将及时答复和处理。
