《Spring cloud微服务：全栈技术与案例解析》读书笔记

第一部分 准备篇

第一章 spring cloud 与微服务概述

单体应用的缺点；
dubbo基于Netty的TCP及二进制的数据传输，SC基于HTTP，HTTP需要创建连接，传输文本内容，性能不好。（待验证）
微服务的定义：去中心化数据管理，柔性事务的最终一致性；
spring cloud介绍

第二章 实战准备

JDK，spring boot等。
读取配置文件的三种方式：
environment的getProperty方法，@Value，自定义配置类（POJO类，加上类注解@ConfigurationProperties(prefix=”“)）。

热部署：

统一异常处理：

异步执行：

随机端口：

第二部分 基础篇

第三章 Eureka注册中心

第四章 客户端负载均衡Ribbon

第五章 声明式REST客户端Feign

第六章 Hystrix服务容错处理

第七章 API网关

第三部分 实战篇

第八章 分布式配置管理

SC config，支持配置的加解密，自动更新（手动调用接口触发，也可以利用消息总线和Git的WebHook来实现配置修改的自动更新）。
百度开源Disconf。sc config 不能推送配置到指定节点？自研Smconf：java + zookeeper + mongodb + sb。
功能：
MongoDb，启动–fork，守护进程运行。
SpringFactoriesLoader是spring框架的一种扩展方案，从指定的配置文件META-INF/spring.factories加载配置。

配置修改及时推送到各节点，实现方法：客户端轮询获取、server写长连接推送。

第九章 Sleuth服务跟踪

所有需要跟踪的服务都需要添加依赖sleuth。log格式[appname, traceId,spanId,exportable]
spanId：基本的工作单元，发起一次远程调用就是一个span。
exportable：是否导入数据到zipkin。
整合LogStash：输出json格式的数据需要添加依赖logstash-logback-encoder，配置文件logback-spring.xml，配置LogStash需要收集的数据格式。
整合zipkin：致力于收集所有服务的监控数据的分布式跟踪系统，提供收集数据和查询数据两大接口。zipkin的数据条数和调用接口次数默认比例是0.1，可配置。
数据发送采用HTTP协议影响性能。用MQ替换HTTP发送调用链数据。

第十章 安全认证

第十一章 Spring boot Admin

sb Admin基于actuator，可以集成别的页面组件。
服务注册到sb Admin，添加依赖spring-boot-admin-starter-client，增加配置：
spring.boor.admin.url=
management.security.enabled=false

在admin查看各个服务的日志：在监控的服务中增加日志文件的路径的配置信息。

开启认证：集成security，添加依赖，增加配置信息，自定义安全配置类，监控的服务也需要增加用户名密码的配置信息。

集成eureka：上面的方式，需要每个被监控的服务实例配置admin的地址信息。可以将admin注册到eureka中，然后自动获取Eureka中已注册的服务信息统一查看。

集成Turbin：admin提供Turbin扩展插件，用于整合展示整个集群的熔断器信息。
admin的邮件警告功能，自定义钉钉警报（具体实现有需求再去细看，总归需要接入方的支持，以及申请token之类的唯一码），接入其他警报消息触达平台（微信）类似。

第十二章 服务API文档管理

前后端分离；
swagger提供在线测试功能；
常用注解：
@Api
@ApiModel
@ApiModelProperty
@ApiParam
@ApiOperation
@ApiResponse & @ApiResponses
@ApiImplicitParam & @ApiImplicitParams

Eureka控制台快速查看swagger文档：
在application.properties文件增加配置：
eureka.instance.status-page-url=http://${spring.cloud.client.ipAddress}:${server.port}/swagger-ui.html

第四部分 高级篇

第十三章 API网关扩展

第十四章 缓存

第十五章 存储

MongoDb 内嵌文档；
@Field注解可以自定义字段名称，可以缩写减少存储空间。MongoDb的存储方式是k-v形式，每个key都会重复存储，占用空间。
@Indexed字段加索引，参数unique=true创建唯一索引，background=true以后台方式创建索引。
@CompoundIndexes用于类，创建组合索引，def表示组合索引的字段和升（1）降（-1）序。
MongoDb内置文件系统GridFS，文件块切割为256kb，单独存放。GridFSTemplate。
自增ID，ObjectID，自增ID不要用Long包装类型，监听模式，MongoTemplate的findAndModify是原子操作，不用担心并发问题，继承AbstractMongoEventListener类，重写方法onBeforeConvert。
批量更新扩展：mongo-java-driver的update方法只能执行一个更新条件，参数不支持集合，即不支持批量更新（待确认）。

MySQL
jdbcTemplate提供5类方法：execute：执行DDL语句；update；batchUpdate；query；call。

ES
@Document指定index和type，@Field指定type类型，index是否使用分词器，是否存储store，分词器配置analyzer，searchAnalyzer。原生的driver，transport client。
将MySQL或者MongoDb中数据导入到ES，建立索引信息，第三方工具：Elasticsearch-jdbc、mongo-connector。ElasticsearchTemplate的bulkIndex来构建索引，其save方法基于bulkIndex。

第十六章 分布式事务

第十七章 分布式任务调度

第十八章 分库分表解决方案

sharding-jdbc
项目定位：
功能列表：
概念：
LogicTable：数据分片的逻辑表，对于水平拆分的数据库表，同一类表的总称。
ActualTable：分片数据库中的物理表。
DataNode：数据分片最小单元，有数据源和数据表组成，

集成实战，读写分离实战，Hint强制路由主库（问题：写主库查从库，数据同步耗时期间查不到数据），Hint强制读主库。
分库分表实战，垂直拆分（类似微服务，用户表user和订单表order在不同的server上面）能够解决表之间的资源竞争问题，不能解决单表数据增加过快的问题，水平拆分将一个表拆分为多个，分布在不同的server上。
常用分片算法：
范围分片：根据主键的范围来分片；
取模分片：根据表的数量来取模；
hash分片：通过某个字段进行hash，一致性hash可以解决数据扩容问题；
时间分片。
sharding-jdbc默认提供单分片键算法和多分片键算法。根据数据源策略和表策略，一共有4种算法接口：
单分片键数据源分片算法SingleKeyDatabaseShardingAlgorithm
单分片表分片算法SingleKeyTableShardingAlgorithm
多分片健数据源分片算法MultipleKeyDatabaseShardingAlgorithm
多分片表分片算法MultipleKeyTableShardingAlgorithm
接口中的方法

@Override
public String doEqualSharding(final Collection availableTargetNames,final ShardingValue shardingValue);
@Override
public Collection doInSharding(final Collection availableTargetNames,final ShardingValue shardingValue);
@Override 
public Collection doBetweenSharding(final Collection availableTargetNames,final ShardingValue shardingValue);

这三种算法作用如下：
- doEqualSharding
在WHERE使用=作为条件分片键。算法中使用shardingValue.getValue()获取等=后的值。
- doInSharding
在WHERE使用IN作为条件分片键。算法中使用shardingValue.getValues()获取IN后的值。
- doBetweenSharding
在WHERE使用BETWEEN作为条件分片键。算法中使用shardingValue.getValueRange()获取BETWEEN后的值。
多分片建算法适用于比较复杂的场景，为了提高灵活性故只提供一个方法实现：

public CollectiondoSharding(final Collection availableTargetNames,final Collection> shardingValues);

算法实现的时候根据shardingValue.getType来获取条件是= .IN还是between。

在spring的配置文件中，inline表达式使用groovy语法，