java 事件驱动架构实例_微服务架构-利用事件驱动实现最终一致性

Java学习、面试;文档、视频资源免费获取​shimo.imjava 事件驱动架构实例_微服务架构-利用事件驱动实现最终一致性_第1张图片

事务一致性

首先,我们来回顾一下ACID原则:Atomicity:原子性,改变数据状态要么是一起完成,要么一起失败

Consistency:一致性,数据的状态是完整一致的

Isolation:隔离线,即使有并发事务,互相之间也不影响

Durability:持久性, 一旦事务提交,不可撤销

在单体应用中,我们可以利用关系型数据库的特性去完成事务一致性,但是一旦应用往微服务发展,根据业务拆分成不用的模块,而且每个模块的数据库已经分离开了,这时候,我们要面对的就是分布式事务了,需要自己在代码里头完成ACID了。比较流行的解决方案有:两阶段提交、补偿机制、本地消息表(利用本地事务和MQ)、MQ的事务消息(RocketMQ)。

CAP定理

1998年,加州大学的计算机科学家 Eric Brewer 提出,分布式系统有三个指标。Consistency:一致性

Availability:可用性

Partition tolerance:分区容错

Eric Brewer 说,这三个指标不可能同时做到。这个结论就叫做 CAP 定理。

微服务中,不同模块之间使用的数据库是不同的,不同模块之间部署的服务去也有可能是不用的,那么分区容错是无法避免的,因为服务之间的调用不能保证百分百的没问题,所以系统设计必须考虑这种情况。因此,我们可以认为CAP的P总是成立的,剩下的C和A无法同时做到。

实际上根据分布式系统中CAP原则,当P(分区容忍)发生的时候,强行追求C(一致性),会导致(A)可用性、吞吐量下降,此时我们一般用最终一致性来保证我们系统的AP能力。当然不是放弃C,而是放弃强一致性,而且在一般情况下CAP都能保证,只是在发生分区容错的情况下,我们可以通过最终一致性来保证数据一致。

事件驱动实现最终一致性

事件驱动架构在领域对象之间通过异步的消息来同步状态,有些消息也可以同时发布给多个服务,在消息引起了一个服务的同步后可能会引起另外消息,事件会扩散开。严格意义上的事件驱动是没有同步调用的。

例子:

在电商里面,用户下单必须根据库存来确定订单是否成交。

项目架构:SpringBoot2+Mybatis+tk-Mybatis+ActiveMQ【因为小例子,不做成Spring Cloud架构】

首先,我们来看看正常的服务之间调用:

代码:

@Override

@Transactional(rollbackFor = Exception.class)

public Result placeOrder(OrderQuery query) {

Result result = new Result();

// 先远程调用Stock-Service去减少库存

RestTemplate restTemplate = new RestTemplate();

//请求头

HttpHeaders headers = new HttpHeaders();

headers.setContentType(MediaType.APPLICATION_JSON);

//封装成一个请求对象

HttpEntity entity = new HttpEntity(query, headers);

// 同步调用库存服务的接口

Result stockResult = restTemplate.postForObject("http://127.0.0.1:8081/stock/reduceStock",entity,Result.class);

if (stockResult.getCode() == Result.ResultConstants.SUCCESS){

Order order = new Order();

BeanUtils.copyProperties(query,order);

order.setOrderStatus(1);

Integer insertCount = orderMapper.insertSelective(order);

if (insertCount == 1){

result.setMsg("下单成功");

}else {

result.setMsg("下单失败");

}

}else {

result.setCode(Result.ResultConstants.FAIL);

result.setMsg("下单失败:"+stockResult.getMsg());

}

return result;

}

我们可以看到,这样的服务调用的弊端多多:

1、订单服务需同步等待库存服务的返回结果,接口结果返回延误。

2、订单服务直接依赖于库存服务,只要库存服务崩了,订单服务不能再正常运行。

3、订单服务需考虑并发问题,库存最后可能为负。

下面开始利用事件驱动实现最终一致性

1、在订单服务新增订单后,订单的状态是“已开启”,然后发布一个Order Created事件到消息队列上

代码:

@Transactional(rollbackFor = Exception.class)

public Result placeOrderByMQ(OrderQuery query) {

Result result = new Result();

// 先创建订单,状态为下单0

Order order = new Order();

BeanUtils.copyProperties(query,order);

order.setOrderStatus(0);

Integer insertCount = orderMapper.insertSelective(order);

if (insertCount == 1){

// 发送 订单消息

MqOrderMsg mqOrderMsg = new MqOrderMsg();

mqOrderMsg.setId(order.getId());

mqOrderMsg.setGoodCount(query.getGoodCount());

mqOrderMsg.setGoodName(query.getGoodName());

mqOrderMsg.setStockId(query.getStockId());

jmsProducer.sendOrderCreatedMsg(mqOrderMsg);

// 此时的订单只是开启状态

result.setMsg("下单成功");

}

return result;

}

2、库存服务在监听到消息队列OrderCreated中的消息,将库存表中商品的库存减去下单数量,然后再发送一个Stock Locked事件给消息队列。

代码:

/**

* 接收下单消息

* @param message 接收到的消息

* @param session 上下文

*/

@JmsListener(destination = ORDER_CREATE,containerFactory = "myListenerContainerFactory")

@Transactional(rollbackFor = Exception.class)

public void receiveOrderCreatedMsg(Message message, Session session){

try {

if (message instanceof ActiveMQObjectMessage){

MqStockMsg result = new MqStockMsg();

ActiveMQObjectMessage objectMessage=(ActiveMQObjectMessage)message;

MqOrderMsg msg = (MqOrderMsg)objectMessage.getObject();

Integer updateCount = stockMapper.updateNumByStockId(msg.getStockId(),msg.getGoodCount());

if (updateCount >= 1){

result.setSuccess(true);

result.setOrderId(msg.getId());

}else {

result.setSuccess(false);

}

// 手动ack,使消息出队列,不然会不断消费

message.acknowledge();

// 发送库存锁定消息到MQ

jmsProducer.sendStockLockedMsg(result);

}

} catch (JMSException e) {

log.error("接收订单创建消息报错:"+e.getMessage());

}

}

仔细的朋友可能会看到:message.acknowledge(),即手动确认消息。因为在保证库存服务的逻辑能正常执行后再确认消息已消费,可以保证消息的投递可靠性,万一在库存服务执行时报出异常,我们可以做到重新消费该下单消息。

3、订单服务接收到Stock Locked事件,将订单的状态改为“已确认”

代码:

/**

* 判断是否还有库存,有库存更新订单状态为1,无库存更新订单状态为2,并且通知用户(WebSocket)

* @param message

*/

@JmsListener(destination = STOCK_LOCKED,containerFactory = "myListenerContainerFactory")

@Transactional(rollbackFor = Exception.class)

public void receiveStockLockedMsg(Message message, Session session){

try {

if (message instanceof ActiveMQObjectMessage){

ActiveMQObjectMessage objectMessage=(ActiveMQObjectMessage)message;

MqStockMsg msg = (MqStockMsg)objectMessage.getObject();

if (msg.isSuccess()){

Order updateOrder = new Order();

updateOrder.setId(msg.getOrderId());

updateOrder.setOrderStatus(1);

orderMapper.updateByPrimaryKeySelective(updateOrder);

log.info("订单【"+msg.getOrderId()+"】下单成功");

}else {

Order updateOrder = new Order();

updateOrder.setId(msg.getOrderId());

updateOrder.setOrderStatus(2);

orderMapper.updateByPrimaryKeySelective(updateOrder);

// 通知用户库存不足,订单被取消

log.error("订单【"+msg.getOrderId()+"】因库存不足被取消");

}

// 手动ack,使消息出队列,不然会不断消费

message.acknowledge();

}

} catch (JMSException e) {

log.error("接收库存锁定消息报错:"+e.getMessage());

}

}

同样,这里我们也是会利用手动确认消息来保证消息的投递可靠性。

至此,已经全部搞定了。我们看一下和正常的服务调用对比如何:1、订单服务不再直接依赖于库存服务,而是将下单事件发送到MQ中,让库存监听。

2、订单服务能真正的作为一个模块独立运行。

3、解决了并发问题,而且MQ的队列处理效率非常的高。

但是也存在下面的问题:1、用户体验改变了:因为使用事件机制,订单是立即生成的,可是很有可能过一会,系统会提醒你没货了。。这就像是排队抢购一样,排着排着就被通知没货了,不用再排队了。

2、数据库可能会存在很对没有完成下单的订单。

最后,如果真的要考虑用户体验,并且不想数据库存在很多不必要的数据,该怎么办?

那就把订单服务和库存服务聚合在一起吧。解决当前的问题应当是首先要考虑的,我们设计微服务的目的是本想是解决业务并发量。而现在面临的却是用户体验的问题,所以架构设计也是需要妥协的。

最主要是,我们是经过思考和分析的,每个方案能做到哪种程度,能应用到哪种场景。正所谓,技术要和实际场景结合,我们不能为了追求新技术而生搬硬套。Java学习、面试;文档、视频资源免费获取​shimo.imjava 事件驱动架构实例_微服务架构-利用事件驱动实现最终一致性_第2张图片

你可能感兴趣的:(java,事件驱动架构实例)