微服务架构(Saga)及示例eventuate

一、微服务架构

微服务目的是做到服务可随时动态扩缩。有以下三种策略服务拆分，水平扩展，水平复制。

微服务架构把这三个维度比喻成一个立方体。

图1、微服务的三维架构

1.1 水平扩展：X轴线

使用负债均衡平衡后端服务。后端服务多为单体，水平扩展用于克隆单体。

而如果后端有缓存的关系（cookie或者服务端保存会话，是保存在内存中，而不是数据库），就不能适用水平扩展或者不能只简单地水平扩展，所以这个水平扩展更新用单机服务的扩展。

图2、水平扩展

X轴的水平扩展很好实现，一般用tcp四层代理和http7层代理，4层和7层的区别在于

tcp四层代理不需要状态，7层更适用于检查http头或者一些值来达到平衡。

应用场景：

一开始没考虑扩展的服务，当运行到某个瓶颈时候，优先考虑这种简单粗暴的水平扩展

app proxy应用代理或者 application delivery controller (ADC)应用流量分发控制器

代理把计算型服务，也常见于在云应用场景中。

1.2 功能性扩展：Y轴线

单体功能拆分成服务。它也是个典型的7层负载均衡

Y轴扩展（功能扩展），把功能拆分成服务；又通过SOA和RESTful api把服务组合成功能

Y轴扩展是一个前置条件是，ADC流量分配器从uri区分。

一个功能扩展和水平扩展相结合的例子是：

图3、功能扩展

1.3 基于数据的扩展（非服务本身，服务实例可以一致）

z扩展是介于X和Y扩展，使用基于数据分片的策略，

z扩展在每个节点都运行同样一份程序，这种有点像X水平扩展，但是和X水平扩展不一样的时候，Z扩展服务的数据段不一样，

基于访问数据段来分发流量。

这种z扩展是基于访问数据的流量分发，所以也适用于高级的vip用户得到更好的服务。

图4、数据扩展

二、微服务的SAGA模式

sage是a sequence of local transactions. 一个服务提交完自己的数据库，将数据流向 下一个服务。使用异步消息来协调本地事务。

2.1 和传统分布式事务区别

维持跨服服务一致性的传统方式是分布式事务，两阶段提交保证事务中的所有参与方都可以完成提交，或者在失败时同时回滚。

很多流行组件不支持分布式事务NoSql（Cassandra ，MongoDB），RabbitMQ， Kafka。所以传统的分布式事务不能完美兼容一些流行组件。

• 传统ACID事务对待违反业务规则的办法，可以轻松回滚事务。
• SAGA无法自动回滚，所以需要补偿事务，

2.2 SAGA的补偿事务设计架构模式

2.2.1 协同式：

把SAGA的决策和执行顺序逻辑分布在sage的每一个参与方中，他们通过交互事件的方式进行沟通

2.2.2 编排式：

把saga的决策和执行顺序集中在一个sage编排器勒种。saga编排器发出命令式消息给个个saga参与方，指示这些参与方完成具体操作（本地事务）

三、编译运行示例eventuate（一个实现SAGA模型的微服务框架例子）

3.1 编译安装

下载源码

git clone https://github.com/eventuate-tram/eventuate-tram-sagas.git

这个项目是采用gradle编译工具链（一个java编译框架），编译设定属性在gradle.properties文件。

图5 gradle.preperties属性

进入源码目录执行./build-and-test-everything.sh ，这个文件背后调用了设置环境变量，然后调用gradlew编译。

在编译之前需要安装java8、docker-compose、docker。java8是用来当jvm。docker*是安装mysql、zookeeper、kafka的组件服务。

3.2 解决编译问题

3.2.1 问题：cannot find symbol @PostConstruct

图6 java版本问题

，解决办法：确保安装的是java8，而不是java11

安装完多个版本的java，可以用以下命令切换：

图7 切换java版本

3.2.2 问题：gradle build daemon disappeared unexpectedly(it may have been killed or may hava crashed)

gradle daemon模式是编译会在后台启动一个daemon服务，用于加快持续集成编译，下次编译会利用上次编译的缓存，编译得更快。但是这个问题其实本质是内存不足。我一开始用1G的云服务器编译，都是这种诡异的问题，换到4G内存的云服务器编译，这些问题都消失 了，这个架构背后还会docker启动zk、kafka和mysql服务，以及jvm编译环境都是比较耗内存的。所以建议是这里用4G以上的内存机器进行编译。

图8 编译机内存不足问题

3.2.3 问题：Exit-code 1 when calling docker-compose, stdout:

这个是没有安装docker，需要按照官网的指导正确安装docker和docker-compose。配置yum源如果是centos服务器的话。然后yum安装完docker，记得service docker restart启动。然后还需要安装python pip服务，使用pip安装docker-compose

图9 docker服务缺失