eureka

前两篇文章我们已经初步的完成了一个小型的微服务框架，有服务注册中心，有订单服务，也有库存服务；订单服务也能通过feign进行服务间调用库存服务。那本文我们将引入服务网关Spring Cloud Gateway。 Spring Cloud Gateway 旨在提供一种简单而有效的方法来路由到API。Spring Cloud Gateway是基于Spring Framework5，Spring Boot 2.0构建的。Spring Cloud Gateway是Spring开发并用来替代Zuul的。Spring Cloud Gate是基于Spring Framework5的WebFlux实现的。 Zuul和Spring Cloud Gateway的对比大家请参考这篇文章：https://www.cnblogs.com/yizhishi/archive/2019/09/26/11588860.html 接下来我们开始引入Spring Cloud Gateway。 1. 创建网关服务module 按照第二篇文章创建一个module，起名为server-gateway。 2. 修改pom文件，引入gateway <properties> <java.version>1.8</java.version> <spring-cloud.version>Hoxton.SR1</spring-cloud

谈谈注册中心 zookeeper 和 eureka中的CP和 AP 前言 在分布式架构中往往伴随CAP的理论。因为分布式的架构，不再使用传统的单机架构，多机为了提供可靠服务所以需要冗余数据因而会存在分区容忍性Ｐ。 冗余数据的同时会在复制数据的同时伴随着可用性A 和强一致性C的问题。是选择停止可用性达到强一致性还是保留可用性选择最终一致性。通常选择后者。 其中 zookeeper 和 eureka分别是注册中心CP AP 的两种的实践。他们都提供服务注册中心的功能。建议使用AP。不强求数据的强一致性，达成数据的最终一致性。 服务注册中心的数据也就是返回的可用服务节点(ip+端口号) 服务A开了0-9十个服务节点，服务B需要调用服务A，两次查询返回0-8，1-9 不一致的数据。产生的影响就是0 和9 节点的负载不均衡 只要注册中心在 SLA 承诺的时间内（例如 1s 内）将数据收敛到一致状态（即满足最终一致），流量将很快趋于统计学意义上的一致，所以注册中心以最终一致的模型设计在生产实践中完全可以接受。 1 eureka AP eureka 保证了可用性，实现最终一致性。 Eureka各个节点都是平等的，几个节点挂掉不会影响正常节点的工作，剩余的节点依然可以提供注册和查询服务。而Eureka的客户端在向某个Eureka注册或时如果发现连接失败，则会自动切换至其它节点

架构设计相关 0. 什么是分布式系统，什么是微服务？ 集群：多机器做同一件事情； 分布式系统： 一件事情，多系统协同完成； 微服务架构：构建分布式系统的一种架构方式， 核心思路是：去中心化； http://www.cnblogs.com/liuning8023/p/4493156.html 1. RPC和RPC框架 RPC是指远程过程调用，实现远程过程调用的方式有很多中，Dubbo，Rmi，Hessian等等； RPC的核心过程包括了客户端和服务端的通讯协议，寻址，数据序列化/反序列化； 对上述过程进行了封装，不需要开发人员自己去定义通讯协议，去实现序列化的细节工作， 这样的组件称为RPC框架；常见RPC框架有 thrift，gRpc，dubbo，motan 2. 序列化方式及作用 序列化：将java对象或者其他内存中的数据，转换为一种特定格式的流，使之可以在网络中传输或者磁盘上存储； 反序列化：将流以特定的格式转为java对象或者内存中其他形式的数据；# json，jdk serializable, Hessian，Dubbo, Protobuf, 作用：压缩；持久化存储；跨网络传输； 3. 分布式系统中事务的处理 参考：https://wenku.baidu.com/view/be946bec0975f46527d3e104.html https://segmentfault

Eureka注册中心（8761端口） IDEA(开发工具) 1，创建项目勾选Eureka Server 2, 创建yml文件，拷贝配置,下面配置必须为false,意为，该项目不要作为客户端注册，因为本身就是为了帮别人注册而写 registerWithEureka:false fetchRegistry:fallse 3，启动类加注解：@EnableEurekaServer 代表是注册中心 4，输入ip:8761进入注册中心 创建提供者，使用Eureka注册中心 1，创建聚合项目，在创建提供者的时候，勾选Eureka client 2，写配置yml，不带false那个配置,因为提供者是客户端 3，为了暴露接口，在service层的代码类头部加@RestController,在方法头部加@RequesMapping 4，在启动项加上@@EnableDiscoveryClient 创建消费者，使用Eureka注册中心 1，创建聚合项目,勾选Thymeleaf、EurekaDis 、Feign(等于过去的dubbo) 2, 配置yml,拷贝，不带false那个配置,因为消费者也是客户端，记得设置静态模板缓存为false 3, 写页面 4, 写Service接口，给他头部加注解@FeifnClient(value="在注册中心中提供者放的名字")，在抽象方法头部加注解

@https://www.cnblogs.com/ityouknow/p/6931958.html Spring Cloud Bus Spring cloud bus通过轻量消息代理连接各个分布的节点。这会用在广播状态的变化（例如配置变化）或者其他的消息指令。Spring bus的一个核心思想是通过分布式的启动器对spring boot应用进行扩展，也可以用来建立一个多个应用之间的通信频道。目前唯一实现的方式是用AMQP消息代理作为通道，同样特性的设置（有些取决于通道的设置）在更多通道的文档中。 Spring cloud bus被国内很多都翻译为消息总线，也挺形象的。大家可以将它理解为管理和传播所有分布式项目中的消息既可，其实本质是利用了MQ的广播机制在分布式的系统中传播消息，目前常用的有Kafka和RabbitMQ。利用bus的机制可以做很多的事情，其中配置中心客户端刷新就是典型的应用场景之一，我们用一张图来描述bus在配置中心使用的机制。 根据此图我们可以看出利用Spring Cloud Bus做配置更新的步骤: 1、提交代码触发post给客户端A发送bus/refresh 2、客户端A接收到请求从Server端更新配置并且发送给Spring Cloud Bus 3、Spring Cloud bus接到消息并通知给其它客户端 4、其它客户端接收到通知

点击上方 蓝色字体 ，选择“标星公众号” 优质文章，第一时间送达 作者 | 求知若渴的蜗牛 来源 | urlify.cn/m6VJbi 66套java从入门到精通实战课程分享 springcloud整合eureka实现服务的治理和负载均衡我已经再上篇https://www.cnblogs.com/wang66a/p/13746039.html进行了详细的介绍 但是现在eureka已经停止更新 固本篇主要讲解使用zookeeper替换eureka实现服务的治理 前段时间，了解了通过spring-cloud-config-server与spring-cloud-eureka-server作为配置中心与注册中心，同时了解到基于zookeeper或consul可以完成同样的事情，所以必须了解一下，这样有利于实际工作的技术对比与选型。 使用docker下载zookeeper 可看我https://www.cnblogs.com/wang66a/p/13754219.html这篇关于doker安装zookeeper的文章 下载和启动zookeeper之后可以通过zookeeper客户端工具zoolnspector连接测试zookepper是否启动成功 zoolnspector下载地址 链接：https://pan.baidu.com/s/16MsXQz2LUF5LWPhObpm1pA 提取码

由于spring-cloud的官方核心组件eureka停止升级维护，再加上支持国货，微服务的技术选型spring-cloud-alibaba，注册和服务发现中心，调用服务则选为dubbo，虽然耦合性有点高(指尖银河)，但好歹是国货，没说的，必须支持。 小声比比：这类文章比较多，我也跟风一波，凑下热闹 技术栈： spring-boot、spring-cloud-alibaba-nacos、dubbo 首先是nacos nacos是干嘛的呢？简单来说就是服务注册、服务发现、高可用配置中心 首先下载nacos https://github.com/alibaba/nacos/releases 选择1.4版本下载并解压 由于本人技术有限，只配置了nacos单机版，所以此文只叙述nacos的单机模式的相关操作 nacos数据存储 nacos的数据存储有好几种方式，默认用的file方式存储数据，如果要最快速启动的话自然什么也不用改，如果要更换数据存储方式的话则需要修改${nacos}/conf/application.properties文件 db.num = 1 db.url.0 = jdbc:mysql://12.32.12.32:3243/sdfdsf?characterEncoding = utf8 & connectTimeout = 10000 & socketTimeout =

前言 本来计划周五+周末三天自驾游，谁知人算不如天算，周六恰逢台风来袭，湖州附近的景点全部关停，不得已只能周五玩完之后，于周六踩着台风的边缘逃回上海。周末过得如此艰难，这次就聊点务虚的话题，一是浅谈微服务的架构设计，二是聊聊微服务中广泛用于服务治理的Eureka与RPC框架Dubbo异同点。 一、微服务的架构设计 之所以想聊一下这个话题，主要有感于最近接触的两个新的微服务项目--两个项目的架构设计出自两个人之手，却不约而同的使用了相同的设计理念，项目结构非常类似。又想到就职于上家公司时接触到的项目的结构设计，于是迸发出了些微的想法。用微服务的架构设计来作为议题，很有喧哗取宠的偏向，所以需要声明一下，本文说的都是基于博主当前浅薄的软件开发经验与贫瘠的架构设计思想得出的浅见，仅是一家之言，而且其中必定包含了很多的确认型偏误，对此现在无法避免。本文的目的只是与大家分享一下自己的想法，仅此而已。 言归正传，当前流传的比较广且提的比较多的设计理念，当属2004年Eric Evans提出的Domain Drive Design，即领域驱动设计，简称DDD。该设计理念可以说与微服务具有相当大的共生依赖关系，也因此，直到最近几年微服务兴起，DDD设计理念才大行其道。该设计理念就是先确定领域，再在此基础上进行设计开发。而领域怎么理解？通俗的理解方式就是一个独立的业务模块，以业务的范围来确定领域的边界

我们先认识一下SpringCloud的各个组件，然后知其所以然。 Spring Cloud架构的各个组件的原理分析 原理讲解前，先看一个最经典的业务场景，如开发一个电商网站，要实现支付订单的功能，流程如下： 创建一个订单之后，如果用户立刻支付了这个订单，我们需要将订单状态更新为“已支付” 扣减相应的商品库存 通知仓储中心，进行发货 给用户的这次购物增加相应的积分 如上，微服务的应用场景和核心竞争力： 降低耦合： 每一个微服务专注于单一功能，并通过定义良好的接口清晰表述服务边界。由于体积小、复杂度低，每个微服务可由一个小规模开发团队完全掌控，易于保持高可维护性和开发效率。 独立部署： 由于微服务具备独立的运行进程，所以每个微服务也可以独立部署。当某个微服务发生变更时无需编译、部署整个应用。由微服务组成的应用相当于具备一系列可并行的发布流程，使得发布更加高效，同时降低对生产环境所造成的风险，最终缩短应用交付周期。 选型灵活： 微服务架构下，技术选型是去中心化的。每个团队可以根据自身服务的需求和行业发展的现状，自由选择最适合的技术栈。由于每个微服务相对简单，故需要对技术栈进行升级时所面临的风险就较低，甚至完全重构一个微服务也是可行的。 容错机制： 当某一组建发生故障时，在单一进程的传统架构下，故障很有可能在进程内扩散，形成应用全局性的不可用。在微服务架构下，故障会被隔离在单个服务中

摘要： 高可用性对于我们来说应该属于经常提到的名词，本文我们将介绍在分布式系统中保证高可用性的一些常用经验。 系统可用性指标 系统可用性指标简单来将就是系统可用时间与总运行时间之比 Availability=MTTF/(MTTF+MTTRMTTF) ​MTTF 是 Mean Time To Failure，指平均故障前的时间，即系统平均能够正常运行多长时间才发生一次故障。系统的可靠性越高，MTTF 越长(简单理解MTTF 就是指系统正常运行的时间)。MTTR 是 Mean Time To Recovery， 平均修复时间，即从故障出现到故障修复的这段时间，也就是系统不可用的时间，这段时间越短越好。系统可用性指标可以用通过下表的999标准衡量，现在普遍要求至少2个9，最好4个9以上： 故障不可避免 高可用性是指系统提供的服务要始终可用，然而故障不可避免，特别是在分布式系统，面对不可控的用户流量和机房环境，系统故障将会显得更加复杂和不可预测。在大规模的分布式系统中，各个模块之间存在错综复杂的依赖，任一一个环节出现问题，都有可能导致雪崩式、多米诺骨牌式的故障，甚者可以断言出现故障成了常态。 如上图的分布式系统中，用户请求系统中的某个服务接口，请求需要经过长长的调用链才能处理返回。我们起码要保证网络连接正常，服务网关正常、前端服务正常、后台服务正常、数据库正常，请求才能被正常处理