如何将Redis用于微服务通信的事件存储

来源：redislabs
作者：Martin Forstner

成都创新互联的客户来自各行各业，为了共同目标，我们在工作上密切配合，从创业型小企业到企事业单位，感谢他们对我们的要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。专业领域包括网站设计制作、做网站、电商网站开发、微信营销、系统平台开发。

翻译：Kev×××）

以我的经验，将某些应用拆分成更小的、松耦合的、可协同工作的独立逻辑业务服务会更易于构建和维护。这些服务（也被称为微服务）各自管理自己的技术栈，因此很容易独立于其他服务进行开发和部署。前人已经总结了很多关于使用这种架构设计的好处，在此我就不再赘述了。关于这种设计，有一个方面我一直在重×××没有它，将会导致一些有趣的挑战。虽然构建松耦合的微服务是一个非常轻量级和快速的开发过程，但是这些服务之间共享状态、事件以及数据的通信模型却不那么简单。我使用过的最简单的通信模型就是服务间直接通信，但是这种模型被 Fernando Dogio 明确地证明一旦服务规模扩大就会失效，会导致服务崩溃、重载逻辑以及负载增加等问题，从而可能引起的巨大的麻烦，因此应该尽量避免使用这种模型。还有一些其他通信模型，比如通用的发布/订阅模型、复杂的 kafka 事件流模型等，但是最近我在使用 Redis 构建微服务间的通信模型。

拯救者 Redis！

微服务通过网络边界发布状态，为了跟踪这种状态，事件通常需要被保存在事件存储中。由于事件通常是一种异步写入操作的不可变流的记录（又被称为事务日志），因此适用于以下场景：

1. 顺序很重要（时间序列数据）

2. 丢失一个事件会导致错误状态

3. 回放状态在任何给定时间点都是已知的

4. 写操作简单且快捷

5. 读操作需要更多的时间，以至于需要缓存

6. 需要高可扩展性，Service之间都是解耦的，没有关联

使用 Redis，我始终可以轻松实现发布-订阅模式。但现在，Redis 5.0 提供了新的Streams 数据类型，我们可以以一种更加抽象的方式对日志数据结构进行建模-使之成为时间序列数据的理想用例（例如最多一次或最少一次传递语义的事务日志）。基于双主功能，轻松简单的部署以及内存中的超快速处理能力，Redis 流成为一种管理大规模微服务通信的必备工具。基本的模型被称为命令查询职责分离（CQRS）,它将命令和查询分开执行，命令使用 HTTP 协议，而查询采用 RESP(Redis 序列化协议)。让我们使用一个例子来说明如何使用 Redis 作为事件存储。

OrderShop简单应用概述

我创建了一个简单但是通用的电子商务应用作为例子。当创建/删除客户、库存物品或订单时，使用 RESP 将事件异步传递到 CRM 服务，以管理 OrderShop 与当前和潜在客户的互动。像许多常见应用程序的需求一样，CRM 服务可以在运行时启动和停止，而不会影响其他微服务。这需要捕获在其停机期间发送给它的所有消息以进行后续处理。
下图展示了 9 个解耦的微服务的互连性，这些微服务使用由 Redis 流构建的事件存储进行服务间通信。他们通过侦听事件存储（即 Redis 实例）中特定事件流上的任何新创建的事件来执行此操作。

图1. OrderShop 架构 

我们的 OrderShop 应用程序的域模型由以下 5 个实体组成：

• 顾客

• 产品

• 库存

• 订单

• 账单

通过侦听域事件并保持实体缓存为最新状态，事件存储的聚合功能仅需调用一次或在响应时调用。

图2. OrderShop 域模型

安装并运行OrderShop

按照如下步骤安装并运行 OrderShop 应用：

1. 从这里下载代码仓库：

https://github.com/Redislabs-Solution-Architects/ordershop

2. 确保已经安装了 Docker Engine和Docker Compose

3. 安装 Python3：

https://python-docs.readthedocs.io/en/latest/starting/install3/osx.html

4. 使用 docker-compose up启动应用程序

5. 使用 pip3 install -r client / requirements.txt 安装需求

6. 然后使用 python3 -m unittest client / client.py 执行客户端

7. 使用 docker-compose stop crm-service 停止 CRM 服务

8. 重新执行客户端，您会看到该应用程序正常运行，没有任何错误

深入了解

以下是来自 client.py 的一些简单测试用例，以及相应的 Redis 数据类型和键。

我选择流数据类型来保存这些事件，因为它们背后的抽象数据类型是事务日志，非常适合我们连续事件流的用例。我选择了不同的键来分配分区，并决定为每个流生成自己的条目 ID，ID 包含秒“-”微秒的时间戳（为了保持 ID 的唯一，并保留了键/分区之间事件的顺序）。我选择集合来存储 ID（UUID），并选择列表和哈希来对数据建模，因为它反映了它们的结构，并且实体缓存只是域模型的简单投影。

结论

Redis 提供的各种数据结构-包括集合，有序集合，哈希，列表，字符串，位数组，HyperLogLogs，地理空间索引以及现在的流-可以轻松适应任何数据模型。流包含的元素不仅是单个字符串，而且是由字段和值组成的对象。范围查询速度很快，并且流中的每个条目都有一个 ID，这是一个逻辑偏移量。流提供了针对时间序列等应用的解决方案，并可为其他应用提供流消息，例如，替换需要更高可靠性的通用发布/ 订阅应用程序，以及其他全新的应用。
您可以通过分片（聚集多个实例）来扩展 Redis 实例并提供容灾恢复的持久性选项，所以 Redis 可以作为企业级应用的选择。

更多优质中间件技术资讯/原创/翻译文章/资料/干货，×××