微服务

现在云原生领域已经涌现出大量的云原生中间件，如 istio、envoy、argo 等，但这些产品单个拿来使用的时候往往达不到我们系统的要求，或者配置起来很繁琐。比如我们想使用流量泳道等体系化方案时，单纯的改动一个场景不能支持。每个产品都支持体系化的流量泳道方案还有可能出现不协调的情况。在这样背景下【云原生机甲】的概念应运而生。

本文介绍了 Knative 网络层原理，Higress 对接 Knative 服务的两种方式，并给出 Higress 成为 Knative 入口网关的最佳实践。

在 Spring Cloud 中，可以通过自定义异常处理器来封装统一的异常处理逻辑。异常处理器能够捕获并处理应用程序中的异常，然后返回适当的错误响应。以下是一个基于 Spring Cloud 的统一异常处理的示例

微服务是一个广泛使用的应用架构，如何使得微服务应用云原生化是近些年一直在演进的课题。本文从云原生应用平台的角度分析云原生化改造中存在的问题，并提出平台工程在开发、测试和 CI/CD 等场景的最佳实践。

最近几年，微服务可谓是大行其道。在业务模型不完善，超大规模流量的冲击的情况下，许多企业纷纷抛弃了传统的单体架构，拥抱微服务。这种模式具备独立开发、独立部署、可扩展性、可重用性的优点的同时，也带来这样一个问题：开发、运维的复杂性提高。有人感觉微服务越做越不方便管理。

[微服务架构] 微服务架构：您需要知道的所有最佳实践

[微服务架构] 微服务架构：您需要知道的所有最佳实践

【微服务架构 】微服务简介，第3部分：服务注册表

「微服务架构」更多关于微服务-边界，治理，重用和复杂性

「微服务架构」分散您的微服务组织

「微服务架构」亚马逊引领其自有微服务架构的原因

（20）go-micro微服务Elasticsearch使用

（19）go-micro微服务filebeat收集日志

（13）go-micro微服务公用函数开发

（9）go-micro微服务Redis配置

（8）go-micro微服务Mysql配置

（3）go-micro微服务项目搭建

Feign是什么 分区是一种数据库优化技术，它可以将大表按照一定的规则分成多个小表，从而提高查询和维护的效率。在分区的过程中，数据库会将数据按照分区规则分配到不同的分区中，并且可以在分区中使用索引和其他优化技术来提高查询效率。

EurekaServer ，它扮演的角色是注册中心，用于注册各种微服务，以便于其他微服务找到和访问。有了EurekaServer，还需要一些微服务，注册到EurekaServer上去。 这一节，我们来写一个注册微服务。为了简单起见，我们不用数据库，用java来模拟即可。

阿里云产品体系分为6大分类——企业应用——分为11类——微服务自制脑图

微服务是老生常谈，还是愈发青春？ | 解读微服务的2022

一文了解微服务架构的分解设计

Redis实现微博好友功能微服务（关注，取关，共同关注）

不同的微服务一般会有不同的网络地址，但 web 端或 APP 端需要调用多个服务的接口才能完成一个业务需求。在这种客户端直接与各个服务通信的架构时，会有以下问题： • 客户端需要维护很多服务的请求地址； • 客户端会多次请求不同的微服务，增加了客户端的复杂性； • 存在跨域请求，处理相对复杂； • 认证复杂，每个服务都需要独立认证； • 随着项目的迭代，可能需要重新划分微服务（多个微服务合并成一个或将一个服务拆分成多个），在客户端直接与微服务通信时，重构将会难以实施；

随着互联网行业的发展，对服务的要求也越来越高，服务架构也从单体架构逐渐演变为现在流行的微服务架构。这些架构之间有怎样的差别呢？

当您选择将应用程序构建为一组微服务时，您需要决定应用程序的客户端将如何与微服务交互。对于单体应用程序，只有一组（通常是复制的、负载平衡的）端点。然而，在微服务架构中，每个微服务都暴露了一组通常是细粒度的端点。在本文中，我们研究了这如何影响客户端到应用程序的通信，并提出了一种使用API 网关的方法。

如何构建基于 DDD 领域驱动的微服务？

如何构建基于 DDD 领域驱动的微服务？

前面学习了Zookeeper相关细节，其中对于集群启动而言，很重要的一部分就是Leader选举，接着就开始深入学习Leader选举。

　　前面已经分析了Zookeeper持久话相关的类，下面接着分析Zookeeper中的Watcher机制所涉及到的类。

在完成了前面的理论学习后，现在可以从源码角度来解析Zookeeper的细节，首先笔者想从序列化入手，因为在网络通信、数据存储中都用到了序列化，下面开始分析。

在前面的学习中，笔者带领大家完成海量数据导入ES，实现了ES基本的存储功能，但是我们知道ES最擅长的还是搜索、数据分析。所以本节笔者将继续带领大家研究一下ES的数据搜索功能，同上节一样，继续分别采用DSL和RestClient实现搜索。

随着应用数据的陡增，传统关系型数据库如MySQL/Oracle/RDS等，在处理海量数据的关系映射、数据查询场景还是有性能瓶颈。16年左右巅峰的Solr技术，随着近几年的技术发展也逐步被ES所替代。本节开始我们将花费5节的课程时间，带领读者朋友们认识ES、完成ES常见API的使用的代码演练。

应用的硬件、软件架构在涉及到部署时，一般会根据实际请求量做一定的压力测试，以测试系统稳定性、健壮性，避免后续线上未知故障。假设在一个电商的秒杀场景下，订单中心本身能够承载的QPS预设是10W，因为活动的火爆导致流量瞬时达到100W，此时订单中心因无法承载其10倍的请求将会崩溃，那么对于整个分布式架构系统会产生什么问题呢？本节我们将借助于Sentinel的流量控制、隔离降级来解决上述分布式架构中常见的雪崩问题。

消息中间件，作为分布式系统中必不可少的一部分，在前面我们学习过其基本的消息发送、消费（跳转链接），但是读者朋友们肯定也知道，真正的生产环境可不是简单的发送消息这么简单。如何避免消息丢失？如何满足特殊场景下的消息延迟消费？如何解决消费能力不足？如何搭建集群？等等 本节笔者将从消息的可靠性出发，解决消息不丢失的问题。同时借助TTL实现延迟消息，惰性队列解决消息堆积问题，最后完成集群搭建以实现生产环境真正的高可用。

仅仅懂了Socket编程还不够,因为我们不是简单地写一个发送字符串的Hello World程序，需要实现复杂的对象实例传输，因此，如何将一个对象实例编码成为高效的二进制数据报文传输到对端，并且正确地“还原”出来，就是一个专业的技术问题了。

Docker单机部署RabbitMQ

上一节我们借助于Nacos实现注册中心，完美替换了Eureka在项目之初的功能，开始本章节之前我们一起回忆下Nacos实现注册中心的关键步骤 1. 引入springcloud-alibaba/nacos-discovery依赖 2. 去除原eureka依赖、去除配置文件中eureka注册信息 3. 新增nacos注册信息：spring.cloud.nacos.server-addr:localhost:8848 4. 重启项目并验证 在此基础之上我们验证了Nacos的负载均衡策略、权重控制、环境隔离等信息，希望大家还能有点印象。