Apache ServiceComb Pack 技术文档
2024-12-20 18:26:45作者:蔡怀权
1. 安装指南
1.1 环境准备
在安装 Apache ServiceComb Pack 之前,请确保您的环境满足以下要求:
- Java 8 或更高版本
- Maven 3.5 或更高版本
- Docker(可选,用于容器化部署)
1.2 下载软件包
您可以通过以下方式获取 Apache ServiceComb Pack 的最新版本:
- 发行版本:访问 下载软件包 页面下载最新发行版本。
- 预览版本:如果您需要最新的预览版本,可以将以下仓库描述信息添加到您的
pom.xml文件中:<repositories> <repository> <releases /> <snapshots> <enabled>true</enabled> </snapshots> <id>repo.apache.snapshot</id> <url>https://repository.apache.org/content/repositories/snapshots/</url> </repository> </repositories> <pluginRepositories> <pluginRepository> <releases /> <snapshots> <enabled>true</enabled> </snapshots> <id>repo.apache.snapshot</id> <url>https://repository.apache.org/content/repositories/snapshots/</url> </pluginRepository> </pluginRepositories>
1.3 编译代码
您可以通过以下命令编译代码并运行单元测试:
$ mvn clean install
如果您希望编译示例代码并生成 Docker 镜像,可以使用以下命令:
$ mvn clean install -Pdemo
如果您不希望运行测试,可以使用以下命令:
$ mvn clean install -DskipTests=true -Pdemo
1.4 构建发布包
如果您需要构建软件发布包,可以使用以下命令:
$ mvn clean install -DskipTests=true -Prelease
发布包将生成在 distribution/target 目录下。
2. 项目的使用说明
2.1 快速入门
Apache ServiceComb Pack 提供了多种示例项目,帮助您快速上手:
- Saga 在 ServiceComb Java Chassis 的应用:参考 出行预订 示例。
- Saga 在 Spring 应用的用法:参考 出行预订示例。
- Saga 在 Dubbo 应用的用法:参考 Dubbo 示例。
- TCC 在 Spring 应用的用法:参考 TCC 示例。
2.2 调试示例
您可以参考 调试 Spring 示例 来了解如何调试示例项目。
3. 项目API使用文档
3.1 关键特性
Apache ServiceComb Pack 提供了以下关键特性:
- 高可用:支持高可用的集群模式部署。
- 高可靠:所有关键事务事件都持久化存储在数据库中。
- 高性能:事务事件通过高性能 gRPC 上报,请求和响应消息通过 Kyro 进行序列化和反序列化。
- 低侵入:仅需 2-3 个注解和编写对应的补偿方法即可引入分布式事务。
- 部署简单:支持通过容器(Docker)进行快速部署和交付。
- 补偿机制灵活:支持前向恢复(重试)及后向恢复(补偿)功能。
- 扩展简单:基于 Pack 架构很容易实现多种协调协议,目前支持 TCC、Saga 协议,未来还可以添加其他协议支持。
3.2 架构说明
ServiceComb Pack 架构由 alpha 和 omega 组成:
- alpha:充当协调者的角色,主要负责对事务进行管理和协调。
- omega:是微服务中内嵌的一个 agent,负责对调用请求进行拦截并向 alpha 上报事务事件。
3.3 多种语言的 Omega 实现
社区提供了多种语言的 Omega 实现:
- Go 语言版本:参见 Go 语言版本 Omega。
- C# 语言版本:参见 C# 语言版本 Omega。
4. 项目安装方式
4.1 通过 Maven 安装
您可以通过 Maven 将 ServiceComb Pack 添加到您的项目中。在 pom.xml 文件中添加以下依赖:
<dependency>
<groupId>org.apache.servicecomb.pack</groupId>
<artifactId>pack</artifactId>
<version>最新版本号</version>
</dependency>
4.2 通过 Docker 安装
如果您希望使用 Docker 进行部署,可以参考以下步骤:
- 构建 Docker 镜像:
$ mvn clean install -Pdemo - 运行 Docker 容器:
$ docker run -d -p 8080:8080 servicecomb-pack:latest
4.3 通过源码安装
您也可以通过源码进行安装:
- 克隆项目:
$ git clone https://github.com/apache/servicecomb-pack.git - 编译项目:
$ mvn clean install
通过以上步骤,您可以成功安装并使用 Apache ServiceComb Pack。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
Universal Ctags构建与部署指南 OpenVLA-OFT部署指南:从模型加载到实际应用 【零成本直连革命】2025年最硬核P2P工具goodlink:一条命令穿透NAT实现主机直连(附避坑指南) GitHub Desktop 跨平台安装与配置完全指南 RuoYi-Cloud-Plus云原生:K8s部署完全指南 Mutagen音频元数据处理库入门指南 使用pycatia拆分多实体零件中的独立几何体突破算力瓶颈:Qwen模型并行分布式推理实战指南突破手机端多模态瓶颈:MiniCPM-V 2.6在Ollama平台的部署与优化指南APScheduler异步模式详解:asyncio和Trio集成指南
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
391
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
877
578
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
162
暂无简介
Dart
764
189
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.33 K
746
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
React Native鸿蒙化仓库
JavaScript
302
350