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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
392
472
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++
898
694
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
358
217
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
160
🎉 (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
1.38 K
784
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
811
199
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
533
235
React Native鸿蒙化仓库
JavaScript
312
363