实时多用户看板应用示例
这是一个用Java编写,并基于Spring Boot的开源项目,展示了如何利用Eventuate平台构建实时、多用户的协作应用程序——实时看板。这个看板应用允许用户协同创建和编辑看板以及任务。任何用户对看板或任务的修改,都会立即在其他查看相同内容的用户界面上显示。
项目介绍
这个实时看板应用采用Eventuate的事件源编程模型来构建,这种模式非常适合这类应用。它将业务对象,如“看板”和“任务”,保存为一系列状态改变的事件。当用户创建或更新一个看板或任务时,系统会在事件存储中保存一个事件,然后事件存储将每个事件分发给感兴趣的订阅者。看板应用有一个事件订阅者,可以将每个事件转化为WebSocket消息,触发每个用户浏览器中的界面更新。
项目技术分析
应用架构如下图所示:
此处插入图片描述
该应用包括以下部分:
- AngularJS 浏览器应用
- 看板服务器 —— 基于Java和Spring Boot的服务器端应用。
- MongoDB 数据库 —— 存储看板和任务的物化视图。
看板服务器有一个基于Spring MVC的REST API用于创建、更新和查询看板和任务。它还有一个STOMP-over-WebSocket API,负责将更新推送到AngularJS应用程序。它可以作为一个单体服务器部署,也可以作为一组微服务部署。继续阅读以了解更多详情。
技术应用场景
Eventuate是一个为微服务编写应用程序的应用平台,提供了一种基于事件源和命令查询责任分离(CQRS)的简单但强大的事件驱动编程模型。它解决了微服务架构中的分布式数据管理问题。包括一个可扩展的分布式事件存储服务器和多种语言及框架(包括Java、Scala和Spring框架)的客户端库。更多细节,请访问Eventuate官网。
看板服务器设计
看板服务器使用了Eventuate的Java客户端框架,为Java/Spring-Boot应用程序提供了事件源编程模型。服务器将看板和任务保存为事件存储中的事件。此外,还维护了一个存储在MongoDB中的看板和任务的物化视图。
以下是服务器的设计图:
此处插入图片描述
应用遵循命令查询责任分离(CQRS)模式,由以下几个模块组成:
- 命令侧模块 —— 处理创建和更新请求(例如HTTP POST、PUT和DELETE请求),并处理看板和任务的业务逻辑。
- 查询侧模块 —— 通过查询MongoDB的物化视图处理查询请求(即HTTP GET请求)。它包含一个事件处理器,订阅看板和任务事件,并更新MongoDB。
- WebSocket网关 —— 订阅事件存储发布的看板和任务事件,再将其转化为WebSocket事件。
部署选项
服务器既可以作为单体应用部署(如上图所示),也可以作为微服务部署。以下是微服务架构的示意图:
此处插入图片描述
包括以下几个服务:
- API网关 —— 路由REST请求到相应的后端服务器,将事件存储事件翻译成WebSocket消息。
- 看板命令侧服务 —— 创建和更新看板
- 看板查询侧服务 —— 维护一个去规范化视图的看板
- 任务命令侧服务 —— 创建和更新任务
- 任务查询侧服务 —— 维护一个去规范化视图的任务
构建与运行
本项目是一个Gradle项目,无需安装Gradle,因为它会自动下载。只需要安装Java 8即可。
构建和运行的具体步骤取决于你是使用Eventuate SaaS还是Eventuate Local。详细说明参见项目文档。
使用实时看板
打开URL http://${DOCKER_HOST_IP}:8080,登录并创建看板和任务。
使用Swagger UI
各个服务都支持Swagger,可以通过以下链接打开Swagger UI:
http://${DOCKER_HOST_IP}:<SERVICE-PORT>/swagger-ui.html
请替换 <SERVICE-PORT> 为你相应服务的实际端口。
获取帮助
如有任何问题,欢迎创建问题或直接联系我们。更多联系方式,请访问Eventuate官网。
这个开源项目为开发实时协作应用提供了生动的例子,无论你是想学习事件源编程模型,还是寻求实现此类功能的解决方案,这都是一个值得尝试的项目。其清晰的架构和灵活的部署选项使得它成为开发者探索微服务和事件驱动编程的理想实践平台。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust015
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00