Eventuate Tram Sagas 项目教程
1. 项目介绍
Eventuate Tram Sagas 是一个用于 Java 微服务的 Saga 框架,特别适用于使用 JDBC/JPA 和 Spring Boot/Micronaut 的应用程序。在微服务架构中,保持跨服务的数据一致性是一个重大挑战,每个服务都有自己的私有数据,无法使用分布式事务。Saga 模式通过一系列本地事务来协调多个微服务,从而保持数据一致性。
Eventuate Tram Sagas 框架通过消息或事件来协调这些本地事务,确保每个事务的成功或失败都能被正确处理。它支持 Spring Boot、Micronaut 和 Quarkus(使用 Eventuate Tram for Quarkus)应用程序,并构建在 Eventuate Tram 框架之上,该框架允许应用程序在不使用 JTA 的情况下原子地更新数据库和发布消息。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你已经安装了以下工具:
- Java 8 或更高版本
- Maven 或 Gradle
- Docker
2.2 克隆项目
首先,克隆 Eventuate Tram Sagas 项目到本地:
git clone https://github.com/eventuate-tram/eventuate-tram-sagas.git
cd eventuate-tram-sagas
2.3 构建项目
使用 Maven 或 Gradle 构建项目:
./gradlew build
2.4 运行示例应用
项目中包含多个示例应用,例如 orders-and-customers-spring 和 orders-and-customers-micronaut。以 Spring Boot 示例为例,运行以下命令启动应用:
cd orders-and-customers-spring
./gradlew bootRun
2.5 测试应用
启动应用后,可以使用以下命令测试应用:
curl -X POST http://localhost:8080/orders -H "Content-Type: application/json" -d '{"customerId": 1, "orderTotal": 100}'
3. 应用案例和最佳实践
3.1 订单和客户服务
在 orders-and-customers-spring 示例中,CreateOrderSaga 用于创建订单并在客户服务中预留信用。该 Saga 包含以下步骤:
- 创建订单。
- 请求客户服务预留信用。
- 如果信用预留失败,则拒绝订单。
3.2 最佳实践
- 事务隔离:确保每个 Saga 步骤的事务隔离级别适当,以避免数据不一致。
- 错误处理:在每个 Saga 步骤中实现适当的错误处理,确保 Saga 能够正确回滚。
- 监控和日志:使用监控和日志工具跟踪 Saga 的执行情况,以便快速定位和解决问题。
4. 典型生态项目
4.1 Eventuate Tram
Eventuate Tram 是 Eventuate Tram Sagas 的基础框架,支持原子地更新数据库和发布消息,而无需使用 JTA。
4.2 Spring Boot
Spring Boot 是 Eventuate Tram Sagas 的主要支持框架之一,提供了强大的依赖注入和自动配置功能。
4.3 Micronaut
Micronaut 是另一个支持 Eventuate Tram Sagas 的框架,特别适用于构建高性能的微服务应用。
4.4 Quarkus
Quarkus 是一个新兴的 Java 框架,Eventuate Tram Sagas 也提供了对 Quarkus 的支持,适用于构建云原生应用。
通过以上模块的介绍,你应该能够快速上手 Eventuate Tram Sagas 项目,并了解如何在实际项目中应用它。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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