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。
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