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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03