10、事件驱动微服务:原理、模式与挑战

事件驱动微服务:原理、模式与挑战

1. 事件驱动微服务:何时使用文档而非事件

在事件驱动的微服务架构中,我们可以使用事件(events)或文档(documents)来通知实体的变化。选择发布事件还是文档可能存在争议,它们通常能达成相同的目标,但本质上有所不同,应在特定用例中使用。

1.1 事件与文档的区别

事件代表特定的变化,本身具有领域价值,因为它们代表用户的操作或领域内的变化。而文档仅告知实体的最新状态,失去了事件所承载的领域价值。

以下是一个部分事件和文档的示例,展示订单地址的变化:

OrderAddressChanged
{
    OrderId: 15251212,
    Address: "9980 Rock Maple Street",
    UserId: 12162
}

OrderDocument
{
    OrderId: 15251212,
    Address: "9980 Rock Maple Street",
    OrderLines: [
        {
            ProductId: 1147421,
            Quantity: 1
        }
    ],
    OrderedAt: "2021-01-23T18:25:43.511Z",
    UserId: 12168
}

1.2 何时使用事件

如果接收系统仅需对地址的变化做出反应,使用事件更为有利。例如,当用户更改订单地址时,计费服务需要更新发票中的地址,处理

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值