变更通知在开源SpringBoot/SpringCloud微服务中的最佳实践

变更通知在开源SpringBoot/SpringCloud微服务中的最佳实践

1. 什么是变更通知

• 变更通知是指数据发生变化后，相对实时地通知到关联端的技术实现方案；
• 变更通知是在服务拆分的发展过程中，逐渐衍生出的，解耦关联服务的一种技术解决方案；
• 微服务架构中常说的配置中心就是变更通知的技术集成方案；

2. 变更通知的场景分析

• 变更通知首先是数据发生了变化，数据变化后的通知实现，数据变化的交互场景列举分析如下：

通知类型	模块1	模块1数据变更	模块2	模块2实时变更	技术实现方式	本文讨论范围
消息通知	前端1	✔	前端2	✔	前端总线等	✖
消息保存	前端1	✔	后端2	✔	Post Ajax请求等	✖
消息通知	后端1	✔	前端2	✔	WebSocket等推送到前端（推数据），也叫消息推送	✖
消息通知	后端1	✔	前端2	✔	前端Http主动轮询（拉数据）	✖
变更通知	后端1	✔	后端2	✔	Redis/ZooKeeper/Etcd/Nacos/MQ等	✔

总结：

• 变更通知首先是数据（也可叫消息，下同。）发生了变化，然后引起了关联方同步变化；
• 数据变化可以发生在前端和后端之间的任意组合之间，包括前端+前端、前端+后端、后端+后端，一般只有后端+后端的连锁反应叫变更通知，这也是本文关注的重点；
• 上表串联了所有常规的交互过程，大家也可以从中理解消息通知和变更通知之间的关联关系：只是不同交互方式下的数据变化的叫法罢了；
• 前端感知后端的数据变化，主要有前端轮询和后端推送两种，二者技术实现差异较大，前者技术实现简单，但是后端资源消耗较大，无法承担高并发；后者技术实现较复杂，但是点对点通信效率高（长连接）。这不是本文讲述的重点，但希望能够类比分析下各种交互方式下的技术方案，做到一通百通；
• 变更通知主要关注的是后端数据变化，但是不是所有的后端数据变化都需要变更通知。一般来说，跨了服务实例，才比较适用变更通知，单个服务实例内，完全可以通过接口引用等方式自行获取到变化的数据；
• 本文重点关注的是变更通知而不是配置中心，像Nacos、SpringCloud-Config、Apollo等配置中心并不会过多介绍；

• 本文主要关注后端与后端之间的数据变化机制及技术实现，其发展阶段如下：

变更类型	应用发展阶段	技术方案	技术实现	说明
主动获取	单实例	共享数据库	查询数据库	数据库查询量不大
主动获取	单实例	共享内存缓存	查询时先查缓存	数据库查询量非常大
主动获取	多实例	分布式缓存	使用读写性能极高的分布式缓存组件	如：Memcached/Redis
变更通知	多实例	消息中间件	Redis/ZooKeeper/Etcd/MQ/binlog+canal等	订阅通知机制

总结：

• 变更通知是随着服务的高并发、分布式发展而发展的，在单体架构时，因为都在一个服务内，仅通过数据库或者共享缓存即可达到数据共享的目的，不一定需要变更通知；
• 在微服务架构中，也可以采用共享缓存方案，而不是必须使用变更通知。变更通知适用于并发高、实时性要求高，且服务解耦的场景；
• 实时是一个相对概念，在变更通知语境里，一般是指异步监听的方式获取变化的数据（专业术语叫订阅通知）；

3. 变更通知的技术方案

• 变更通知中间件种类较多，基于本人的理解，对比列举如下：

中间件类型	实现特点	适用场景	不足	补充说明
Redis	基于key的订阅/通知	并发高、消息量大	NoSQL可读性差，持久化不是必选项，存在数据丢失和审计风险	Redis是极度常用的高效内存组件，建议优选；
ZooKeeper	基于分布式临时Node创建的订阅/通知	可靠性高、实时性高	使用的是内存存储，不适合高并发和大量数据的消息变更场景	一般是项目中有ZooKeeper，正好可以用作变更通知组件，而不是因为变更通知诉求而引入ZooKeeper
Etcd	基于分布式的Key/Value创建的订阅/通知	可靠性高、实时性高	使用的是内存存储，不适合高并发和大量数据的消息变更场景	Etcd的实现参考了ZooKeeper，一个是Go语言编写、一个是Java语言
MQ	异步消息协议	可靠性高、并发高、消息量大	组件较重	包括：Kafka/RocketMQ/RabbitMQ/ActiveMQ等，非常适合电商优惠卷等场景使用
binlog+canal	针对MySQL的数据变更监听方案	直接监听数据库表字段变化	只适用于MySQL，而MySQL使用量正逐年下降	只是监听了MySQL的数据表变化，一般还需要配合其它的变更通知组件来配合使用，如：ZooKeeper
配置中心	服务端推送	把配置中心组件当成业务配置中心	组件重、可靠性低、实时性低	配置中心严格来说是个变更通知的解决方案，而上面列举的中间件是纯技术组件，二者的维度不太一样； 配置中心一般和注册中心配合使用，因为它本身也需要注册至服务中心，如：Apollo、SpringCloud-Config；有些干脆就被注册中心兼任，如Nacos

总结：

• 变更通知一般来说是微服务中的增强功能，不建议因为有变更通知需求就新增一个组件。如果系统中已经有了Redis，就建议优先选择Redis，因为其性能高、消息存储量大。但Redis是NoSQL存储结构，可读性较差；Redis也有可能没有开启持久化导致数据丢失；Redis也缺失了类似关系数据库自带的操作审计，一旦数据出现了异常，将很难知道是谁做了什么；
• ZooKeeper/Etcd则比较适合系统中已经引入该组件了，且变更通知消息数量较小的场景；
• MQ比较适用于可靠性高、消息量巨大的场景，值得单独引入。如：大型电商的活动卡券配置等场景；
• binlog+canal这个特定组合一般不建议单独使用，一般是canal把变更数据发送给其它变更通知Server，然后在业务模块订阅变更通知Server的这个变化数据，并做相应的业务处理。其它Server可以是ZooKeeper/Etcd/Redis等；
• 一般来说，配置中心包含了单独的配置规则界面和变更通知的能力，拆箱即用，效果当然较好。但并不是所有的变更通知都需要重量级的配置中心，不是非要在配置中心去配置变更数据的，就都没有必要用它；业务需要使用到配置中心组件时，建议在选定注册中心后，再来决策选择其配置中心；

• 变更通知有非常多的实现方式，讲讲本人实际经历的业务场景：

场景类型	业务诉求	微服务架构	微服务技术栈	方案说明
场景1	DB数据变更立即触发定时任务	微服务架构	spring+mysql+binlog+canal+ZooKeeper	基于spring自研微服务框架
场景2-1	业务阈值在1天内生效	微服务云原生架构	SpringBoot+Redis+PostgreSQL	1.依赖k8s提供服务发现等； 2.依赖redis限流；
场景2-2	业务阈值在1天内生效	微服务私部署架构	SpringBoot	1.部署至客户机房，不依赖Redis/DB； 2.使用Nginx做负载均衡，也不需要服务注册和发现；
场景3	业务阈值在5分钟内生效	微服务云原生架构	SpringBoot+Redis	1.依赖k8s提供服务发现等； 2.依赖redis限流；
场景4	业务阈值在立即生效	SpringCloud微服务架构	SpringBoot+Redis+Nacos	1.依赖Nacos提供服务发现等； 2.依赖redis限流；

• 补充说下上述业务场景的技术选型限定条件：
  • 场景1：DB数据变更立即触发定时任务：当时刚刚时兴微服务，我所在公司1的部门基于spring自研了一个低代码平台，我们需要实时监听数据的变化，以触发不同的定时任务，正好平台中也引入了canal开源组件，用于监听mysql的binlog
    变化，于是就选定了canal方案，这样就不用定时轮询数据库了，也不用和增删改数据的服务耦合了；
  • 场景2：业务阈值在1天内生效：场景2-1和场景2-2其实对应同一个目标：我所在公司2的部门希望设计一套架构、一套代码，既能满足云上微服务架构，也能够支持私部署微服务架构。当时云上选型为云原生微服务架构，完全基于k8s+非侵入式的链路追踪中间件，我们基本上只使用最简单的SpringBoot+Redis即可；而私部署则继续沿用了这套架构和代码，只不过移除了k8s、redis、服务注册和服务发现，仅使用Nginx做服务负载均衡；
  • 场景3：业务阈值在5分钟内生效：则是我所在公司2的业务团队认为一天生效对业务影响较大，需要调整为5分钟内生效；
  • 场景4：业务阈值在立即生效：则是我所在公司2的另一个新项目，在场景3代码架构的基础上，使用SpringCloud套件替换了k8s，同时业务也更复杂，业务上必须保证实时生效；
• 单独来说上面的每个业务场景，都可以多种技术实现。本人仅站在过来人的角度，逐一展开分析。

3.1 变更通知的技术实现方案

• 场景1的实现方案：单独部署了一个Canal服务，用于监听binlog变化，在Canal服务中又集成了ZooKeeper客户端，Canal收到变化的数据后，通过ZooKeeper推送至订阅的业务微服务；

• 场景2的实现方案：经过分析，私部署不需要变更通知，因为私部署不带数据库，业务阈值是配在yaml中，修改后隔离重启服务即可；云原生微服务则因为数据刷新后1天内生效即可，但为了考虑私部署和云原生架构的统一，所以采用了Guava+持久层的本地缓存方案，Guava缓存的有效期设置为24小时，过期后就会重新从PostgreSQL/yaml中获取。但由于云原生的运维不接收直接修改数据库阈值数据，于是又配套开发了一个小的命令行工具（也可以做成Web运维平台），用于专门更改数据库表的字段值。

  从中可以看出：

  • 因为要兼顾云原生和私部署场景，所以需要选择两种场景下都能使用的本地缓存方案：Guava；
  • 因为缓存刷新的时效要求低，不使用变更通知也是完全可行的。

• 场景3的实现方案：场景3其实是场景2的延续，只是现在数据生效的时间从1天变成了5分钟，考虑技术方案的延续性，在云原生方案中，新增了一个定时任务+Redis，用于刷新缓存，交互逻辑如下图所示：
  

  说明：

  • 第1次请求到业务服务时，Guava缓存中也没有数据，则需要业务服务查询一次Database并把数据缓存至Guava，流程为蓝色①→②箭头所示；
  • 第2次请求到业务服务时，Guava缓存中已经有了数据，则只需要直接返回数据即可，流程为绿色①所示；
  • 当用运维工具更新数据时，同时也会清理掉Redis的缓存标记，一旦ScheduleJob获取的Redis Key（采用redis的setNX语法）不一致时，则会让Guava缓存失效，流程为红色的①→②→③→④箭头所示；
  • 后面再有请求过来时，会重新执行上面的第1步和第2步；

  总结：

  • 场景3仅在场景2的基础上迭代增加了虚线框框中的2个小功能点代码就可以了，代码延续性较好；
  • ScheduleJob设置为1分钟就可以满足5分钟内生效的业务诉求了；
  • 回过头来看看场景2：其实并没有做变更通知，只是采用了Guava自带的缓存过期机制而已；场景3其实也可以采用Guava自带的缓存过期机制，但是会导致微服务需要频繁的穿透缓存去查询数据库，得不偿失；场景3的实际做法则兼顾了准实时性和便利性：只有命令行工具变更了数据时，缓存才会刷新。另外场景3也没有做到变更通知，只是变相的达到了准实时的变更通知的效果。

• 场景4的实现方案：场景4是在复用场景3的代码框架的基础上，要求做到数据变更实时通知。此时项目中虽然已引入了SpringCloud的多个组件，但是业务参数配置都有单独的配置界面，无须使用配置中心。考虑到Redis其实也有变更通知的能力，此处正好可以在场景3的基础上继续迭代，去掉ScheduleJob，增加Redis订阅通知的代码即可。

4. 变更通知的最佳实践总结

• 需要搞清楚什么是变更通知，什么是配置中心，不要因为有变更通知的需求就上配置中心，这样有可能把系统搞得非常复杂；
• 好的设计都要顺势而为，首先需要了解系统的需求到底是什么，是不是一定要做变更通知，如本人列举的项目实践中就多次未使用变更通知组件，但是达到了变更通知的效果；
• 如果只需要做变更通知，不需要独立的配置中心，建议优选Redis，因为它可以兼顾业务限流、高速缓存、不规则数据的处理(NoSQL)等，很有可能Redis就已经存在于项目中了；
• 如果数据量非常庞大，还要支持复杂的规则，比如消息确认和重传等，则建议采用MQ（Kafka/RocketMQ/RabbitMQ/ActiveMQ）；
• 有些场景下的变更通知非常适合使用配置中心，如：SpringCloud-Gateway的路由规则yaml配置，就非常适合放在配置中心（如：Nacos等）；当然如果使用的是k8s，则建议直接使用其ConfigMap；

5. 参考资料

• [1]深入浅出阿里数据同步神器：Canal原理+配置+实战全网最全解析！
• [2]图文解析 Nacos 配置中心的实现
• [3]apollo 基本原理
• [4]Spring Cloud Config 原理简介和实现