?雖然流可以是處理大量數(shù)據(jù)的有效方式，但它們也有自己的挑戰(zhàn)。讓我們看看其中的一些。

成都做網(wǎng)站、網(wǎng)站建設(shè)服務(wù)團隊是一支充滿著熱情的團隊，執(zhí)著、敏銳、追求更好，是創(chuàng)新互聯(lián)的標準與要求，同時竭誠為客戶提供服務(wù)是我們的理念。成都創(chuàng)新互聯(lián)把每個網(wǎng)站當做一個產(chǎn)品來開發(fā)，精雕細琢，追求一名工匠心中的細致，我們更用心！

1. 如果消費者無法像制作人創(chuàng)建塊那樣快速處理塊，會發(fā)生什么？一個例子：如果消費者比生產(chǎn)者慢50%，會怎么樣？如果我們從一個10GB的文件開始，這意味著當生產(chǎn)者處理完所有10GB時，消費者只處理了5GB。剩余的5GB在等待處理時會發(fā)生什么情況？突然之間，分配給仍然需要處理的數(shù)據(jù)的50到100字節(jié)必須擴展到5GB。

圖1：如果消費者的速度比生產(chǎn)者慢，則需要額外的內(nèi)存

2. 這只是一個噩夢場景。還有其他的。例如，如果消費者在處理一條生產(chǎn)線時突然失效，會發(fā)生什么情況？你需要一種跟蹤正在處理的行的方法，以及一種允許重新讀取該行和隨后的所有行的機制。

圖2：當消費者失效時

3. 最后，如果你需要能夠處理不同的事件并將其發(fā)送給不同的消費者，會發(fā)生什么？此外，如果增加額外的復(fù)雜性，一個消費者的進程依賴于另一個消費者，那么就有相互依賴的進程，會怎么樣？一個真正的風(fēng)險是，你最終會遇到一個復(fù)雜的、緊耦合的、難以管理的單體系統(tǒng)——隨著不斷添加和刪除不同的生產(chǎn)者和消費者，這些需求將不斷變化。

舉個例子（圖3），假設(shè)我們有一家大型零售店，擁有數(shù)千臺服務(wù)器，支持通過網(wǎng)絡(luò)應(yīng)用和移動應(yīng)用進行購物。

假設(shè)我們正在處理三種與支付、庫存和Web服務(wù)器日志相關(guān)的數(shù)據(jù)，每種數(shù)據(jù)都有一個相應(yīng)的消費者：“支付處理器”、“庫存處理器”和“Web服務(wù)器事件處理器”。此外，兩個消費者之間存在著重要的相互依賴關(guān)系。在處理庫存之前，需要先驗證付款。最后，每種類型的數(shù)據(jù)都有不同的目的地。如果是支付事件，則將輸出發(fā)送到所有系統(tǒng)，如數(shù)據(jù)庫、電子郵件系統(tǒng)、CRM等。如果是Web服務(wù)器事件，則僅將其發(fā)送到數(shù)據(jù)庫。如果是庫存事件，則將其發(fā)送到數(shù)據(jù)庫和CRM。

你可以想象，這很快就會變得非常復(fù)雜和混亂。這還不包括我們需要為每個消費者處理的慢消費者和容錯問題。

圖3：緊耦合的挑戰(zhàn)，因為有多個生產(chǎn)者和消費者

當然，所有這些都假設(shè)你正在處理一個單體架構(gòu)，你有一臺服務(wù)器接收和處理所有事件。你將如何處理微服務(wù)架構(gòu)？在這種情況下，許多小型服務(wù)器，即微服務(wù)，將處理事件，它們都需要能夠相互通信。突然間，你不僅僅有多個生產(chǎn)者和消費者，它們還分散在多個服務(wù)器上。

微服務(wù)的一個關(guān)鍵好處是，它們解決了根據(jù)不斷變化的需求擴展特定服務(wù)的問題。不幸的是，微服務(wù)只解決了一些問題。我們的生產(chǎn)者和消費者之間仍然存在緊耦合，我們保留了庫存微服務(wù)和支付服務(wù)之間的依賴關(guān)系。我們在最初的流媒體示例中指出的問題仍然存在：

• 我們還沒有弄清楚當消費者崩潰時該怎么辦。
• 我們還沒有找到一種管理慢消費者、不會迫使我們大幅擴大緩沖區(qū)規(guī)模的方法。
• 我們還沒有辦法確保數(shù)據(jù)不會丟失。

這些只是一些主要挑戰(zhàn)。讓我們看看如何解決這些問題。

圖4：微服務(wù)世界中緊耦合的挑戰(zhàn)

專用流處理系統(tǒng)

正如我們所看到的，流可以非常適合處理大量數(shù)據(jù)，但也帶來了一系列挑戰(zhàn)。為了解決這些挑戰(zhàn)，引入了新的專用系統(tǒng)，如Apache Kafka和Redis Streams。在Kafka和Redis流的世界中，服務(wù)器不再像流那樣位于中心，其他一切都圍繞著它們。

數(shù)據(jù)工程師和數(shù)據(jù)架構(gòu)師經(jīng)常共享這種以流為中心的世界觀。當流成為中心時，一切都是流水線型的，這并不奇怪。

圖5顯示了前面看到的緊耦合示例的直接映射。讓我們看看它在高層次上是如何工作的。

• 在這里，流和數(shù)據(jù)（事件）是一等公民，而不是處理它們的系統(tǒng)。
• 任何有興趣發(fā)送數(shù)據(jù)（生產(chǎn)者）、接收數(shù)據(jù)（消費者）或同時發(fā)送和接收數(shù)據(jù)（生產(chǎn)者和消費者）的系統(tǒng)都連接到流處理系統(tǒng)。
• 由于生產(chǎn)者和消費者是解耦的，因此可以隨意添加其他消費者或生產(chǎn)者。你可以聽任何你想聽的事件。這使得它非常適合微服務(wù)架構(gòu)。
• 如果消費者速度較慢，則可以通過添加更多消費者來增加消費。
• 如果一個消費者依賴于另一個消費者，你可以簡單地監(jiān)聽該消費者的輸出流，然后進行處理。例如，在上圖中，庫存服務(wù)在處理庫存事件之前從庫存流（紫色）和支付處理流（橙色）的輸出接收事件。這就是解決相互依賴問題的方法。
• 流中的數(shù)據(jù)是持久的（與在數(shù)據(jù)庫中一樣）。任何系統(tǒng)都可以隨時訪問任何數(shù)據(jù)。如果由于某種原因數(shù)據(jù)沒有被處理，你可以重新處理它。

許多流挑戰(zhàn)一度看似艱巨，甚至無法克服，但只要把流放在中心，就可以輕易解決。這就是為什么越來越多的人在他們的數(shù)據(jù)層中使用Kafka和Redis Streams，這也是為什么數(shù)據(jù)工程師將流視為世界的中心。

名稱欄目：Kafka和Redis如何解決流處理挑戰(zhàn)
標題URL：http://uogjgqi.cn/article/dppdhps.html