分布式数据管理

在传统应用程序中，所有组件通常共享一个数据库。相比之下，基于微服务的应用程序的每个组件都维护自己的数据，从而促进了独立性和去中心化。这种被称为分布式数据管理的方法带来了新的挑战。

其中一个挑战来自分布式系统中一致性和性能之间的权衡。接受数据更新中的轻微延迟（最终一致性）通常比坚持即时更新（即时一致性）更为实用。

有时，业务运营需要多个微服务才能协同工作。如果一个部件出现故障，则可能需要撤消一些已完成的任务。S aga模式通过协调一系列补偿措施来帮助管理这种情况。

为了帮助微服务保持同步，可以使用集中式数据存储。这家商店使用 AWS Lambda AWS Step Functions、和 Amazon 等工具进行管理 EventBridge，可以帮助清理和删除重复数据。

图 6：Saga 执行协调器

管理跨微服务变更的一种常见方法是事件来源。应用程序中的每一次更改都记录为事件，从而创建系统状态的时间表。这种方法不仅有助于调试和审计，还允许应用程序的不同部分对相同的事件做出反应。

事件来源通常 hand-in-hand使用命令查询责任分离 (CQRS) 模式，该模式将数据修改和数据查询分成不同的模块，以提高性能和安全性。

在上 AWS，您可以使用服务组合来实现这些模式。如图 7 所示，Amazon Kinesis Data Streams 可以用作您的中央事件存储，而 Amazon S3 可为所有事件记录提供持久存储。 AWS Lambda、Amazon DynamoDB 和 A API mazon Gateway 共同处理和处理这些事件。

图 7：活动来源模式开启 AWS

请记住，在分布式系统中，由于重试，事件可能会被多次传送，因此设计应用程序来处理这个问题非常重要。