bfbd

问：你以前没做过手机开发，你觉得你行吗？
答：我入行的时候，PC 机内存 64M，现在手机的内存 128M 。

@fishioon

读取结果数据是 Distribute Service 集中调用 API，成功失败无所谓。
如果成功了，更新缓存数据供其他微服务使用。
如果失败了，记录失败信息，供系统管理员参考，有点儿类似于微服务的健康监控。

所以，也可以看作是在微服务与微服务之间的直接调用路径中加了个间接层，这个间接层顺便还实现了微服务的可用性监控。

@fcten

是的，的确不能把一整套逻辑都写到一个服务里。
不过微服务里也提到说微服务的划分是可以嵌套的，如果按嵌套的方式去设计呢？

比如：先按领域划分大块，就把你说的更新余额相关的，要求实时响应和数据一致的部分，都划分到一个领域，然后再在这个领域里，划分出多个层级的微服务。
至于其他的领域，应该与这个更新余额相关的领域没有强依赖，没有强相关，可以容忍一定程度的异步延迟。

@fcten

海量数据的缓存问题在 [Series data cache] 这篇里有提（好像贴不了网址）。
核心思想就是用某个键值做分块，然后分块缓存，这个参考的 Redis 分布式策略。

所有的缓存都是面向结果的，换句话说，缓存的就是查询结果。
如果查询结果的组合有一千种，就要生成一千份缓存。理论上就是这样的。
但实际上可以二八法则，80% 的常用查询结果能命中缓存就可以了，剩下的 20% 慢点也没关系，可以待预算充足时再加以补足。

更新的时候就是更新了哪个块，就触发哪个块的缓存替换过程。
举个例子：十亿用户分成一千块，查询条件一百种。改了两个用户，触发两个块的缓存更新，就要修改两百个缓存文件。就是这样。

@CoderGeek

差不多吧，主要目的是隔离。
或者也可以看成是多个子系统，而不是多个微服务，后面可以在子系统内部再进行分层的微服务划分。

@miao1007

CPS 不了解，有空学习下，谢谢。

@stevenkang

直接写入数据库的方案的确考虑过，但有两点顾虑：一是数据的频繁更新是否会给数据库造成负担，影响数据库响应其他请求的效率，二是数据库里新旧版本数据的替换速度如何？磁盘文件可以先写个新的，然后交换下文件名，再把旧的删掉。这样数据文件仅改名期间不可用，是瞬时的。

当然，写磁盘文件也有缺点，数据库自带的缓存优化就失效了，查询速度可能受影响。这一点要想改进，可能就得自己打造定制版的 file_fdw 插件了。

@iisky1121

在 Generic Rest API 一文里，查询数据的 ur 就可以作为 key，当然 key 太长了可以 hash 一下，ETag Cache Service 里就是这么用的。

@xsen

grpc 也是 RPC 的一种吧。就像楼上有朋友讲的，如果被调用的服务挂了，就返回错误。没错，这样是对的。但有些时候，在数据一致性要求没那么高的情况下，其实可以不返回错误，用旧版的数据继续服务的。grpc 好像实现不了这个目的。

至于说何时不要求那么高的数据一致性，这就看如何进行领域的划分了，只能具体问题具体分析。