背景

如果數據在同一個服務的同一個數據庫，通過SQL即可查詢相對比較簡單，但當數據被分布到不同服務不同的數據庫中時，訪問組合數據的操作就變的比較困難。針對這個問題，本文描述了服務讀取不同服務的數據庫的幾種方法：服務間通信模式、數據緩存模式、數據復制模式、數據共享模式

本文的觀點源自我在日常學習與實踐過程中的思考，尚處于不斷探索和驗證的階段。希望能“拋磚引玉”，激發更多的討論與交流。讓我們共同進步，在探討與實證中尋求真知。

一、服務通信模式

如果一個服務需要讀取它無法直接訪問的數據庫，只需要使用遠程調用比如RPC協議訪問另外一個服務即可，這也是很多團隊采用的一種方式，如下圖：

這看起來很簡單，但技術充滿挑戰問題

?首先是數據網絡延遲導致服務A性能下降。

?服務之間的耦合，為了滿足服務A的訪問量，B服務必須隨著A服務的流量規模變化而變化。

二、數據緩存模式

在上面服務通信的基礎上加上緩存，這是很多團隊使用的第二種方式。數據保存在每個服務的內存中并持續同步，因此服務擁有完全相同的數據。緩存又分為本地緩存+分布式緩存的組合關系。

1.單機本地緩存，每個服務都包含自己的數據。這種模式對應服務之間無法共享，比如服務啟動加載數據到本地緩存。

2.分布式緩存：數據服務之間共享。但這種模式不是有效的復制緩存模式，因為它不能解決服務間通信模式下存在的容錯性問題，獲取數據從服務調用變成了緩存服務。其次由于緩存數據是中心化及共享的，打破數據所有權，并且可能導致緩存和數據庫數據不一致。

以下是每種實現方式優缺點如下：

實現方式一：本地緩存/分布式緩存+RPC遠程調用

實現方式二：通過RPC服務通訊同步推送數據+本地緩存

實現方式三：通過定時任務worker，服務A通過RPC調用服務B拉數據

實現方式四：通過異步MQ獲取數據

緩存模式優缺點：

三、數據復制模式

在數據復制模式中，表之間會進行數據復制，也就是在數據庫A冗余數據庫B數據。這樣可以確保服務A直接訪問數據庫A獲取到數據庫B的數據。可以通過很多種實現方式：

但這同樣存在如下問題:如何管理數據所有權？到處都有這種數據，數據一致性問題

這種方案改善了上面服務通信的性能，容錯性，可伸縮性問題。某些場景可用，比如聚合，報表或者其他不適合高性能需求，高容錯性的時候

四、數據共享模式

如果上面的3種方式都不行，那可以用兜底方式，用創建數據領域，把數據組合到共享的數據庫，讓服務A和服務B都能訪問。

服務之間完全解耦，解決了可用性依賴，響應性，吞吐量和可伸縮性問題

總結

1.通過本文的探討，大家可以更全面地了解分布式數據訪問的挑戰和可能的解決方案

2.每種模式都有其優勢和不足以及應用場景，本文旨在通過對比分析，為實際應用中的選擇提供指導。

3.如果以上文案有問題或者還有更好的方案，歡迎評論區留言補充完善，謝謝

審核編輯 黃宇