서비스 장애 및 데이터 불일치와 같은 오류 사례를 해결하기 위한 기술과 기법을 사용할 수 있습니다. 여기에는 다음이 포함됩니다.
-
분산 트랜잭션 프레임워크를 사용하여 여러 서비스와 데이터베이스에서 변경 사항을 조정합니다.이는 강력한 일관성이 필요할 때 좋은 접근 방식이 될 수 있습니다. Scalar DB는 Cassandra의 경량 트랜잭션을 잠금 기본 요소로 사용하여 구축된 분산 ACID 트랜잭션을 구현하기 위한 흥미로운 라이브러리입니다.
-
Apache Spark와 같은 분산 분석 도구를 사용하여 백그라운드 처리 작업으로 데이터의 일관성을 확인합니다. 이 접근 방식은 일시적인 데이터 불일치에 대한 허용 범위가 있는 상황에서 소프트웨어 오류로 인한 데이터 불일치를 포착하기 위한 백스톱으로 유용합니다.
-
이벤트 기반 안무 접근 방식의 변형은 서비스에 의존하여 데이터를 데이터베이스에 안정적으로 유지한 다음 이벤트를 게시하는 대신, 데이터베이스의 변경 데이터 캡처(CDC) 기능을 이벤트 소스로 활용하는 것입니다. 이 접근 방식은 일반적으로 애플리케이션 간 인터페이스에서 매우 일관된 상호 작용을 보장하는 데 사용되지만 개별 서비스 간에도 사용될 수 있습니다.
SAMPLE REPO LINK DataStax Developer Relations 팀과 다른 기여자들은 KillrVideo 라는 비디오 공유 애플리케이션을 만들었습니다 . KillrVideo는 Search와 Graph를 포함하여 Apache Cassandra와 DataStax Enterprise의 기능을 사용하여 구축된 오픈 소스 참조 애플리케이션입니다. 마이크로서비스 아키텍처를 사용하여 여기에서 논의된 설계 원칙의 또 다른 예를 제공합니다. GitHub 에서 소스를 다운로드 하고 애플리케이션의 사본을 직접 실행할 수 있습니다. https://github.com/KillrVideo/killrvideo-java.git