🔧 微服務架構是什麼？
微服務架構是一種將單一應用程式拆分為多個小型、獨立的服務的設計模式。每個服務都是專注於執行某一特定功能，並可以獨立開發、部署和維護。每個服務通常擁有自己的數據庫和應用邏輯，並且通過 API 與其他服務進行通信。
⚡ 微服務架構的關鍵特點：
- 單一功能、獨立服務：
- 每個微服務通常只負責一個具體的功能，專注於特定業務邏輯。例如，一個服務專門負責用戶管理，另一個服務負責訂單處理。
- 可獨立部署：
- 每個服務都是獨立的，可以單獨部署，並且不需要依賴其他服務的部署。
- 去中心化數據管理：
- 每個微服務擁有自己的數據庫，避免了單一資料庫成為瓶頸，且減少服務之間的耦合。
- 技術多樣性：
- 每個微服務可以使用不同的技術棧來開發（例如，某些服務可以用 Java 編寫，另一些服務可以使用 Python）。
- 容錯性高：
- 微服務架構能夠容忍某個服務的失敗而不影響整體應用程式的運行，這是通過分布式架構與服務間的獨立性來實現的。
⚙️ 微服務架構的工作原理：
- 微服務之間通常通過 API（如 RESTful API 或 gRPC）來進行互相通信。每個微服務都能夠暴露它自己的端點，讓其他服務通過網絡請求來使用。
- 微服務經常使用 消息隊列（如 RabbitMQ、Kafka）來處理異步通信與事件驅動架構。
🚀 微服務架構的優點：
- 可擴展性：
- 每個服務都可以根據需要獨立擴展，而不會影響其他服務的運行。
- 快速開發與部署：
- 團隊可以並行開發不同的微服務，且每個服務都能夠獨立部署，提升開發效率。
- 容錯性和高可用性：
- 微服務之間相互獨立，某一服務的故障不會導致整體系統崩潰，能提高系統的穩定性。
- 技術靈活性：
- 不同服務可以選擇適合自己需求的技術棧，無需在整體應用中統一技術堆疊。
⚠️ 微服務架構的挑戰：
- 服務間的通信與協調：
- 需要處理多個服務之間的數據交換與協調，這可能導致系統變得更加複雜。
- 分布式數據管理：
- 微服務的去中心化數據管理可能會使得數據一致性變得更加困難。
- 監控與維護複雜性：
- 隨著微服務數量的增多，監控、錯誤追蹤、調試等任務會變得更加複雜。
🛠️ 微服務架構常用技術：
- 容器化技術：Docker、Kubernetes（幫助部署和管理微服務）。
- API Gateway：統一入口，用來管理所有微服務的請求與負載均衡。
Kafka 是什麼？
Apache Kafka 是一個分布式的流平台，廣泛用於處理大量實時數據。它最初由 LinkedIn 開發，並且後來成為開源項目。Kafka 用於處理實時事件流（streaming data），並支持高吞吐量、低延遲、可靠的數據傳輸。🛠 Kafka 的工作原理：
Kafka 主要由以下幾個部分組成：
- Producer（生產者）：
- 負責生成消息並將其發送到 Kafka 中的某個 topic（主題）。每個生產者都會將消息發送到特定的主題。
- Consumer（消費者）：
- 負責從 Kafka 中的 topic 中讀取消息。消費者可以是獨立的應用程式，也可以是一組應用程式組成的消費者群組。
- Broker（代理）：
- Kafka 中的每個伺服器稱為 Broker。它負責接收和儲存來自生產者的消息，並將其分發給消費者。Kafka 系統可以有多個 Broker，並且這些 Broker 共同工作來處理大量消息。
- Topic（主題）：
- 消息被組織成「主題」，這是一個邏輯上的分類。每個消息都有一個指定的主題，消費者可以根據主題來讀取消息。
- Partition（分區）：
- 每個 topic 可以分成多個分區。每個分區包含一組有序的消息，分區的目的是實現消息的分散儲存，並提高吞吐量和容錯性。
- ZooKeeper：
- Kafka 使用 ZooKeeper 來管理和協調集群的工作。它負責 Kafka 的元數據管理、Broker 集群的協調等。
🚀 Kafka 的特點：
- 高吞吐量：
- Kafka 允許以非常高的吞吐量處理大量數據，即使是大規模的實時數據流也能夠高效處理。
- 實時處理：
- Kafka 允許對數據流進行實時處理，因此它常用於即時事件分析、日志收集等場景。
- 可擴展性：
- Kafka 是分布式的，可以輕鬆水平擴展，支持更多的 Broker、更多的分區，能夠處理大規模的數據流。
- 持久性與可靠性：
- Kafka 將數據持久化到磁碟中，即使系統崩潰，數據也不會丟失，且可以通過複製機制實現高可靠性。
- 支持多個消費者組：
- 不同的消費者組可以並行地處理相同的數據流，這使得 Kafka 非常適合用於多個消費者處理相同事件的場景。
🔄 Kafka 的應用場景：
- 實時數據流處理：
- Kafka 常用於處理來自各種來源（如網站、應用程式、IoT 設備等）的實時數據流。例如，監控數據、網站點擊流、即時報告等。
- 事件驅動架構：
- Kafka 支持事件驅動架構，並且可以用於在微服務之間傳遞事件。微服務間的通信可以通過 Kafka 來實現解耦，實現高效的消息傳遞。
- 日志收集與分析：
- Kafka 常用於收集和分析各種應用程式或系統的日志。將日志數據傳送到 Kafka 中，然後由消費者處理、分析並存儲。
- 數據同步與整合：
- Kafka 可用於不同數據源間的同步與整合，將數據從一個系統傳送到另一個系統，實現數據的流動與整合。
