请求/响应、RPC 与 gRPC 适用场景

请求/响应（Request/Response）是分布式中最直观的模式：调用方发请求、阻塞或异步等待响应。在 Java 微服务中常体现为 REST + OpenAPI 契约，practice 阶段用 OpenFeign 消费。

三种同步风格对比

OpenFeign 调用预览（YAML）

# 详见 OpenFeign、负载均衡与服务间调用；此处仅示意超时与幂等头
spring:
  cloud:
    openfeign:
      client:
        config:
          inventory-service:
            connectTimeout: 1000
            readTimeout: 2000
# 调用时 Header: Idempotency-Key: {orderId}

消息队列、发布订阅与事件通知

当调用方不必立即知道下游处理结果，或需要削峰、解耦多订阅者时，使用异步消息。ShopFlow 中 PaymentCompleted、OrderCreated 等领域事件适合走 Kafka 等 MQ（详见 Kafka 事件驱动与 Redis 缓存）。

核心概念

• 消息队列（Queue）：点对点，一条消息通常被一个消费者处理（任务分发）。
• 发布/订阅（Pub/Sub）：一条事件可被多个订阅者各自处理（订单创建 → 库存、积分、通知各订一份）。
• 领域事件：用过去式命名（OrderCreated、PaymentCompleted），载荷含最小集成字段 + 事件 ID。
• 消费者组：同组内竞争消费保证扩展；不同组各自完整消费一遍。

flowchart LR
  Pay[payment-service] -->|publish| K[(Kafka topic)]
  K --> G1[order-service 消费者组]
  K --> G2[analytics 消费者组]
  G1 --> O[更新订单 PAID]
  G2 --> A[报表入库]

编排 vs 编舞（Choreography）

跨多个服务的业务流程（如下单 → 预留 → 支付 → 确认）如何协调？两种主流思路：编排（Orchestration） 由中央协调者按脚本推进；编舞（Choreography） 各服务监听事件、自行决定下一步，无中心大脑。

对比表

sequenceDiagram
  participant O as order-service 编排者
  participant I as inventory-service
  participant P as payment-service
  O->>I: 同步 reserve
  I-->>O: 201
  O->>P: 同步 initiate payment
  P-->>O: 202
  Note over O: 等待 PaymentCompleted 事件
  P-->>O: event PaymentCompleted
  O->>O: 状态 PAID

幂等键、去重与 Outbox 模式预览

异步与重试使「至少一次投递」成为常态。须从生产端与消费端双侧保证正确性。

消费端：幂等与去重

• 幂等键：同步写操作 Header Idempotency-Key；异步用 eventId 或业务键。
• 去重表：消费者处理前插入 processed_events(event_id)，重复则跳过。
• 业务幂等：如「订单已 PAID 则忽略重复 PaymentCompleted」。

生产端：Transactional Outbox

问题：订单入库与发 Kafka 两个操作无法共用一个本地事务。 Outbox 将待发事件与业务写入同一数据库事务，后台投递器异步发到 MQ。

@Transactional
void createOrder(CreateOrder cmd) {
  Order order = orderRepo.save(new Order(cmd));
  outboxRepo.save(new OutboxEvent(
    "OrderCreated",
    order.getId().toString(),
    toJson(new OrderCreatedPayload(order.getId(), ...))
  ));
  // 同一事务；投递器稍后 poll outbox → Kafka
}

为 Spring Cloud 实战做概念映射

basics 阶段原理收官。下表将本章概念映射到 practice 阶段 ShopFlow 工程（Java 21 + Spring Boot 3.5 + Spring Cloud 2025）。