场景描述
在微服务架构中，每个微服务负责自己的数据库，微服务A是不允许直接连接微服务B的数据库进行操作的。
现在有2个微服务，一个是订单服务，一个是用户服务。
有一个数据报告的需求：生成一份包含用户信息的订单报告。
这就需要获取2个服务中的数据，进行连接汇总。
如何构建这个数据报告的服务呢？
方案1 直接连接数据库
直接连接订单服务、用户服务的数据库，获取所需的数据，拿到后进行加工处理即可。
非常简单，但有明显的问题。
首先是破坏了上面所说的微服务的那个原则，直接去连别人的数据库，太粗暴了。
还有一个更严重的问题，如果订单服务和用户服务的数据库表结构变化了咋办？
报告服务必须跟着一起改变，敏感度太高。
方案2 数据汇聚
不直连数据了，调用这两个服务的 REST API 接口获取想要的数据。
解决了上个方案的问题，但此方法最大的问题是性能差。
报告服务需要最新的数据，就会经常访问这2个服务，随着数据规模的增加，3个服务的性能都会越来越低。
方案3 批量拉取数据
为报告服务建立一个自己的数据库，使用一个定时程序，批量从2个服务的数据库中拉数据，存入自己的数据库。
解决了上个方案的问题，性能明显提升，但好像又回到了第一个方案的问题，破坏了微服务的原则，而且对数据表结构的变动极其敏感。
好处是因为有了自己的数据库，方便多了，性能更好了。
方案4 事件推送模型
订单服务、用户服务中，数据表更后，产生一个事件，发布到消息系统中(例如 kafka)，报告服务订阅相关主题，把接收到的数据写入自己的数据库。
好处：
- 松耦合，业务服务和报告服务没有调用关系，不管是业务接口层，还是数据库层。
- 数据一致性好，准实时，业务服务数据表更后立即发送事件消息，报告服务可以快速消费。
- 性能好，数据吞吐量增加后，报告服务可以增加处理事件的 worker，提供处理能力。
- 扩展性好，方便以后添加更多的数据处理需求，例如实时分析，而且，以后可能不止是做订单报告，可能会对更多的业务系统数据进行分析，到时，新服务只需把自己的数据变更事件发送到消息系统中即可。
翻译整理自：
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
