带你十天轻松搞定 Go 微服务系列（五、订单服务）

序言我们通过一个系列文章跟大家详细展示一个 go-zero 微服务示例，整个系列分十篇文章，目录结构如下：环境搭建服务拆分用户服务产品服务订单服务（本文）支付服务RPC 服务 Auth 验证服务监控链路追踪分布式事务期望通过本系列带你在本机利用 Docker 环境利用 go-zero 快速开发一个商城系统，让你快速上手微服务。完整示例代码：https://github.com/nivin-studio/go-zero-mall首先，我们来看一下整体的服务拆分图：5 订单服务（order）进入

0 赞 3 评论

2 天前 / yalishanda

带你十天轻松搞定 Go 微服务系列（三、用户服务）

序言我们通过一个系列文章跟大家详细展示一个 go-zero 微服务示例，整个系列分十篇文章，目录结构如下：环境搭建服务拆分用户服务（本文）产品服务订单服务支付服务RPC 服务 Auth 验证服务监控链路追踪分布式事务期望通过本系列带你在本机利用 Docker 环境利用 go-zero 快速开发一个商城系统，让你快速上手微服务。完整示例代码：https://github.com/nivin-studio/go-zero-mall首先，我们来更新一下上篇文章中的服务拆分图片，由于微信公众号手机和电

0 赞 4 评论

2 天前 / yalishanda

带你十天轻松搞定 Go 微服务系列（四、产品服务）

序言我们通过一个系列文章跟大家详细展示一个 go-zero 微服务示例，整个系列分十篇文章，目录结构如下：环境搭建服务拆分用户服务产品服务（本文）订单服务支付服务RPC 服务 Auth 验证服务监控链路追踪分布式事务期望通过本系列带你在本机利用 Docker 环境利用 go-zero 快速开发一个商城系统，让你快速上手微服务。完整示例代码：https://github.com/nivin-studio/go-zero-mall首先，我们来看一下整体的服务拆分图：4. 产品服务（product）

0 赞 4 评论

3 天前 / yalishanda

带你十天轻松搞定 Go 微服务系列（二、服务拆分）

上篇文章开始，我们通过一个系列文章跟大家详细展示一个 go-zero 微服务示例，整个系列分十篇文章，目录结构如下：环境搭建服务拆分（本文）用户服务产品服务订单服务支付服务RPC 服务 Auth 验证服务监控链路追踪分布式事务期望通过本系列带你在本机利用 Docker 环境利用 go-zero 快速开发一个商城系统，让你快速上手微服务。完整示例代码：https://github.com/nivin-studio/go-zero-mall服务拆分一个商城项目可拆分用户服务（user）、订单服务（

0 赞 4 评论

3 天前 / yalishanda

带你十天轻松搞定 Go 微服务系列（一）

本文开始，我们会出一个系列文章跟大家详细展示一个 go-zero 微服务示例，整个系列分十篇文章，目录结构如下：环境搭建（本文）服务拆分用户服务产品服务订单服务支付服务RPC 服务 Auth 验证服务监控链路追踪分布式事务期望通过本系列带你在本机利用 Docker 环境利用 go-zero 快速开发一个商城系统，让你快速上手微服务。完整示例代码：https://github.com/nivin-studio/go-zero-mall1 环境要求 Golang 1.15+EtcdRedisMysq

0 赞 3 评论

4 天前 / yalishanda

云原生 go-zero 微服务框架

0. go-zero介绍从去年8月7日github开源以来，已经获得了9200+ star的 go-zero 是一个集成了各种工程实践的web和rpc框架。通过弹性设计保障了大并发服务端的稳定性，经受了充分的实战检验。go-zero包含极简的API定义和生成工具goctl，可以根据定义的api文件一键生成Go, iOS, Android, Kotlin, Dart, TypeScript, JavaScript代码，并可直接运行。使用go-zero的好处：轻松获得支撑千万日活服务的稳定性内建级

0 赞 4 评论

4 天前 / yalishanda

go-zero微服务实战系列（八、如何处理每秒上万次的下单请求）

在前几篇的文章中，我们花了很大的篇幅介绍如何利用缓存优化系统的读性能，究其原因在于我们的产品大多是一个读多写少的场景，尤其是在产品的初期，可能多数的用户只是过来查看商品，真正下单的用户非常少。但随着业务的发展，我们就会遇到一些高并发写请求的场景，秒杀抢购就是最典型的高并发写场景。在秒杀抢购开始后用户就会疯狂的刷新页面让自己尽早的看到商品，所以秒杀场景同时也是高并发读场景。那么应对高并发读写场景我们怎么进行优化呢？处理热点数据秒杀的数据通常都是热点数据，处理热点数据一般有几种思路：一是优化，二是限

0 赞 4 评论

4 天前 / yalishanda

go-zero微服务实战系列（十一、大结局）

本篇是整个系列的最后一篇了，本来打算在系列的最后一两篇写一下关于k8s部署相关的内容，在构思的过程中觉得自己对k8s知识的掌握还很不足，在自己没有理解掌握的前提下我觉得也很难写出自己满意的文章，大家看了可能也会觉得内容没有干货。我最近也在学习k8s的一些最佳实践以及阅读k8s的源码，等待时机成熟的时候可能会考虑单独写一个k8s实战系列文章。内容回顾下面列出了整个系列的每篇文章，这个系列文章的主要特点是贴近真实的开发场景，并针对高并发请求以及常见问题进行优化，文章的内容也是循序渐进的，先是介绍了

0 赞 4 评论

4 天前 / yalishanda

go-zero微服务实战系列（十、分布式事务如何实现）

在分布式应用场景中，分布式事务问题是不可回避的，在目前流行的微服务场景下更是如此。比如在我们的商城系统中，下单操作涉及创建订单和库存扣减操作两个操作，而订单服务和商品服务是两个独立的微服务，因为每个微服务独占一个数据库实例，所以下单操作就涉及到分布式事务问题，即要把整个下单操作看成一个整体，要么都成功要么都不成功。本篇文章我们就一起来学习下分布式事务的相关知识。基于消息实现最终一致性我们去店里就餐的时候，付钱点餐后往往服务员会先给我们一张小票，然后拿着小票去出餐口等待出餐。为什么要把付钱和取餐

0 赞 4 评论

4 天前 / yalishanda

go-zero微服务实战系列（九、极致优化秒杀性能）

上一篇文章中引入了消息队列对秒杀流量做削峰的处理，我们使用的是Kafka，看起来似乎工作的不错，但其实还是有很多隐患存在，如果这些隐患不优化处理掉，那么秒杀抢购活动开始后可能会出现消息堆积、消费延迟、数据不一致、甚至服务崩溃等问题，那么后果可想而知。本篇文章我们就一起来把这些隐患解决掉。批量数据聚合在SeckillOrder这个方法中，每来一次秒杀抢购请求都往往Kafka中发送一条消息。假如这个时候有一千万的用户同时来抢购，就算我们做了各种限流策略，一瞬间还是可能会有上百万的消息会发到Kafk

0 赞 4 评论