分布式系统间的事务处理，一直是一个有意思的课题，这里有很多的文章去分析，这里笔者也有些思考，下面主要从消息队列、消息通道的角度说下自己的思考：
本着由易至难、由抽象到具体的原则，首先定义下一个简单业务场景：
假定有一个平台，里面有微服务A，微服务B，两个服务均提供外部接口，一个负责更新资源，一个负责提供资源服务，可以看到，由于两个服务存在关联（比如，A更新资源后，需要通知B拉取最新的资源），所以需要一定的内部通信机制，这是一个比较常见的平台服务场景，如图：
当然这里可以再复杂一下，把分布式的因素加进来，为了方便举例说明，这里只将微服务B变为分布式的微服务，如图：
第一个要解决的问题：选择什么样的内部通信机制：
内部通信通道有很多个选择，比如HTTP、RPC、Redis、Kafka（类似的数据队列）、数据库等
其中，同步的有：HTTP、RPC、Redis，异步的为：Kafka（类似的数据队列）、数据库，由于系统希望能够实时提供最新的资源服务，故选择同步通信机制
从服务间通信方式上，一般使用RPC比较多，特别是RPC支持跨语言的通信后，迅速成为业界的新宠，也是比较成熟的方案
但由于微服务A和微服务B都有外部服务，所以服务的部分接口是对外开放的，而使用HTTP和RPC服务，会增加内部服务对外化的风险（事实上，在复杂环境部署上，这样的金手指的案例很多），所以这里并不一定是第一选择
再看下这个场景，微服务A资源的更新了，只需要告知微服务B一声“要更新了”即可，而不是将最新的资源直接传过去，是比较简单的提醒通信，这样的通信比较轻量，即使在高并发下，也不太涉及边界数据竞争情况处理。那自然而然就会想到：Redis
场景就变成了这样的：
第二个要解决的问题：如何使用Redis做通信
redis作为通信方式有很多中，在分布式系统下最经典的场景就是分布式锁，即各个分布式的服务抢redis的唯一“锁key”赋值：
这种，基本上把redis作为外延内存来使用，把“锁”作为几个服务的“全局变量”，适用于同服务内部的简单通信，故不适用于这里。
另外一种是创建一个list，通过push和pop的方式获取内容：
似乎可以，但这里存在一个严重的问题，即不支持重复消费：消费者拉取消息后，这条消息就从 List 中删除了，无法被其它消费者再次消费，即不支持多个消费者消费同一批数据，在分布式系统下无法满足，也不能选择这里
还有一种，则是比较经典的发布—订阅者模式
它正好可以解决前面提到的第一个问题：重复消费，即多组生产者、消费者的场景
所以场景再次更新：
当然，看到这里，可能会有疑问，直接将最新的资源从微服务A给到微服务B可以吗？
答案是否定的，因为Pub/Sub 最大问题是：丢数据。
特别是在以下三个场景中：消费者下线、Redis 宕机、消息堆积
这样就会对服务的稳定性造成比较大的挑战，所以还是需要持久化存储，同时要做资源更新的兜底任务：
第三个要解决的问题：收到信息后应该怎么做
从这个场景下，可能会觉得，收到信息就去更新资源就好了，其实这里是有坑的
刚才我们模拟的是微服务B是分布式服务，事实上，微服务A也可能是分布式服务，场景变成：
同时，这个通信机制是服务之间的约定，作为接收方，要天然不信任信息的频次和有效性，对应下来就是三种不信任：
1.信息发送的频次
2.信息的重复性
3.信息的丢失性
针对第三种，不仅仅是发送方的问题，也可能是redis的问题，所以需要一个定时拉取资源的兜底方案
针对第一种，拉去最新资源可能是一个耗时耗资源的操作，所以不能频繁拉去
针对第二种，重复的拉去也会导致资源消耗的浪费
所以针对第二种和第一种，就需要对接收的数据，进行防抖和去重，这里可以根据业务的需要进行整合，比较经典的方案是：
加一个定时器，判断即X秒内，微服务B收到需要更新范围Y的资源，这里就可以一定程度内避免了前两种情况
第四个要解决的问题：收到信息后的事件处理与服务内部事件处理资源抢夺怎么办
上图可以看到，通过数据整合和去重，可以降低事件处理的频次，降低资源的消耗
但在微服务B，可能不只一个事件通信，可能多个事件通信都用到了事件处理X（或者用到事件处理X的部分资源），也可能服务本身也会用到事件处理X（或者用到事件处理X的部分资源），由于收到信息的时间不可控，所以这里的事件处理X的资源使用时间也不可知，可能会造成资源抢夺，如下图：
这里，有两种解决方案：
一种是在公共资源和公共逻辑加锁，但这样增加了逻辑的复杂度，如果涉及读写锁等概念则会更加复杂
还有一种是将多个事件处理放入队列，这样也可以避免问题的发生
建议选后者，即：
最后，事实上，这里还可以更加复杂场景，我这里也是抛砖引玉额，如果有想继续的同学，欢迎交流
