作者：肯梦
阿里云音讯行列 RocketMQ 5.0 结束了全新升级，结束了从“音讯”到“音讯、作业、流”的大交融，依据此，Message-Driven、Event-Driven、Streaming 这三个词是近期音讯范畴高频词，但因为概念过于新，许多同学其实是不太了解这儿的异同。本文把三个概念重新整理下，梳理出比较清楚的概念讲给咱们。
布景
首要这三个概念详细翻译如下：
- Message-Driven： 音讯驱动的通讯；
- Event- Driven： 作业驱动的通讯；
- Streaming： 流办法。
这三个办法都是相似异步通讯的办法，发送音讯的服务不会等候消费音讯服务照应任何数据，做服务解耦是三个办法一起的特性；
只要是在服务通讯范畴内，在选型时还要考虑如下特性：
- 排序： 是否能够确保特定的次序交给；
- 业务： 出产者或顾客是否能够参加分布式业务；
- 耐久化： 数据怎样被耐久化，以及是否能够重放数据；
- 订阅过滤： 是否具有依据Tag或其他字段做订阅过滤的才华；
- At – least -once（最少交给一次），At-most-once（最多交给一次），Exactly-once （准确交给）。
通用布景介绍完，顺次来看看各个模型代表的是什么意思。
音讯驱动 Message-Driven
在音讯驱动通讯中，一般链路便是音讯出产者（Producer）向音讯顾客（Consumer）发送音讯。模型如下：
音讯驱动办法下通常会用到中心件，比较常见的中心组件有 RocketMQ，Kafka，RabbitMQ 等。这些中心件的意图是缓存出产者投递的音讯直到顾客预备接纳这些音讯，以此将两头体系解耦。
在音讯驱动架构中，音讯的格局是依据顾客的需求制定的；音讯传递能够是1对1，多对多，一对多或多对一。
音讯驱动通讯比较常见的一个比方是产品订单推送，上游组件担任生成订单，下贱组件担任接纳订单并处理。经过这样的通讯办法上游生成组件其实无需关心整个订单的生命周期，更专心于怎样快速生成订单，使单个组件的功用得以行进。!
音讯驱动办法在服务之间供给了轻的耦合（这部分耦合指代 Producer/Consumer SDK），并能够对出产和消费服务依据诉求进行扩展。
作业驱动Event-Driven
首要要声明一个观念：作业驱动其实是对音讯驱动办法的改进，它对音讯体大小，音讯格局做了较为严格的捆绑，这层依据音讯的捆绑封装其实就称为作业（Event）。
在作业驱动办法中，出产者发布作业来标明体系改变，任何感兴趣且有权限接入的服务都能够订阅这些作业，并将这些作业作为触发器来发动某些逻辑/存储/使命。
作业驱动的办法能够是1对1，多对一，一对多或多对多。通常状况下一般是多个目标依据过滤条件履行不同的作业。
在作业驱动架构中，作业的格局是由出产者依据作业标准协议制定的；因为更标准捆绑和封装，作业的出产者彻底不需要关心有哪些体系正在消费它生成的作业。
作业不是指令，作业不会告知顾客怎样处理信息，他们的效果仅仅告知顾客此时此刻有个作业产生了；作业是一份不可变的数据，重要的数据，它与音讯的数据价值相同；通常状况下当某个作业产生并履行时，往往伴随着另一个作业的产生。
作业驱动供给了服务间的最小耦合，并答应出产服务和消费服务依据需求进行扩展；作业驱动能够在不影响现有服务的状况下添加各类新增组件。
作业驱动也能够举一个非常恰当的比方，咱们以“客户购买完一款产品”为一个作业，举证在作业场景的运用：
- CRM（客户联络体系）体系接纳到客户购买信息，可自行更新客户的购买记载；
- EMR（库存管理体系） 体系接纳到客户购买信息，动态调整库存并及时补货；
- 快递服务接纳到客户购买信息，自行打单并告诉快递公司派送。
这么看，作业驱动办法是不是能够运用并呈现在任何地方！
在EventBridge产品化方向，也正是因为针对音讯做了一些标准化封装，才有或许结束比方针对作业自身的 filter（过滤） ，transform（转化），schema（作业结构），search（查询） 等才华。这些才华也拓展出更多针对作业驱动特有的场景功用及相关特性。
流Streaming
流是一组有序的无界作业或数据，履行操作通常是固定的某个作业段（e.g. 00:00 – 12:00）或一个相对作业（E.g. 曩昔 12 小时）。
通常状况下单个作业往往便是运用作业自身，但是关于流或许的操作大概率是过滤，组合，拆分，映射等等。
流的操作能够是无状况也能够是有状况的：
- 关于单个作业操作是无状况的，包含过滤和映射；
- 依靠音讯在流的时间或方位（e.g. offset，time）是有状况的。有状况操作中，流处理逻辑有必要保存一些已被消费音讯的内存。有状况包含对数据做 Batch Size，Batch Window 等。
流这儿也能够举一个比较简单的比方，比方咱们的物流体系在物品经过一个物流节点时会生成一个作业，但是要查到这个物品无缺的流转状况作业，则有必要是各个物流节点单个作业的聚合，那这个聚合作业便是流作业。
Kafka 是最典型的流式中心件，在流式场景中，作业的方位信息至关重要。通常状况下方位信息（E.g. offset）是由顾客保管的。
作业标准标准
聊完 Event 和 Streaming 是什么，再来补偿一点有关于它们的标准。
作业标准存在的意图是为了清楚作业出产者和顾客的联络，现在主要有两部分：AsyncAPI 和 CloudEvents；
AsyncAPI： 依据作业 API 供给了与之对应的 Open API 和 Swagger 等；CloudEvents： 侧重于处理作业的元数据。
下面也要害介绍一些关于 CloudEvents 的相关概念参阅：CloudEvents 的核心其实是界说了一组关于不同组件间传输作业的元数据，以及这些元数据应该怎样呈现在音讯体中。
其宗旨大概如下：
- 作业标准化；
- 下降途径集成难度；
- 行进 FaaS 的可移植性；
- 源作业可追踪；
- 行进作业关联性
准确的作业体，作业信息才能够做出更安稳的体系架构，永久坚持对作业的敬畏。
附 一些术语及界说：
Occurrence： 产生，指作业逻辑上的产生，依据某种状况，作业呈现了；
Event： 作业，标明作业以及上下文的数据记载。能够依据作业中的信息决议路由，但作业自身并不包含路由信息；
Producer： 出产者，真实创造作业的实例或组件；
Source： 源，作业产生的上下文，能够由多个 producer 组成；
Consumer： 顾客，接纳作业并对作业进行消费；
Intermediary：中介，接纳包含作业的音讯（message），并转发给下一个接纳方，相似路由器；
Context： 上下文，上下文元数据被封装到 context attributes 中，用来判别作业与其它体系的联络；
Data： 数据，也能够叫做 payload；
EventFormat：作业格局，例如 json；
Message： 音讯，封装作业并将其从 source 传递到 destination；
Protocol： 协议，能够是行业标准如 http，开源协议如 Kafka 或许供给商协议如 AWS Kinesis；
Protocol Binding： 协议绑定，描绘怎样经过给定的协议收发作业，怎样将作业放到音讯里。
重磅引荐
本文旨在帮助咱们对近期音讯范畴的高频词“音讯驱动（Message-Driven），作业驱动（Event-Driven）和流（Streaming）”有更清楚的了解和认知，其间作业驱动 EDA 作为 Gartner 猜想的十大技能趋势之一， EventBridge 作为下一代音讯中心件，也是现在的要害方向之一。如果咱们感兴趣，想要有更多了解，可注重**「阿里云 EventBridge 系列公开课」**，无缺课程正炽热开讲中！
点击此处，能够直接观看课程视频～
