事件驱动 | BvBeJ的小站

背景与问题界定一个订单创建完成后，需要同步触发库存扣减、积分增加、短信通知、物流预分配、数据分析埋点等多个副作用。最初这些操作全部在订单创建的HTTP请求处理过程中同步执行——结果一个订单创建接口的P99延迟从50ms飙升到800ms。更关键的是，当积分服务出现故障时，整个订单创建流程都会失败，这显然不合理。事件驱动架构（Event-Driven Architecture）通过将"发生了什么"与"如何响应"解耦，解决了这个问题。但在Go生态中，事件驱动面临着从进程内事件（channel）到分布式事件（消息队列）的架构演进挑战。如何在同一个代码库中平滑地切换事件总线实现？如何保证事件的可靠投递？如何处理事件的顺序和重复消费？这些问题不是简单地选择一个消息队列就能回答的。目标拆解与工程约束事件模型必须可演进且向后兼容：事件是服务间的契约，事件schema的变更需要向前兼容（新增字段不破坏老消费方）。必须使用protobuf或Avro等schema管理工具，服务间通过protobuf描述文件共享事件定义。事件的可靠性和时序有明确分级：核心事件（订单已支付）需要至少一次投递 + 幂等消费；非核心事件（用户已浏览）允许最多一次投递，丢失可接受。需要根据事件重要性分配不同的投递保证级别。进程内总线和分布式总线需统一抽象：开发阶段使用Go channel模拟消息队列，减少对中间件的依赖。生产环境切换到Kafka/RocketMQ。抽象接口需要同时支持两种实现，不能泄露底层细节。事件的背压和消费速率控制：当事件消费速度跟不上生产速度时，需要提供背压机制（rate limiting、batch processing、dead letter）。不能被慢消费方阻塞整个事件总线。方案设计核心方案是"统一事件总线抽象"：一个EventBus接口，进程内使用channel实现，分布式使用Kafka实现，两者在接口层面完全兼容。 type Event struct { ID string Type string Source string Timestamp time.Time Payload []byte Headers map[string]string } type EventBus interface { Publish(ctx context.Context, topic string, event *Event) error Subscribe(ctx context.Context, topic string, handler EventHandler) error Close() error } type EventHandler func(ctx context.Context, event *Event) error 进程内实现基于channel和worker pool： type InProcessBus struct { subscribers map[string][]EventHandler bufferSize int mu sync.RWMutex } func (b *InProcessBus) Publish(ctx context.Context, topic string, event *Event) error { b.mu.RLock() handlers := b.subscribers[topic] b.mu.RUnlock() for _, handler := range handlers { if err := handler(ctx, event); err != nil { log.Errorw("event handler failed", "topic", topic, "event_id", event.ID, "error", err) } } return nil } 分布式实现基于Kafka，使用Sarama库： type KafkaBus struct { producer sarama.SyncProducer consumer sarama.ConsumerGroup groupID string } func (b *KafkaBus) Publish(ctx context.Context, topic string, event *Event) error { payload, _ := proto.Marshal(event) msg := &sarama.ProducerMessage{ Topic: topic, Key: sarama.StringEncoder(event.ID), Value: sarama.ByteEncoder(payload), Headers: []sarama.RecordHeader{ {Key: []byte("type"), Value: []byte(event.Type)}, }, } _, _, err := b.producer.SendMessage(msg) return err } 事件驱动编排方面，采用Saga模式管理跨服务的分布式事务。每个本地事务完成后发出事件，下一个服务消费事件后执行自己的本地事务。通过补偿事件（如OrderFailed）实现回滚： ...