por que usamos kafka em microsserviços

Você já tentou controlar um grande grupo de servo motores para que eles sincronizassem como uma orquestra sinfônica?

Certa vez, trabalhei em um projeto de linha de produção automatizada, onde dezenas de braços robóticos estavam funcionando ao mesmo tempo e os dados dos sensores continuavam a chegar. No início, usei uma fila de mensagens normal, mas descobri que quando a quantidade de dados em um determinado link aumentava repentinamente, todo o sistema começava a "travar", assim como um cruzamento na hora do rush, onde todos os carros estavam atolados, e o braço robótico atrás só podia esperar.

Neste momento, você se perguntará: Existe uma maneira de fazer com que os dados como o fluxo do tráfego na rodovia, mesmo que um determinado trecho esteja congestionado, outras faixas ainda estejam livres?

Posteriormente, tive contato com a ideia de utilizar o Kafka para processar microsserviços. Simplificando, é como um sistema de correia transportadora que nunca fica entupido. Cada um dos seus microsserviços – como um programa responsável pela análise de dados de posição da caixa de direção ou outro serviço que registra frequências de vibração mecânica – pode pegar de forma independente os pacotes de dados necessários dessa correia transportadora e cuidar de seus próprios assuntos sem interferir uns nos outros.

Dê um exemplo. Suponha que você tenha três microsserviços: A recebe sinais de sensores, B calcula trajetórias de movimento e C registra registros de execução. Na arquitetura tradicional, B espera que A termine o processamento antes de poder trabalhar, e C tem que esperar por B. Mas depois de usar o Kafka, A coloca os dados originais na "esteira transportadora", e B e C podem acessá-los ao mesmo tempo e trabalhar de forma independente. Mesmo que C seja temporariamente mais lento, não irá desacelerar A e B.

Por que isso é particularmente importante para projetos mecânicos? Porque os sistemas mecânicos costumam ser em tempo real e altamente simultâneos. Os servomotores de cada junta de um robô de seis eixos realimentam os dados no nível de milissegundos. Se houver atraso na cadeia de processamento de dados, todo o movimento perderá a coordenação. O design de “log persistente” do Kafka garante que, mesmo que um serviço seja reiniciado, os dados durante o tempo de inatividade não serão perdidos – assim como uma gravação contínua do log em execução de cada dispositivo, que pode ser reproduzido a qualquer momento.

Alguém me perguntou: “Parece bom, mas será complicado?” Na verdade, a chave não é quão profunda é a tecnologia em si, mas se ela corresponde ao seu cenário. Se você controla apenas dois ou três servos para fazer movimentos simples, pode não ser útil; mas se você estiver enfrentando um grupo inteiro de equipamentos de automação de oficina com centenas de fontes de dados, essa arquitetura poderá ajudá-lo a evitar o incômodo de trabalhar horas extras tarde da noite para solucionar problemas.

Ao selecionar um modelo, geralmente observo três pontos: O primeiro é se a taxa de transferência pode corresponder ao pico de dados - como um cenário de tempestade quando todos os sensores reportam ao mesmo tempo; a segunda é se o atraso está dentro da faixa de tolerância do seu sistema mecânico; o terceiro é o custo de operação e manutenção. Kafka encontrou um bom ponto de equilíbrio nestas dimensões.

Claro, não existe solução mágica. Requer que você tenha um plano claro para o fluxo de dados, como como dividir tópicos e como projetar partições. É como planejar uma rota de correia transportadora para uma nova fábrica: quais dados devem ir na via rápida e quais podem ser consolidados para transporte, você precisa pensar nisso com antecedência.

Vamos falar sobre a experiência real de implementação. Durante a implantação inicial, a equipe precisa se adaptar a essa mudança no pensamento de “publicar-assinar” e não insistir mais em chamadas diretas entre serviços. Mas assim que começa a funcionar, a flexibilidade do sistema é significativamente melhorada. Quando um serviço é atualizado, outros serviços serão executados normalmente; quando um novo módulo de análise de dados é adicionado, você só precisa permitir que ele se inscreva no fluxo de dados relevante sem alterar o link original.

O mundo digital dos sistemas mecânicos é muitas vezes invisível, mas determina se os movimentos dos equipamentos físicos são precisos e suaves. Escolher uma arquitetura de dados apropriada é como equipar um mecanismo mecânico preciso com um sistema nervoso correspondente – pode não ser diretamente visível, mas torna a rotação de cada engrenagem mais certa.

Fundada em 2005,potênciatem se dedicado a um fabricante profissional de unidades de movimento compacto, com sede em Dongguan, província de Guangdong, China. Aproveitando inovações em tecnologia de acionamento modular,potênciaintegra motores de alto desempenho, redutores de precisão e sistemas de controle multiprotocolo para fornecer soluções de sistemas de acionamento inteligentes eficientes e personalizadas.potênciaforneceu soluções profissionais de sistemas de acionamento para mais de 500 clientes empresariais em todo o mundo, com produtos que abrangem vários campos, como sistemas domésticos inteligentes, eletrônica automática, robótica, agricultura de precisão, drones e automação industrial.