请教下微服务间大批量数据获取一般是如何处理的

[gibber]

比如 a 服务需要从 b 服务获取几十万的数据处理后生成自己的业务数据，如果 b 服务直接从数据库中一次性查出来返回，对内存的压力就很大。
现在的方案是使用分页，每次最多 1 万条记录，获取一批处理一批，把整个业务处理的时间拉长了。
想知道还有没有更好的办法

[ZGame]

1.内存压力大？一个作业才几十万数据。。 如果怕影响 a 库业务性能,直接给 a 库做一个从库,从从库里拉数据。
2.走 cdc 那种从日志里读取,这种时效性会好点。我是感觉没必要

[csys]

1.
b 服务把数据保存成文件
a 服务下载文件后进行处理

2. kafka/cdc

[securityCoding]

单独落离线表，明令禁止直接从线上业务表捞数据

[ymz]

kafka

[m2276699]

数据源之间冗余

[xiaohupro]

时间线拉长应该是由于同步导致的吧，查一万处理一万。可以把查处来的数据立马丢给 Kafka 或者 Rabbit MQ 这类消息队列，A 服务监听队列，只要有数据就一直处理，这样应该会分批同步处理快一些。

[sagaxu]

这是两个步骤

1. b 服务从 db 获取几十万条数据
2. a 服务从 b 服务获取完整数据

第二个步骤在分页之后，从 1 次 rpc 变成几十次，内网 rpc 的开销是毫秒级的，几十次 rpc 增加几十毫秒，不会显著拉长处理时间。

那问题就出在第一步，db 端分页之后，几十次小量查询，开销远大于单次全量。这种情况就不建议分页，而是分批，b 服务一次查询分批读取，写入文件或者消息队列等暂存设施，返回给 a 的是数据的指向，a 自己再分批读取

[ymmud]

才几十万条，服务之间类似于流式处理直接拉过去就行了

[SmartTom]

a 服务直接做多数据源直连 b 服务数据库/doge

[povsister]

你这种 case 如果数据量持续上升，应该用 spark 这种离线作业，或者压根不应该拆分服务。

[Wh1t3zZ]

流式数据处理

[Plutooo]

把 B 服务当成直接从数据库查不也是存在一样的问题么，还是说担心 B 服务的内存占用

[landerwong99]

要么就离线近源处理，来个服务直接调 B 库的只读库，
要么就流式处理，使用 kafka 之类的。

[ZZ74]

搞那么麻烦干啥，导出文件写入共享目录，调用接口通知 喂 数据我放到 xx 目录下的 x 文件里了

[lifei6671]

一般情况下是通过下面方式实现的：
1 、建立只读线下备库，通过从库的方式从线上库实时同步数据，不能用于线上系统读，只能用于线下业务大批量读。
2 、建立只读从库，和主库实时同步，只能进行线上系统只读。
3 、通过 binlog 实时建立分析宽表，一般用来汇总各个业务方数据，建立大宽表，支持线下业务分析已经大批量查询等。

[kaf]

流格式数据

[8355]

有 id 能排序的话 传起始 id 过来就行了 where id > xx limit 10000 order by id asc

[8355]

其实数据没这么大，我的的业务天天导入 300m 的 csv ，200w 左右。
只要不是一两百个字段带 text 的宽表数据 不会特别大的。

[fengpan567]

没条件搞数据同步服务的，直接让对方生成一个 csv 上传到 oss ，你每天去捞当天的文件同步就行了

[print1024]

如果数据库 id 是有序的话可以先排序，然后切分数据，如 1000 条一次，多线程处理，也就这样了，用中间件其实没太大必要