RabbitMQ - Demonstração de Comportamento padrão com Mensageria.
Material complementar dos cursos:
- A) Temos uma carga de trabalho menor que nossa capacidade de processamento
- B) Temos uma carga de trabalho igual à nossa capacidade de processamento
- C) Temos uma carga de trabalho maior que nossa capacidade de processamento
- A) Como as filas acumulam mensagens?
- B) Como o tempo médio até o processamento é influenciado?
- C) Como lidamos com escala?
- A) Disponibilidade
- B) Eficiência
- C) Resiliência
- D) Confiabilidade
- C) Escalabilidade
- E) Idempotência e porque precisamos dela, quando ela faz mais sentido em cenários assíncronos.
Todas as decisões técnicas forma tomadas com base nos objetivos da aplicação. Tirar de contexto pode e provavelmente fará fazer com que você falhe. Copiar código para colocar em produção pode te custar muito caro, pois as decisões tomadas aqui tem função didática.
As métricas de throughput foram criadas quando publisher e consumer não realizavam nenhuma tarefa que não fosse a iteração com o RabbitMQ. Dessa forma, como eles operavam em média em menos de 1 ms a até 3 ms, então era possível desprezar o tempo de processamento por mensagem. Com a adição do Banco de Dados, temos uma degradação variável que depende de:
- Volume de mensagens no banco.
- Quantidade de operações escritas simultâneas
- Quantidade de operações leituras simultâneas
Dessa forma é quase impossível criar algo preciso sem implementar um algoritmo adaptativo. Na fase em que não tínhamos acesso a banco, tentei usar o RateLimiter, mas a discrepância entre o algoritmo de waiting que usávamos, versos a implementação de RateLimiter fez com que abandonássemos essa ideia naquela época. Tem um branch com essa implementação aqui no projeto. Mas ele data de uma outra versão. Talvez faça sentido voltar nele agora.
Para maiores informações visite http://gago.io/ Mais informações sobre RabbitMQ http://gago.io/rabbitmq
Esse repositório está distribuído em diverso locais. Cada um com uma finalidade e evoluindo em direção independente.
https://github.com/luizcarlosfaria-rabbitmq-masterclass/RabbitMQ-Walkthrough.git
Nosso foco aqui é entender RabbitMQ e seu uso.
https://github.com/docker-definitivo/RabbitMQ-Walkthrough.git
Nosso objetivo é entender RabbitMQ, entender algumas decisões arquiteturais e o motivo de algumas escolhas.
Do ponto de vista de docker, podemos ver como conseguimos montar stacks completas prontas para demonstração.
Do ponto de vista de arquitetura, conseguimos ver cenários onde usamos tecnologias especialistas para cada finalidade. Como o grafana para Visualização dos dados, enquanto usamos o RabbitMQ para mensageria e o SQL Server para persistência definitiva.
Uso geral de acordo com a licença.
-
Web APP
- .NET 5
- Web
- AngularJS
- CSS: tailwindcss
- API's não autenticadas
-
SQL Server
- Imagem customizada luizcarlosfaria/mssql-server-linux:2019-latest (saiba mais)
- Automação padrão da imagem para criação de banco e usuários
- Automação padrão da imagem para criação dos objetos de banco (tabelas)
-
RabbitMQ
- Imagem: rabbitmq:3.9.1-management-alpine
- Single Node
- Com ar
-
Grafana
- Imagem: grafana/grafana:8.0.5-ubuntu
- Single Node
- Pré configurado
- Habilitando métricas por objeto no prometheus
- Habilitando coleta de métricas a cada 1 segundo (antipattern para produção)
- Habilitnado modo de coleta de métricas detalhado (antipattern para produção)
- Definição de usuário e virtual host defaults.
Como usar:
git clone {repourl}
cd ./RabbitMQ-Walkthrough
docker-compose pull
docker-compose build
docker-compose up
Execute no browser:
Aplicação web:
http://localhost:8877/
Grafana:
http://localhost:3000/d/mnwDaxWnz/gago-io-metricas?orgId=1&refresh=5s
RabbitMQ
http://localhost:15672/