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

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

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

单独落离线表，明令禁止直接从线上业务表捞数据

kafka

数据源之间冗余

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。

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

才几十万条，服务之间类似于流式处理直接拉过去就行了

a 服务直接做多数据源直连 b 服务数据库/doge

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。

流式数据处理

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

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。

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

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。

流格式数据

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

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。

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

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

直接读 b 库不让读的话只能说又想马儿跑又不给马儿吃草

oss or 离线数仓，如果在线去拉的话 就算可行，ab 服务的 io 会不会被占满导致其他接口、服务不可用？

获取一批处理一批, 怎么就把业务处理时间拉长了?你一次获取, 不还是要处理这么多?

要么时间换空间，要么空间换时间你这又嫌内存占用大又嫌处理时间长的就算让 a 直接读 b 库，那内存占用无非是从 b 服务器转移到 a 服务器

看看能不能让 a 不依赖 b ，数据分别进 a 、b 服务如果 a 强依赖 b ，那就别微服务了，把 a 整合进 b ，或者 a 的这一部分功能整合到 b