Spring Boot ઉપરાંત Spring Cloud તમને microservices માટે building blocks આપે છે. દરેક distributed system જે ત્રણ સમસ્યાઓ ઉકેલવી પડે તે છે centralized configuration, service discovery, અને partial failure સામે resilience.
┌── Config Server (git-backed properties)
│
Client ──▶ API Gateway ──▶ Service A ──▶ Service B
│ │ │
└──▶ Discovery (Eureka / K8s DNS) ◀── register + look up
/actuator/refresh દ્વારા refresh કરે છે).Distributed system માં દરેક network call આખરે નિષ્ફળ થશે જ. એક ધીમી service ને outage માં cascade થતી અટકાવવા Resilience4j વાપરો:
@CircuitBreaker(name = "inventory", fallbackMethod = "cachedStock")
@Retry(name = "inventory") // retry transient blips
@TimeLimiter(name = "inventory") // cap the wait
public CompletableFuture<Stock> stock(String sku) {
return inventoryClient.get(sku); // remote call
}
// Called when the circuit is open or the call fails — degrade gracefully.
public CompletableFuture<Stock> cachedStock(String sku, Throwable ex) {
return CompletableFuture.completedFuture(Stock.unknown(sku));
}
Circuit breaker વારંવારની failures પછી open થઈ જાય છે, જેથી calls મરેલી dependency પર રાહ જોતાં threads ને ખડકવાને બદલે fail-fast થાય.
Senior interviews distributed-systems પરિપક્વતા ને ચકાસે છે. Discovery અને config નામ આપવા એ પાયાની વાત છે; ભેદ પાડનારો મુદ્દો છે failure વિશે વાત કરવી: circuit breakers, timeouts, idempotency, અને observability (Micrometer/Zipkin સાથે distributed tracing). મજબૂત ઉમેદવારો પ્રતિકાર પણ કરે છે — નોંધે છે કે microservices operational ખર્ચ ઉમેરે છે અને scale માંગ ન કરે ત્યાં સુધી monolith ઘણી વાર યોગ્ય પસંદગી હોય છે.
વિગતવાર જવાબો સાથે IT ઇન્ટરવ્યૂ પ્રશ્નોની લાઇબ્રેરી — જુનિયરથી સિનિયર સુધી.
દાન કરો