很多人都是使用SpringBoot 和 Spring Cloud来开发微服务。Dapr 也是开发微服务的框架，它和Spring Cloud有什么区别呢，其实这不是一个区别的问题，它是不同的时代需要不同的框架。
Spring Cloud 是一种产品，提供了分布式应用程序所需的所有要素，包括服务发现、消息传递/流处理、分布式跟踪、 以易于处理的形式从springboot提供功能， 到目前为止，可能没有其他产品比 Spring Cloud 更易于使用。Spring Cloud并没有重复制造轮子，它只是将各家公司开发的比较成熟、经得起实际考验的服务框架组合起来，通过Spring Boot风格进行再封装屏蔽掉了复杂的配置和实现原理，最终给开发者留出了一套简单易懂、易部署和易维护的分布式系统开发工具包。
Spring Cloud 是分布式应用程序开发中的重要产品，足以影响语言选择。假如你想使用Java 以外的语言开发微服务，比如golang，你想用Spring Cloud + Springboot , 最终还是选择了使用Java。
Dapr 的出现是分布式应用程序开发中拥有了语言无关的微服务开发，Dapr足以替代Spring Cloud成为云原生分布式应用开发的选择。熟悉Azure的人可能会觉得它其实更像是Service Fabric的加强版。
我们将Spring Cloud提供的组件与 Dapr 的构建块作一些横向对比：
总的来说无论是Dapr还是Spring Cloud上述这些项目，都是想帮助开发人员简单快速地构建分布式应用。但是由于时代背景的原因，它们的出发点、实现形式又存在一些差异。
我们从分布式应用程序的三大支柱性功能来比较一下Dapr 和 Spring Cloud:
服务调用
传递异步消息
分布式追踪
服务调用
首先，比较从应用程序调用另一个应用程序的功能。
Dapr 的调用使用InvokeAPI
源代码如下所示：
@Value("${baseUrl}")
private String baseUrl;
@GetMapping("/invokeHello")
public Map<String, ?> invokeHello() {
Map<?, ?> result = restTemplate.getForObject(baseUrl + "/hello", Map.class);
return Map.of("baseUrl", baseUrl, "remoteMessage", result);
}
baseUrl 可以通过为 Dapr 指定调用 API的值来通过 Dapr 调用目标应用程序。http://localhost:${DAPR_HTTP_PORT}/v1.0/invoke/hello-app/method
Dapr 在本地环境中使用mDNS（多播DNS）从应用程序名称中查找目标服务运行的主机，而k8s使用k8s本身的名称解析功能。在两者都不可用的环境中，您当前必须使用 Consul。
除此之外，Dapr 的优势在于它基本上可以做到开箱即用。
Spring Cloud 服务发现
spring cloud使用Netflix Eureka 进行名称解析，它具有 Eureka 服务器（等效于上述内容）作为名称解析的服务器，每个应用程序都使用Netflix 客户端向Eureka服务器注册自己，并用它来构建客户端来解决自己的主机。服务注册表非常有用，因为它允许客户端负载平衡，并将服务提供商与使用者隔离开来，而无需 DNS。
服务器端Eureka服务器代码如下所示：
@EnableEurekaServer
@SpringBootApplication
public class ServiceRegistrationAndDiscoveryServiceApplication {
public static void main(String[] args) {
SpringApplication.run(ServiceRegistrationAndDiscoveryServiceApplication.class, args);
}
}
只需启动具有注释@EnableEurekaServer 的应用程序。当然，您可以添加配置文件以进行精细设置或组合群集。
客户端源代码如下所示：
@Value("${baseUrl}")
private String baseUrl;
@GetMapping("/invokeHello")
public Map<String, ?> invokeHello() {
Map<?, ?> result = restTemplate.getForObject(baseUrl + "/hello", Map.class);
return Map.of("baseUrl", baseUrl, "remoteMessage", result);
}
与 Dapr 端的源代码相同。
baseUrl 只要指定了应用程序名称 ，RestTemplate 就会使用Eureka 发现客户端自动访问该应用程序。简单地说，它比使用Dapr更容易理解。
异构服务通信
传统分布式中间件往往锁定某个语言，比如 Java 体系通常会使用Feign或者Dubbo实现，但它们并没有提供其他语言的库。
因此如果是多语言的环境，那么就需要基于某种通用协议如REST或者GRPC进行通信，可能还会需要额外的注册中心和负载均衡器
当然，现实中的情况往往要比这复杂的多，并且考虑到会引入额外的中间件，带来的运维方面的成本也需要慎重考虑。
Dapr 提供了多语言的SDK，如 .NET、Java、Go、Python、PHP 等，可以使用 HTTP 或者 GRPC 的方式进行异构服务间的调用，能很好地解决这个问题。
Dapr 和Spring Cloud 的服务调用哪个更好？
虽然Dapr 不需要单独的DNS，但它更易于使用，但Spring Cloud需要在本地环境中建立Eureka 服务器。当然它不是那么难建立，所以不能说这是一个缺点。
此外，调用时的 URL 在Spring Cloud中更易于理解，而 Dapr 的调用 API会很长。当然这不是一个很大的缺点。
Dapr 和 Spring Cloud各有千秋，但是在kubernetes 环境下，Dapr 直接就利用了Kubernetes的Service ，更加贴合云原生环境，异构服务通信的支持更好。
传递异步消息
Dapr 的 Pus/sub API
Dapr 使用消息传递的 Pub/sub API发送消息，只需创建订阅配置文件和 Web API即可接收消息，采用标准的CloudEvents 格式。
发送消息的源代码如下所示：
@Value("${pubsubUrl}")
private String pubsubUrl;
@PostMapping("/publish")
public void publish(@RequestBody MyMessage message) {
restTemplate.postForObject(pubsubUrl, message, Void.class);
}
您可以通过指定名为 pubsubUrl的大写 Pub/sub API向消息代理发送消息。http://localhost:${DAPR_HTTP_PORT}/v1.0/publish/rabbitmq-pubsub/my-message
然后是接收消息的源代码。它看起来像这样：
@PostMapping("/subscribe")
public void subscribe(@RequestBody CloudEvent<MyMessage> cloudEventMessage) {
System.out.println("subscriber is called");
System.out.println(message);
}
只需创建一个 Web API来接收消息。若要利用此 Web API，请创建类似于以下内容的配置文件：
apiVersion: dapr.io/v1alpha1
kind: Subscription
metadata:
name: subscription
spec:
pubsubname: rabbitmq-pubsub
topic: my-message
route: /subscribe
scopes:
- subscribe-app
metadata.name 值不是特别可用，因此您可以为其指定任何名称。
pubsubname 是 pubsub 的名称。使用默认情况下设置的pubsub
topic 是消息主题。此处指定了发布端应用程序中指定的 。my-message
route 是要调用的 Web 应用程序的路径。是，因为它正在等待的路径。SubscribeController/subscribe
scopes 是正在等待的应用程序的应用 id。这一次，我将启动一个应用程序应用程序的应用程序，称为子脚本端的应用程序，所以我指定它。subscribe-app
如果在此处列出多个应用程序的 app-id，则多个应用程序可以接收相同的消息。
GitHub示例代码将此文件放在 中。如果要使用它，请将其复制到用户指令。subscribe/.dapr/components/subscription.yaml
Spring Cloud Stream
使用spring cloud stream 向 cloud 发布信息
在spring cloud stream 2.x 到 3.x 之间，API发生了重大变化，现在更特定于流处理。在这里，我将介绍3.x 版本。
发送消息一方的源代码：
@PostMapping("/publish")
public void publish(@RequestBody MyMessage message) {
streamBridge.send("my-message-0", message);
}
使用类StreamBridge发送消息。
此外，在配置文件中写入要发送到源代码中指定消息的键的消息代理。
spring.cloud.stream.bindings.my-message-0.destination=my-message
此处指定的值用作 RabbitMQ 交换的名称。
然后是接收消息的源代码。
@Bean
public Consumer<MyMessage> subscribe() {
return (map) -> {
System.out.println("subscriber is called");
System.out.println(map);
};
}
使用包java.util.funciton的 Consumer和Function 来实现 ，而不是像 Dapr 这样的标准的 Web API。
然后，创建一个配置文件，以便在收到消息时调用此方法 （Bean）。
spring.cloud.stream.bindings.subscribe-in-0.destination=my-message
spring.cloud.stream.bindings.subscribe-in-0.group=my-message-subscribe
上面的值用作 Exchange 的名称，下面的值用作队列的名称。设置中有一些问题就是很难理解。
然而，有一种令人信服的感觉是，将子脚本端视为"函数"，而不是"API"并实现它。您可能从未阅读过此版本的 Spring Cloud Stream 的源代码，因此您可能已经将多个调用合并到 WebFlux 的非阻塞中，而不是逐个从消息代理接收和处理消息。这有性能优势。
Dapr 提供了一些基础服务的抽象接口，以消息中间件为例，Dapr支持以下中间件的Pub/Sub:
用 Dapr 抽象接口来使用基础服务能力的好处是————当你需要更换中间件的时候，可以少动点代码，换句话也可以说是增加了服务的可移植性，在熬小剑的文章里也有相关描述。
Dapr 使用 HTTP 进行消息传递，内部的通信通过GRPC进行传递，但 Spring Cloud Stream 使用自己的类进行消息传递。因此，虽然 Dapr 在测试时更容易替换为另一个进程，并使用curl 命令进行测试。
Dapr 在可操作性方面会更好。
分布式追踪
Dapr 的分布式追踪支持
在 Dapr 中，只需编写配置文件即可启用分布式追踪。
配置文件有以下内容。
apiVersion: dapr.io/v1alpha1
kind: Configuration
metadata:
name: daprConfig
spec:
tracing:
samplingRate: "1"
zipkin:
endpointAddress: http://localhost:9411/api/v2/spans
只需指定分布式跟踪的采样率和 zipkin 服务器的地址即可启用分布式追踪。
但是，您必须自己传播跟踪 ID，因此您需要编写如下代码：
@GetMapping("/invokeHello")
public Map<String, ?> invokeHello(@RequestHeader("traceparent") String traceparent) {
HttpHeaders httpHeaders = new HttpHeaders();
httpHeaders.set("traceparent", traceparent);
HttpEntity<?> request = new HttpEntity<>(httpHeaders);
Map<?, ?> result = restTemplate.exchange(helloUrl + "/hello", HttpMethod.GET, request, Map.class).getBody();
return Map.of("baseUrl", helloUrl, "remoteMessage", result);
}
在 HTTP 标头中接收到的标头值traceparent 将传递给下一个请求的 HTTP 标头。
Spring Cloud Sleuth
使用 Spring Cloud Sleuth 在 Spring Cloud 中进行分布式追踪。
将 Spring Cloud Sleuth 添加到依赖项并创建配置文件，如下所示：
spring.sleuth.sampler.rate=100
spring.zipkin.sender.type=web
spring.zipkin.baseUrl=http://localhost:9411
使用此设置，将启用分布式追踪并将追踪信息发送到 Zipkin。
分布式追踪涵盖了从与 RestTemplate 和 WebClient 的 HTTP 通信、与 Spring Cloud Stream 的消息传递等所有内容，并且还自动传播 Dapr 存在问题的跟踪 ID。
分布式追踪上Dapr 不需要修改应用，通过配置就可以轻松的调整。
综合比较
到目前为止，我们已经比较了 Dapr 和 Spring Cloud 的三个功能，但总的来说，哪个更好？
Dapr 在清晰性和通过 HTTP的松耦合方面具有优势，另外，不仅考虑到这三个功能，还考虑到其他功能，或者世界信息量的差异，可以说Dapr 更胜一筹。
与版本升级相关的痛苦
那么我为什么不选择 Spring Cloud 而选择 Dapr 呢？有个重要因素是“版本兼容性和版本升级问题”。
例如，如果您的系统运行旧版本的Java和 Spring Boot，并且您尝试在新系统上使用更新版本的Java和 Spring Boot 进行开发，如果您尝试在每个系统上使用 Spring Cloud，每个 Spring Boot 由于对应的 Spring Cloud 版本不同，有时会失去兼容性。比如随着 Spring Cloud 的版本升级，内部使用的 Eureka 版本升级时协议发生了变化，如前所述，Spring Cloud Stream 是 2.x 中 了API 终端。
如果是这样，最好继续更新Java 、 Spring Boot 和 Spring Cloud 到最新版本。但是，Spring Cloud 往往是有与版本升级相关的大型工作。
这是因为Cloud Native这个领域对应的产品和趋势都发生了变化，Spring Cloud试图跟风的时候，不得不失去兼容性。
另外，作为一个稍微小一点的问题，如果由于Spring Boot的提供速度和Spring Cloud的提供速度不同，以及依赖的复杂度等原因，尝试升级Spring Boot的版本，Spring Cloud还不支持有时候引用库的版本不一样，会报错。
通过体验这方面的痛苦，而不是 Spring Cloud 不好，“与提供 Web API的应用程序和支持它的基础设施接壤的层更加松散耦合，并且每个版本都是独立的。最好能够上传吧。”
这就是它被用于 Dapr 而不是 Spring Cloud 的原因。
总结
在服务调用方面，Dapr 和 Spring Cloud 变化不大。
在消息传递方面，Dapr 更简单，并具有更好的性能。
对于分布式跟踪，Spring Cloud 比 Dapr 更复杂、更易于使用。
Spring Cloud 版本升级让你吃不少苦头，有点难以理解Spring Cloud文档在哪里以及是什么，随着具有各种功能的历史产品变得更加复杂，文档可能会变得更加复杂。当然，Spring 的好处是有许多指南、博客、Demo材料等作为该领域的补充。
Spring Cloud 这样的微服务框架，把微服务架构上的很多东西也带到了代码开发上来。虽然 Spring Cloud 做了封装和简化，但开发的时候你还是会分心去处理它，不能完全只关注业务。 Dapr 是微服务的发展方向，它简化微服务的开发，把微服务架构方面的东西都剥离出来成为基础设施，开发只需关注具体的业务实现。
所以mecha架构的 Dapr完全可以取代Spring Cloud。而且具备更多优势：
更加云原生，和kubernetes结合更好。
业务代码无需集成sdk，这样决定了sdk升级会更加方便，降低了耦合。
Dapr通过把一些构建微服务应用所需的最佳实践内置到开放、独立的Building Block中，Dapr还在Actor运行时中提供了许多功能，包括并发控制，状态管理，生命周期管理如Actor的激活/停用以及用于唤醒Actor的Timer(计时器)和Reminder(提醒)。Dapr让开发人员更加专注于业务逻辑代码的编写，即可开发出功能强大的微服务应用。
更为重要的是，Dapr还抽象了运行环境，避免微服务应用和运行环境强绑定（这也是很多团队“假上云”——仅使用VM的原因之一）。并且支撑Dapr的运行环境不仅仅限于Cloud，还有广阔的Edge。
Dapr的设计哲学是集成，而不是替代，Spring Cloud 也可以用Dapr 进行改良变成一个更好的Spring Cloud，dapr sidecar扮演一个类似netflex oss的角色，你可以把dapr Java sdk和dapr sidecar绑起来当成是一种spring cloud实现。
参考文章：
https://xie.infoq.cn/article/aa422c431873fc7b1de3591e1
https://xie.infoq.cn/article/047e1ece428ef11350f7a129c
https://www.infoq.cn/article/ex3rr5jCByXOCX7mwJbu
https://xie.infoq.cn/article/7308df260ebbf5995a1401115
https://github.com/dapr/dapr/blob/master/docs/decision_records/sdk/SDK-002-java-jdk-versions.md
通过K8S自带技能卸下SpringCloud依赖
