请教下微服务间大批量数据获取一般是如何处理的

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

流格式数据

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。

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

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。

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

流式数据处理

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。

a 服务直接做多数据源直连 b 服务数据库/doge

才几十万条，服务之间类似于流式处理直接拉过去就行了