feat: NICK_PALOMINO new microservices

[nbpalomino]

Se plantea la Solucion con la siguiente Arquitectura:

• 02 Microservicios (business-financial y core-antifraud)
• CQRS y Event Sourcing para desacoplar las operaciones Read / Write
• Command, Query y Events - (Reactive Bus con Sink.Many)
• DB Postgres con Event Store (only append)
• Kafka como Stream de Eventos en tiempo real, con alta escalabilidad
• Redis como Cache Layer (mayor resiliencia y menor tiempos de respuesta)

Descripcion

Kafka Event Stream

02 topics: Consumer y Producer para cada Topic

• Topico de Transaccion para revision [transaction.request].
• Topico de Transaccion con resultado [transaction.result].

DB Postgres [financial_db] 02 tables: Event Sourcing - Write Side, Read Side

write-side

• ID: UUID
• completed: Boolean
• Status: String (PENDING, APPROVED, REJECTED)
• created_at: Datetime

Redis Cache Layer

• Guarda como Hash el Transaction recibido (PENDING)
• En caso de Hit-miss consulta la DB con el ID de la Transaction
• Actualiza solo el STATUS del Transaction dentro del HASH (REJECTED O APPROVED)

API Core Antifraud

• Recibe un Message del Topic transaction.request
• Aplica validación del Value > 1000 = Status: REJECTED
• En caso contrario Status: COMPLETED
• Envia el Message al Topic transaction.result
• Fin

API Business Financial

• Recibe un Request desde el Endpoint (/transaction)
• Guarda el Transaction en la DB
• Guarda el Hash en Redis
• Envia un Message Transaction al Topic transaction.request
• Recibe un Message Transaction en el Topic transaction.result
• Valida que el Transaction no esté actualizado anteriormente en la DB
• Actualiza el Status de Transaction en la DB segun lo recibido en el Message
• Actualiza el Hash en Redis
• Fin