架构设计：分布式事务概述、服务以及库表拆分模式详解

2401_84046677

于 2024-04-22 06:12:50 发布

阅读量580

点赞数 11

分类专栏：程序员文章标签：分布式

本文链接：https://blog.csdn.net/2401_84046677/article/details/138056034

版权

程序员专栏收录该内容

269 篇文章 0 订阅

订阅专栏

本文介绍了分布式事务的概念，探讨了CAP理论和BASE理论，重点讲述了在分布式电商业务场景下如何处理一致性与可用性之间的权衡，以及PAXOS算法的应用。还讨论了服务间隔离和数据库设计，包括水平拆分、垂直拆分以及读写分离和业务分库策略。

摘要由CSDN通过智能技术生成

2、基本概念

======

分布式事务是指事务的参与者、支持事务的服务器、资源服务器以及事务管理器分别位于不同的分布式系统的不同节点之上。

如上的转账案例，看似只有一次的转账操，实际上由不同的服务不同数据库的多个细节操作组成，这些无感知的细节操作分布在不同服务上，甚至属于不同的地区和应用，如何保证这些操作全部成功或者全部失败，即保证不同数据库间的数据一致性，这就是分布式事务需要解决的核心问题。

3、分布式事务特点

=========

基于如下电商业务场景，基本分布式的架构思路：

架构设计：分布式事务概述、服务以及库表拆分模式详解

数据库基于业务特点，进行分库分表；
数据库拆分，随之就是业务的服务化(SOA)；

基于电商业务进行拆分，会出现常见的：订单，用户，库存，物流等一系列的服务，管理不同的业务数据库，在实际的下单支付应用场景下，需要同时操作用户，订单，库存等多个服务，就必须保证数据一致性，下单支付成功，库存必须就需要用到分布式事务。

二、CAP基础理论

=========

1、基础简介

======

说到分布式事务问题，必然会说下CAP理论，分布式系统的三大指标：

架构设计：分布式事务概述、服务以及库表拆分模式详解

Consistency：一致性

单个事务执行更新写操作，操作结束成功返回，在同一时间的其他事务读取的数据完全一致，不存在中间状态。在分布式的系统中描述：用户下单支付，扣款，减库存，生成物流，必须一致。例如限量打折促销中，用户下单后库存没减少，这就导致不一致问题。

Availability：可用性

服务必须一直处于可用的状态，收到用户的请求，服务器必须在有限的时间给出回应，不管结果是处理成功或者处理失败。

Partition tolerance：分区容错

通俗说，在分布式系统中，一个流程里可能出现某个服务出错情况，这是无法绝对避免的，在程序设计上要能容忍这种错误发生。

2、CP和AP模式

=============

分布式系统很难同时满足一致性、可用性、分区容错性三个特点，在大部分的系统架构中，都会选择CP或者AP模式，即需要抛弃一个特点，说明一点，为何P没有抛弃，对于分布式系统而言，分区容错是该架构模式下的基本原则，不同的SOA服务和数据库是比如会被部署到不同的节点下。所以如何解决C（一致性）和A（可用性）就成分布式系统的最大痛点。

为何不能同时满足C和A，这也是基于分布式架构特点看，不同服务直接不能保证通信是100%成功，一旦出现失败情况，一致性和可用性就无法满足。

既然强一致性无法保证，那退一步，给处理时间，最后结果保证一致性，也可以，这就涉及到BASE理论。

三、BASE基础理论

==========

1、基础简介

======

BASE理论是由eBay公司的架构师提出的，主要是对上述的CAP理论中一致性和可用性做的权衡结果，基于CAP定律逐步演化而来，核心思想；即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当策略实现数据的最终一致性。

Basically Available：基本可用

分布式系统在发生故障的时，允许损失部分可用性。例如常见电商清仓甩卖时，为保证主业务可以，一些不重要的服务直接降级提示。

Soft State：软状态

允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性。相对于原子性而言，要求多个节点的数据副本都是一致的，这是一种硬状态。

Eventual Consistency：最终一致

强调的数据更新操作，即软状态必须有个时间期限，在经过一段时间的同步之后，最终都能够达到一个一致的状态。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。时间期限长短取决于延时、负载、数据同步等各种因素。

BASE理论提出是基于大规模高可用可扩展的分布式系统架构，不同于关系型数据库事务特点(ACID)的强一致性模型，通过牺牲强一致性来获取更高的可用性，并允许数据在一段时间内是不一致的，但最终达到一致状态。实际的业务场景下事物(ACID)基本特性和BASE理论也是要权衡考虑。

2、柔性事务

======

遵循BASE理论，利用业务特点，在指定期限内让事务保持最终一致性，柔性事务是一种思想，从根本上看，就是业务模式对于事务过程中不一致性有一定的容忍度，可以留出足够的时间执行事务最终一致的方法。

3、PAXOS算法

=========

Paxos算法一种保障分布式系统最终一致性的共识算法，利用的是选举策略，少数服从多数的思想。PAXOS不要求对所有节点做实时同步，实质上是考虑到了分区情况下的可用性，通过减少完成一次事务需要的参与者个数，来保障系统的可用性。

例如：N个服务节点，有(N/2)+1个节点达成共识，则认为系统达到了一致，并且按照Paxos原则，最终理论上也达到了一致，不会再改变，如此一来，只要保证有半数以上的服务存活，允许小部分服务挂掉，客户可以与大部分服务节点通信，那么就不会影响整体操作流程，也不需确保服务器全部处于工作状态，容错性非常好。操作影响的数据和结果随后会被异步的同步到其他节点上，从而保证最终一致性。

四、服务间隔离

=======

1、分布式结构

=======

分布式系统架构的明显特点，就是按照业务系统的功能，拆分成各种服务，每个服务下面都有自己独立的数据库，以此降低业务间的耦合度，隔离不同的数据库保证系统最大的稳定性等。

架构设计：分布式事务概述、服务以及库表拆分模式详解

例如上图是电商系统中经典的业务场景，订单-仓储-物流的服务模式，不同服务提供不同的应用场景，服务间存在通信机制，以此实现服务的高可用。

2、隔离思想

======

分布式的架构体系中，涉及一个根本思想逻辑：隔离；

服务和数据库根据业务拆分，进而隔离开来，整个架构中某个服务挂掉，不会影响其他的服务继续执行。例如上述1中：如果物流服务挂掉，影响的是用户无法实时追踪物流状态，但是不会影响订单的持续产生。

隔离的策略也是各有不同，常见的电商系统是典型的按照业务特点进行拆分，这种就是不同的业务场景下，使用不同的服务和数据库；还有一种业务场景，多租户平台，针对大客户提供独立的服务和数据库，对小客户提供公服务和数据库，这种策略比较现实：大客户带来收益多，完全覆盖服务和数据库的成本，必须保证不能被一些非必要因素影响。

不管是基于什么策略拆分隔离，首先都必须面对数据库设计的问题。

五、数据库设计

=======

1、拆分思想

======

数据库在业务体系不大的情况，一般都是单库出现，最多加一个备份库以备不时之需，当业务体量不断扩大，就会考虑拆分场景，例如常见的：水平拆分，垂直拆分策略。

水平拆分

首先把单表表分割N个结构相同的表，然后把数据按照策略分散到不同的表中，这是表层面；如果把表在分散在不同的数据库中，这就是数据库层面的水平拆分。

垂直拆分

把单表中数据按照不同特点，拆分成两张不同的表，常见的策略是根据数据是修改多，还是读取多，把修改频繁的字段放一张表，读取频繁的放另一张表，这是表层面；如果根据业务特点，拆分不同库，这就是数据库层面。

2、拆分模式

======