悟了，原来这才是分布式事务的正确打开方式

b）组合方式

======

在所有分布式事务场景中 不会同时具备CAP三个特性，因为在具备了P的前提下C和A是不能共存的 。

• AP：放弃一致性，追求分区容忍性和可用性。这是 很多分布式系统设计时的选择 。Eureka集群就是采用的AP设计思想。

• CP：放弃可用性，追求一致性和分区容错性。zookeeper集群。

• CA：放弃分区容忍性，即不进行分区，不考虑由于网络不通或结点挂掉的问题，则可以实现一致性和可用性。那么系统将不是一个标准的分布式系统，我们最常用的关系型数据就满足了CA。

c）总结

====

CAP是一个已经被证实的理论：一个分布式系统最多只能同时满足 一致性（Consistency）、可用性（Availability）和分区容忍性（Partition tolerance）这三项中的两项 。它可以作为我们进行架构设计、技术选型的考量标准。对于多数大型互联网应用的场景，结点众多、部署分散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性达到N个9（99.99…%），并要达到良好的响应性能来提高用户体验，因此一般都会做出如下选择： 保证P和A，舍弃C强一致，保证最终一致性 。

2，BASE理论

========

a）强一致性与最终一致性

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

• 强一致性：CAP中的一致性要求在任何时间查询每个结点数据都必须一致，它强调的是强一致性。

• 最终一致性：允许可以 在一段时间内每个结点的数据不一致 ，但是经过一段时间每个结点的数据必须一致，它强调的是 最终数据的一致性 。

b）概念

====

BASE 是 Basically Available(基本可用)、Soft state(软状态)和 Eventually consistent (最终一致性) 三个短语的缩写。BASE理论是对CAP中AP的一个扩展，通过牺牲强一致性来获得可用性，当出现故障允许部分不可用但要保证核心功能可用，允许数据在一段时间内是不一致的，但最终达到一致状态。满足BASE理论的事务，我们称之为“ 柔性事务 ”。

• 基本可用 ：分布式系统在出现故障时，允许损失部分可用功能， 保证核心功能可用 。如，电商网站交易付款出现问题了，商品依然可以正常浏览。

• 软状态 ：由于不要求强一致性，所以BASE允许系统中 存在中间状态 （也叫软状态），这个状态不影响系统可用性，如订单的 “支付中”、“数据同步中” 等状态，待数据最终一致后状态改为“成功”状态。

• 最终一致性 ：最终一致是指 经过一段时间后，所有节点数据都将会达到一致 。如订单的"支付中"状态，最终会变为“支付成功”或者"支付失败"，使订单状态与实际交易结果达成一致，但需要一定时间的延迟、等待。

三、解决方案之2PC

==========

1，什么是2PC

========

2PC即两阶段提交协议，是将整个事务流程分为两个阶段，准备阶段（Prepare phase）、提交阶段（commit phase），2是指两个阶段，P是指准备阶段，C是指提交阶段。

• 准备阶段（Prepare phase）： 事务管理器给每个参与者发送Prepare消息 ，每个数据库参与者在本地执行事务，并写本地的Undo/Redo日志，此时事务没有提交。（Undo日志是记录修改前的数据，用于数据库回滚，Redo日志是记录修改后的数据，用于提交事务后写入数据文件）

• 提交阶段（commit phase）：如果事务管理器收到了参与者的执行失败或者超时消息时，直接给每个参与者发送回滚(Rollback)消息；否则，发送提交(Commit)消息；参与者根据事务管理器的指令执行提交或者回滚操作，并释放事务处理过程中使用的锁资源。注意:必须在最后阶段释放锁资源。

成功情况：

失败情况：

2，解决方案之XA

=========

2PC的 传统方案是在数据库层面 实现的，如Oracle、MySQL都支持2PC协议，为了统一标准减少行业内不必要的对接成本，需要制定标准化的处理模型及接口标准，国际开放标准组织Open Group定义了分布式事务处理模型DTP（Distributed Transaction Processing Reference Model）。

整个2PC的事务流程涉及到三个角色AP、RM、TM。AP指的是使用2PC分布式事务的 应用程序；RM指的是 资源管理器 ，它控制着分支事务；TM指的是 事务管理器 ，它控制着整个全局事务。

1）在 准备阶段 RM执行实际的业务操作，但不提交事务，资源锁定；

2）在 提交阶段 TM会接受RM在准备阶段的执行回复，只要有任一个RM执行失败，TM会通知所有RM执行回滚操作，否则，TM将会通知所有RM提交该事务。提交阶段结束资源锁释放。

XA方案的问题 ：1、需要本地数据库支持XA协议。2、资源锁需要等到两个阶段结束才释放，性能较差。

3，解决方案之Seata

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

a）seata的设计思想

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

Seata的设计目标其一是对业务无侵入，因此从业务无侵入的2PC方案着手，在传统2PC的基础上演进，并解决2PC方案面临的问题。

Seata把 一个分布式事务理解成一个包含了若干分支事务的全局事务 。全局事务的职责是协调其下管辖的分支事务达成一致，要么一起成功提交，要么一起失败回滚。此外，通常分支事务本身就是一个关系数据库的本地事务，下图是全局事务与分支事务的关系图：

与 传统2PC 的模型类似，Seata定义了3个组件来协议分布式事务的处理过程：

• Transaction Coordinator (TC)： 事务协调器 ，它是独立的中间件，需要 独立部署 运行，它维护全局事务的运行状态，接收TM指令发起全局事务的提交与回滚，负责与RM通信协调各个分支事务的提交或回滚。

• Transaction Manager ™： 事务管理器 ，TM需要嵌入应用程序中工作，它负责 开启一个全局事务 ，并最终向TC发起全局提交或全局回滚的指令。

• Resource Manager (RM)： 控制分支事务 ，负责分支注册、状态汇报，并接收事务协调器TC的指令，驱动分支（本地）事务的提交和回滚。

b）Seata的执行流程

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

1. 用户服务的 TM 向 TC 申请开启一个全局事务 ，全局事务创建成功并 生成一个全局唯一的XID。

2. 用户服务的 RM 向 TC 注册 分支事务 ，该分支事务在用户服务执行新增用户逻辑，并将其纳入 XID 对应全局事务的管辖 。

3. 用户服务执行分支事务，向用户表插入一条记录。

4. 逻辑执行到远程调用积分服务时( XID 在微服务调用链路的上下文中传播 )。积分服务的RM 向 TC 注册分支事务，该分支事务执行增加积分的逻辑，并将其纳入 XID 对应全局事务的管辖。

5. 积分服务执行分支事务，向积分记录表插入一条记录，执行完毕后，返回用户服务。

6. 用户服务分支事务执行完毕。

7. TM 向 TC 发起针对 XID 的全局提交或回滚决议 。

8. TC 调度 XID 下管辖的全部分支事务 完成提交或回滚请求 。

c）Seata的具体实现

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

详情见： Spring Cloud Alibaba Seata

4，Seata与传统2PC

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

• 架构层次方面， 传统2PC 方案的 RM 实际上是在 数据库层 ，RM 本质上就是数据库自身，通过 XA 协议实现，而 Seata的 RM 是以jar包的形式作为中间件层部署 在应用程序这一侧的。

• 两阶段提交方面，传统2PC无论第二阶段的决议是commit还是rollback， 事务性资源的锁都要保持到Phase2完成才释放 。而 Seata的做法是在Phase1 就将本地事务提交 ，这样就可以省去Phase2持锁的时间，整体 提高效率 。

四、解决方案之TCC

==========

1，什么是TCC

========

TCC是Try、Confirm、Cancel三个词语的缩写，TCC要求每个分支事务实现三个操作：预处理Try、确认Confirm、撤销Cancel。Try 操作做业务检查及资源预留 ， Confirm做业务确认操作 ， Cancel实现一个与Try相反的操作即回滚操作 。TM首先发起所有的分支事务的try操作，任何一个分支事务的try操作执行失败，TM将会发起所有分支事务的Cancel操作，若try操作全部成功，TM将会发起所有分支事务的Confifirm操作，其中Confirm/Cancel操作若执行失败，TM会进行重试。

成功情况：

失败情况：

TCC分为三个阶段：

• Try 阶段是做 业务检查(一致性)及资源预留(隔离) ，此阶段仅是一个初步操作，它和后续的Confirm 一起才能真正构成一个完整的业务逻辑。

• Confirm 阶段是做 确认提交 ，Try阶段所有分支事务执行成功后开始执行 Confirm。通常情况下，采用TCC则认为 Confifirm阶段是不会出错的。即： 只要Try成功，Confirm一定成功 。若Confirm阶段真的出错了，需引入重试机制或人工处理。

• Cancel 阶段是在业务执行错误 需要回滚的状态下执行分支事务的业务取消 ，预留 资源释放。通常情况下，采用TCC则 认为Cancel阶段也是一定成功 的。若Cancel阶段真的出错了，需引入重试机制或人工处理。

2，TCC解决方案

=========

框架名称	Github地址
tcc-transaction	https://github.com/changmingxie/tcc-transaction
Hmily	https://github.com/yu199195/hmily
ByteTCC	https://github.com/liuyangming/ByteTCC
EasyTransaction	https://github.com/QNJR-GROUP/EasyTransaction

3，TCC需要注意的问题

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

a）空回滚

=====

在没有调用 TCC 资源 Try 方法的情况下，调用了二阶段的 Cancel 方法，Cancel 方法需要 识别出这是一个空回滚 ，然后直接返回成功。

出现原因：是当一个分支事务所在服务宕机或网络异常，分支事务调用记录为失败，这个时候其实是没有执行Try阶段，当故障恢复后，分布式事务进行回滚则会调用二阶段的Cancel方法，从而形成空回滚。

解决方法：识别出这个空回滚。需要知道一阶段是否执行，如果执行了，那就是正常回滚；如果没执行，那就是空回滚。前面已经说过TM在发起全局事务时生成全局事务记录，全局事务ID贯穿整个分布式事务调用链条。再额外增加一张分支事务记录表，其中有全局事务 ID 和分支事务 ID，第一阶段 Try 方法里会插入一条记录，表示一阶段执行了。

//在cancel中cancel空回滚处理，如果try没有执行，cancel不允许执行

if(accountInfoDao.isExistTry(transId)<=0){

log.info(“bank1 空回滚处理，try没有执行，不允许cancel执行,xid:{}”,transId);

return ;

}

b）幂等

====

为了保证TCC二阶段提交重试机制不会引发数据不一致，要求 TCC 的二阶段 Try、Confirm 和 Cancel 接口保证幂等，这样不会重复使用或者释放资源。如果幂等控制没有做好，很有可能导致数据不一致等严重问题。

//当前是在try中进行幂等判断 判断local_try_log表中是否有try日志记录，如果有则不再执行

if(accountInfoDao.isExistTry(transId)>0){

log.info(“bank1 try 已经执行，无需重复执行,xid:{}”,transId);

return ;

}

c）悬挂

====

悬挂就是对于一个分布式事务，其二阶段 Cancel 接口比 Try 接口先执行。

出现原因：RPC 调用分支事务try时，先注册分支事务，再执行RPC调用，如果此时 RPC 调用的网络发生拥堵，通常 RPC 调用是有超时时间的， RPC 超时 以后，TM就会通知RM 回滚 该分布式事务，可能回滚完，RPC 请求才到达参与者真正执行，而一个 Try 方法预留的业务资源。

解决思路：如果二阶段执行完成，那一阶段就不能再继续执行。在执行一阶段事务时判断在该全局事务下， “分支事务记录”表中是否已经有二阶段事务记录 ，如果有则不执行Try。

//try悬挂处理，如果cancel、confirm有一个已经执行了，try不再执行

if(accountInfoDao.isExistConfirm(transId)>0 || accountInfoDao.isExistCancel(transId)>0){

log.info(“bank1 try悬挂处理 cancel或confirm已经执行，不允许执行try,xid:{}”,transId);

return ;

}

4，Hmily

=======

项目源码： cloud-dtx-tcc

a）导入数据库

=======

sql文件下载地址为： dtx-tcc-sql

b）工程配置

======

涉及到分布式事务的工程均需要的配置

maven配置

=======

org.dromara

hmily‐springcloud

2.0.4‐RELEASE

application.yaml中添加hmily

org:

dromara:

hmily:

serializer: kryo

recoverDelayTime: 30

retryMax: 30

scheduledDelay: 30

scheduledThreadMax: 10

repositorySupport: db

#对于发起方的时候，把此属性设置为true。参与方为false。

started: true

hmilyDbConfig:

driverClassName: com.mysql.jdbc.Driver

url: jdbc:mysql://localhost:3306/hmily?useUnicode=true

username: root

password: 123456

注入hmily的配置Bean

@Bean

public HmilyTransactionBootstrap hmilyTransactionBootstrap(HmilyInitService hmilyInitService){

HmilyTransactionBootstrap hmilyTransactionBootstrap = new HmilyTransactionBootstrap(hmilyInitService);

hmilyTransactionBootstrap.setSerializer(env.getProperty(“org.dromara.hmily.serializer”));

hmilyTransactionBootstrap.setRecoverDelayTime(Integer.parseInt(env.getProperty(“org.dromara.hmily.recoverDelayTime”)));

hmilyTransactionBootstrap.setRetryMax(Integer.parseInt(env.getProperty(“org.dromara.hmily.retryMax”)));

hmilyTransactionBootstrap.setScheduledDelay(Integer.parseInt(env.getProperty(“org.dromara.hmily.scheduledDelay”)));

hmilyTransactionBootstrap.setScheduledThreadMax(Integer.parseInt(env.getProperty(“org.dromara.hmily.scheduledThreadMax”)));

hmilyTransactionBootstrap.setRepositorySupport(env.getProperty(“org.dromara.hmily.repositorySupport”));

hmilyTransactionBootstrap.setStarted(Boolean.parseBoolean(env.getProperty(“org.dromara.hmily.started”)));

HmilyDbConfig hmilyDbConfig = new HmilyDbConfig();

hmilyDbConfig.setDriverClassName(env.getProperty(“org.dromara.hmily.hmilyDbConfig.driverClassName”));

hmilyDbConfig.setUrl(env.getProperty(“org.dromara.hmily.hmilyDbConfig.url”));

hmilyDbConfig.setUsername(env.getProperty(“org.dromara.hmily.hmilyDbConfig.username”));

hmilyDbConfig.setPassword(env.getProperty(“org.dromara.hmily.hmilyDbConfig.password”));

hmilyTransactionBootstrap.setHmilyDbConfig(hmilyDbConfig);

return hmilyTransactionBootstrap;

}

启动类上添加注解

@ComponentScan({“org.dromara.hmily”})

c）调用方（bank1）实现

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

代码实现： AccountInfoServiceImpl

try：

try幂等校验

try悬挂处理

检查余额是够扣减金额

扣减金额

confirm：

空

cancel

cancel幂等校验

cancel空回滚处理

增加可用余额

注意 ：远程调用bank2时，在feign调用的接口上加注解 @Hmily

d）参与方（bank2）实现

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

代码实现： AccountInfoServiceImpl

try：

空

confirm：

confirm幂等校验

正式增加金额

cancel：

空

e）小结

====

如果拿TCC事务的处理流程与2PC两阶段提交做比较， 2PC通常都是在跨库的DB层面 ，而 TCC则在应用层面的处理 ，需要通过业务逻辑来实现。这种分布式事务的实现方式的 优势 在于，可以让应用自己定义数据操作的粒度，使得 降低锁冲突、提高吞吐量 成为可能。

而 不足之处 则在于对应用的 侵入性非常强 ，业务逻辑的每个分支都需要实现try、confirm、cancel三个操作。此外，其 实现难度也比较大 ，需要按照网络状态、系统故障等不同的失败原因实现不同的回滚策略。

五、解决方案之可靠消息最终一致性

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

项目源码： cloud-dtx-txmsg

1，什么是可靠消息最终一致性

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

可靠消息最终一致性方案是指当 事务发起方执行完成本地事务后并发出一条消息 ， 事务参与方(消息消费者)一定能够接收消息并处理事务成功 ，此方案强调的是只要消息发给事务参与方最终事务要达到一致。

可靠消息需要解决的问题：

• 本地事务与消息发送的原子性问题

• //先发消息如果数据库操作错误,消息已经发送 begin transaction； //1.发送MQ //2.数据库操作 commit transation; //如果数据库超时，此时数据库回滚，但是消息可能也已经发送 begin transaction； //1.数据库操作 //2.发送MQ commit transation;

• 事务参与方接受消息的可靠性

• 事务参与方必须能够从消息队列接收到消息，如果接收消息失败可以重复接收消息。

• 消息重复消费的问题

• 由于网络2的存在，若某一个消费节点超时但是消费成功，此时消息中间件会重复投递此消息,就导致了消息的重 复消费。 要解决消息重复消费的问题就要实现事务参与方的方法幂等性。

2，RocketMQ事务消息方案

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

• Producer 发送事务消息 ：Producer （MQ发送方）发送事务消息至MQ Server，MQ Server将消息状态标记为Prepared（ 预备状态 ），注意此时这条消息消费者（MQ订阅方）是 无法消费 到的。

• MQ Server 回应消息 发送成功 ：MQ Server接收到Producer 发送给的消息则回应发送成功表示MQ已接收到消息。

• Producer 执行 本地事务 ：Producer 端执行业务代码逻辑，通过 本地数据库事务控制 。

• 消息投递 ：若Producer 本地事务 执行成功 则自动向MQServer发送 commit 消息，此时MQ订阅方（积分服务）即正常消费消息；若Producer 本地事务 执行失败 则自动向MQServer发送 rollback 消息，MQ Server接收到rollback消息后 将删除”增加积分消息“ 。 MQ订阅方（积分服务）消费消息， 消费成功则向MQ回应ack ，否则将重复接收消息。这里ack默认自动回应，即程序执行正常则自动回应ack。

• 事务回查 ：如果执行Producer端 本地事务过程中，执行端挂掉，或者超时 ，MQ Server将会不停的询问 同组的其他 Producer来获取事务执行状态 ，这个过程叫事务回查。MQ Server会根据事务回查结果来决定是否投递消息。

3，RocketMQ实现可靠消息最终一致性事务

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

a）SQL

=====

bank1

CREATE DATABASE bank1 CHARACTER

SET ‘utf8’ COLLATE ‘utf8_general_ci’;

DROP TABLE

IF EXISTS account_info;

CREATE TABLE account_info (

id BIGINT (20) NOT NULL AUTO_INCREMENT,

account_name VARCHAR (100) CHARACTER

SET utf8 COLLATE utf8_bin NULL DEFAULT NULL COMMENT ‘户 主姓名’,

account_no VARCHAR (100) CHARACTER

SET utf8 COLLATE utf8_bin NULL DEFAULT NULL COMMENT ‘银行 卡号’,

account_password VARCHAR (100) CHARACTER

SET utf8 COLLATE utf8_bin NULL DEFAULT NULL COMMENT ‘帐户密码’,

account_balance DOUBLE NULL DEFAULT NULL COMMENT ‘帐户余额’,

PRIMARY KEY (id) USING BTREE

) ENGINE = INNODB AUTO_INCREMENT = 5 CHARACTER

SET = utf8 COLLATE = utf8_bin ROW_FORMAT = Dynamic;

INSERT INTO account_info

VALUES

(

2,

‘张三的账户’,

‘1’,

‘’,

10000

);

DROP TABLE

IF EXISTS de_duplication;

CREATE TABLE de_duplication (

tx_no VARCHAR (64) COLLATE utf8_bin NOT NULL,

create_time datetime (0) NULL DEFAULT NULL,

PRIMARY KEY (tx_no) USING BTREE

) ENGINE = INNODB CHARACTER

SET = utf8 COLLATE = utf8_bin ROW_FORMAT = Dynamic;

View Code

bank2

CREATE DATABASE bank2 CHARACTER

SET ‘utf8’ COLLATE ‘utf8_general_ci’;

DROP TABLE

IF EXISTS account_info;

CREATE TABLE account_info (

id BIGINT (20) NOT NULL AUTO_INCREMENT,

account_name VARCHAR (100) CHARACTER

SET utf8 COLLATE utf8_bin NULL DEFAULT NULL COMMENT ‘户 主姓名’,

account_no VARCHAR (100) CHARACTER

SET utf8 COLLATE utf8_bin NULL DEFAULT NULL COMMENT ‘银行 卡号’,

account_password VARCHAR (100) CHARACTER

SET utf8 COLLATE utf8_bin NULL DEFAULT NULL COMMENT ‘帐户密码’,

account_balance DOUBLE NULL DEFAULT NULL COMMENT ‘帐户余额’,

PRIMARY KEY (id) USING BTREE

) ENGINE = INNODB AUTO_INCREMENT = 5 CHARACTER

SET = utf8 COLLATE = utf8_bin ROW_FORMAT = Dynamic;

INSERT INTO account_info

VALUES

(

3,

‘李四的账户’,

‘2’,

NULL,

0

);

CREATE TABLE de_duplication (

tx_no VARCHAR (64) COLLATE utf8_bin NOT NULL,

create_time datetime (0) NULL DEFAULT NULL,

PRIMARY KEY (tx_no) USING BTREE

) ENGINE = INNODB CHARACTER

SET = utf8 COLLATE = utf8_bin ROW_FORMAT = Dynamic;

View Code

b）安装RocketMQ

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

c）工程配置

======

maven

org.apache.rocketmq

rocketmq-spring-boot-starter

2.0.2

properties配置

rocketmq.producer.group = producer_bank2

rocketmq.name‐server = 127.0.0.1:9876

d）bank1

=======

Service： AccountInfoServiceImpl

//两个方法

//1，向mq发送转账消息

//2，更新账户，扣减金额 （通过事务id保证幂等性）

Controller： AccountInfoController

//生成事务id，调用service的发消息接口

message： ProducerTxmsgListener

//两个方法executeLocalTransaction和checkLocalTransaction

//事务消息发送后的回调方法。此时保证本地事务，调用Service扣减金额同时将消息改为COMMIT（可消费状态），如果捕获异常，将消息改为ROLLBACK回滚

//事务回查。查询是否在调用方已经处理，如果已经处理需修改消息为COMMIT可消费,否则就是UNKOWN状态。

e）bank2

=======

Service： AccountInfoServiceImpl

//更新账户bank2，增加金额。(通过事务id保证幂等性)

message： TxmsgConsumer

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

//监听bank1发送的消息topic，调用Service增加金额

4，总结

====

可靠消息最终一致性就是 保证消息从生产方经过消息中间件传递到消费方 的一致性，本案例使用了RocketMQ作为消息中间件，RocketMQ主要解决了两个功能：

• 本地事务与消息发送的原子性问题。

• 事务参与方接收消息的可靠性。

可靠消息最终一致性事务适合 执行周期长且实时性要求不高的场景 。引入消息机制后，同步的事务操作变为基于消息执行的 异步 操作, 避免了分布式事务中的同步阻塞操作的影响，并实现了两个服务的 解耦 。

六、解决方案之最大努力通知

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

源码： cloud-dtx-notify