分布式初探——分布式事务与两阶段提交协议

今天的文章咱们聊的是分布式原理当中的原子性，也称为分布式事务。不知道会不会有人觉得奇怪，分布式系统CAP原则当中并没有原子性，这个原子性是从哪里冒出来的？

其实并不奇怪，之前我们在介绍各种一致性原则的时候，虽然没有明确提出来，但是原子性的相关内容已经隐藏在其中了。让我们回顾一下，分布式系统当中的一致性简单可以分为强一致性和弱一致性。强一致性很好理解，简单可以理解成主节点每次更新都通过同步的方式，同步更新所有副本。而弱一致性则是统称所有不满足强一致性的模型，可以简单理解成通过异步更新的方式实现的一致性模型。

想象一下更新的时候，有节点出错的情况。如果是强一致性，很好办，因为我们采用同步更新，所以更新失败的话，主节点立刻就能感知。要么重试这次的更新，要么回滚放弃，或者是判断该从库是否已经宕机，将它移除资源池。

如果是异步的更新机制就麻烦了，因为没有一个统筹大局的主库了。没有节点知道其他节点更新成功了没有，如果部分成功了，部分失败了，那么数据的一致性就完全没办法保障了，脏数据到处都是，这个系统也就没法用了。所以必须要保证即使是异步更新，也要做到原子性，要么所有节点一起更新成功，要么一起失败回滚，不允许出现一部分成功了，另一部分没有的情况。

那么怎么解决这个问题呢？这就需要用到两阶段提交协议了。

两阶段提交

两阶段提交协议的算法思路其实不难，非常直观，很好理解。前文当中说了，之所以会出现部分节点更新成功，而部分节点更新失败的情况，主要原因就是因为没有一个节点统筹全局，所以没办法做出整体决策导致的。既然如此，那么解决的策略也很简单，我们加上一个整体协调的节点即可。整个协调节点会首先分发任务到各个节点，各个节点收到任务成功之后，由协调节点统一指挥，决定执行任务还是回滚。这个思路和战争非常相似，一个将军坐镇中央，各个小分队散落四方。将军统一指挥，各分队进退有素。

我们整理一下整个过程，可以将它分成两个阶段，分别是表决阶段和提交阶段。

我们来看上面这张图，首先1号节点是协调节点，可以理解成将军节点，其他节点都是小兵节点。首先表决阶段也可以理解成任务分发阶段，由将军节点将本次更新的内容分发给各个小兵节点。小兵节点收到任务之后，如果当前情况允许执行该任务，则回复可以执行，否则回复无法执行。

第二个阶段是提交阶段，也就是执行阶段。由将军节点搜集各个小兵节点的回复消息，只要有一个小兵节点回复无法执行，那么说明这次的任务无法执行，所以将军节点会再次发送消息给各个小兵节点，告知任务取消，此时各个小兵节点删除此次任务。否则，将军节点会发送执行任务的命令，各个小兵节点各自执行任务。

这个就是整个两阶段提交协议的内容，是不是非常直观，非常好理解？

我们接着深入其中的细节，试着画出将军节点和小兵节点状态的状态机。

这是将军节点的状态机，一共只有四种状态。一开始是init状态，表示初始化，也就是分发任务之前的状态。当它给各个小兵节点分发任务之后，转变到等待状态，线程挂起等待，等待各个小兵节点的回复。等所有回复到齐了之后，决定是否执行任务，如果执行则转移到执行状态，否则转移到取消状态。

小兵节点的状态机也类似，小兵节点初始化之后等待将军发放任务的消息。如果小兵判断当前任务无法执行，那么会直接报告将军节点并跳转到取消状态。否则会进入就绪状态，表示当前节点可以执行任务，但是要等将军的指挥。接着，根据将军的命令决定执行任务或者是取消回滚。

上面这两个状态机应该也很好理解，但是这当中有一个小问题。我们观察一下将军节点和小兵节点的状态机，会发现两者当中都存在挂起等待的状态。将军节点做决策之前需要等待所有小兵的回复，而小兵节点执行之前也同样需要等待将军的命令。我们不禁想问一个问题，如果消息传递的过程当中存在丢包应该怎么办？如果更严重一些，某个小兵节点或者是将军节点宕机了呢，应该怎么办？

以现在的模式显然是无法解决的，我们需要加入优化。

这里的优化针对将军节点和小兵节点需要做区分，两者的策略是不同的。我们一个一个来看。

首先是将军节点，如果小兵节点宕机或者是发送的消息丢包，那么将军节点将会无法决策，或者会长久等待。为了解决这个问题，我们需要加上超时机制。如果超时还没有搜集齐应答，那么可以判定是有小兵发生故障或者是网络出现问题，则自动视作任务失败，广播任务回滚的消息。

其次是小兵节点，如果小兵节点在初始状态超时，则自动在本地终止任务，并且发放任务无法执行的消息给将军节点。如果是在等待将军决定的时候超时，这个时候不能简单的终止任务，因为无法判断其他节点有没有执行任务，如果简单地终止，那么就会引起数据不一致。针对这个问题的策略稍稍不同，既不是继续等待，也不是去询问将军节点，而是引入互询机制，也就是说当前小兵去询问其他小兵。

因为小兵的状态只有那么几种，为了方便区分，我们给小兵起个名字。发起询问的小兵称为A，被询问的小兵称为B。我们列举一下，总共只有四种可能。

B的状态是commit，说明B已经收到将军节点的命令执行了任务。那么很简单，不管是什么原因导致A没有收到消息都没有关系，A直接也执行任务即可。

B的状态是abort，说明将军已经取消了任务，但是A没有收到。那么也很上面一样，A直接放弃任务执行即可。

B的状态是init，说明B一直还在等待任务发放，而A已经领到了任务并且在等待将军决策了。一般来说这种情况由两种可能，一种可能是B和将军的通信出现了问题，所以迟迟收不到将军的消息，还有一种可能是将军自己崩溃了。如果将军崩溃了，那当然没的说，任务肯定不能继续了，如果将军还在，那么它肯定还在等待B的消息，由于将军有超时机制，所以最终仍然会超时导致取消任务。所以A把任务置为失败是正确的。

B的状态也是等待，说明B这个节点也不清楚状况，这种情况比较麻烦，只能再换一个节点询问。那问题来了，如果所有节点都处于这个状态呢，应该怎么办？显然在当前的设计里，无法避免这个问题，会导致长久的等待。

所有节点在执行任务的时候，需要实时将状态和消息写入本地log当中，这样如果节点宕机了，根据log日志也可以恢复之前的状态。

三阶段提交

针对上文当中说的二阶段提交的那个问题，大数据专家提出了解决方案，就是在执行阶段再细分成两个阶段，也就是预执行状态和执行状态。因为多了一个阶段，所以也称为三阶段提交。

我们来看三阶段提交中将军节点的状态机：

和之前的相比差别不大，只不过多了一个预执行的节点。我们再看小兵节点：

小兵节点也一样，相当于多接受将军节点一次消息，第一次收到执行消息之后转到预执行状态之后，其实节点就会执行任务了，只是不会提交任务和释放资源，只有进入执行结束的状态之后才会进行这一操作。

用数据库里的事务打个比方，在进入预执行状态之后，节点就会执行事务，但是不会提交事务已经执行完成的状态，也就是说依然可以回滚。所以在预执行之后，如果收到将军的消息需要取消任务，那么小兵节点依然会回滚，进入状态失败。

和两阶段提交相比，在三阶段提交当中，如果小兵在等待的状态超时，那么会直接进入任务取消状态，不会再询问其他节点。如果小兵执行成功会返回将军ACK，如果失败则不会返回。将军如果没有收到所有小兵的成功消息，则会通知所有小兵回滚。如果在预执行状态等待将军消息超时，那么会直接进入执行成功状态，只有收到将军消息取消任务，才会回滚。

显然三阶段提交也不是完美的，虽然降低了阻塞等待的可能性，但是如果小兵节点没有收到将军发来的回滚消息，那么也会产生数据不一致。并且三阶段提交的时间开销要比二阶段提交大得多，加上二阶段提交出现阻塞的概率非常低，因此绝大多数分布式协议当中还是用的二阶段提交。

二阶段提交的协议在分布式系统当中广泛使用，并且它非常直观，推导的过程也很有意思，状态机的应用也很巧妙。因此推荐大家都能深入思考，理解一下其中的精髓。

今天的文章就到这里，扫码关注我的公众号，获取更多文章，你们的支持是我最大的动力。