黑马-Cloud21版-高级篇07：分布式事务

分布式事务

0.学习目标

1.分布式事务问题

1.1.本地事务

本地事务，也就是传统的单机事务。在传统数据库事务中，必须要满足四个原则：

1.2.分布式事务

分布式事务，就是指不是在单个服务或单个数据库架构下，产生的事务，例如：

• 跨数据源的分布式事务
• 跨服务的分布式事务
• 综合情况

在数据库水平拆分、服务垂直拆分之后，一个业务操作通常要跨多个数据库、服务才能完成。例如电商行业中比较常见的下单付款案例，包括下面几个行为：

• 创建新订单
• 扣减商品库存
• 从用户账户余额扣除金额

完成上面的操作需要访问三个不同的微服务和三个不同的数据库。

订单的创建、库存的扣减、账户扣款在每一个服务和数据库内是一个本地事务，可以保证ACID原则。

但是当我们把三件事情看做一个"业务"，要满足保证“业务”的原子性，要么所有操作全部成功，要么全部失败，不允许出现部分成功部分失败的现象，这就是分布式系统下的事务了。

此时ACID难以满足，这是分布式事务要解决的问题

1.3.演示分布式事务问题

我们通过一个案例来演示分布式事务的问题：

1）创建数据库，名为seata_demo，然后导入课前资料提供的SQL文件：

2）导入课前资料提供的微服务：

微服务结构如下：

其中：

seata-demo：父工程，负责管理项目依赖

• account-service：账户服务，负责管理用户的资金账户。提供扣减余额的接口
• storage-service：库存服务，负责管理商品库存。提供扣减库存的接口
• order-service：订单服务，负责管理订单。创建订单时，需要调用account-service和storage-service

3）启动nacos、所有微服务

4）测试下单功能，发出Post请求：

请求如下：

curl --location --request POST 'http://localhost:8082/order?userId=user202103032042012&commodityCode=100202003032041&count=20&money=200'

如图：库存一共有10个 ，账户余额一共1000，减去2个还剩8个，账户余额还剩800，订单成功。

如图：库存还剩8个，账户余额还剩800，减去10个，订单失败但是账户余额仍然扣钱了变为600。

测试发现，当库存不足时，如果余额已经扣减，并不会回滚，出现了分布式事务问题。

1.4.分布式服务的事务问题

在分布式系统下，一个业务跨越多个服务或数据源，每个服务都是一个分支事务，要保证所有分支事务最终状态一致，这样的事务就是分布式事务。

• 每个微服务项目加上@transactional注解只能保证本地单独的分支事务，而分布式事务是多个微服务之间不能相互感知各提交各的，所以无法导致回滚。

2.理论基础

解决分布式事务问题，需要一些分布式系统的基础知识作为理论指导。

2.1.CAP定理

1998年，加州大学的计算机科学家 Eric Brewer 提出，分布式系统有三个指标。

• Consistency（一致性）
• Availability（可用性）
• Partition tolerance （分区容错性）

它们的第一个字母分别是 C、A、P。

Eric Brewer 说，这三个指标不可能同时做到。这个结论就叫做 CAP 定理。

2.1.1.一致性C

Consistency（一致性）：用户访问分布式系统中的任意节点，得到的数据必须一致。

比如现在包含两个节点，其中的初始数据是一致的：

当我们修改其中一个节点的数据时，两者的数据产生了差异：

要想保住一致性，就必须实现node01 到 node02的数据 同步：

2.1.2.可用性A

Availability （可用性）：用户访问集群中的任意健康节点，必须能得到响应，而不是超时或拒绝。

如图，有三个节点的集群，访问任何一个都可以及时得到响应：

当有部分节点因为网络故障或其它原因无法访问时，代表节点不可用：

可用性指的就是出现故障的节点是否还能用。

2.1.3.分区容错P

Partition（分区）：因为网络故障或其它原因导致分布式系统中的部分节点与其它节点失去连接，形成独立分区。

node1连接node2，node2连接node3，此时因为网络问题2和3断开了连接，这样1、2可以相互感知，2、3无法感知，所以此时整个集群就被划分为2个分区了。

Tolerance（容错）：在集群出现分区时，整个系统也要持续对外提供服务

2.1.4.矛盾

在分布式系统中，系统间的网络不能100%保证健康，一定会有故障的时候，而服务有必须对外保证服务。因此Partition Tolerance不可避免。

当节点接收到新的数据变更时，就会出现问题了：

此时用户向节点2写入了数据，那么节点2是可以同步给1的，不能同步给3，这样2个分区的数据就不一致了。

解决：

如果此时要保证一致性，就必须等待网络恢复，完成数据同步后，整个集群才对外提供服务，服务处于阻塞状态，不可用。

如果此时要保证可用性，就不能等待网络恢复，那node01、node02与node03之间就会出现数据不一致。

也就是说，在P一定会出现的情况下，A和C之间只能实现一个。

2.1.5. 总结

2.2.BASE理论

• 说明：在刚才呢我们已经学习了cap的定理，我们知道在分布式系统下因为分区不可避免，所以你不得不在一致性和可用性之间做出一个选择，但是这两个特性都非常重要，我一个都不想放弃那该如何办呢？？？
• 解决：BASE理论

BASE理论是对CAP的一种解决思路，包含三个思想：

• Basically Available （基本可用）：分布式系统在出现故障时，允许损失部分可用性，即保证核心可用。
• Soft State（软状态）：在一定时间内，允许出现中间状态，比如临时的不一致状态。
• Eventually Consistent（最终一致性）：虽然无法保证强一致性，但是在软状态结束后，最终达到数据一致。

2.3.解决分布式事务的思路

分布式事务最大的问题是各个子事务的一致性问题，因此可以借鉴CAP定理和BASE理论，有两种解决思路：

• AP模式：各子事务分别执行和提交，允许出现结果不一致，然后采用弥补措施恢复数据即可，实现最终一致。

• CP模式：各个子事务执行后互相等待，同时提交，同时回滚，达成强一致。但事务等待过程中，处于弱可用状态。

但不管是哪一种模式，都需要在子系统事务之间互相通讯，协调事务状态，也就是需要一个事务协调者(TC)：

这里的子系统事务，称为分支事务；有关联的各个分支事务在一起称为全局事务。

2.4 总结

3.初识Seata

Seata是 2019 年 1 月份蚂蚁金服和阿里巴巴共同开源的分布式事务解决方案。致力于提供高性能和简单易用的分布式事务服务，为用户打造一站式的分布式解决方案。

官网地址：http://seata.io/，其中的文档、播客中提供了大量的使用说明、源码分析。

3.1.Seata的架构

Seata事务管理中有三个重要的角色：

• TC (Transaction Coordinator) -事务协调者：维护全局和分支事务的状态，协调全局事务提交或回滚。（可以理解为seata服务器）

• TM (Transaction Manager) -事务管理器：定义全局事务的范围、开始全局事务、提交或回滚全局事务。（可以理解标注@GlobalTransactional注解的方法）

• RM (Resource Manager) -资源管理器：管理分支事务处理的资源，与TC交谈以注册分支事务和报告分支事务的状态，并驱动分支事务提交或回滚。（可以理解为数据库）

整体的架构如图：

Seata基于上述架构提供了四种不同的分布式事务解决方案：

• XA模式：强一致性分阶段事务模式，牺牲了一定的可用性，无业务侵入
• TCC模式：最终一致的分阶段事务模式，有业务侵入
• AT模式：最终一致的分阶段事务模式，无业务侵入，也是Seata的默认模式
• SAGA模式：长事务模式，有业务侵入

无论哪种方案，都离不开TC，也就是事务的协调者。

3.2.部署TC服务

• 说明：Seata事务管理中有三个重要的角色，TC、TM、RM。其中TM、RM是对我们业务方法的一种代理和管理，而TC则是脱离业务之外的一个独立服务，他需要协调TM和RM，协调全局事务和分支事务，需要单独搭建。

参考课前资料提供的文档《 seata的部署和集成.md 》：seata的部署和集成

3.3.微服务集成Seata

我们以order-service为例来演示。

3.3.1.引入依赖

首先，在order-service中引入依赖：

自带的版本比较低，所以引入新的版本一般和本地安装的seata server保持一致。

<!--seata-->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-seata</artifactId>
    <exclusions>
        <!--版本较低，1.3.0，因此排除--> 
        <exclusion>
            <artifactId>seata-spring-boot-starter</artifactId>
            <groupId>io.seata</groupId>
        </exclusion>
    </exclusions>
</dependency>
<dependency>
    <groupId>io.seata</groupId>
    <artifactId>seata-spring-boot-starter</artifactId>
    <!--seata starter 采用1.4.2版本，
        可以直接写版本号1.4.2,也可以使用变量引入父pom文件中配置好的
        版本信息1.4.2-->
    <version>${seata.version}</version>
</dependency>

3.3.2.配置TC地址

在order-service中的application.yml中，配置TC服务信息，通过注册中心nacos，结合服务名称获取TC地址：

seata:
  registry: # TC服务注册中心的配置，微服务根据这些信息去注册中心获取tc服务地址
    type: nacos # 注册中心类型 nacos
    nacos:
      server-addr: 127.0.0.1:8848 # nacos地址
      namespace: "" # namespace，默认为空，不要直接写成public
      group: DEFAULT_GROUP # 分组，默认是DEFAULT_GROUP
      application: seata-tc-server # seata服务名称
      username: nacos
      password: nacos
  tx-service-group: seata-demo # 事务组名称
  service:
    vgroup-mapping: # 事务组与cluster的映射关系
      seata-demo: SH

微服务如何根据这些配置寻找TC的地址呢？

我们知道注册到Nacos中的微服务，确定一个具体实例需要四个信息：

• namespace：命名空间
• group：分组
• application：服务名
• cluster：集群名
• 要和registry.conf文件保持一致。
  

以上四个信息，在刚才的yaml文件中都能找到：

namespace为空，就是默认的public

结合起来，TC服务的信息就是：public@DEFAULT_GROUP@seata-tc-server@SH，这样就能确定TC服务集群了。然后就可以去Nacos拉取对应的实例信息了。

3.3.3.其它服务

其它两个微服务也都参考order-service的步骤来做，完全一样。

3.3.4.测试

• 需要把idea的中jdk的版本换为jdk8
  

• 重启order-service服务

• 在seata控制台多了行日志：说明当前服务成功注册到了seata server上面了。
  

3.3.5.总结

4.动手实践

下面我们就一起学习下Seata中的四种不同的事务模式。

4.1.XA模式

XA 规范 是 X/Open 组织定义的分布式事务处理（DTP，Distributed Transaction Processing）标准，XA 规范 描述了全局的TM与局部的RM之间的接口，几乎所有主流的数据库都对 XA 规范 提供了支持。

4.1.1.两阶段提交

XA是规范，目前主流数据库都实现了这种规范，实现的原理都是基于两阶段提交。

正常情况：

异常情况：

一阶段：

• 事务协调者通知每个事物参与者执行本地事务
• 本地事务执行完成后报告事务执行状态给事务协调者，此时事务不提交，继续持有数据库锁

二阶段：

• 事务协调者基于一阶段的报告来判断下一步操作
  • 如果一阶段都成功，则通知所有事务参与者，提交事务
  • 如果一阶段任意一个参与者失败，则通知所有事务参与者回滚事务

4.1.2.Seata的XA模型

Seata对原始的XA模式做了简单的封装和改造，以适应自己的事务模型，基本架构如图：

RM一阶段的工作：

​ ① 注册分支事务到TC

​ ② 执行分支业务sql但不提交

​ ③ 报告执行状态到TC

TC二阶段的工作：

• TC检测各分支事务执行状态

  a.如果都成功，通知所有RM提交事务

  b.如果有失败，通知所有RM回滚事务

RM二阶段的工作：

• 接收TC指令，提交或回滚事务

4.1.3.优缺点

XA模式的优点是什么？

• 事务的强一致性，满足ACID原则。
• 常用数据库都支持，实现简单，并且没有代码侵入

XA模式的缺点是什么？

• 因为一阶段需要锁定数据库资源，等待二阶段结束才释放，性能较差
• 依赖关系型数据库实现事务

4.1.4.实现XA模式

Seata的starter已经完成了XA模式的自动装配，实现非常简单，步骤如下：

1）修改application.yml文件（每个参与事务的微服务），开启XA模式：
这个是要在每一个参与全局事务的，分布式微服务事务都要添加。

seata:
  data-source-proxy-mode: XA

2）给发起全局事务的入口方法添加@GlobalTransactional注解:
注解只需要在入口处添加即可。

本例中是OrderServiceImpl中的create方法.

3）重启服务并测试

重启3个服务，再次测试，发现无论怎样，三个微服务都能成功回滚。

目各个表的情况

• 订单表：一个订单，买2个商品
• 账户余额表：600
• 库存表：8

发送请求：订单数量为2，执行成功

此时各个表的情况

• 订单表：多了一个订单，买2个商品
  

• 账户余额表：400
  

• 库存表：6
  

发送请求：订单数量为10，执行失败会自动回滚

• 余额表没有扣减
  

• 库存表没有扣减
  

4.2.AT模式（常用）

AT模式同样是分阶段提交的事务模型，不过缺弥补了XA模型中资源锁定周期过长的缺陷。

4.2.1.Seata的AT模型

基本流程图：

阶段一RM的工作：红字为和XA模式的不同

• 注册分支事务
• 记录undo-log（数据快照）
• 执行业务sql并提交
• 报告事务状态

阶段二提交时RM的工作：提交成功时

• 删除undo-log即可（异步方式）
• 框架自动完成删除

阶段二回滚时RM的工作：提交失败时

• 根据undo-log恢复数据到更新前

4.2.2.流程梳理

我们用一个真实的业务来梳理下AT模式的原理。

比如，现在又一个数据库表，记录用户余额：

id	money
1	100

其中一个分支业务要执行的SQL为：

update tb_account set money = money - 10 where id = 1

AT模式下，当前分支事务执行流程如下：

一阶段：

1）TM发起并注册全局事务到TC

2）TM调用分支事务

3）分支事务准备执行业务SQL

4）RM拦截业务SQL，根据where条件查询原始数据，形成快照（json类型）。

{
    "id": 1, "money": 100
}

5）RM执行业务SQL，提交本地事务，释放数据库锁。此时 money = 90

6）RM报告本地事务状态给TC

二阶段：

1）TM通知TC事务结束

2）TC检查分支事务状态

​ a）如果都成功，则立即删除快照

​ b）如果有分支事务失败，需要回滚。读取快照数据（{"id": 1, "money": 100}），将快照恢复到数据库。此时数据库再次恢复为100

流程图：

4.2.3.AT与XA的区别

简述AT模式与XA模式最大的区别是什么？

• XA模式一阶段不提交事务，锁定资源；AT模式一阶段直接提交，不锁定资源。
• XA模式依赖数据库机制实现回滚；AT模式利用数据快照实现数据回滚。
• XA模式强一致；AT模式最终一致

4.2.4.脏写问题

在多线程并发访问AT模式的分布式事务时，有可能出现脏写问题，如图：

解决思路就是引入了全局锁的概念。在释放DB锁之前，先拿到全局锁。避免同一时刻有另外一个事务来操作当前数据。

新问题1：事务2先获取DB锁在获取全局锁，此时事务1已经获取了全局锁，所以事务2就获取不到全局锁了，事务2会卡在这里进行重试。事务1是二阶段结束后才会释放全局锁，比如他要进行回滚要拿到DB锁，而此时DB锁又是在事务2手里，这样事务1和事务2相互等待形成了死锁。

解决：seata内部获取全局锁的重试是有限制的，默认最多30次每次间隔10毫秒，而DB锁的等待比较长，所以事务2超时会回滚业务释放DB锁，所以这个set =80并没有提交数据并没有变，这样事务1就拿到了DB锁根据快照进行恢复为100了，最终这个过程中没有人修改过就解决了问题。
即：在执行事务1执行一阶段和二阶段之间，任何人都不能来执行这样就起到隔离效果了。

新问题2：和XA模式一阶段执行完不提交事务一样，不都是占用数据库锁了吗，性能不一样下降了吗？？？？

答：不一样，全局锁是TC来记录的，如果不是seata管理的事务去操作任然没有影响，XA模式的数据库锁是不释放任何人都不能进行访问数据，2个锁的力度范围不同。

新问题3：隔离的不够彻底，有一种极端情况，在你修改money的过程会有一个其他事物，seata没有管理的事务他也来修改money，他不需要获取全局锁来修改所以仍有可能出现脏写问题。不过这种出现的概率极低。

解决：AT模式对这种情况做了处理，seata在内部保存了2个快照，一个是更新前的100，一个是更新后的90，再恢复数据的时候2个快照都要拿到。更新前的快照是用来回复的，更新后的快照是来判断和当前数据库的数据进行对比，如果一样证明在一阶段二阶段之间没有人修改过，如果不一样一个是80一个是90，证明在中间有人修改过，此时就不能在回滚恢复数据了，之后一般会发送一个警告由人工去处理。

4.2.5.优缺点

AT模式的优点：

• 一阶段完成直接提交事务，释放数据库资源，性能比较好
• 利用全局锁实现读写隔离
• 没有代码侵入，框架自动完成回滚和提交

AT模式的缺点：

• 两阶段之间属于软状态，属于最终一致
• 框架的快照功能会影响性能，但比XA模式要好很多

4.2.6.实现AT模式

AT模式中的快照生成、回滚等动作都是由框架自动完成，没有任何代码侵入，因此实现非常简单。

只不过，AT模式需要一个表来记录全局锁、另一张表来记录数据快照undo_log。

2张表看不到日志信息因为用完就会自动删除，防止占用空间，除非打断点查看。

1）导入数据库表，记录全局锁

导入课前资料提供的Sql文件：seata-at.sql，其中lock_table（全局锁的表）导入到TC服务关联的数据库（全局锁是由TC去维护和创建的），undo_log（快照表）导入到微服务关联的数据库（快照表是由微服务的RM去做的）：

• 全局锁的表：
  
  
• 快照表：
  
  

2）修改application.yml文件，将事务模式修改为AT模式即可：3个服务都要改

seata:
  data-source-proxy-mode: AT # 默认就是AT

3）全局事务的入口方法添加@GlobalTransactional注解：添加过

4）重启服务并测试
订单：2个
账户：400
库存：6
执行失败会进行回滚，所以表中数据没有发生变化

仍然是：2个、400、6

4.3.TCC模式

XA、AT模式需要加锁（只要加锁性能就会有损耗），而TCC模式不需要加锁（性能比较好）。

操作的是冻结的资源，所以无需加锁，本身带有隔离性。

TCC模式与AT模式非常相似，每阶段都是独立事务，不同的是TCC通过人工编码来实现数据恢复。需要实现三个方法：

• Try：资源的检测和预留；

• Confirm：完成资源操作业务；要求 Try 成功 Confirm 一定要能成功。

• Cancel：预留资源释放，可以理解为try的反向操作。

4.3.1.流程分析

举例，一个扣减用户余额的业务。假设账户A原来余额是100，需要余额扣减30元。

• 阶段一（ Try ）：检查余额是否充足，如果充足则冻结金额增加30元，可用余额扣除30

初识余额：

余额充足，可以冻结：

此时，总金额 = 冻结金额 + 可用金额，数量依然是100不变。事务直接提交无需等待其它事务。

• 阶段二（Confirm)：假如要提交（Confirm），则冻结金额扣减30

确认可以提交，不过之前可用金额已经扣减过了，这里只要清除冻结金额就好了：

此时，总金额 = 冻结金额 + 可用金额 = 0 + 70 = 70元

• 阶段二(Canncel)：如果要回滚（Cancel），则冻结金额扣减30，可用余额增加30

需要回滚，那么就要释放冻结金额，恢复可用金额：

4.3.2.Seata的TCC模型

Seata中的TCC模型依然延续之前的事务架构，如图：

4.3.3.优缺点

TCC模式的每个阶段是做什么的？

• Try：资源检查和预留
• Confirm：业务执行和提交
• Cancel：预留资源的释放

TCC的优点是什么？

• 一阶段完成直接提交事务，释放数据库资源，性能好
• 相比AT模型，无需生成快照，无需使用全局锁，性能最强
  • 不需要加锁，因为事务操作的只是你冻结的资金，即使另外来一个事务操作的也是你自己的冻结资金，事务之间没有影响不需要加锁。
• 不依赖数据库事务，而是依赖补偿操作，可以用于非事务型数据库（redis…）

TCC的缺点是什么？

• 有代码侵入，需要人为编写try、Confirm和Cancel接口，太麻烦
• 软状态，事务是最终一致
• 需要考虑Confirm和Cancel的失败情况，做好幂等处理
  • 如果是AT模式做快照恢复是由框架自动完成，这里是自己编写的所以执行过程有可能会失败，失败之后seata会进行重试，既然会重试所以有可能会出现重复处理的可能，所以还要做好幂等处理。

4.3.4.事务悬挂和空回滚

1）空回滚

当某分支事务的try阶段阻塞时，可能导致全局事务超时而触发二阶段的cancel操作。在未执行try操作时先执行了cancel操作，这时cancel不能做回滚，就是空回滚。

总结：一个分支事务执行时发现被阻塞了，之后进行回滚，但是此时还没有执行try却执行Cancel（你还没有冻结金额确去恢复金额了），这样就出现了问题，也就不能回滚，但是不会滚又会报错所以只能进行一个空回滚。

如图：

执行cancel操作时，应当判断try是否已经执行，如果尚未执行，则应该空回滚。

2）业务悬挂

对于已经空回滚的业务，之前被阻塞的try操作恢复，继续执行try，但是这个事务早就结束了，就永远不可能confirm或cancel ，事务一直处于中间状态，这就是业务悬挂。

执行try操作时，应当判断cancel是否已经执行过了，如果已经执行，应当阻止空回滚后的try操作，避免悬挂

问题：如何判断try是否执行？？？

解决：需要在数据库中记录当前事物的状态，当前是在Try状态、Confirm状态还是Cancel状态。只有记录了业务状态才能去做空回滚和避免业务悬挂。

3）幂等性

• 调用一个业务接口，调用一次或多次最终达成的效果是一致的，不会因为重复调用而出现问题。
• 幂等性可以通过业务逻辑去判断你是否已经执行过了，执行过了就不在执行。

4.3.5.实现TCC模式

解决空回滚和业务悬挂问题，必须要记录当前事务状态，是在try、还是cancel？

问题：现在有3个服务，订单、账户、库存，为什么只改造一个账户服务？？？
答：并不是所有的事务都适合基于TCC模式来实现，下单逻辑是一个新增的业务逻辑他没办法进行资源预留，直接使用AT模式就行。扣减库存可以改为TCC模式，这里演示一个即可。

注意：在一个分布式事务当中，既有AT模式又有TCC模式它们可以共存，可以混着用吗？？？
答：可以，因为它们都属于seata内部的实现。

1）思路分析

为了实现空回滚、防止业务悬挂，以及幂等性要求。我们必须在数据库记录冻结金额的同时，记录当前事务id和执行状态，为此我们设计了一张表：

作用：冻结用户的金额、判断事务状态从而判断是否需要空回滚和避免业务悬挂。

CREATE TABLE `account_freeze_tbl` (
  `xid` varchar(128) NOT NULL,
  `user_id` varchar(255) DEFAULT NULL COMMENT '用户id',
  `freeze_money` int(11) unsigned DEFAULT '0' COMMENT '冻结金额',
  `state` int(1) DEFAULT NULL COMMENT '事务状态，0:try，1:confirm，2:cancel',
  PRIMARY KEY (`xid`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8 ROW_FORMAT=COMPACT;

其中：

• xid：是全局事务id
• freeze_money：用来记录用户冻结金额
• state：用来记录事务状态

那此时，我们的业务开怎么做呢？

• Try业务：资源检查和预留
  • 查询用户余额是否充足，如果充足要在这张表中添加一行记录，记录冻结金额和事务状态到account_freeze表
  • 扣减account表可用金额
• Confirm业务：业务执行和提交
  • 根据xid删除account_freeze表的冻结记录
• Cancel业务：预留资源的释放
  • 修改account_freeze表，冻结金额为0，state为2
  • 修改account表，恢复可用金额
• 如何判断是否空回滚？
  • cancel业务中，根据xid查询account_freeze，如果为null则说明try还没做，需要空回滚
• 如何避免业务悬挂？
  • try业务中，根据xid查询account_freeze ，如果已经存在则证明Cancel已经执行，拒绝执行try业务

接下来，我们改造account-service，利用TCC实现余额扣减功能。

2）声明TCC接口

TCC的Try、Confirm、Cancel方法都需要在接口中基于注解来声明，

我们在account-service项目中的cn.itcast.account.service包中新建一个接口，声明TCC三个接口：

至于其它的实体类，mapper等，在导入项目时就写好了。

package cn.itcast.account.service;


import io.seata.rm.tcc.api.BusinessActionContext;
import io.seata.rm.tcc.api.BusinessActionContextParameter;
import io.seata.rm.tcc.api.LocalTCC;
import io.seata.rm.tcc.api.TwoPhaseBusinessAction;

/**
 * @LocalTCC注解需要添加到上面描述的接口上，表示实现该接口的类被seata来管理，
 *           seata根据事务的状态自动调用我们定义的方法，如果没问题则confirm否则cancel
 * @TwoPhaseBusinessAction：此注解加在那个方法上就代表此方法为try方法。
 *     name：try方法的名称，要与当前方法名保持一致。
 *     commitMethod：对应confirm方法。
 *     rollbackMethod：对应cancel方法。
 * @BusinessActionContextParameter：try方法中的一些参数以后可能在confirm、cancel方法中用到，那么你想要用到的参数
 *     都可以使用此注解进行标记，此注解标注的参数都会放到一个上下文对象BusinessActionContext，之后在confirm、cancel方法中
 *     就可以使用这个上下文对象拿到这些参数。
 */
@LocalTCC
public interface AccountTCCService {
    @TwoPhaseBusinessAction(name = "deduct", commitMethod = "confirm", rollbackMethod = "cancel")
    void deduct(@BusinessActionContextParameter(paramName = "userId") String userId,
                @BusinessActionContextParameter(paramName = "money")int money);

    boolean confirm(BusinessActionContext ctx);

    boolean cancel(BusinessActionContext ctx);
}

3）编写实现类

在account-service服务中的cn.itcast.account.service.impl包下新建一个类，实现TCC业务：

package cn.itcast.account.service.impl;

import cn.itcast.account.entity.AccountFreeze;
import cn.itcast.account.mapper.AccountFreezeMapper;
import cn.itcast.account.mapper.AccountMapper;
import cn.itcast.account.service.AccountService;
import cn.itcast.account.service.AccountTCCService;
import io.seata.core.context.RootContext;
import io.seata.rm.tcc.api.BusinessActionContext;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

@Service
@Slf4j
public class AccountTCCServiceImpl implements AccountTCCService {

    @Autowired
    private AccountMapper accountMapper;
    @Autowired
    private AccountFreezeMapper freezeMapper;

    /**
     * try方法：做资源的检测和预留。
     * 资源的检测：就是判断余额是否充足，需要查询一下余额进行判断，这个地方这一步可以省略，因为
     *           创建此数据库表的用户余额字段money字段unsigned，代表无符号字段也就是说这个
     *           字段不可能为负数。如果你去扣减余额时扣成了负数，那么会直接报错事务自动回归。
     *           因此余额就不用再判断了。需要加上 @Transactional
     */
    @Override
    @Transactional
    public void deduct(String userId, int money) {
        // 0.获取事务id    seata提供的工具类
        String xid = RootContext.getXID();
        //1.判断freeze中是否有冻结记录，如果有，一定是CANCEL执行过，我要拒绝业务。
        AccountFreeze oldFreeze = freezeMapper.selectById(xid);
        if(oldFreeze != null){
            //CANCEL执行过，我要拒绝业务
            return;
        }

        // 1.扣减可用余额
        accountMapper.deduct(userId, money);
        // 2.记录冻结金额，事务状态
        AccountFreeze freeze = new AccountFreeze();
        freeze.setUserId(userId);
        freeze.setFreezeMoney(money);
        freeze.setState(AccountFreeze.State.TRY);
        freeze.setXid(xid);
        //使用的是mybatisPlus的方法
        freezeMapper.insert(freeze);
    }

    @Override
    public boolean confirm(BusinessActionContext ctx) {
        // 1.获取事务id
        String xid = ctx.getXid();
        // 2.根据id删除冻结记录
        int count = freezeMapper.deleteById(xid);
        return count == 1;
    }

    @Override
    public boolean cancel(BusinessActionContext ctx) {
        // 0.查询冻结记录
        String xid = ctx.getXid();
        //查到的是null，所以只能通过上下文对象获取userId,返回的是object类型，所以转化为String类型输出
        String userId = ctx.getActionContext("userId").toString();
        AccountFreeze freeze = freezeMapper.selectById(xid);

        //1.空回滚的判断，判断freeze是否为null，为null正明try没执行，需要空回滚
        if(freeze==null){
            //证明try没执行，需要空回滚
            freeze = new AccountFreeze();
            freeze.setUserId(userId);
            freeze.setFreezeMoney(0);
            freeze.setState(AccountFreeze.State.CANCEL);
            freeze.setXid(xid);
            //使用的是mybatisPlus的方法
            freezeMapper.insert(freeze);
            return true;

        }
        //2.幂等判断
        if(freeze.getState()== AccountFreeze.State.CANCEL){
            //已经处理过一次CANCEL了，无需重复处理
            return true;
        }

        // 1.恢复可用余额
        accountMapper.refund(freeze.getUserId(), freeze.getFreezeMoney());
        // 2.将冻结金额清零，状态改为CANCEL（不能删除这条记录，因为将来还需要基于这个状态来判断是否还要空回滚、是否出现业务悬挂）
        freeze.setFreezeMoney(0);
        freeze.setState(AccountFreeze.State.CANCEL);
        int count = freezeMapper.updateById(freeze);
        return count == 1;
    }
}

4）测试

• 修改调用的接口为AccountTCCService接口
  

• 重启3个服务

• 订单：2、余额：400、库存：6、实物状态表：空的

• 访问：正确时
  

• 订单：3、余额：200、库存：4、实物状态表：空的（因为Confirm之后会删除feeze表的记录）

• 访问失败时：
  

• 订单：3、余额：200、库存：4、实物状态表：回滚状态记录
  

• 业务会发生变化，但是思路不会变。

4.4.SAGA模式

Saga 模式是 Seata 即将开源的长事务解决方案，将由蚂蚁金服主要贡献。

其理论基础是Hector & Kenneth 在1987年发表的论文Sagas。

Seata官网对于Saga的指南：https://seata.io/zh-cn/docs/user/saga.html

4.4.1.原理

在 Saga 模式下，分布式事务内有多个参与者，每一个参与者都是一个冲正补偿服务，需要用户根据业务场景实现其正向操作和逆向回滚操作。

分布式事务执行过程中，依次执行各参与者的正向操作，如果所有正向操作均执行成功，那么分布式事务提交。如果任何一个正向操作执行失败，那么分布式事务会去退回去执行前面各参与者的逆向回滚操作，回滚已提交的参与者，使分布式事务回到初始状态。

Saga也分为两个阶段：

• 一阶段：直接提交本地事务
• 二阶段：成功则什么都不做；失败则通过编写补偿业务来回滚

4.4.2.优缺点

优点：

• 事务参与者可以基于事件驱动实现异步调用，吞吐高
• 一阶段直接提交事务，无锁，性能好
• 不用编写TCC中的三个阶段，实现简单

缺点：

• 软状态持续时间不确定，时效性差
• 没有锁，没有事务隔离，会有脏写

4.5.四种模式对比

我们从以下几个方面来对比四种实现：

• 一致性：能否保证事务的一致性？强一致还是最终一致？
• 隔离性：事务之间的隔离性如何？
• 代码侵入：是否需要对业务代码改造？
• 性能：有无性能损耗？
• 场景：常见的业务场景

如图：

5.高可用

Seata的TC服务作为分布式事务核心，一定要保证集群的高可用性。

5.1.高可用架构模型

搭建TC服务集群非常简单，启动多个TC服务，注册到nacos即可。

但集群并不能确保100%安全，万一集群所在机房故障怎么办？所以如果要求较高，一般都会做异地多机房容灾。

比如一个TC集群在上海，另一个TC集群在杭州：

微服务基于事务组（tx-service-group)与TC集群的映射关系，来查找当前应该使用哪个TC集群。当SH集群故障时，只需要将vgroup-mapping中的映射关系改成HZ。则所有微服务就会切换到HZ的TC集群了。

问题：微服务是如何找到对应的seata的服务器的？？？

答：通过Nacos注册中心找到，需要知道namespace、group、application、集群名称

问题2：集群是通过事务组与TC集群的映射关系来查找使用的是哪个集群，但是现在这些配置是写死在代码中的，异地容灾需要快速切换机房，此时需要修改配置文件还需要重启服务，那我们可不可以不用重启自动切换。

答：之前学习过的Nacos的配置中心。

5.2.实现高可用

具体实现请参考课前资料提供的文档《seata的部署和集成.md》：https://blog.csdn.net/aa35434/article/details/132735752

第三章节：