springcloud中的分布式事务

在微服务如火如荼的情况下，越来越多的项目开始尝试改造成微服务架构，微服务即带来了项目开发的方便性，又提高了运维难度以及网络不可靠的概率.

文章目录

    Spring Cloud 分布式事务管理
    单体式架构
    微服务架构
        优点:
    分布式事务的引入
    分布式事务解决方案
        基于XA协议的两阶段提交
        消息事务+最终一致性
        TCC编程模式
    具体实现
        LCN
        ByteTCC

在说微服务的优缺点时，有对比才会更加明显，首先说一下单体式结构

单体式架构

在单体式架构中，系统通常采用分层架构模式（MVC），持久化层、表示层，业务逻辑层。架构主要存在以下问题：

    系统内部互相访问，耦合紧密导致难以维护；
    各业务领域需要采用相同的技术栈，难以快速应用新技术（例如使用SSH很难向SSM改造）；
    对系统的任何修改都必须整个系统一起重新部署/升级；
    在系统负载增加时，难以进行水平扩展；
    当系统中一处出现问题，会影响整个系统；

为了克服以上缺点，微服务架构应运而生。微服务，又叫微服务架构。微服务就是一些协同工作的小而自治的服务.
 

微服务架构

优点:

1. 技术异构性

在不同的服务中，可以使用不同的技术来各自开发，只要保证服务间能相互协作即可

2. 弹性

当微服务中的某一个服务不可用时，不会影响整个系统，只会影响相关功能不可用

3. 扩展

易于扩展，使用小的多个服务，更加易于扩展新的功能

4. 简化部署

某个服务的更新部署，不需要重新部署整个应用

5. 可组合

通过组合多个服务，可以提供一些新的功能

6. 可替代

因为每个微服务都比较小，重新实现某一个服务或者直接删除该服务都是可操作的
 

. 复杂度高

微服务间通过REST、RPC等形式交互，相对于单体模式，需要考虑被调用方故障、过载、消息丢失等各种异常情况，代码逻辑更加复杂。

对于微服务间的事务性操作，因为不同的微服务采用了不同的数据库，将无法利用数据库本身的事务机制保证一致性，需要引入二阶段提交等技术。

同时，在微服务间存在少部分共用功能但又无法提取成微服务时，各个微服务对于这部分功能通常需要重复开发，或至少要做代码复制，以避免微服务间的耦合，增加了开发成本。

2. 运维复杂

在采用微服务架构时，系统由多个独立运行的微服务构成，需要一个设计良好的监控系统对各个微服务的运行状态进行监控。运维人员需要对系统有细致的了解才对够更好的运维系统。

3. 影响性能

相对于单体架构，微服务的间通过REST、RPC等形式进行交互，通信的时延会受到较大的影响。

分布式事务的引入

对于微服务间的事务性操作，因为不同的微服务采用了不同的数据库，将无法利用数据库本身的事务机制保证一致性，需要引入二阶段提交等技术。

 

 

A B C D 的事务均在各个服务控制，如何做到，统一协调，保证数据的一致性？

分布式事务解决方案

基于XA协议的两阶段提交

XA是一个分布式事务协议，由提出。XA中大致分为两部分：事务管理器和本地资源管理器。其中本地资源管理器往往由数据库实现，比如Oracle、DB2这些商业数据库都实现了XA接口，而事务管理器作为全局的调度者，负责各个本地资源的提交和回滚。XA实现分布式事务的原理如下：

总的来说，XA协议比较简单，而且一旦商业数据库实现了XA协议，使用分布式事务的成本也比较低。但是，XA也有致命的缺点，那就是性能不理想，特别是在交易下单链路，往往并发量很高，XA无法满足高并发场景。XA目前在商业数据库支持的比较理想，在mysql数据库中支持的不太理想，mysql的XA实现，没有记录prepare阶段日志，主备切换回导致主库与备库数据不一致。许多nosql也没有支持XA，这让XA的应用场景变得非常狭隘。
 

消息事务+最终一致性

所谓的消息事务就是基于消息中间件的两阶段提交，本质上是对消息中间件的一种特殊利用，它是将本地事务和发消息放在了一个分布式事务里，保证要么本地操作成功成功并且对外发消息成功，要么两者都失败，开源的RocketMQ就支持这一特性.

该方案采用最终一致的，牺牲了一致性，换来了性能的大幅度提升。存在造成数据不一致的风险

TCC编程模式

所谓的TCC编程模式，也是两阶段提交的一个变种。TCC提供了一个编程框架，将整个业务逻辑分为三块：Try、Confirm和Cancel三个操作。以在线下单为例，Try阶段会去扣库存，Confirm阶段则是去更新订单状态，如果更新订单失败，则进入Cancel阶段，会去恢复库存。总之，TCC就是通过代码人为实现了两阶段提交，不同的业务场景所写的代码都不一样，复杂度也不一样，因此，这种模式并不能很好地被复用。

具体实现

LCN分布式事务框架的核心功能是对本地事务的协调控制，框架本身并不创建事务，只是对本地事务做协调控制。因此该框架与其他第三方的框架兼容性强，支持所有的关系型数据库事务，支持多数据源，支持与第三方数据库框架一块使用（例如 sharding-jdbc），在使用框架的时候只需要添加分布式事务的注解即可，对业务的侵入性低。LCN框架主要是为微服务框架提供分布式事务的支持，在微服务框架上做了进一步的事务机制优化，在一些负载场景上LCN事务机制要比本地事务机制的性能更好，4.0以后框架开方了插件机制可以让更多的第三方框架支持进来

目前 LCN为 4.1 版本

主要特点：

    支持各种基于spring的db框架
    兼容SpringCloud、Dubbo、motan
    使用简单，低依赖，代码完全开源
    基于切面的强一致性事务框架
    高可用，模块可以依赖RPC模块做集群化，TxManager也可以做集群化
    支持本地事务和分布式事务共存
    支持事务补偿机制，增加事务补偿决策提醒

 

采用强一致性方案，事务要不全部成功，要不全部失败，保证了事务的一致性，代码简单，原有项目只需引入相关 jar 包，并在需要参与的事务的方法添加注解即可，节省了代码改造成本.

Spring Cloud示例：

添加依赖

<properties>
   <lcn.last.version>4.1.0</lcn.last.version>
</properties>

<dependency>
    <groupId>com.codingapi</groupId>
    <artifactId>transaction-springcloud</artifactId>
    <version>${lcn.last.version}</version>
</dependency>

<dependency>
   <groupId>com.codingapi</groupId>
   <artifactId>tx-plugins-db</artifactId>
   <version>${lcn.last.version}</version>
</dependency>

在需要执行的事务上添加注解

@Override
@TxTransaction(isStart = true)
@Transactional
public int save() {
}

 

其中 @TxTransaction(isStart = true) 为lcn 事务控制注解，其中isStart = true 表示该方法是事务的发起方例如，服务A 需要调用服务B,服务B 需要调用服务C，此时 服务A为服务发起方，其余为参与方，参与方只需@TxTransaction 即可
 

ByteTCC

ByteTCC是一个基于TCC（Try/Confirm/Cancel）机制的分布式事务管理器。兼容JTA，可以很好的与EJB、Spring等容器（本文档下文说明中将以Spring容器为例）进行集成。

ByteTCC特性
1、支持Spring容器的声明式事务管理；
2、支持普通事务、TCC事务、业务补偿型事务等事务机制；
3、支持多数据源、跨应用、跨服务器等分布式事务场景；
4、支持长事务；
5、支持dubbo服务框架；
6、支持spring cloud；

该实现方式，需要在业务层编写对应的 tcc（Try/Confirm/Cancel） 方法，开发需要一定的成本，同时某些业务可能无法保证数据可回滚

lcn 工作方式与原理

思路和我们上面讲的两阶段分布式事务处理流程差不多（有小不同），核心步骤分为3步：

1. 创建事务组：在事务发起方开始执行业务代码之前先调用TxManager创建事务组对象，然后拿到事务表示GroupId的过程。简单来说就是对这次下订单的操作在事务管理中心里创建一个对象，拿到一个id。
2. 加入事务组：参与方在执行完业务方法后，将该模块的事务信息通知给TxManager的操作。也就是指各个数据源（各个服务）完成操作后，和事务管理中心说一声，注册一下自己。
3. 通知事务组：发起方执行业务代码后，将发起方执行结果状态通知给TxManager，TxManager将根据事务最终状态和事务组的信息来通知相应的参与模块提交或回滚事务，并返回结果给事务发起方。和客户打交道的下订单服务会收到减库存和加订单是否成功消息，它会把这两个消息通知给事务管理者，事务管理者根据情况通知两个库存服务提交事务或回滚事务。