分布式事务架构设计实践

原文：https://mp.weixin.qq.com/s?__biz=MjM5ODYxMDA5OQ==&mid=2651961647&idx=1&sn=8421c1da08730c47710530f976c1909d&chksm=bd2d0cf38a5a85e52f4fe48b521fbfed9c4d5cee9fcf02f4d9958ed515c88659cfee3130f67c&mpshare=1&scene=1&srcid=0419P7GWFM0sULwUxoDOG8tx&key=39212e0a19a5778744c7f60c39e2f0d4c4387b2c0ae5833e08a4a48b2eab771f112e982052943db1ecda05536837a30a6815b605e7ab1b3644ce5bea4c46489f479b7ef0c1aebe5c14a35c12236f6608&ascene=1&uin=MTc0NDg2MzA2MQ%3D%3D&devicetype=Windows+10&version=62060739&lang=zh_CN&pass_ticket=D3PdsG8%2FCf9tgui3zxjDl054CZdYQGCz7gDM6w%2FxyVdzN8%2FdYdWCp62iwDLmIexX
作者： 58沈剑

---

多个数据要同时操作，如何保证数据的完整性，以及一致性？
答：事务，是常见的做法。

举个栗子：
用户下了一个订单，需要修改余额表，订单表，流水表，于是会有类似的伪代码：

start transaction;
 CURD table t_account;  any Exception rollback;
 CURD table t_order;    any Exception rollback;
 CURD table t_flow;     any Exception rollback;

commit;

如果对余额表，订单表，流水表的SQL操作全部成功，则全部提交
如果任何一个出现问题，则全部回滚事务，以保证数据的完整性以及一致性。

事务的方案会有什么潜在问题？
答： 互联网的业务特点，数据量较大，并发量较大，经常使用拆库的方式提升系统的性能。如果进行了拆库，余额、订单、流水可能分布在不同的数据库上，甚至不同的数据库实例上，此时就不能用数据库原生事务来保证数据的一致性了。

高并发易落地的分布式事务，是行业没有很好解决的难题，那怎么办呢？
答： 补偿事务是一种常见的实践。

什么是补偿事务？
答：补偿事务，是一种在业务端实施业务逆向操作事务。

举个栗子：
修改余额，事务为：

int Do_AccountT(uid, money){
    start transaction;
         //余额改变money这么多
         CURD table t_account with money for uid;
         anyException rollback return NO;
    commit;
    return YES;
}

那么，修改余额，补偿事务可以是：

int Compensate_AccountT(uid, money){
         //做一个money的反向操作
         return Do_AccountT(uid, -1*money){

}

同理，订单操作，事务是：Do_OrderT，新增一个订单；
订单操作，补偿事务是：Compensate_OrderT，删除一个订单。

要保证余额与订单的一致性，伪代码：

// 执行第一个事务
int flag = Do_AccountT();
if(flag=YES){
    //第一个事务成功，则执行第二个事务
    flag= Do_OrderT();
    if(flag=YES){
        // 第二个事务成功，则成功
        return YES;
    }
    else{
        // 第二个事务失败，执行第一个事务的补偿事务
        Compensate_AccountT();
    }
}

补偿事务有什么缺点？

1. 不同的业务要写不同的补偿事务，不具备通用性；
2. 没有考虑补偿事务的失败；
3. 如果业务流程很复杂，if/else会嵌套非常多层；

画外音：上面的例子还只考虑了余额+订单的一致性，就有22=4个分支，如果要考虑余额+订单+流水的一致性，则会有22*2=8个if/else分支，复杂性呈指数级增长。

还有其它简易一致性实践么？
答：多个数据库实例上的多个事务，要保证一致性，可以进行 “后置提交优化”。

单库是用这样一个大事务保证一致性：

start transaction;
 CURD table t_account;  any Exception rollback;
 CURD table t_order;      any Exception rollback;
 CURD table t_flow;        any Exception rollback;
commit;

拆分成了多个库后，大事务会变成三个小事务：

start transaction1;
         //第一个库事务执行
         CURD table t_account; any Exception rollback;
         …
         
// 第一个库事务提交
commit1;
start transaction2;
         //第二个库事务执行
         CURD table t_order; any Exception rollback;
         …

// 第二个库事务提交
commit2;
start transaction3;
         //第三个库事务执行
         CURD table t_flow; any Exception rollback;
         …

// 第三个库事务提交
commit3;

画外音：再次提醒，这三个事务发生在三个库，甚至3个不同实例的数据库上。

一个事务，分成执行与提交两个阶段：

执行(CURD)的时间很长
提交(commit)的执行很快

于是整个执行过程的时间轴如下：
第一个事务执行200ms，提交1ms；
第二个事务执行120ms，提交1ms；
第三个事务执行80ms，提交1ms；

在什么时候，会出现不一致？
答：第一个事务成功提交之后，最后一个事务成功提交之前，如果出现问题（例如服务器重启，数据库异常等），都可能导致数据不一致。

画外音：如上图，最后202ms内出现异常，会出现不一致。

什么是后置提交优化？
答： 如果改变事务执行与提交的时序，变成事务先执行，最后一起提交。

第一个事务执行200ms，第二个事务执行120ms，第三个事务执行80ms；
第一个事务提交1ms，第二个事务提交1ms，第三个事务提交1ms；

后置提交优化后，在什么时候，会出现不一致？
答： 问题的答案与之前相同，第一个事务成功提交之后，最后一个事务成功提交之前，如果出现问题（例如服务器重启，数据库异常等），都可能导致数据不一致。

画外音：如上图，最后2ms内出现异常，会出现不一致。

有什么区别和差异？
答： 串行事务方案，总执行时间是303ms，最后202ms内出现异常都可能导致不一致；
后置提交优化方案，总执行时间也是303ms，但最后2ms内出现异常才会导致不一致；
虽然没有彻底解决数据的一致性问题，但不一致出现的概率大大降低了。

画外音：上面这个例子，概率降低了100倍。

后置提交优化，有什么不足？
答： 对事务吞吐量会有影响：
串行事务方案，第一个库事务提交，数据库连接就释放了；
后置提交优化方案，所有库的连接，要等到所有事务执行完才释放；
这就意味着，数据库连接占用的时间增长了，系统整体的吞吐量降低了。

---

总结

分布式事务，两种常见的实践：

• 补偿事务
• 后置提交优化

把

trx1.exec(); trx1.commit();
trx2.exec(); trx2.commit();
trx3.exec(); trx3.commit();

优化为：

trx1.exec(); trx2.exec(); trx3.exec();
trx1.commit(); trx2.commit(); trx3.commit();

这个小小的改动（改动成本极低），不能彻底解决多库分布式事务数据一致性问题，但能大大降低数据不一致的概率，牺牲的是吞吐量。
对于一致性与吞吐量的折衷，还需要业务架构师谨慎权衡折衷。

画外音：还是那句话，一切脱离业务常见的架构设计，都是耍流氓。
思路比结论重要，希望大家有收获。