@Transaction注解只能对单一数据源生效
在前文中的
Spring事务传播机制
@Transactional(rollbackFor = Exception.class)
public void doPay(RefillRequest refillRequest) {
// 完成支付转账
accountAmountService.transfer(refillRequest.getUserAccountId(),
refillRequest.getBusinessAccountId(), refillRequest.getPayAmount());
// 创建充值订单
refillOrderService.add(createRefillOrder(refillRequest));
// 给用户增加一次抽奖机会
lotteryDrawService.increment(refillRequest.getUserAccountId());
// 给用户增加充值面值5%的积分
try {
creditService.increment(refillRequest.getUserAccountId(),
(double)Math.round((refillRequest.getPayAmount() * 0.05) * 100) / 100);
} catch (Exception e) {
e.printStackTrace();
}
// 如果使用了券的话,标记使用的券状态为已使用
if(refillRequest.getCoupon() != null && refillRequest.getCoupon().getId() != null) {
couponService.markCouponUsed(refillRequest.getCoupon().getId());
}
// 如果要赠送券的话,就会插入一张券
CouponActivity couponActivity = refillRequest.getDataPackage().getCouponActivity();
if(couponActivity != null && couponActivity.getId() != null) {
couponService.insert(createCoupon(refillRequest, couponActivity));
}
成立的前提是:转账,订单,抽奖,积分这些都在同一个数据库,@Transactional
这个注解才会生效。
随着业务量在增长,面临分库分表。这个几个服务被拆分为不同的数据库之后,
@Transactional加上也是失效了
可以实验一下:
在增加积分接口实现里抛出异常
@Transactional(rollbackFor = Exception.class)
public void increment(Long userAccountId, Double updatedPoint) {
creditMapper.increment(userAccountId, updatedPoint);
throw new NullPointerException("null point");
}
即使加了@Transactional,
@Transactional(rollbackFor = Exception.class)
public void finishRefillData(RefillRequest refillRequest) {
积分增加异常,但是依然转账成功了
分布式事务理论
1、XA规范
跨多个库的分布式事务的一个问题,有个叫做X/Open的组织,很早以前就定义了一整套的解决方案来处理分布式事务的问题。这里面有几个角色,就是AP(Application,应用程序),TM(Transaction Manager,事务管理器),RM(Resource Manager,资源管理器),CRM(Communication Resource Manager,通信资源管理器)
其实
Application:就是我们的系统,
TM:系统里嵌入的一个专门管理横跨多个数据库事务的一个组件
RM:说白了就是数据库(比如MySQL),
CRM:可以是消息中间件(但是也可以不用这个)
XA规范定义了一个很重要的概念,就是全局事务,就:任何一个操作失败了,其他所有库的操作全部回滚,这就是所谓的分布式事务
XA说白了,就是定义好的那个TM与RM之间的接口规范,就是管理分布式事务的那个组件跟各个数据库之间通信的一个接口,说白了就是这个意思
这个XA仅仅是个规范,具体的实现是数据库产商来提供的,比如说MySQL就会提供XA规范的接口函数和类库实现,等等
2、2PC理论
XA接口规范也是一个比较务虚的一个东西,光靠我说的这些东西还是没法落地的
2PC说白了就是基于XA规范搞的一套分布式事务的理论,也可以叫做一套规范,或者是协议,。Two-Phase-Commitment-Protocol,两阶段提交协议
2PC,其实就是基于XA规范,来让分布式事务可以落地,定义了很多实现分布式事务过程中的一些细节
(1)准备阶段
简单来说,就是TM先发送个prepare消息给各个数据库,让各个库先把分布式事务里要执行的各种操作,先准备执行,其实此时各个库会差不多先执行好,就是不提交罢了,也可以认为是prepare消息一发,各个库先在本地开个事务,然后执行好SQL,而且注意这里各个数据库会准备好随时可以提交或者是回滚,有对应的日志记录的。
然后各个数据库都返回一个响应消息给事务管理器,如果成功了就发送一个成功的消息,如果失败了就发送一个失败的消息。
(2)提交阶段
如果prepare阶段,任意一个返回失败,或者超过指定时间没有返回。
这个时候TM直接判定这个分布式事务失败,然后TM通知所有的数据库,全部回滚回滚,其实这里你可以认为是通知每个数据库,把自己本地的那个事务回滚不就得了,然后各个库都回滚好了以后就通知TM,TM就认为整个分布式事务都回滚了
如果prepare阶段TM接收到所有的数据库返回的消息都是成功,直接发送个消息通知各个数据库说提交,提交好了通知下TM,TM要是发现所有数据库的事务都提交成功了,就认为整个分布式事务成功了。
2PC 二阶段提交协议的缺点:
1、TM单点故障
2、事务执行期间被锁定的资源,性能较低:
如果TM挂了或者网络故障,会导致很长时间一直被阻塞。
3、脑裂:在提交阶段,某个消息commit网络故障一直没有接收到,导致事务部分提交
4、事务状态丢失:即使把TM做成一个双机热备的,一个TM挂了自动选举其他的TM出来,但是如果TM挂掉的同时,接收到commit消息的某个库也挂了,两者同时挂,此时即使重新选举了其他的TM,压根儿不知道这个分布式事务当前的状态,因为不知道哪个库接收过commit消息,因为那个接收过commit消息的库也挂了。
3PC 三阶段提交
三段提交(3PC)是对两段提交(2PC)的一种升级优化,3PC在2PC的第一阶段和第二阶段中插入一个准备阶段。保证了在最后提交阶段之前,各参与者节点的状态都一致。同时在协调者和参与者中都引入超时机制,当参与者各种原因未收到协调者的commit请求后,会对本地事务进行commit,不会一直阻塞等待,解决了2PC的单点故障问题。
但3PC 还是没能从根本上解决数据一致性的问题。
3PC的缺陷:
如果TM在DoCommit阶段发送了abort消息给各个库,脑裂,某个库没接收到abort消息自己执行了commit操作,产生不一致性
所以2PC,3PC也好,都没法完全保证分布式事务的ok的,总有一些特殊情况下会出问题的。
JTA事务&&全局事务
全局事务,Global Transaction,是DTP模型中的一个概念,全局事务,指的其实就是说跨多个数据库的这么一个分布式事务
JTA事务,站在另外一个角度,其实是J2EE中的一个概念,Java Transaction API,JTA一套分布式事务的编程API
XA,实际上来说是一种接口规范,就是说TM在跟数据库(RM)进行通信时的接口规范,按照一套什么样的规范来管理和执行一整套的分布式事务呢,XA接口规范中定义的流程是什么样的呢?
start -> end
prepare -> commit / rollback
基于JTA + Druid多数据源 + Atomikos的 @Transactional的XA分布式事务支持改造
整合在spring boot + druid生产级环境中的一套单系统跨多库的分布式事务实践,使用的JTA事务管理器,加上Atomikos分布式事务的框架,Atomikos框架主要是提供了支持分布式事务的DataSource数据源的一个支持
JTA主要是提供了事务管理器,也就是分布式事务流程管控的这么一套机制
步骤如下:
1、pom.xml中引入依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-jta-atomikos</artifactId>
</dependency>
2、修改application.yml配置文件
activity:
datasource:
# type: com.alibaba.druid.pool.DruidDataSource 改造前
type: com.alibaba.druid.pool.xa.DruidXADataSource
## 新增
jta:
log-dir: classpath:tx-logs
transaction-manager-id: txManager
3、重构druid数据源配置类
/**
* 创建druid数据库连接池bean
* @return
*/
@Bean(name = "activityDataSource")
@Primary
public DataSource activityDataSource(){
// DruidDataSource datasource = new DruidDataSource(); 改造前
DruidXADataSource datasource = new DruidXADataSource();
datasource.setUrl(this.dbUrl);
datasource.setUsername(username);
datasource.setPassword(password);
datasource.setDriverClassName(driverClassName);
datasource.setInitialSize(initialSize);
datasource.setMinIdle(minIdle);
datasource.setMaxActive(maxActive);
datasource.setMaxWait(maxWait);
datasource.setTimeBetweenEvictionRunsMillis(timeBetweenEvictionRunsMillis);
datasource.setMinEvictableIdleTimeMillis(minEvictableIdleTimeMillis);
datasource.setValidationQuery(validationQuery);
datasource.setTestWhileIdle(testWhileIdle);
datasource.setTestOnBorrow(testOnBorrow);
datasource.setTestOnReturn(testOnReturn);
datasource.setPoolPreparedStatements(poolPreparedStatements);
datasource.setMaxPoolPreparedStatementPerConnectionSize(maxPoolPreparedStatementPerConnectionSize);
try {
datasource.setFilters(filters);
} catch (SQLException e) {
e.printStackTrace();
}
datasource.setConnectionProperties(connectionProperties);
// return datasource; 改造前
AtomikosDataSourceBean atomikosDataSource = new AtomikosDataSourceBean();
atomikosDataSource.setXaDataSource(datasource); //改造后
return atomikosDataSource;
}
// @Bean(name = "activityTransactionManager")
// @Primary
// public DataSourceTransactionManager activityTransactionManager() {
// return new DataSourceTransactionManager(activityDataSource());
// } 改造前
@Bean(name = "xatx") //改造后
@Primary
public JtaTransactionManager activityTransactionManager() {
UserTransactionManager userTransactionManager = new UserTransactionManager();
UserTransaction userTransaction = new UserTransactionImp();
return new JtaTransactionManager(userTransaction, userTransactionManager);
}
注意多个数据源的配置类DataSourceConfig里只需要定义一个JtaTransactionManager 即可。
xatx 就是JTA分布式事务管理器的名称
@Transactional(transactionManager = "xatx", rollbackFor = Exception.class)
public void doPay(RefillRequest refillRequest) {
// 完成支付转账
accountAmountService.transfer(refillRequest.getUserAccountId(),
refillRequest.getBusinessAccountId(), refillRequest.getPayAmount());
// 创建充值订单
refillOrderService.add(createRefillOrder(refillRequest));
// 给用户增加一次抽奖机会
lotteryDrawService.increment(refillRequest.getUserAccountId());
// 给用户增加充值面值5%的积分
creditService.increment(refillRequest.getUserAccountId(),
(double)Math.round((refillRequest.getPayAmount() * 0.05) * 100) / 100);
// 如果使用了流量券的话,标记使用的流量券状态为已使用
if(refillRequest.getCoupon() != null && refillRequest.getCoupon().getId() != null) {
couponService.markCouponUsed(refillRequest.getCoupon().getId());
}
// 如果要赠送流量券的话,就会插入一张流量券
CouponActivity couponActivity = refillRequest.getDataPackage().getCouponActivity();
if(couponActivity != null && couponActivity.getId() != null) {
couponService.insert(createCoupon(refillRequest, couponActivity));
}
在增加积分的环节故意抛出异常
@Override
public void increment(Long userAccountId, Double updatedPoint) {
creditMapper.increment(userAccountId, updatedPoint);
throw new NullPointerException("null point");
}
在增加积分的时候抛出空指针异常
,查询分库,积分已经回滚
转账也已经回滚
一旦走了XA分布式事务之后,性能极差
(1)跨4~5个库的分布式事务的操作,750m左右完成
(2)跨4~5个库,你不用分布式事务,任何事务都不用,650ms左右
如果在更加复杂的场景里面,XA分布式事务,性能最极端的情况下,会降低10倍
不用XA分布式事务,可能就是50ms,用了就是500ms