本地事务与分布式事务

目录

一、本地事务

1、事务的基本性质

2、事务的隔离级别

3、事务的传播行为

4、SpringBoot 事务关键点

二、分布式事务

1、为什么有分布式事务

2、CAP 定理与 BASE 理论

3、分布式事务几种方案

---

一、本地事务

1、事务的基本性质

数据库事务的几个特性：原子性 (Atomicity ) 、一致性 ( Consistency ) 、隔离性或独立性 ( Isolation)

和持久性 (Durabilily) ，简称就是 ACID ；

• 原子性：一系列的操作整体不可拆分，要么同时成功，要么同时失败
• 一致性：数据在事务的前后，业务整体一致。
  • 转账。A:1000；B:1000； 转 200   事务成功; A：800  B：1200
• 隔离性：事务之间互相隔离。
• 持久性：一旦事务成功，数据一定会落盘在数据库。

在以往的单体应用中，我们多个业务操作使用同一条连接操作不同的数据表，一旦有异常，我们可以很容易的整体回滚；

Business ：我们具体的业务代码

Storage ：库存业务代码；扣库存

Order ：订单业务代码；保存订单

Account ：账号业务代码；减账户余额

比如买东西业务，扣库存，下订单，账户扣款，是一个整体；必须同时成功或者失败

一个事务开始，代表以下的所有操作都在同一个连接里面；

2、事务的隔离级别

READ UNCOMMITTED（读未提交）

该隔离级别的事务会读到其它未提交事务的数据，此现象也称之为脏读。

READ COMMITTED（读已提交）

一个事务可以读取另一个已提交的事务，多次读取会造成不一样的结果，此现象称为不可重复读问题，Oracle 和 SQL Server 的默认隔离级别。

REPEATABLE READ（可重复读）

该隔离级别是 MySQL 默认的隔离级别，在同一个事务里， select 的结果是事务开始时时间点的状态，因此，同样的 select 操作读到的结果会是一致的，但是，会有幻读现象。 MySQL的 InnoDB 引擎可以通过 next-key locks 机制（参考下文 " 行锁的算法 " 一节）来避免幻读。

SERIALIZABLE（序列化）

在该隔离级别下事务都是串行顺序执行的， MySQL 数据库的 InnoDB 引擎会给读操作隐式加一把读共享锁，从而避免了脏读、不可重读复读和幻读问题。

3、事务的传播行为

1 、 PROPAGATION_REQUIRED ： 如果当前没有事务，就创建一个新事务，如果当前存在事务，就加入该事务，该设置是最常用的设置。

2 、 PROPAGATION_SUPPORTS ： 支持当前事务，如果当前存在事务，就加入该事务，如果当前不存在事务，就以非事务执行。

3 、 PROPAGATION_MANDATORY ： 支持当前事务，如果当前存在事务，就加入该事务，如果当前不存在事务，就抛出异常。

4 、 PROPAGATION_REQUIRES_NEW ： 创建新事务，无论当前存不存在事务，都创建新事务。

5 、 PROPAGATION_NOT_SUPPORTED ： 以非事务方式执行操作，如果当前存在事务，就把当前事务挂起。

6 、 PROPAGATION_NEVER ： 以非事务方式执行，如果当前存在事务，则抛出异常。

7 、 PROPAGATION_NESTED ： 如果当前存在事务，则在嵌套事务内执行。如果当前没有事务， 则执行与 PROPAGATION_REQUIRED 类似的操作。

4、SpringBoot 事务关键点

① 事务的自动配置

TransactionAutoConfiguration

② 事务的坑

在同一个类里面，编写两个方法，内部调用的时候，会导致事务设置失效。原因是没有用到 代理对象的缘故。

解决：

0 ）、导入 spring-boot-starter-aop

1 ）、 @EnableTransactionManagement(proxyTargetClass = true)

2 ）、 @EnableAspectJAutoProxy(exposeProxy=true)

3 ）、 AopContext.currentProxy() 调用方法

二、分布式事务

1、为什么有分布式事务

分布式系统经常出现的异常

机器宕机、网络异常、消息丢失、消息乱序、数据错误、不可靠的 TCP 、存储数据丢失 ...

 

分布式事务是企业集成中的一个技术难点，也是每一个分布式系统架构中都会涉及到的一个东西，特别是在微服务架构中，几乎可以说是无法避免。

2、CAP 定理与 BASE 理论

① CAP 定理

CAP 原则又称 CAP 定理，指的是在一个分布式系统中

• 一致性（Consistency）

在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）

• 可用性（Availability）

在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）

• 分区容错性（Partition tolerance）

大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（ partition ）。分区容错的意思是，区间通信可能失败。比如，一台服务器放在中国，另一台服务器放在美国，这就是两个区，它们之间可能无法通信。

CAP 原则指的是，这三个要素最多只能同时实现两点， 不可能三者兼顾 。

一般来说，分区容错无法避免，因此可以认为 CAP 的 P 总是成立。 CAP 定理告诉我们， 剩下的 C 和 A 无法同时做到。可以看看这篇文章，理解一下AP和CP： CAP里面的CP和AP_cap cp ap_若石之上的博客-CSDN博客一、为什么分布式系统要么是CP要么是AP呢？1、分布式系统：分布式系统是一个硬件或软件组件分布在不同的网络计算机上，彼此之间仅仅通过消息传递进行通信和协调的系统。2、从分布式系统的定义可知，分布式是建立在网络之上的，既然有网络，那么肯定会存在网络出现问题的情况，那意味着我们在设计分布式系统的时候，必须要考虑的一个点就是：如果网络出现了问题，那么我们的系统应该怎么做。3、分区：一个分..._cap cp aphttps://blog.csdn.net/duzm200542901104/article/details/105775134?spm=1001.2014.3001.5506

分布式系统中实现一致性的 raft 算法演示

http://thesecretlivesofdata.com/raft/

 

② 面临的问题

对于多数大型互联网应用的场景，主机众多、部署分散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性达到 99.99999% （ N 个 9 ），即保证P 和 A，舍弃 C。

③ BASE 理论

是对 CAP 理论的延伸，思想是即使无法做到强一致性（ CAP 的一致性就是强一致性），但可以采用适当的采取弱一致性，即最终一致性 。

BASE 是指

• 基本可用（Basically Available）
  • 基本可用是指分布式系统在出现故障的时候，允许损失部分可用性（例如响应时间、功能上的可用性），允许损失部分可用性。需要注意的是，基本可用绝不等价于系统不可用。
    • 响应时间上的损失：正常情况下搜索引擎需要在 0.5 秒之内返回给用户相应的查询结果，但由于出现故障（比如系统部分机房发生断电或断网故障），查询结果的响应时间增加到了 1~2 秒。
    • 功能上的损失：购物网站在购物高峰（如双十一）时，为了保护系统的稳定性，部分消费者可能会被引导到一个降级页面。
• 软状态（ Soft State）
  • 软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据会有多个副本，允许不同副本同步的延时就是软状态的体现。mysql replication 的异步复制也是一种体现。         
• 最终一致性（ Eventual Consistency）
  • 最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。

④ 强一致性、弱一致性、最终一致性

从客户端角度，多进程并发访问时，更新过的数据在不同进程如何获取的不同策略，决定了不同的一致性。对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一 致性 。如果能容忍后续的部分或者全部访问不到，则是 弱一致性 。如果经过一段时间后要求能访问到更新后的数据，则是最终一致性

3、分布式事务几种方案

① 2PC 模式

数据库支持的 2PC 【 2 phase commit 二阶提交】，又叫做 XA Transactions 。

MySQL 从 5.5 版本开始支持， SQL Server 2005 开始支持， Oracle 7 开始支持。

其中， XA 是一个两阶段提交协议，该协议分为以下两个阶段：

第一阶段：事务协调器要求每个涉及到事务的数据库预提交 (precommit) 此操作，并反映是

否可以提交 .

第二阶段：事务协调器要求每个数据库提交数据。

其中，如果有任何一个数据库否决此次提交，那么所有数据库都会被要求回滚它们在此事务中的那部分信息

• 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。
• XA 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。
• 也有 3PC，引入了超时机制（无论协调者还是参与者，在向对方发送请求后，若长时间
• 未收到回应则做出相应处理）

② 柔性事务 -TCC 事务补偿型方案

刚性事务：遵循 ACID 原则，强一致性。

柔性事务：遵循 BASE 理论，最终一致性；

与刚性事务不同，柔性事务允许一定时间内，不同节点的数据不一致，但要求最终一致。

 

一阶段 prepare 行为：调用 自定义 的 prepare 逻辑。

二阶段 commit 行为：调用 自定义 的 commit 逻辑。

二阶段 rollback 行为：调用 自定义 的 rollback 逻辑。

所谓 TCC 模式，是指支持把 自定义 的分支事务纳入到全局事务的管理中。

 

③ 柔性事务 - 最大努力通知型方案

按规律进行通知， 不保证数据一定能通知成功，但会提供可查询操作接口进行核对 。这种方案主要用在与第三方系统通讯时，比如：调用微信或支付宝支付后的支付结果通知。这种方案也是结合MQ 进行实现，例如：通过 MQ 发送 http 请求，设置最大通知次数。达到通知次数后即不再通知。

案例：银行通知、商户通知等（各大交易业务平台间的商户通知：多次通知、查询校对、对账文件），支付宝的支付成功异步回调

④ 柔性事务 - 可靠消息 + 最终一致性方案（异步确保型）

实现：业务处理服务在业务事务提交之前，向实时消息服务请求发送消息，实时消息服务只记录消息数据，而不是真正的发送。业务处理服务在业务事务提交之后，向实时消息服务确认发送。只有在得到确认发送指令后，实时消息服务才会真正发送。