分布式事务（一）：基础理论及解决方案

在单体架构中，我们的事务可以通过数据库的ACID来操作，不会出现什么问题

但随着规模扩大，我们的逻辑服务进行拆分A,B,C…模块，部署在多台服务器，数据库一般也是多台，进行了分库分表等操作，这些A,B,C…模块间通过网络通信完成协作，此刻就产生了单体应用触发不了的问题：

1. 一致性问题： 既然是多个数据库，那么通过网络操作，客观上就会存在延时(短距离很小，当跨国时就很慢了)甚至不可达，
2. 可用性问题：用户访问某个页面，应该给提供可预期的结果，而不是浏览器报错，可以通过一些策略完成
3. 网络分区：在分布式场景中，不可避免的会出现多个模块系统协同工作，根据墨菲定律，就一定有几率发生网络中断、延时、不可达等客观存在问题

这三个问题也是分布式事务关注的核心问题：CAP理论

1. 分布式理论

1.1 CAP定理

1. 一致性(Consistency) ： 客户端知道一系列的操作都会同时发生(生效)
2. 可用性(Availability) ： 每个操作都必须以可预期的响应结束
3. 分区容错性(Partition tolerance) ： 即使出现单个组件无法可用，操作依然可以完成

具体地讲在分布式系统中，在任何数据库设计中，一个Web应用至多只能同时支持上面的两个属性

显然，任何横向扩展策略都要依赖于数据分区

因此，设计人员必须在一致性与可用性之间做出选择（二选一）

1.2 CAP的三种组合

分布式系统中，为了提高强一致性，应该使用更少的节点，这样更容易同步消息，而为了提高可用性，不得不增加节点，保证高可用，矛盾，所以需要取舍

1. CA：保证可用性和一致性，放弃分区

   除非不是分布式架构，或者应用在一个永不会通信故障的网络中(理想)，只有个别场景符合，当前的互联网架构显然不符合使用

2. CP：保证一致性和分区容忍性，放弃可用性

   当节点间不可通信时，进行阻塞，直到通信恢复，期间无法再对外提供服务，用户体验不好，如A转账给B，只有A扣款成功并B收款成功，整个事务才算完成，显然耗费资源

3. AP：保证可用性和分区容忍性，放弃强一致性(使用最终一致性)

   给出一个用户可以忍受的时间，时间内达成数据的最终一致性，比如跨行转账，并不是立刻到账，可能是明天，或者2小时内到账

1.3 BASE理论

在分布式系统中，我们往往追求的是可用性，它的重要程序比一致性要高，那么如何实现高可用性呢？

前人已经给我们提出来了另外一个理论，就是BASE理论，它是用来对CAP定理进行进一步扩充的

BASE理论指的是：

1. Basically Available（基本可用）
2. Soft state（软状态）
3. Eventually consistent（最终一致性）

BASE理论是对CAP中的一致性和可用性进行一个权衡的结果，理论的核心思想就是：我们无法做到强一致，但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual consistency）

---

2. 分布式事务

在分布式系统中，要实现分布式事务，无外乎以下解决方案

2.1 两阶段提交（2PC）

两阶段提交就是使用XA协议的原理，我们可以从下面这个图的流程来很容易的看出中间的一些比如commit和abort的细节

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

两阶段提交这种解决方案属于牺牲了一部分可用性来换取的一致性：整体可用性=每个数据库的可用性的乘积

优点： 尽量保证了数据的强一致，适合对数据强一致要求很高的关键领域。（其实也不能100%保证强一致）

缺点： 实现复杂，牺牲了可用性，对性能影响较大，不适合高并发高性能场景，如果分布式系统跨接口调用

2.2 补偿事务（TCC）

TCC 其实就是采用的补偿机制，其核心思想是：针对每个操作，都要注册一个与其对应的确认和补偿（撤销）操作

它分为三个阶段：

1. Try 阶段主要是对业务系统做检测及资源预留

2. Confirm 阶段主要是对业务系统做确认提交，Try阶段执行成功并开始执行 Confirm阶段时，默认 Confirm阶段是不会出错的。即：只要Try成功，Confirm一定成功。

3. Cancel 阶段主要是在业务执行错误，需要回滚的状态下执行的业务取消，预留资源释放。

举个例子，假入 Bob 要向 Smith 转账，思路大概是：
我们有一个本地方法，里面依次调用
1、首先在 Try 阶段，要先调用远程接口把 Smith 和 Bob 的钱给冻结起来。
2、在 Confirm 阶段，执行远程调用的转账的操作，转账成功进行解冻。
3、如果第2步执行成功，那么转账成功，如果第二步执行失败，则调用远程冻结接口对应的解冻方法 (Cancel)。

优点： 跟2PC比起来，实现以及流程相对简单了一些，但数据的一致性比2PC也要差一些

缺点： 缺点还是比较明显的，在2,3步中都有可能失败

TCC属于应用层的一种补偿方式，所以需要程序员在实现的时候多写很多补偿的代码，在一些场景中，一些业务流程可能用TCC不太好定义及处理

2.3 本地消息表（异步确保）

本地消息表这种实现方式应该是业界使用最多的，其核心思想是将分布式事务拆分成本地事务进行处理，这种思路是来源于ebay

我们可以从下面的流程图中看出其中的一些细节：

基本思路就是：

消息生产方，需要额外建一个消息表，并记录消息发送状态。消息表和业务数据要在一个事务里提交，也就是说他们要在一个数据库里面。然后消息会经过MQ发送到消息的消费方。如果消息发送失败，会进行重试发送。

消息消费方，需要处理这个消息，并完成自己的业务逻辑。此时如果本地事务处理成功，表明已经处理成功了，如果处理失败，那么就会重试执行。如果是业务上面的失败，可以给生产方发送一个业务补偿消息，通知生产方进行回滚等操作。

生产方和消费方定时扫描本地消息表，把还没处理完成的消息或者失败的消息再发送一遍。如果有靠谱的自动对账补账逻辑，这种方案还是非常实用的。

这种方案遵循BASE理论，采用的是最终一致性，笔者认为是这几种方案里面比较适合实际业务场景的，即不会出现像2PC那样复杂的实现(当调用链很长的时候，2PC的可用性是非常低的)，也不会像TCC那样可能出现确认或者回滚不了的情况。

优点： 一种非常经典的实现，避免了分布式事务，实现了最终一致性。在 .NET中 有现成的解决方案

缺点： 消息表会耦合到业务系统中，如果没有封装好的解决方案，会有很多杂活需要处理

2.4 MQ 事务消息

有一些第三方的MQ是支持事务消息的，比如 Kafka、RocketMQ，他们支持事务消息的方式也是类似于采用的二阶段提交

关于Kafka的事务，参考：Kafka 0.11后幂等性和事务的基本原理和流程

优点： 实现了最终一致性，不需要依赖本地数据库事务

2.5 Sagas 事务模型

参考：聊聊分布式事务，再说说解决方案

参考：分布式事务 CAP 理解论证 解决方案