事务一致性
首先,我们来回顾一下ACID原则:
- Atomicity:原子性,改变数据状态要么是一起完成,要么一起失败
- Consistency:一致性,数据的状态是完整一致的
- Isolation:隔离线,即使有并发事务,互相之间也不影响
- Durability:持久性, 一旦事务提交,不可撤销
在单体应用中,我们可以利用关系型数据库的特性去完成事务一致性,但是一旦应用往微服务发展,根据业务拆分成不用的模块,而且每个模块的数据库已经分离开了,这时候,我们要面对的就是分布式事务了,需要自己在代码里头完成ACID了。比较流行的解决方案有:两阶段提交、补偿机制、本地消息表(利用本地事务和MQ)、MQ的事务消息(RocketMQ)。
CAP定理
1998年,加州大学的计算机科学家 Eric Brewer 提出,分布式系统有三个指标。
- Consistency:一致性
- Availability:可用性
- Partition tolerance:分区容错
Eric Brewer 说,这三个指标不可能同时做到。这个结论就叫做 CAP 定理。
微服务中,不同模块之间使用的数据库是不同的,不同模块之间部署的服务去也有可能是不用的,那么分区容错是无法避免的,因为服务之间的调用不能保证百分百的没问题,所以系统设计必须考虑这种情况。因此,我们可以认为CAP的P总是成立的,剩下的C和A无法同时做到。
实际上根据分布式系统中CAP原则,当P(分区容忍)发生的时候,强行追求C(一致性),会导致(A)可用性、吞吐量下降,此时我们一般用最终一致性来保证我们系统的AP能力。当然不是放弃C,而是放弃强一致性,而且在一般情况下CAP都能保证,只是在发生分区容错的情况下,我们可以通过最终一致性来保证数据一致。
事件驱动实现最终一致性
事件驱动架构在领域对象之间通过异步的消息来同步状态,有些消息也可以同时发布给多个服务,在消息引起了一个服务的同步后可能会引起另外消息,事件会扩散开。严格意义上的事件驱动是没有同步调用的。
例子:
在电商里面,用户下单必须根据库存来确定订单是否成交。
项目架构:SpringBoot2+Mybatis+tk-Mybatis+ActiveMQ【因为小例子,不做成Spring Cloud架构】
首先,我们来看看正常的服务之间调用:
代码:
@Override@Transactional(rollbackFor = Exception.class)public Result placeOrder(OrderQuery query) { Result result = new Result(); // 先远程调用Stock-Service去减少库存 RestTemplate restTemplate = new RestTemplate(); //请求头 HttpHeaders headers = new HttpHeaders(); headers.setContentType(MediaType.APPLICATION_JSON); //封装成一个请求对象 HttpEntity entity = new HttpEntity(query, headers); // 同步调用库存服务的接口 Result stockResult = restTemplate.postForObject("http://127.0.0.1:8081/stock/reduceStock