数据同步一致性_微服务架构：利用事件驱动实现最终一致性

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