概述
- CAP 原理
- ACID原理与BASE原理
- 基于XA协议的两阶段提交
- 事物补偿机制
- 基于本地消息表的最终一致方案
- 基于MQ消息队列的最终一致方案
分布式事务问题
- 传统的应用都是单一数据库事务
- 所有的业务表都在同一数据库内
- 数据库的事务可以很好的得到支持
- 分布式系统中,业务拆分成多个数据库
- 多个独立的数据库之间,无法统一事务造成数据不一致
- 比如:一个下单操作,用户使用积分购买商品
- 用户库扣减积分,订单库生成订单,商品库扣减库存
- 由于它们不在同一数据库,不能保证事务统一
解决方案
- 基于XA协议的两阶段提交
- 事务补偿机制
- 基于本地消息表+定时任务的最终一致方案
- 基于 MQ 的最终一致性方案
基于XA协议的两阶段提交
XA是由X/Open组织提出的分布式事务的规范
由一个事务管理器™ 和多个资源管理器(RM)组成
提交分为两个阶段: prepare和commit
保证数据的强一致性
commit阶段出现问题,事务出现不一致,需人工处理
效率低下,性能与本地事务相差10倍
MySq|5.7及以上均支持XA协议
MySql Connector/J 5.0以上支持XA协议
Java系统中,数据源采用Atomikos
MyCat分布式事务
TODO 代码实现
Sharding JDBC 分布式事务
TODO 代码实现
事务补偿机制
TODO 代码实现
- 什么是事务补偿机制?
- 针对每个操作,都要注册一个与其对应的补偿(撤销)操作
- 在执行失败时,调用补偿操作,撤销之前的操作
A给B转账的例子,A和B在两家不同的银行
A账户减200元,
B账户加200元
两个操作要保证原子性,要么全成功、要么全失败
由于A和B在两家不同的银行,所以存在分布式事务的问题
转账接口需要提供补偿机制
保证了A和B的帐是没有问题的
- 优点:逻辑清晰、流程简单
- 缺点:数据一 致性比XA还要差,可能出错的点比较多
- TCC属于应用层的一种补偿方式,程序员需要写大量代码
基于本地消息表的最终一致方案
基于本地消息表
- 采用BASE原理,保证事务最终一致
- 在一致性方面,允许一段时间内的不一致,但最终会一致
- 在实际的系统当中,要根据具体情况,判断是否采用
基于本地消息表的方案中,将本事务外操作,记录在消息表中
其他事务,提供操作接口
定时任务轮询本地消息表,将未执行的消息发送给操作接口
操作接口处理成功,返回成功标识,处理失败返回失败标识
定时任务接到标识,更新消息的状态
定时任务按照一定的周期反复执行
对于屡次失败的消息,可以设置最大失败次数
超过最大失败次数的消息,不再继续调用
等待人工处理
- 优点:避免了分布式事务,实现了最终一致性
- 缺点:要注意重试时的幂等性操作
TODO 代码实现
基于MQ的最终一致方案
原理、流程与本地消息表类似
不同点:本地消息表改为MQ
不同点:定时任务改为MQ的消费者
不依赖定时任务,基于MQ更高效、更可靠
适合于公司内的系统
不同公司之间无法基于MQ,本地消息表更适合
TODO 代码实现