1.数据不一致性产生原因
1.1.数据分散在多处: 多个DB; DB和缓存
案例:二手交易平台案例:用户、商品、交易等功能
电商平台购买商品:下单(订单库)-》减库存(商品库)-》支付(交易库)
2.分布式事务分类
2.1.刚性分布式事务
强一致性
XA模型 ->ACID
CAP -> CP
2.2.满足传统事务特性:
ACID
2.3.XA模型:
XA规范由AP(application), RM(数据源管理也就是数据库),TM(事务管理)组成
2.3.1.2PC-》2阶段提交
同步阻塞模型, 数据库资源锁定时间过长,全局锁(隔离级别串行化),并发低,不适合长事务场景
2.2.柔性分布式事务
最终一致性
CAP(AP)、BASE理伦
2.3.1.CAP
分布式环境下p一定需要,CA权衡折中
2.3.2.BASE理论
BAseically Available -基本可用
Soft state->柔性状态
Eventually consistency 最终一致性
3.柔性事务
3.1.TCC模型
Try - Confirm -Cancel
TCC模型完全交由业务实现,每个子业务都需要实现 Try-Confirm-Cancel接口
资源锁定交由业务
Try:尝试执行业务,完成所有业务检查,预留必要的业务资源
Confirm:真正执行业务,不再做业务检查
Cancel:释放Try阶段预留的业务资源
案例:
汇款服务、收款服务案例
3.2.Saga模型
Saga模型把一个分布式事务拆分成多个本地事务,每个本地事务都有执行模块和补偿模块(对应TCC中的Confirm,Cancel)
当Saga子事务T1,T2........,Tn都有对应的补偿定义C1,C2......,Cn-1那么Saga系统可以保证
事务序列T1,T2,.........,Tn得心完成(最佳情况 )
或者序列T1,T2.......,Tj,Cj-1,.......,0<j<n 得心完成
Saga隔离性
业务层控制并发,在应用层加锁,应用层预先冻结资源等
Saga恢复方式:
向后恢复:补偿所有已经完成的事务,如果任一子事务失败
向前恢复:重试失败的事务,假设每个子系统事务最终都 会成功
4.异步场景分布式事务设计
4.1.方案一:业务方提供本地操作成功回查功能
事务消息:MQ提供类似X/Open XA分布式事务功能 ,通过MQ事务消息能达到 分面式事务的最终一致
半消息:暂不能投递的消息,发送方已经将消息成功发送到了mq 服务器,但是服务端未收到生产者对该消息的二次确认,此时该消息被标志成“暂不能投递“状态,处于该种状态下的消息即半消息
消息回查:由于网络闪断、生产者应用重启等原因,导致某条事务消息的二次确认丢失,MQ服务端通过扫描发现某条消息长期处理”半消息“时,需要主动向消息生产者询问该消息的最终状态(Commit或者是Rollback),即消息回查
4.2.MQ分布式事务设计方案:
MQ事务消息设计事务消息作为一种异步确保事务,将两个事务分支通过MQ进行异步解耦,MQ事务消息的设计流程同样借鉴了两阶段提交理论,整体交互流程如下图所示:
缺点:
第一:MQ要提供半消息遍历
第二:业务方要提供成功回查功能
第三:发送消息非幂等
4.2.方案二:本地事务消息表
本地操作和发送消息通过本地事务强一致性
本地事务操作表, 本地事务消息表(msgid, content, topic, status)
业务入侵较小,线上常用的方案。