分布式事务解决方案

Posted taozihk

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了分布式事务解决方案相关的知识，希望对你有一定的参考价值。

Spring Cloud 分布式事务管理

在微服务如火如荼的情况下，越来越多的项目开始尝试改造成微服务架构，微服务即带来了项目开发的方便性，又提高了运维难度以及网络不可靠的概率.

在说微服务的优缺点时，有对比才会更加明显，首先说一下单体式结构

 

单体式架构

在单体式架构中，系统通常采用分层架构模式（MVC），持久化层、表示层，业务逻辑层。架构主要存在以下问题：

  • 系统内部互相访问，耦合紧密导致难以维护；
  • 各业务领域需要采用相同的技术栈，难以快速应用新技术（例如使用SSH很难向SSM改造）；
  • 对系统的任何修改都必须整个系统一起重新部署/升级；
  • 在系统负载增加时，难以进行水平扩展；
  • 当系统中一处出现问题，会影响整个系统；

为了克服以上缺点，微服务架构应运而生。微服务，又叫微服务架构。微服务就是一些协同工作的小而自治的服务.

 

 

微服务架构

 

优点:

  • 技术异构性
    在不同的服务中，可以使用不同的技术来各自开发，只要保证服务间能相互协作即可

     

  • 弹性
    当微服务中的某一个服务不可用时，不会影响整个系统，只会影响相关功能不可用

  • 扩展
    易于扩展，使用小的多个服务，更加易于扩展新的功能

  • 简化部署
    某个服务的更新部署，不需要重新部署整个应用

  • 可组合
    通过组合多个服务，可以提供一些新的功能

  • 可替代
    因为每个微服务都比较小，重新实现某一个服务或者直接删除该服务都是可操作的

缺点:

  • 复杂度高

    微服务间通过REST、RPC等形式交互，相对于单体模式，需要考虑被调用方故障、过载、消息丢失等各种异常情况，代码逻辑更加复杂。

    对于微服务间的事务性操作，因为不同的微服务采用了不同的数据库，将无法利用数据库本身的事务机制保证一致性，需要引入二阶段提交等技术。

    同时，在微服务间存在少部分共用功能但又无法提取成微服务时，各个微服务对于这部分功能通常需要重复开发，或至少要做代码复制，以避免微服务间的耦合，增加了开发成本。

  • 运维复杂
    在采用微服务架构时，系统由多个独立运行的微服务构成，需要一个设计良好的监控系统对各个微服务的运行状态进行监控。运维人员需要对系统有细致的了解才对够更好的运维系统。

  • 影响性能
    相对于单体架构，微服务的间通过REST、RPC等形式进行交互，通信的时延会受到较大的影响。

 

分布式事务的引入

 

正如上面所说

对于微服务间的事务性操作，因为不同的微服务采用了不同的数据库，将无法利用数据库本身的事务机制保证一致性，需要引入二阶段提交等技术。
在单体项目中，很容易做到事务控制，而在多个服务之间很难实现

假设服务调用如下：A B C D 的事务均在各个服务控制，如何做到，统一协调，保证数据的一致性？

 

 

分布式事务解决方案

  • 基于XA协议的两阶段提交

XA是一个分布式事务协议，由提出。XA中大致分为两部分：事务管理器和本地资源管理器。其中本地资源管理器往往由数据库实现，比如Oracle、DB2这些商业数据库都实现了XA接口，而事务管理器作为全局的调度者，负责各个本地资源的提交和回滚。XA实现分布式事务的原理如下： 

第一阶段：

 

第二阶段

 

总的来说，XA协议比较简单，而且一旦商业数据库实现了XA协议，使用分布式事务的成本也比较低。但是，XA也有致命的缺点，那就是性能不理想，特别是在交易下单链路，往往并发量很高，XA无法满足高并发场景。XA目前在商业数据库支持的比较理想，在mysql数据库中支持的不太理想，mysql的XA实现，没有记录prepare阶段日志，主备切换回导致主库与备库数据不一致。许多nosql也没有支持XA，这让XA的应用场景变得非常狭隘。

  • 消息事务+最终一致性

所谓的消息事务就是基于消息中间件的两阶段提交，本质上是对消息中间件的一种特殊利用，它是将本地事务和发消息放在了一个分布式事务里，保证要么本地操作成功成功并且对外发消息成功，要么两者都失败，开源的RocketMQ就支持这一特性.

该方案采用最终一致的，牺牲了一致性，换来了性能的大幅度提升。存在造成数据不一致的风险

  • TCC编程模式

所谓的TCC编程模式，也是两阶段提交的一个变种。TCC提供了一个编程框架，将整个业务逻辑分为三块：Try、Confirm和Cancel三个操作。以在线下单为例，Try阶段会去扣库存，Confirm阶段则是去更新订单状态，如果更新订单失败，则进入Cancel阶段，会去恢复库存。总之，TCC就是通过代码人为实现了两阶段提交，不同的业务场景所写的代码都不一样，复杂度也不一样，因此，这种模式并不能很好地被复用。

 

具体实现

  • LCN

https://github.com/codingapi/tx-lcn

目前 LCN为 4.1 版本

主要特点：

  • 支持各种基于spring的db框架
  • 兼容SpringCloud、Dubbo、motan
  • 使用简单，低依赖，代码完全开源
  • 基于切面的强一致性事务框架
  • 高可用，模块可以依赖RPC模块做集群化，TxManager也可以做集群化
  • 支持本地事务和分布式事务共存
  • 支持事务补偿机制，增加事务补偿决策提醒
  • 采用强一致性方案，事务要不全部成功，要不全部失败，保证了事务的一致性，代码简单，原有项目只需引入相关 jar 包，并在需要参与的事务的方法添加注解即可，节省了代码改造成本.

Spring Cloud示例：

添加依赖

在需要执行的事务上添加注解

 

其中 @TxTransaction(isStart=true) 为lcn 事务控制注解，其中 isStart=true 表示该方法是事务的发起方例如，服务A 需要调用服务B,服务B 需要调用服务C，此时 服务A为服务发起方，其余为参与方，参与方只需 @TxTransaction 即可

在测试时需要将 事务管理服务启动 txManager, 具体示例参看：https://www.txlcn.org

  • ByteTCC

https://github.com/liuyangming/ByteTCC
ByteTCC是一个基于TCC（Try/Confirm/Cancel）机制的分布式事务管理器。兼容JTA，可以很好的与EJB、Spring等容器（本文档下文说明中将以Spring容器为例）进行集成。

ByteTCC特性
1、支持Spring容器的声明式事务管理；
2、支持普通事务、TCC事务、业务补偿型事务等事务机制；
3、支持多数据源、跨应用、跨服务器等分布式事务场景；
4、支持长事务；
5、支持dubbo服务框架；
6、支持spring cloud；

该实现方式，需要在业务层编写对应的tcc（Try/Confirm/Cancel） 方法，开发需要一定的成本，同时某些业务可能无法保证数据可回滚

查看示例：https://github.com/liuyangming/ByteTCC

以上是关于分布式事务解决方案的主要内容，如果未能解决你的问题，请参考以下文章

Spring Cloud 分布式事务管理

seata 分布式事务解决方案汇总

说说数据库事务和开发（下）—— 分布式事务

分布式事务实践解决数据一致性

spring boot 分布式事务解决方案LCN

分布式数据库解决方案需求