[[376830]]

對于分布式事務，相信所有人都應該很了解，為什么會有分布式事務?無論是數據量導致的分庫，還是現在微服務盛行的場景都是他出現的原因。

這一篇內容還是避免不了俗套，主要的范圍無非是XA、2PC、3PC、TCC，再最后到Seata。

但是，我認為這東西，只是適用于面試和理論的了解，你真要說這些方案實際生產中有人用嗎?

有，但是會實現的更簡單，不會套用理論來實現，大廠有大廠的解決方案，中小公司用框架或者壓根就不存在分布式事務的問題。

那，為什么還要寫這個?

為了你面試八股文啊，小可愛。

事務

要說分布式事務，首先還是從事務的基本特征說起。

A原子性：在事務的執行過程中，要么全部執行成功，要么都不成功。

C一致性：事務在執行前后，不能破壞數據的完整性。一致性更多的說的是通過AID來達到目的，數據應該符合預先的定義和約束，由應用層面來保證，還有的說法是C是強行為了ACID湊出來的。

I隔離性：多個事務之間是互相隔離的，事務之間不能互相干擾，涉及到不同事務的隔離級別的問題。

D持久性：一旦事務提交，數據庫中數據的狀態就應該是永久性的。

XA

XA(eXtended Architecture)是指由X/Open 組織提出的分布式事務處理的規范，他是一個規范或者說是協議，定義了事務管理器TM(Transaction Manager)，資源管理器RM(Resource Manager)，和應用程序。

事務管理器TM就是事務的協調者，資源管理器RM可以認為就是一個數據庫。

2PC

XA定義了規范，那么2PC和3PC就是他的具體實現方式。

2PC叫做二階段提交，分為投票階段和執行階段兩個階段。

投票階段

TM向所有的參與者發送prepare請求，詢問是否可以執行事務，等待各個參與者的響應。

這個階段可以認為只是執行了事務的SQL語句，但是還沒有提交。

如果都執行成功了就返回YES，否則返回NO。

執行階段

執行階段就是真正的事務提交的階段，但是要考慮到失敗的情況。

如果所有的參與者都返回YES，那么就執行發送commit命令，參與者收到之后執行提交事務。

反之，只要有任意一個參與者返回的是NO的話，就發送rollback命令，然后執行回滾的操作。

2PC的缺陷

1. 同步阻塞，可以看到，在執行事務的過程當中，所有數據庫的資源都被鎖定，如果這時候有其他人來訪問這些資源，將會被阻塞，這是一個很大的性能問題。
2. TM單點問題，只要一個TM，一旦TM宕機，那么整個流程無法繼續完成。
3. 數據不一致，如果在執行階段，參與者腦裂或者其他故障導致沒有收到commit請求，部分提交事務，部分未提交，那么數據不一致的問題就產生了。

3PC

既然2PC有這么多問題，所以就衍生出了3PC的概念，也叫做三階段提交，他把整個流程分成了CanCommit、PreCommit、DoCommit三個步驟，相比2PC，增加的就是CanCommit階段。

CanCommit

這個階段就是先詢問數據庫是否執行事務，發送一個canCommit的請求去詢問，如果可以的話就返回YES，反之返回NO。

PreCommit

這個階段就等同于2PC的投票階段了，發送preCommit命令，然后去執行SQL事務，成功就返回YES，反之返回NO。

但是，這個地方的區別在于參與者有了超時機制，如果參與者超時未收到doCommit命令的話，將會默認去提交事務。

DoCommit

DoCommit階段對應到2PC的執行階段，如果上一個階段都是收到YES的話，那么就發送doCommit命令去提交事務，反之則會發送abort命令去中斷事務的執行。

相比2PC的改進

對于2PC的同步阻塞的問題，我們可以看到因為3PC加入了參與者的超時機制，所以原來2PC的如果某個參與者故障導致的同步阻塞的問題時間縮短了，這是一個優化，但是并沒有完全避免。

第二個單點故障的問題，同樣因為超時機制的引入，一定程度上也算是優化了。

但是數據不一致的問題，這個始終沒有得到解決。

舉個栗子：

在PreCommit階段，某個參與者發生腦裂，無法收到TM的請求，這時候其他參與者執行abort事務回滾，而腦裂的參與者超時之后繼續提交事務，還是有可能發生數據不一致的問題。

那么，為什么要加入DoCommit這個階段呢?就是為了引入超時機制，事先我們先確認數據庫是否都可以執行事務，如果都OK，那么才會進入后面的步驟，所以既然都可以執行，那么超時之后說明發生了問題，就自動提交事務。

TCC

TCC的模式叫做Try、Confirm、Cancel，實際上也就是2PC的一個變種而已。

實現這個模式，一個事務的接口需要拆分成3個，也就是Try預占、Confirm確認提交、最后Cancel回滾。

對于TCC來說，實際生產我基本上就沒看見過有人用，考慮到原因，首先是程序員的本身素質參差不齊，多個團隊協作你很難去約束別人按照你的規則來實現，另外一點就是太過于復雜。

如果說有簡單的應用的話，庫存的應用或許可以算做是一個。

一般庫存的操作，很多實現方案里面都會會在下單的時候先預占庫存，下單成功之后再實際去扣減庫存，最終如果發生了異常再回退。

凍結、預占庫存就是2PC的準備階段，真正下單成功去扣減庫存就是2PC的提交階段，回滾就是某個發生異常的回滾操作，只不過在應用層面來實現了2PC的機制而已。

SAGA

Saga源于1987 年普林斯頓大學的 Hecto 和 Kenneth 發表的如何處理 long lived transaction(長活事務)論文。

主要思想就是將長事務拆分成多個本地短事務。

如果全部執行成功，就正常完成了，反之，則會按照相反的順序依次調用補償。

SAGA模式有兩種恢復策略：

1. 向前恢復，這個模式偏向于一定要成功的場景，失敗則會進行重試
2. 向后恢復，也就是發生異常的子事務依次回滾補償

由于這個模式在國內基本沒看見有誰用的，不在贅述。

消息隊列

基于消息隊列來實現最終一致性的方案，這個相比前面的我個人認為還稍微靠譜一點，那些都是理論啊，正常生產的實現很少看見應用。

基于消息隊列的可能真正在應用的還稍微多一點。

一般來說有兩種方式，基于本地消息表和依賴MQ本身的事務消息。

本地消息表的這個方案其實更復雜，實際上我也沒看到過真正誰來用。這里我以RocketMQ的事務消息來舉例，這個方式相比本地消息表則更完全依賴MQ本身的特性做了解耦，釋放了業務開發的復雜工作量。

1. 業務發起方，調用遠程接口，向MQ發送一條半事務消息，MQ收到消息之后會返回給生產者一個ACK
2. 生產者收到ACK之后，去執行事務，但是事務還沒有提交。
3. 生產者會根據事務的執行結果來決定發送commit提交或者rollback回滾到MQ
4. 這一點是發生異常的情況，比如生產者宕機或者其他異常導致MQ長時間沒有收到commit或者rollback的消息，這時候MQ會發起狀態回查。
5. MQ如果收到的是commit的話就會去投遞消息，消費者正常消費消息即可。如果是rollback的話，則會在設置的固定時間期限內去刪除消息。

這個方案基于MQ來保證消息事務的最終一致性，還算是一個比較合理的解決方案，只要保證MQ的可靠性就可以正常實施應用，業務消費方根據本身的消息重試達到最終一致性。

框架

以上說的都是理論和自己實現的方式，那么分布式事務就沒有框架來解決我們的問題嗎?

有，其實還不少，但是沒有能扛旗者出現，要說有，阿里的開源框架Seata還有阿里云的GTS。

GTS(Global Transaction Service 全局事務服務)是阿里云的中間件產品，只要你用阿里云，付錢就可以用GTS。

Seata(Simple Extensible Autonomous Transaction Architecture)則是開源的分布式事務框架，提供了對TCC、XA、Saga以及AT模式的支持。

那么，GTS和Seata有什么關系呢?

實際上最開始的時候他們都是基于阿里內部的TXC(Taobao Transaction Constructor)分布式中間件產品，然后TXC經過改造上了阿里云就叫做GTS。

之后阿里的中間件團隊基于TXC和GTS做出了開源的Seata，其中AT(Automatic Transaction)模式就是GTS原創的方案。

至于現在的版本，可以大致認為他們就是一樣的就行了，到2020年，GTS已經全面兼容了Seata的 GA 版本。

圖片來自阿里云官網GTS

整個GTS或者Seata包含以下幾個核心組件：

• Transaction Coordinator(TC)：事務協調器，維護全局事務的運行狀態，負責協調并驅動全局事務的提交或回滾。
• Transaction Manager(TM)：控制全局事務的邊界，負責開啟一個全局事務，并最終發起全局提交或全局回滾的決議。
• Resource Manager(RM)：控制分支事務，負責分支注冊、狀態匯報，并接收事務協調器的指令，驅動分支(本地)事務的提交和回滾。

無論對于TCC還是原創的AT模式的支持，整個分布式事務的原理其實相對來說還是比較容易理解。

1. 事務開啟時，TM向TC注冊全局事務，并且獲得全局事務XID
2. 這時候多個微服務的接口發生調用，XID就會傳播到各個微服務中，每個微服務執行事務也會向TC注冊分支事務。
3. 之后TM就可以管理針對每個XID的事務全局提交和回滾，RM完成分支的提交或者回滾。

核心組件定義-圖片來自阿里云官網

AT模式

原創的AT模式相比起TCC的方案來說，無需自己實現多個接口，通過代理數據源的形式生成更新前后的UNDO_LOG，依靠UNDO_LOG來實現回滾的操作。

執行的流程如下：

1. TM向TC注冊全局事務，獲得XID
2. RM則會去代理JDBC數據源，生成鏡像的SQL，形成UNDO_LOG，然后向TC注冊分支事務，把數據更新和UNDO_LOG在本地事務中一起提交
3. TC如果收到commit請求，則會異步去刪除對應分支的UNDO_LOG，如果是rollback，就去查詢對應分支的UNDO_LOG，通過UNDO_LOG來執行回滾

事務模式-AT-圖片來自阿里云官網

TCC模式

相比AT模式代理JDBC數據源生成UNDO_LOG來生成逆向SQL回滾的方式，TCC就更簡單一點了。

1. TM向TC注冊全局事務，獲得XID
2. RM向TC注冊分支事務，然后執行Try方法，同時上報Try方法執行情況
3. 然后如果收到TC的commit請求就執行Confirm方法，收到rollback則執行Cancel

事務模式-TCC-圖片來自阿里云官網

XA模式

1. TM向TC注冊全局事務，獲得XID
2. RM向TC注冊分支事務，XA Start，執行SQL，XA END，XA Prepare，然后上報分支執行情況
3. 然后如果收到TC的commit請求就執行Confirm方法，收到rollback則執行Cancel

事務模式-XA-圖片來自阿里云官網

SAGA模式

• TM向TC注冊全局事務，獲得XID
• RM向TC注冊分支事務，然后執行業務方法，并且上報分支執行情況
• RM收到分支回滾，執行對應的業務回滾方法

事務模式-Saga-圖片來自阿里云官網

總結

這里從事務的ACID開始，向大家先說了XA是分布式事務處理的規范，之后談到2PC和3PC，2PC有同步阻塞、單點故障和數據不一致的問題，3PC在一定程度上解決了同步阻塞和單點故障的問題，但是還是沒有完全解決數據不一致的問題。

之后說到TCC、SAGA、消息隊列的最終一致性的方案，TCC由于實現過于麻煩和復雜，業務很少應用，SAGA了解即可，國內也很少有應用到的，消息隊列提供了解耦的實現方式，對于中小公司來說可能是較為低成本的實現方式。

最后再說目前國內的實現框架，云端阿里云的GTS兼容Seata，非云端使用Seata，它提供了XA、TCC、AT、SAGA的解決方案，可以說是目前的主流選擇。

本文轉載自微信公眾號「艾小仙」，可以通過以下二維碼關注。轉載本文請聯系艾小仙公眾號。