关于分布式事务:分布式事务及其解决方案

47次阅读

共计 2419 个字符，预计需要花费 7 分钟才能阅读完成。

分布式的微服务通常各自有本人的数据源，单机的事务由本机的数据源实现；当一个业务波及多个微服务的多个数据源时，很难保障多个数据源同时胜利、同时失败。

比方：支付宝转账到余额宝 1000 元

支付宝：
- 账户 A(id, user_id, amount)
- 领取服务 pay，转出：update A set amount=amount-1000 where user_id=1;
余额宝：
- 账户 B(id, user_id, amount)
- 余额宝服务 balance，转入：update B set amount=amount+1000 where user_id=1;

领取服务 pay 和余额宝服务 balance，只有同时执行胜利，才算本次转账胜利；只有有一方执行失败，则本次转账失败。

2PC(Two Phase Commit protocol)两阶段提交，是 强一致性 的分布式事务实现形式。

2PC 波及的角色：

协调者：coordinator，协调多个参与者进行投票、提交或回滚；
参与者：participants，本地事务的执行者；

2PC 的解决部署：

投票阶段
- 协调者告诉参与者执行本地事务，而后进入表决过程；
- 参与者执行本地事务，但不提交，将执行后果回复协调者；
提交阶段
- 协调者收到参与者的执行后果，若均执行胜利，则向所有参与者发送 commit；否则，向所有参与者发送 rollback；

2PC 的毛病：

协调者是个单点，存在单点故障；
事务提交之前，资源被预留锁定，因为波及多节点的网络交互，导致锁工夫较长，影响并发；

TCC(Try Confirm Cancel)，是业务层面的分布式事务，TCC 要求所有的事务参与者都要实现 3 个接口：

Try: 预处理；
Confirm: 确认；
Cancel: 勾销；

TCC 的执行过程：

Client 向所有事务参与者发送 Try 操作；
若所有事务参与者的 Try 均胜利，则 Client 向所有事务参与者发送 Confirm，否则发送 Cancel；

TCC 要求事务参与方，都要当时实现 Try/Confirm/Cancel 接口，对业务代码的侵入性较强。

TCC 存在的问题：

空回滚
- 第一阶段的 Try 因为音讯失落而产生网络超时，触发第二阶段的 Cancel；
- 事务参与方在没有收到 Try 的状况下，收到了 Cancel 音讯，称为“空回滚”；
- “空回滚”的存在，要求事务参与方在实现 Cancel 接口时，思考未收到 Try 的状况；
防悬挂
- 第一阶段的 Try 因为音讯失落而产生网络超时，触发第二阶段的 Cancel；
- 事务参与方在没有收到 Try 的状况下，收到了 Cancel 音讯，执行“空回滚”；
- 此时，第一阶段的 Try 音讯又达到，该场景称为“防悬挂”；
- 解决办法：
  - 执行“空回滚”的时候，插入 1 条记录，状态为已回滚；
  - 当 Try 又回来时，先查问记录，若已存在且已回滚，则不再执行该 Try；

基本思路是，将事务音讯进行长久化(Transaction outbox)，通过 binlog 推送给上游，上游生产胜利后，调用 callback 到上游，通知上游事务处理完毕。

没有事务的回退流程，通过重试，尽最大致力交付，实质上是最终一致性的解决方案。

支付宝 pay 服务执行本地事务，进行 A 用户扣款，同时记录音讯数据 msg，该 msg 表与 pay 业务数据在同一个 DB 中。

支付宝 pay 服务的本地事务保障，只有实现扣款，msg 肯定能保留下来。

begin transaction
    update A set amount = amount - 1000 where user_id=1;
    insert into msg(user_id, amount, status) values(1, 1000, 1)
end transaction
commit

支付宝的 msg 表被 Canal 订阅，而后发送到 kafka。通过 Canal 异步订阅的形式，将两边解耦。

余额宝 balance 服务生产 kafka 音讯，将 B 的 amount+1000。

余额宝 balance 本地事务执行胜利后，向余额宝 pay 发送 /callback，告诉它事务已处理完毕，批改 msg 的 status=0。

若 balance 发送 /callback 的过程中，pay 服务挂了，那么 balance 将每隔一段时间，再次发动 /callback，直到 pay 回复。

若 pay 胜利接管并解决 balance 发送的 /callback，然而向 balance 回复 /callback 的过程中，balance 挂掉了，那么 pay 将每隔一段时间，再次发送 /callback 回复，直至胜利。

不论是 pay 还是 balance，都是通过重试，尽最大致力交付，这要求在业务中思考幂等，避免多 + 余额的状况。比方，balance 生产完音讯当前，发送 success 给 pay，失常状况下 pay 收到音讯后将 msg.status=0，但若此时 pay 服务挂了，重启当前发现 msg.status=1，则持续发送音讯给 balance，balance 就会再次生产该音讯。

业务幂等的解决办法：全局惟一 ID+ 去重表

在 balance 侧减少音讯生产状态表 msg_apply，艰深来说就是个账本，记录音讯的生产状况，每次来 1 个音讯，在真正执行之前，先去 msg_apply 中查问，如果是反复音讯，则不再生产。

for each msg in queue
    begin transaction
        select count(*) as cnt from msg_apply where msg_id = msg.id;
        if cnt == 0 then     // 没有生产过
            update B set amount=amount+10000;
            insert into msg_apply(msg) values(msg.id);
    end transaction
commit;

正文完