vlambda博客
学习文章列表

分布式事务产生的原因

要搞清分布式事务，我们先想一个问题，分布式事务产生的原因是什么？

如图所示：

那么，我们如何实现分布式事务呢？根据分布式系统的CAP理论，要么是CP模式，要么是AP模式。三个无法同时实现。

• CP是在保证数据强一致性前提下，尽量实现高可用（如过半写入）。
  

• AP是在保证高可用的前提下，尽量实现数据一致性（如异步一致）。

在ACID里，I是最难实现的。Isolation包含四个层级，如下表所示。在XA中，一般可以做到RC就可以了。

事务隔离级别	事务隔离描述	解决的问题	不能解决的问题
最低1	Read Uncommitted	无	脏读
2	Read Committed	脏读	不可重复读
3	Repeated  Read	脏读、不可重复读	幻读
最高4	Serialization	脏读、不可重复读、幻读	无

对于MySQL而言，它是通过RC+MVCC实现RR的效果。但ACID整体上是不靠谱的，为啥？

因为ACID只是满足数据隔离性，但没有做法并发控制。

分布式事务真实使用场景

如果面向于实际使用场景，我们把上图分布式实现区分一下，结果如下：

也就是说，真实分布式场景中，80%是柔性事物，20%是刚性事务，即使在金融行业，也是这样。刚性事务通过2PC实现；柔性事物同步模式通过Sagas实现，异步模式通过事务消息实现。

分布式事务-刚性事务-2PC的实现原理

我们先看一下刚性事务的最终实现：2PC。如下图所示。在下图中，RM管理共享资源，如DB。TM负责管理全局事务，如分配事务唯一标识、监控事务的执行进度、并负责事务的提交、回滚、失败、恢复等。

2PC的缺点在于：它是同步阻塞模型、数据库锁定时间过长、全局锁（隔离级别串行化）并发低、不适合长事务场景（RM特别多的情况）。

3PC没有安全解决2PC的问题，但又引入了新的问题。由于实际场景几乎没人使用，因此我不做介绍。

分布式事务-柔性事务

在介绍了刚性事务2PC后，接下来我们介绍柔性事务。柔性事物的理念是BASE。

BASE理论指的是：

• Basically Available（基本可用）

• Soft state（柔性状态--->中间状态：业务中间态、数据中间态）

• Eventually consistent（最终一致性）

我们举一个数据中间态的例子。一个转账业务，我们给转账业务数据分成两部分：可用金额要和冻结金额（并不是说，转账业务一定要按照下面模式设计，只是当对一致性要求比较高的时候，用下面的模式）。

分布式事务-柔性事务-BASE-Saga

接下来，我们看柔性事物的实现，先看Saga。

Saga本质是将一个分布式事务分为多个本地事务。每个本地事务只有执行和补偿。我们拿银行业余来说，有转账业务，转账业务的补偿事务就是：转账冲正，如下图所示。如果转账失败，就调用转账冲正进行事务补偿。

、

Saga的恢复模式分为：向后恢复（逆向补偿）和向前恢复（重试失败的事务）。

Sagas

业务逻辑层：基于AOP实现Proxy。@around

逻辑事务层增加注解，开启全局事务。

数据访问层：基于原则接口方法，在方法名加注释补偿方法名。@compensable(cancelMethod...)

Saga的开源实现：

ServiceComb（需要使用整套微服务，才能使用其中的Saga）

Seata，阿里开源的。SeataAT是Saga的优雅实现（使用状态机实现。上面的案例使用AOP实现）

在隔离性方面，Sagas隔离是通过业务中间态实现的。例如金融系统的中间账户。

例如郭德纲向大魏转账，真实模式是：

郭德纲向中间账户转账失败，那么中间账户会删除记录。如果一段时间没删除，例如5s，那么中间账户就会想大魏转账。

前面提到的转账和冲正是互为逆方法。同样，CRUD中，insert和delete也是互为逆方法。因此我们需要为update操作提供逆方法。

那么，如何为update提供优雅的事务补偿呢？使用Seata AT。Seata AT就是在Sagas的基础上实现了自动补偿。目前自动补偿的方案都是往这个方向努力，看谁支持的 sql 语法更多，支持的db类型更多。

Seata AT实现的方法如下图：

刚性事务与柔性事务的对比

经过上面内容的介绍，我们将分布式事务分类图进行进一步细化。

分布式事务的分类如下：

我们首先对刚性事务和柔性事务进行对比如下。

在柔性事物中，在柔性事物中，当业务失败还没来得及补偿时，是容易出现脏读的。隔离性支持到RU就可以。

分布式事务-BASE-事务消息的实现-半消息

大家不要认为金融行业的分布式事务一定是强一致的，实际情况中，强一致的比率不是特别高。例如蚂蚁金服2PC也没有大于20%。例如转账，用Saga、2PC都成。

那么，我们我们看一下事务消息的实现原理。

事务消息解决的是什么问题？我们先看一个常见的场景。

一个分布式事务由两个本地事务组成。两个事务之间有个MQ。A事务执行成功后（1），向MQ发送消息（2）。然后B事务消费消息（3）并执行本地事务（4）。

那么，事务消息解决的是什么问题呢？它解决的步骤1和步骤2的原子性问题。也即是说，把事务A写数据库和往MQ发消息这两件事，捏成一个原子事务。两件事要么一起成功、要么一起失败（下图篮圈）。

而分布式事务保证的是什么？是步骤1、2、3、4这四件事的原子性。也就是说，这四件事要么一起成功、要么一起失败（下图黄圈）。

所以说：事务消息不是分布式事务。但它大大简化了事务分布式模型。它将两次RPC调用（一次分布式事务至少两次RPC调用）简化成RPC+发消息。因此事务消息对业务非常友好。

具体实现如下图所示：

接下来，我们就上图步骤进行分析：

1. MQ Producer（是业务逻辑）发送半消息给MQ Server。半消息的特点是：不会被消费，先存在MQ里。

2. MQ Server告诉MQ Producer，半消息发送成功（这个通知是同步交付）。

3. 访问数据库、执行本地事务。然后MQ Server把消息投递给MQ Subscriber。

4. MQ Producer告诉MQ Server，投递还是不投递消息。例如告诉MQ Server投递，那么MQ Server把半消息变成确认消息，进行消息投递。

5. MQ Server没有收到步骤4的确认，就回查MQ Producer，看消息是否需要投递。

6. MQ Producer查数据库，看此前本地事务是否提交、是否成功。

7. MQ Producer根据在数据库的查询结果，告诉MQ Server提交还是Rollback。然后MQ Server决定是丢弃还是投递消息。如果步骤1中，MQ  Producer发送半消息后，MQ  Producer挂了或者因为一些原因本地事务执行失败，那么步骤5-6回查，发现事务未成功，就会把半消息从MQ Server中删除。

京东购物24小时未支付订单自动取消的截图:

分布式事务-BASE-事务消息的实现-半消息-RocketMQ的实现

关于RocketMQ通过半消息实现事务消息原理，我们可以看得更细致些。

我们知道，在普通的MQ中，消息生产者将消息写入到CommitLog，然后Dispatcher将消息的索引信息放到Topic中以便消费者消费。那么，RocketMQ如何实现半消息？也就是消息放到Topic中不被消费？

RocketMQ有一个半消息Topic:RMQ_SYS_TRANS_HALF_TOPIC，它用于临时存放消息信息。这个Topic对消息消费者不可见。也就是说，消息生产者向Commitlog写入的如果是事务消息，Dispacher看到消息有transaction的标签，就会将消息的索引发送到RMQ_SYS_TRANS_HALF_TOPIC。也就是主题和队列名被替换了。但被替换的队列和主题名信息，会和索引一起存在RMQ_SYS_TRANS_HALF_TOPIC中。

除了半消息外，还有个OP消息主题RMQ_SYS_TRANS_OP_HALF_TOPIC。这个主题记录二阶段操作。OP消息包含如下两种：Rollback（只做记录）和Commit（根据备份信息重新构造消息并投递）。如下图所示其位置：

回查：对比HALF消息和OP消息主题。他们之间的差，就是需要回查的消息。如下图所示逻辑。

我们根据上图将半消息进行分析：

1. 生产者发送事务消息，写到CommitLog。Dispatcher将其索引放入到RMQ_SYS_TRANS_HALF_TOPIC

2. 消息生产者发送OP消息，这个消息先写入到CommitLog，然后被Dispatch到RMQ_SYS_TRANS_OP_HALF_TOPIC。

3. 如果OP消息是Commit，MQ会将对这个半消息在CommitLog进行重构，然后再有Dispatcher重新投递到消费队列中。

4. MQ对比RMQ_SYS_TRANS_OP_HALF_TOPIC和RMQ_SYS_TRANS_HALF_TOPIC两个队列，在后者超时的消息，到前者进行回查。到消息生产者回查事务状态（DB）。

5. 然后消息生产者再度发送OP消息（针对回查结果Commit还是Rollback）

6. 重新投递到消费队列中的消息被消费者消费。
   

事务消息需要业务方提供回查接口，对业务侵入较大。

在上面的方案中，所有事务一致性的保证，都由RockerMQ完成，就必然会有回查，业务就需要提供回查接口。

使用RocketMQ优点是方案通用，缺点是：需要业务代码实现消息回查，增加开发的工作量；发送消息幂等；消费端需要处理幂等。

因此，方案2是使用本地消息事务表。

分布式事务-BASE-事务消息的实现-事务消息表

我们可以通过客户端来保证事务的一致性。也就是说，在本地DB中放一个消息表，通过本地事务管理器维护事务消息表（扫描发送、清理）。

但是，上图只是实现了分布式事务的异步方式（有MQ），没有同步方式。接下来，我们看同时实现分布式事务同步和异步的模型。

柔性分布式事务的终极实现：Sagas+事务消息表

关于这种方式的实现，我们举例子说明。这是分布式事务的终极模型，也就是说，既能实现同步分布式事务（Saga），也能实现异步分布式事务（事务消息表）。

先看一张图：

我们结合京东购物场景看这张图：

1. 在京东买大魏的书，放在购物车里，然后到支付界面。有哪位书太贵，犹豫了，没再操作。这时候，业务系统做的事情是：订单数据服务在两个DB表里写入信息，一个是orders表，同一个是mqMsgs，也就是消息表。表中存放的，就是支付消息。这两个表的写操作，在同一个数据库链接里完成。因此这两个表的写操作，就是一个本地事务。

2. 订单业务逻辑服务从DB消息表中读取消息，写入到MQ中，这是通过起定时任务实现的（它是个子线程），业务逻辑层有MQClient。这个定时任务就是从DB表读信息，投递到MQ上。

3. MQ Server给订单逻辑服务返回ACK。

4. MQ给订单逻辑服务发ACK
   

5. 订单业务逻辑调用订单数据访问服务，发起删除消息记录。

6. 订单数据服务操作DB中的消息表，删除表中的数据。===>消息投递成功，就删除DB消息表中的记录。

7. 订单业务逻辑从MQ中读取订单到期未支付消息（京东是24小时）。

8. 订单业务逻辑服务调用订单数据服务，删除订单记录。

9. 订单数据服务操作数据库表，删除数据库中orders表中的订单记录。

总结来说，上面的路子是：将向MQ发送消息的操作，通过AOP篡改为写DB，然后再通过业务逻辑层的定时任务定期从DB消息表中读消息并且放到MQ。

柔性分布式事务的终极实现：Sagas+事务消息表：架构分析

我们再举一个京东网购退货的例子：

在上图中，TDB会有两个表。也就是说，事务补偿能够成功实现，主要靠TDB中的这两张表！：

• 事务状态表（记录事务组状态；txid、state、timestap）、

• 事务调用组表（记录事务组中每一次调用和相关参数；txid、actionid、callmethod、pramatype、params）。
  

接下来，我们介绍上面两个表每个字段的含义：txid是主键、state表示事务状态（例如：1开始 2成功  3失败  4补偿成功 ）、actionid是操作次数的id、callmethod是补偿接口、调用服务的类型（如web/RPC）、params是具体数据包的调度参数。

而事务补偿，就是当事务调用失败，事务拦截器修改事务组状态（state）。然后由TM发起，分布式事务补偿服务异步执行补偿。

上面的内容比较抽象，我们结合场景进行说明，还是以下图为例。

大魏在京东购物，这是一个分布式事务。这个时候，proxy生成事务组表的一行数据，并且记录（t1代表分布式事务1）：

接下来，要正式干活儿了。Proxy记录事务A的调用信息，写入事务组表：

记录完毕后，A做本地事务：

A执行成功后，Proxy用类似的方式管理B，以此类推C。

Proxy在事务调用表中记录B的调用内容：

B本地事务执行：

Proxy在事务调用表中记录C的调用内容：

然后C执行。

当C本地事务执行成功后，Proxy将会修改TDB中的信息：

修改前：

修改后：

也就是说，标记分布式事务执行成功。

但是，如果在上面的步骤中，C执行失败呢？

首先，Proxy会将TDB中的事务组表进行如下修改，将状态从1开始修改为3失败：

修改前：

修改后：

接下来，Schedule（即TM）会扫描到（定期扫描）t1失败（状态为3）。然后Schedule发现T1在事务调用表有2个关联的本地事务（C做失败已经自动rollback）

接下来，根据事务调用表中的pramatype字段，RPC Client调用补偿接口，对事务进行补偿。

先补偿B：

再补偿A：

最后，补偿完毕后，proxy修改TBD中的事务组表，将state从3改成4，代表补偿成功。

柔性分布式事务的终极实现：Sagas+事务消息表：案例分析

我们上述逻辑，结合业务逻辑组件进行结合。这次我们把业务逻辑模块换一下。京东购物，选中货物后，库存会被锁住（A）、然后支付的时候，会选择红包或者京东卡，会有减红包或减京东卡余额的操作（C）、最后成功创建订单（C）。

具体参考下图：