如何解决分布式事务

事务有四个特性：原子性、一致性、隔离性、持久性。这四个属性通常称为 ACID

随着分布式架构理念提出，软件系统架构开始迈入一个新时代。一个臃肿的应用会拆分出若干个微服务中心，按业务域维度划分系统边界，大家各司其职，在自己负责的领域深耕细作，可谓好处多多。但同时也增加了系统复杂度，每个子业务系统都涉及数据库操作，如何解决分布式事务是一个绕不开的话题。

什么是分布式事务，一句话概括：分布式事务就是用来保证多个原子服务数据源一致性的解决方案。

常见解决方案

1、流水任务

执行业务逻辑前，先插入流水任务，如果中间过程调用外部RPC接口服务或者本地数据库操作失败时，流水任务会被定时调度任务周期性触发、重试，直到成功。前提条件，所有接口服务都要实现幂等。当执行成功时，流水记录会被删除。

当然为了缩小接口的重试范围，也可以针对局部调用失败引入局部重试流水。

优点：

•实现简单，不依赖任何外部框架

缺点：

•不支持回滚，只能不断重试直到接口成功。如果中间某一步操作因数据问题无法成功，只能重试若干次后报警人工介入。•无论全局重试、还是片段重试，都要单独处理，复杂度高

2、基于事务消息

在淘宝平台中，广泛使用分布式事务场景的方案是基于消息分布式事务，通过MQ事务消息功能特性达到分布式事务的最终一致性。

•MQ发送方执行第一个本地事务前，会向MQ服务端发送一条消息，但这条消息不同于普通MQ消息，而是一条事务消息。事务消息在MQ的服务端处于一个特殊的状态，此时消息已经保存到MQ服务端，但MQ订阅方是无法感知到该条消息，并且不会进行消费。•完成事务消息的发送后，开始执行本地的数据库事务操作，并根据执行结果走提交或回滚•如果本地事务执行后，因为某些原因没有及时给MQ服务端相应的反馈，MQ服务端会向业务处理服务询问消息状态，业务处理服务根据消息ID或者消息内容确认该消息是否有效。

•如果发现本地事务没有执行，则给MQ服务端返回结果，告知MQ服务端可废弃该事务消息。•如果检查发现本地事务已经实际已经成功执行了，则MQ服务端的消息为正常状态。

•消息订阅方获取到正常消息后，执行第二个本地事务。如果第二个本地事务执行成功，则最终实现两个不同数据库上的事务同时成功。如果失败，借助MQ框架自身的重试机制，多次重试，实现数据的最终一致性。

3、两阶段提交

•准备阶段

•协调者向所有的参与者发送事务执行请求，并等待参与者反馈事务执行结果。 •事务参与者收到请求之后，本地执行事务，但不提交。 •参与者将自己事务执行情况反馈给协调者，同时等待协调者的下一步通知。

•提交阶段

•根据准备阶段的结果，执行commit或rollback

缺点：

•第一步的数据库事务要等待第二阶段的反馈才能提交，事务锁占用时间较长，会拉低系统的吞吐量。

淘宝很多业务线有一种变种玩法，也是基于两阶原理，但是耦合性做了弱化。

•引入状态机。分为：初始化、上架、失效、删除 等多种状态。当然结合具体业务场景，可能还会有更多业务状态。•接口服务拆成两部分：

•首次调用，数据库中插入业务数据，但行记录状态标记为 init（初始化状态对外不可见）

•待所有依赖的RPC接口全部调用一轮，所有接口的数据全部初始化 •然后开始第二轮调用，将状态置为对外可见。当然，此阶段可能会部分调用失败，需要多次重试

如果一个业务逻辑内部涉及多次RPC调用以及本地数据库事务，如何保证数据的全局统一性？还有一种解决方案！

•表结构增加一个字段，引入目标状态。在调用链路的最上层先给目标状态赋值•然后依次调用外部RPC接口，以及更新本地数据库•最后修改本地记录状态的值，并将目标状态值清空

4、三阶段提交

第一阶段：CanCommit

协调者向参与者发送事务执行请求CanCommit，参与者如果可以提交就返回YES响应，否则就返回NO响应。

第二阶段：PreCommit

协调者根据参与者反馈的结果来决定是否继续执行事务的PreCommit操作，根据协调者反馈的结果，有以下两种可能：

1、假如协调者收到参与者的反馈结果都是YES，那么就会执行PreCommit操作。

•协调者向参与者发送PreCommit请求，并进入Prepared阶段。•参与者接收到PreCommit请求后，执行事务操作，但不提交•事务操作执行成功，则返回ACK响应，然后等待协调者的下一步通知。

2、假如有任何一个参与者向协调者发送了NO响应，或者等待超时之后，协调者没有收到参与者的响应，那么就中断事务。

•协调者向所有参与者发送中断请求。•参与者收到中断请求之后（或超时之后，仍未收到协调者的请求），执行事务中断操作。

第三阶段：DoCommit

1、执行提交

•协调者收到ACK之后，向所有的参与者发送DoCommit请求。•参与者收到DoCommit请求之后，提交事务。•事务提交之后，向协调者发送ACK响应。•协调者收到ACK响应之后，完成事务。

2、中断事务

•在第二阶段，协调者没有收到参与者发送的ACK响应，那么就会执行中断事务。

5、TCC 模式

TCC方案分为Try Confirm Cancel三个阶段，属于补偿性分布式事务。

Try：尝试待执行的业务

这个过程并未执行业务，只是完成所有业务的一致性检查，并预留好执行所需的全部资源

Confirm：执行业务

这个过程真正开始执行业务，由于Try阶段已经完成了一致性检查，因此本过程直接执行，而不做任何检查。并且在执行的过程中，会使用到Try阶段预留的业务资源。

Cancel：取消执行的业务

若业务执行失败，则进入Cancel阶段，它会释放所有占用的业务资源，并回滚Confirm阶段执行的操作。

以一个电商系统用户购买商品的流水线为例。

Try阶段：

在Try阶段成功之后进入Confirm阶段，如有任何异常，进入Cancel阶段。

Confirm阶段：

Cancel阶段：

假设库存扣减失败，此时需要回滚事务

TCC方案适用于一致性要求极高的系统，比如金钱、交易相关，基于补偿的原理，因此，需要编写大量的补偿代码，比较冗余。市面可以参考的开源TCC框架，比如TCC-transaction。

6、GTS（开源项目名：Seata）

地址：https://github.com/seata/seata

GTS 把分布式事务定义为由若干本地事务（分支）组成的全局事务。被全局事务管理的全部分支，将在协调器的协调下，保证一起成功或一起回滚。

GTS 定义了一个事务模型，把整个全局事务过程模型化为 TM、RM、TC 三个组件之间协作的机制。

•Transaction Coordinator (TC)：事务协调器，维护全局事务的运行状态，负责协调并驱动全局事务的提交或回滚。•Transaction Manager (TM)：控制全局事务的边界，负责开启一个全局事务，并最终发起全局提交或全局回滚的决议。•Resource Manager (RM)：控制分支事务，负责分支注册、状态汇报，并接收事务协调器的指令，驱动分支（本地）事务的提交和回滚。

执行过程：

•TM 向 TC 申请开启一个全局事务，全局事务创建成功并生成一个全局唯一的 XID。•XID 在微服务调用链路的上下文中传播。•RM 向 TC 注册分支事务，将其纳入 XID 对应全局事务的管辖。•TM 向 TC 发起针对 XID 的全局提交或回滚决议。•TC 调度 XID 下管辖的全部分支事务完成提交或回滚请求。

GTS 的 JDBC 数据源代理通过对业务 SQL 的解析，把业务数据在更新前的数据镜像组织成回滚undo日志，执行SQL，并得到redo日志，利用 本地事务 的 ACID 特性，将业务数据的更新和回滚日志的写入在同一个 本地事务 中提交。这样可以保证：任何提交的业务数据的更新一定有相应的回滚日志存在。

参考文章： 分布式事务 GTS 的价值和原理浅析