空谈发件箱模式(outbox pattern)
空谈发件箱模式(outbox pattern)
之前聊过很多次分布式事务这个话题，本文继续聊一聊如何用发件箱模式实现分布式事务。
1
基于微服务架构模式（当然不限于）的应用系统，常常会利用消息中间件（kafka,rabbitmq等）来实现各个微服务之间的通信。对于用户的某个操作，一个微服务可能需要执行“存数据库”和“发送event”两个步骤。
举个例子，用户创建一个订单，订单服务需要存数据库和发送订单created event，如下：
begin transactionsave(order) to dbsend(order_created_event) to kafkacommit/rollback对于上面这个例子，由于牵扯到两个系统，数据库事务和kafka事务并不能保证整个操作的事务性（ACID），至多能保证各个子系统的事务性，最终可能导致出现如下数据不一致的情况：
- 发送event成功，然后commit到数据库失败（原因可能是数据库不available，或者是违反数据库表的constraints）。
- 发送event成功到commit到数据库之间有一定延迟，如果consumer消费到event，接着call订单服务查找这个order，结果就可能会查不到。
有同学会说，可以把发送event放在存数据库transaction后面，如下：
begin transactionsave(order) to dbcommit/rollbacksend(order_created_event) to kafka即使这样，又会出现另外一种不一致的情况，即：存数据库成功，发event失败，比如由于kafka临时不available。这直接导致用户的操作失败，必须要重新提交请求，在某些场景下对用户来说可能是不可接受的；并且数据库里面还有一条脏数据存在。
那么，如何保证存数据库和发event是一个transaction呢？
其实，抽象这个问题，其本质就是一个分布式事务问题，如何实现分布式事务，网上有很多文章介绍，可能最常被提到的就是两阶段提交2PC（2 phase commit），但其需要各个子系统都支持两阶段提交协议（比如XA），很多数据库都有支持，但是很多消息中间件都不支持，所以2PC不适用这里的场景，并且由于2PC的一些缺点（参见我的另外一篇文章：关于分布式系统数据一致性的那些事(二)），它并不是实现分布式事务的常规选择。
基于此，这里介绍的发件箱模式可以有效地解决这个问题。
2
发件箱模式，简单讲就是在数据库里面额外增加一个outbox表用于存储需要发送的event，把直接发送event的步骤换成先把event存储到数据库outbox表；另外，程序启动一个scheduler job不断去抓取outbox表里面的记录，发送给Kafka，最后删除发送成功的记录。如下：
主逻辑：
begin transactionsave(order) to dbsave(order_created_event) to db outboxcommit/rollbackscheduler job:
begin transactionget(order_created_event) from db outboxsend(order_created_event) to kafkadelete(order_created_event) to db outboxcommit/rollback基于这样的实现，存order和event就可以通过数据库的transaction来保障，这样即使是Kafka不available，也不影响用户的行为，只是说后续处理可能会有一些延迟而已；此外，如果scheduler job删除event失败，最坏的行为也就是重新再发一次这个event，即是重发消息的问题，这就需要消费端实现幂等性处理。
3
发件箱模式主要有两种实现方式：
- Transaction log tailing
- Polling publisher
Transaction log tailing，又称CDC（change data capture），就是依赖于数据库的transaction log，一般数据库在成功执行完一条语句之后就会记录一条log，那么这个方式就是不断地增量抓取数据库log，然后发送到消息系统。目前，已经有一些支持这种方式的open source可以直接使用，比如：Debezium。另外，采用这种方式，可能需要数据库装相关的插件以支持CDC。
Polling publisher，其实就是自己实现一个轮询的sheduler job，不断抓取outbox表里面的event，然后发送到消息系统，最后删除event。在实现层面，可能需要注意下面几点：
- 一般来说，为了保证event的顺序，在抓取event的时候，需要把event按时间排序。
- 如果是分布式的环境，为了保证scheduler job同时只在一个instance上run，需要实现分布式锁；或者借助于成熟的scheduling的library，比如：quartz。
相关阅读
References
- https://microservices.io/patterns/data/transactional-outbox.html
- https://mp.weixin.qq.com/s/PMIWr8j3cN-K0FbS6qGW0A