【分布式事务】GitHub上分布式事务框架压测性能对比

一、前言

随着项目逐步以微服务开发为趋势，逐渐呈现一个服务对应一个数据库。从中产生了分布式事务的问题：一个操作先后调用不同的服务，要保证服务间的事务一致性，这就是分布式事务解决的问题。

本次调研，根据github上star排名进行调研，主要调研了hmily和bytetcc两种分布式事务框架。

二、选型原则

本次调研主要是根据CAP和BASE理论进行，主要要保证数据的可用性、分区容错性、最终一致性。

三、调研框架介绍

hmily介绍

Hmily是由碧桂园工程师开发，高性能异步分布式事务TCC框架。

Github地址：https://github.com/yu199195/hmily

特点： 1、 采用disruptor框架进行事务日志的异步读写，与RPC框架的性能毫无差别。 2、 RPC框架支持 : dubbo,motan,springcloud。 3、 支持嵌套事务(Nested transaction support). 4、 采用disruptor框架进行事务日志的异步读写，与RPC框架的性能毫无差别。 5、 支持SpringBoot-starter 项目启动，使用简单。 6、 本地事务存储支持 : redis,mongodb,zookeeper,file,mysql。 7、 事务日志序列化支持 ：java，hessian，kryo，protostuff。 8、 采用Aspect AOP 切面思想与Spring无缝集成，天然支持集群。 9、 内置经典的分布式事务场景demo工程，并有swagger-ui可视化界面可以快速体验。 10、 异步confirm 和 cancel，保证数据一致性 11、 使用Guava Cache

Bytetcc介绍

Bytetcc是由北京新奥集团工程师开发，是一个兼容JTA规范的基于TCC机制的分布式事务管理器。目前开发到了第五版，稳定版本为第四版，本次调研为第四版（0.4.x）。

GitHub地址：https://github.com/liuyangming/ByteTCC

特点： 1、支持Spring容器的声明式事务管理； 2、支持普通事务、TCC事务、saga事务等事务机制； 3、支持多数据源、跨应用、跨服务器等分布式事务场景； 4、支持长事务； 5、支持dubbo服务框架； 6、支持spring cloud；

四、压测机器情况说明

压测机

• Windows 10 企业版
• 16GB
• Jmeter

服务器

五、压测报告

在这里插入图片描述

在这里插入图片描述

hmily压测报告

正常执行

测试结果分析：测试结果发现，吞吐量比较高，但是hmily存在优化的地方，当前版本异步执行confirm和cancel的速度比较慢，且在高并发情况下存在数据不一致问题：

例如： 一共执行10w条数据，目标结果：库存-10w ， 账户-10w。但是最终执行结果：库存和账户的剩余量不一样。不能保证数据的最终一致性。

Cpu：

在这里插入图片描述

DB cpu：

在这里插入图片描述

带回滚操作执行

Cpu：

在这里插入图片描述

DB cpu：

在这里插入图片描述

Bytetcc 压测报告

正常执行

测试结果分析：吞吐量比较低，可以保证数据的最终一致性。比较稳定。

Cpu：

在这里插入图片描述

DB cpu：

在这里插入图片描述

带回滚操作执行

Cpu：

在这里插入图片描述

DB cpu：

在这里插入图片描述

六、小结

小编只是通过Jmeter对两个比较火的分布式事务框架进行了压测，其中的业务逻辑是一样的，性能也是有不同的。

测试的代码地址：

hmily：https://github.com/AresKingCarry/hmilyDemo Bytetcc：https://github.com/AresKingCarry/ByteTccDemo

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/200819.html原文链接：https://javaforall.cn