支付重構

考慮支付重構的時候，自然想到原本屬于一個本地事務中的處理，現在要跨應用了要怎么處理。拿充值訂單舉個栗子吧，假設：原本訂單模塊和賬戶模塊是放在一起的，現在需要做服務拆分，拆分成訂單服務，賬戶服務。原本收到充值回調后，可以將修改訂單狀態和增加金幣放在一個mysql事務中完成的，但是呢，因為服務拆分了，就面臨著需要協調2個服務才能完成這個事務

所以就帶出來，我們今天要分享和討論的話題是：怎么解決分布式場景下數據一致性問題，暫且用分布式事務來定義吧。

同樣的問題還存在于其他的場景：

送禮：

調用支付服務：先扣送禮用戶的金幣，然后給主播加相應的荔枝

確認第一步成功后，播放特效，發聊天室送禮評論等復制代碼

充值成功消息：

完成充值訂單

發送訂單完成的kafka消息

在涉及支付交易等付費接口的時候，數據一致性的問題就顯得尤為重要，因為都是錢啊

目前分布式事務是怎么解決的呢？

問題肯定不是新問題，也就是目前已經有相應的解決方案了，那就看一下現在是怎么來解決這類問題的吧。

以購買基礎商品成功后發送支付訂單完成消息為例：

假設支付下單購買基礎商品，此刻已經收到支付回調，訂單已經處理成功了，這個時候kafka服務故障，消息發送失敗；而這個時候處理訂單的事務已經提交了，怎么保證訂單完成的消息一定能發出去呢？

解讀一下這個流程：

綠色部分，表示流程正常運行的交互過程：

先往JobController中提交一個job（用于故障恢復）

提交成功后，開始處理訂單邏輯

處理完訂單邏輯之后，開始發送kafka消息

消息也發送成功后，刪除第一步提交的job

黃色部分，表示流程出現了異常，數據可能存在不一致現象。這個時候就需要進行流程恢復

JobController任務控制器定時去redis查詢延時任務列表（每個任務都有一個時間戳，按時間戳排序過濾）

將任務進行恢復（調用job注冊時定義的處理方法）

任務執行成功，表示流程完成；否則下一個定時周期重試

問題：

基于redis存儲恢復任務，可能存在數據丟失風險

架構體系中沒有統一的分布式事務規范，可否將這層邏輯獨立為分布式事務中間件

缺少事務執行策略管理，如：控制最大重試次數等

事務執行狀態沒有記錄，追查需要去翻看日志

行業中有什么解決方案

說解決方案之前，我們先了解一下這些方案的理論依據，有助于幫助我們來理解和實踐這些方案

理論依據（討論的前提）

本地事務、分布式事務

如果說本地事務是解決單個數據源上的數據操作的一致性問題的話，那么分布式事務則是為了解決跨越多個數據源上數據操作的一致性問題。

強一致性、弱一致性、最終一致性

從客戶端角度，多進程并發訪問時，更新過的數據在不同進程如何獲取的不同策略，決定了不同的一致性。對于關系型數據庫，要求更新過的數據能被后續的訪問都能看到，這是強一致性。如果能容忍后續的部分或者全部訪問不到，則是弱一致性。如果經過一段時間后要求能訪問到更新后的數據，則是最終一致性

從服務端角度，如何盡快將更新后的數據分布到整個系統，降低達到最終一致性的時間窗口，是提高系統的可用度和用戶體驗非常重要的方面。對于分布式數據系統：

• N — 數據復制的份數

• W — 更新數據時需要保證寫完成的節點數

• R — 讀取數據的時候需要讀取的節點數

如果W+R>N，寫的節點和讀的節點重疊，則是強一致性。例如對于典型的一主一備同步復制的關系型數據庫，N=2,W=2,R=1，則不管讀的是主庫還是備庫的數據，都是一致的。

如果W+R<=N，則是弱一致性。例如對于一主一備異步復制的關系型數據庫，N=2,W=1,R=1，則如果讀的是備庫，就可能無法讀取主庫已經更新過的數據，所以是弱一致性。

CAP理論

分布式環境下（數據分布）要任何時刻保證數據一致性是不可能的，只能采取妥協的方案來保證數據最終一致性。這個也就是著名的CAP定理。

需要明確的一點是，對于一個分布式系統而言，分區容錯性是一個最基本的要求。因為 既然是一個分布式系統，那么分布式系統中的組件必然需要被部署到不同的節點，否則也就無所謂分布式系統了，因此必然出現子網絡。而對于分布式系統而言，網 絡問題又是一個必定會出現的異常情況，因此分區容錯性也就成為了一個分布式系統必然需要面對和解決的問題。因此系統架構師往往需要把精力花在如何根據業務 特點在C（一致性）和A（可用性）之間尋求平衡。

BASE 理論

BASE是Basically Available（基本可用）、Soft state（軟狀態）和Eventually consistent（最終一致性）三個短語的縮寫。BASE理論是對CAP中一致性和可用性權衡的結果，其來源于對大規模互聯網系統分布式實踐的總結， 是基于CAP定理逐步演化而來的。BASE理論的核心思想是：即使無法做到強一致性，但每個應用都可以根據自身業務特點，采用適當的方式來使系統達到最終一致性。

BASE理論面向的是大型高可用可擴展的分布式系統，和傳統的事物ACID特性是相反的，它完全不同于ACID的強一致性模型，而是通過犧牲強一致性來獲得可用性，并允許數據在一段時間內是不一致的，但最終達到一致狀態。但同時，在實際的分布式場景中，不同業務單元和組件對數據一致性的要求是不同的，因此在具體的分布式系統架構設計過程中，ACID特性和BASE理論往往又會結合在一起。

柔性事務

不同于ACID的剛性事務，在分布式場景下基于BASE理論，就出現了柔性事務的概念。要想通過柔性事務來達到最終的一致性，就需要依賴于一些特性，這些特性在具體的方案中不一定都要滿足，因為不同的方案要求不一樣；但是都不滿足的話，是不可能做柔性事務的。

可見性(對外可查詢)

在分布式事務執行過程中，如果某一個步驟執行出錯，就需要明確的知道其他幾個操作的處理情況，這就需要其他的服務都能夠提供查詢接口，保證可以通過查詢來判斷操作的處理情況。

為了保證操作的可查詢，需要對于每一個服務的每一次調用都有一個全局唯一的標識，可以是業務單據號（如訂單號）、也可以是系統分配的操作流水號（如支付記錄流水號）。除此之外，操作的時間信息也要有完整的記錄。

冪等操作

冪等性，其實是一個數學概念。冪等函數，或冪等方法，是指可以使用相同參數重復執行，并能獲得相同結果的函數。

f(f(x)) = f(x)

在編程中一個冪等操作的特點是其任意多次執行所產生的影響均與一次執行的影響相同。也就是說，同一個方法，使用同樣的參數，調用多次產生的業務結果與調用一次產生的業務結果相同。這一個要求其實也比較好理解，因為要保證數據的最終一致性，很多解決防范都會有很多重試的操作，如果一個方法不保證冪等，那么將無法被重試。冪等操作的實現方式有多種，如在系統中緩存所有的請求與處理結果、檢測到重復操作后，直接返回上一次的處理結果等。

業界方案

兩階段提交（2PC）

XA是X/Open CAE Specification (Distributed Transaction Processing)模型中定義的TM（Transaction Manager）與RM（Resource Manager）之間進行通信的接口。

在XA規范中，數據庫充當RM角色，應用需要充當TM的角色，即生成全局的txId，調用XAResource接口，把多個本地事務協調為全局統一的分布式事務。

二階段提交是XA的標準實現。它將分布式事務的提交拆分為2個階段：prepare和commit/rollback。

2PC模型中，在prepare階段需要等待所有參與子事務的反饋，因此可能造成數據庫資源鎖定時間過長，不適合并發高以及子事務生命周長較長的業務場景。兩階段提交這種解決方案屬于犧牲了一部分可用性來換取的一致性。

saga

saga的提出，最早是為了解決可能會長時間運行的分布式事務（long-running process）的問題。所謂long-running的分布式事務，是指那些企業業務流程，需要跨應用、跨企業來完成某個事務，甚至在事務流程中還需要有手工操作的參與，這類事務的完成時間可能以分計，以小時計，甚至可能以天計。這類事務如果按照事務的ACID的要求去設計，勢必造成系統的可用性大大的降低。試想一個由兩臺服務器一起參與的事務，服務器A發起事務，服務器B參與事務，B的事務需要人工參與，所以處理時間可能很長。如果按照ACID的原則，要保持事務的隔離性、一致性，服務器A中發起的事務中使用到的事務資源將會被鎖定，不允許其他應用訪問到事務過程中的中間結果，直到整個事務被提交或者回滾。這就造成事務A中的資源被長時間鎖定，系統的可用性將不可接受。

而saga，則是一種基于補償的消息驅動的用于解決long-running process的一種解決方案。目標是為了在確保系統高可用的前提下盡量確保數據的一致性。還是上面的例子，如果用saga來實現，那就是這樣的流程：服務器A的事務先執行，如果執行順利，那么事務A就先行提交；如果提交成功，那么就開始執行事務B，如果事務B也執行順利，則事務B也提交，整個事務就算完成。但是如果事務B執行失敗，那事務B本身需要回滾，這時因為事務A已經提交，所以需要執行一個補償操作，將已經提交的事務A執行的操作作反操作，恢復到未執行前事務A的狀態。這樣的基于消息驅動的實現思路，就是saga。我們可以看出，saga是犧牲了數據的強一致性，僅僅實現了最終一致性，但是提高了系統整體的可用性。

補償事務（TCC）

TCC 其實就是采用的補償機制，其核心思想是：針對每個操作，都要注冊一個與其對應的確認和補償（撤銷）操作。TCC模型是把鎖的粒度完全交給業務處理。它分為三個階段：

Try 階段主要是對業務系統做檢測及資源預留

Confirm 階段主要是對業務系統做確認提交，Try階段執行成功并開始執行 Confirm階段時，默認 Confirm階段是不會出錯的。即：只要Try成功，Confirm一定成功。

Cancel 階段主要是在業務執行錯誤，需要回滾的狀態下執行的業務取消，預留資源釋放。

下面對TCC模式下，A賬戶往B賬戶匯款100元為例子，對業務的改造進行詳細的分析：

匯款服務和收款服務分別需要實現，Try-Confirm-Cancel接口，并在業務初始化階段將其注入到TCC事務管理器中。、

[匯款服務] Try：檢查A賬戶有效性，即查看A賬戶的狀態是否為“轉帳中”或者“凍結”；檢查A賬戶余額是否充足；從A賬戶中扣減100元，并將狀態置為“轉賬中”；預留扣減資源，將從A往B賬戶轉賬100元這個事件存入消息或者日志中； Confirm：不做任何操作； Cancel：A賬戶增加100元；從日志或者消息中，釋放扣減資源。[收款服務] Try：檢查B賬戶賬戶是否有效； Confirm：讀取日志或者消息，B賬戶增加100元；從日志或者消息中，釋放扣減資源； Cancel：不做任何操作。

由此可以看出，TCC模型對業務的侵入強，改造的難度大。

本地消息表（異步確保）

本地消息表這種實現方式應該是業界使用最多的，其核心思想是將分布式事務拆分成本地事務進行處理，這種思路是來源于ebay。我們可以從下面的流程圖中看出其中的一些細節：

基本思路就是：

消息生產方，需要額外建一個消息表，并記錄消息發送狀態。消息表和業務數據要在一個事務里提交，也就是說他們要在一個數據庫里面。然后消息會經過MQ發送到消息的消費方。如果消息發送失敗，會進行重試發送。

消息消費方，需要處理這個消息，并完成自己的業務邏輯。此時如果本地事務處理成功，表明已經處理成功了，如果處理失敗，那么就會重試執行。如果是業務上面的失敗，可以給生產方發送一個業務補償消息，通知生產方進行回滾等操作。

生產方和消費方定時掃描本地消息表，把還沒處理完成的消息或者失敗的消息再發送一遍。如果有靠譜的自動對賬補賬邏輯，這種方案還是非常實用的。

事務消息

事務消息作為一種異步確保型事務， 將兩個事務分支通過MQ進行異步解耦，事務消息的設計流程同樣借鑒了兩階段提交理論，整體交互流程如下圖所示：

事務發起方首先發送prepare消息到MQ。

在發送prepare消息成功后執行本地事務。

根據本地事務執行結果返回commit或者是rollback。

如果消息是rollback，MQ將刪除該prepare消息不進行下發，如果是commit消息，MQ將會把這個消息發送給consumer端。

如果執行本地事務過程中，執行端掛掉，或者超時，MQ將會不停的詢問其同組的其它producer來獲取狀態。

Consumer端的消費成功機制有MQ保證。

有一些第三方的MQ是支持事務消息的，比如RocketMQ，但是市面上一些主流的MQ都是不支持事務消息的，比如 RabbitMQ 和 Kafka 都不支持。

盡最大努力通知

最大努力通知方案主要也是借助MQ消息系統來進行事務控制，這一點與可靠消息最終一致方案一樣。看來MQ中間件確實在一個分布式系統架構中，扮演者重要的角色。最大努力通知方案是比較簡單的分布式事務方案，它本質上就是通過定期校對，實現數據一致性。

最大努力通知方案的實現

業務活動的主動方，在完成業務處理之后，向業務活動的被動方發送消息，允許消息丟失。

主動方可以設置時間階梯型通知規則，在通知失敗后按規則重復通知，直到通知N次后不再通知。

主動方提供校對查詢接口給被動方按需校對查詢，用于恢復丟失的業務消息。

業務活動的被動方如果正常接收了數據，就正常返回響應，并結束事務。

如果被動方沒有正常接收，根據定時策略，向業務活動主動方查詢，恢復丟失的業務消息

最大努力通知方案的特點

用到的服務模式：可查詢操作、冪等操作。

被動方的處理結果不影響主動方的處理結果；

適用于對業務最終一致性的時間敏感度低的系統；

適合跨企業的系統間的操作，或者企業內部比較獨立的系統間的操作，比如銀行通知、商戶通知等；

方案比較

別人是怎么做的

alipay的分布式事務服務DTS

分布式事務服務（Distributed Transaction Service，簡稱 DTS）是一個分布式事務框架，用來保障在大規模分布式環境下事務的最終一致性。DTS 從架構上分為 xts-client 和 xts-server 兩部分，前者是一個嵌入客戶端應用的 Jar 包，主要負責事務數據的寫入和處理；后者是一個獨立的系統，主要負責異常事務的恢復。

核心概念

在 DTS 內部，我們將一個分布式事務的關聯方，分為發起方和參與者兩類：

發起方：?分布式事務的發起方負責啟動分布式事務，觸發創建相應的主事務記錄。發起方是分布式事務的協調者，負責調用參與者的服務，并記錄相應的事務日志，感知整個分布式事務狀態來決定整個事務是 COMMIT 還是 ROLLBACK。

參與者：參與者是分布式事務中的一個原子單位，所有參與者都必須在一階段接口（Prepare）中標注（Annotation）參與者的標識，它定義了?prepare、commit、rollback?3個基本接口，業務系統需要實現這3個接口，并保證其業務數據的冪等性，也必須保證?prepare?中的數據操作能夠被提交（COMMIT）或者回滾（ROLLBACK）。從存儲結構上，DTS 的事務狀態數據可以分為主事務記錄（Activity）和分支事務記錄（Action）兩類：

主事務記錄 Activity：主事務記錄是整個分布式事務的主體，其最核心的數據結構是事務號（TX_ID）和事務狀態（STATE），它是在啟動分布式事務的時候持久化寫入數據庫的，它的狀態決定了這筆分布式事務的狀態。

分支事務記錄 Action：分支事務記錄是主事務記錄的一個子集，它記錄了一個參與者的信息，其中包括參與者的 NAME 名稱，DTS 通過這個 NAME 來唯一定位一個參與者。通過這個分支事務信息，我們就可以對參與者進行提交或者回滾操作。

這應該屬于我們上面所說的TCC模式。

eBay 本地消息表

本地消息表這種實現方式的思路，其實是源于ebay，后來通過支付寶等公司的布道，在業內廣泛使用。其基本的設計思想是將遠程分布式事務拆分成一系列的本地事務。如果不考慮性能及設計優雅，借助關系型數據庫中的表即可實現。

舉個經典的跨行轉賬的例子來描述。第一步，扣款1W，通過本地事務保證了憑證消息插入到消息表中。第二步，通知對方銀行賬戶上加1W了。那問題來了，如何通知到對方呢？

通常采用兩種方式：

采用時效性高的MQ，由對方訂閱消息并監聽，有消息時自動觸發事件

采用定時輪詢掃描的方式，去檢查消息表的數據。

類似使用本地消息表+消息通知的還有去哪兒，蘑菇街

各種第三方支付回調

最大努力通知型。如支付寶、微信的支付回調接口方式，不斷回調直至成功，或直至調用次數衰減至失敗狀態。

我們可以怎么來做

2PC/3PC需要資源管理器(mysql, redis)支持XA協議，且整個事務的執行期間需要鎖住事務資源，會降低性能。故先排除。

TCC的模式，需要事務接口提供try,confirm,cancel三個接口，提高了編程的復雜性。需要依賴于業務方來配合提供這樣的接口。推行難度大，暫時排除。

最大努力通知型，應用于異構或者服務平臺當中

可以看到ebay的經典模式中，分布式的事務，是通過本地事務+可靠消息，來達到事務的最終一致性的。但是出現了事務消息，就把本地事務的工作給涵蓋在事務消息當中了。所以，接下來要基于事務消息來套我們的應用場景，看起是否滿足我們對分布式事務產品的要求。

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的分布式事务不理解？一次给你讲清楚！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。