springcloud分布式事务

文章目录

  • 一.为什么引入分布式事务?
  • 二.理论基础
    • 1.CAP定理
    • 2.BASE理论
  • 三.Seata
    • 1.微服务集成Seata
    • 2.XA模式(掌握)
    • 3.AT模式(重点)
    • 4.TCC模式(重点)
    • 5.Saga模式(了解)
  • 四.四种模式对比
  • 五.Seata高可用


一.为什么引入分布式事务?

事务的ACID原则

springcloud分布式事务_第1张图片

在大型的微服务项目中,每一个微服务都可能包含一个独立的数据库,当单个数据库的操作由于某种原因进行回滚操作了,其他数据库也会进行回滚操作吗?

设想以下案例:

微服务下单业务,在下单时会调用订单服务,创建订单并写入数据库。然后订单服务调用账户服务和库存服务:

  • 账户服务负责扣减用户余额
  • 库存服务负责扣减商品库存

springcloud分布式事务_第2张图片

但是当库存数据库中的库存数量小于扣减数呢?库存数据库会回滚,但是账户服务的数据库和订单服务的数据库依旧执行成功,这并不是我们希望看到的效果

springcloud分布式事务_第3张图片

所以说在分布式系统下,一个业务跨越多个服务或数据源,每个服务都是一个分支事务,要保证所有分支事务最终状态一致,这样的事务就是分布式事务。

二.理论基础

1.CAP定理

1998年,加州大学的计算机科学家 Eric Brewer 提出,分布式系统有三个指标:

  • Consistency(一致性)
  • Availability(可用性)
  • Partition tolerance (分区容错性)

Eric Brewer 说,分布式系统无法同时满足这三个指标。
这个结论就叫做 CAP 定理。

springcloud分布式事务_第4张图片

CAP定理- Consistency

Consistency(一致性):用户访问分布式系统中的任意节点,得到的数据必须一致

当进行数据更改的时候,node01的数据必须同步更新给node02,不然会导致查询出的数据不一致

springcloud分布式事务_第5张图片

CAP定理- Availability

Availability (可用性):用户访问集群中的任意健康节点,必须能得到响应,而不是超时或拒绝

springcloud分布式事务_第6张图片

CAP定理-Partition tolerance

Partition(分区):因为网络故障或其它原因导致分布式系统中的部分节点与其它节点失去连接,形成独立分区。

Tolerance(容错):在集群出现分区时,整个系统也要持续对外提供服务

所以说,Partition tolerance(分区容错):即系统在网络发生故障或分区时,仍然能够保持正常的运行

springcloud分布式事务_第7张图片

假设ode03和node02之间出现了网络故障,node01和node02是一个分区,而node03是一个分区

当出现分区时,如果想保证数据的一致性即Consistency,那么就必须等待node02和node03之间的网络恢复,从而node02能将数据同步给node03,但此时不能满足Availability (可用性),因为在等待网络恢复过程中,nbode03不能够进行访问

如果想保证Availability (可用性),那么node02分区和node03分区的数据就会不一致,从而出现不一致性,即没有满足Consistency(一致性)

可以发现,由于两两互斥,所以三种特性都不能同时满足

思考:elasticsearch集群是CP还是AP?

ES集群出现分区时,故障节点会被剔除集群,数据分片会重新分配到其它节点,保证数据一致。因此是低可用性,高一致性,属于CP

2.BASE理论

BASE理论是对CAP的一种解决思路,包含三个思想:

  • Basically Available (基本可用):分布式系统在出现故障时,允许损失部分可用性,即保证核心可用。

  • Soft State(软状态):在一定时间内,允许出现中间状态,比如临时的不一致状态。

  • Eventually Consistent(最终一致性):虽然无法保证强一致性,但是在软状态结束后,最终达到数据一致。


而分布式事务最大的问题是各个子事务的一致性问题,因此可以借鉴CAP定理和BASE理论:

  • AP模式:各子事务分别执行和提交,允许出现结果不一致,然后采用弥补措施恢复数据即可,实现最终一致。
  • CP模式:各个子事务执行后互相等待,同时提交,同时回滚,达成强一致。但事务等待过程中,处于弱可用状态。

分布式事务模型

解决分布式事务,各个子系统之间必须能感知到彼此的事务状态,才能保证状态一致,因此需要一个事务协调者来协调每一个事务的参与者(子系统事务)。

这里的子系统事务,称为分支事务有关联的各个分支事务在一起称为全局事务

springcloud分布式事务_第8张图片

三.Seata

Seata是 2019 年 1 月份蚂蚁金服和阿里巴巴共同开源的分布式事务解决方案。致力于提供高性能和简单易用的分布式事务服务,为用户打造一站式的分布式解决方案。

官网地址: http://seata.io/,其中的文档、播客中提供了大量的使用说明、源码分析。

Seata架构

Seata事务管理中有三个重要的角色:

  • TC (Transaction Coordinator) - 事务协调者:维护全局和分支事务的状态,协调全局事务提交或回滚。

  • TM (Transaction Manager) - 事务管理器:定义全局事务的范围、开始全局事务、提交或回滚全局事务。

  • RM (Resource Manager) - 资源管理器:管理分支事务处理的资源,与TC交谈以注册分支事务和报告分支事务的状态,并驱动分支事务提交或回滚。

springcloud分布式事务_第9张图片

Seata提供了四种不同的分布式事务解决方案:

  • XA模式:强一致性分阶段事务模式,牺牲了一定的可用性,无业务侵入

  • TCC模式:最终一致的分阶段事务模式,有业务侵入

  • AT模式:最终一致的分阶段事务模式,无业务侵入,也是Seata的默认模式

  • SAGA模式:长事务模式,有业务侵入


部署TC服务

需要注意:在配置Seata配置文件的时候,group和dataId必须和nacos配置管理的Data Id和Group一致

springcloud分布式事务_第10张图片
springcloud分布式事务_第11张图片

1.微服务集成Seata

1.引入seata相关依赖:

        
            com.alibaba.cloud
            spring-cloud-starter-alibaba-seata
            
                
                
                    seata-spring-boot-starter
                    io.seata
                
            
        
        
        
            io.seata
            seata-spring-boot-starter
            ${seata.version}
        

2.配置application.yml,让微服务通过注册中心找到seata-tc-server:

seata:
  registry:
  # TC服务注册中心的配置,微服务根据这些信息去注册中心获取tc服务地址
  # 参考tc服务自己的registry.conf中的配置,
  # 包括:地址、namespace、group、application-name 、cluster
    type: nacos
    nacos: # tc
      server-addr: 127.0.0.1:8848
      namespace: ""
      group: DEFAULT_GROUP
      application: seata-tc-server # tc服务在nacos中的服务名称
      username: nacos
      password: nacos
  tx-service-group: seata-demo # 事务组,根据这个获取tc服务的cluster名称
  service:
    vgroup-mapping: # 事务组与TC服务cluster的映射关系
      seata-demo: SH

2.XA模式(掌握)

XA模式原理

XA 规范 是 X/Open 组织定义的分布式事务处理(DTP,Distributed Transaction Processing)标准,XA 规范 描述了全局的TM与局部的RM之间的接口,几乎所有主流的数据库都对 XA 规范 提供了支持。

springcloud分布式事务_第12张图片
springcloud分布式事务_第13张图片

seata的XA模式做了一些调整,但大体相似:

  • RM一阶段的工作:
    • 注册分支事务到TC
    • 执行分支业务sql但不提交
    • 报告执行状态到TC
      TC二阶段的工作:
  • TC检测各分支事务执行状态
    • 如果都成功,通知所有RM提交事务
    • 如果有失败,通知所有RM回滚事务
      RM二阶段的工作:
  • 接收TC指令,提交或回滚事务

springcloud分布式事务_第14张图片
XA模式的优点是什么?

  • 事务的强一致性,满足ACID原则。
  • 常用数据库都支持,实现简单,并且没有代码侵入

XA模式的缺点是什么?

  • 因为一阶段需要锁定数据库资源,等待二阶段结束才释放,性能较差,低可用
  • 数据操作导致的不一致需要进行回滚操作,故需要依赖关系型数据库实现事务

实现XA模式

Seata的starter已经完成了XA模式的自动装配,实现非常简单,步骤如下:

1.修改application.yml文件(每个参与事务的微服务),开启XA模式
在这里插入图片描述
2.给发起全局事务的入口方法添加 @GlobalTransactional注解,本例中是OrderServiceImpl中的create方法:
springcloud分布式事务_第15张图片

3.AT模式(重点)

AT模式原理

AT模式同样是分阶段提交的事务模型,不过缺弥补了XA模型中资源锁定周期过长的缺陷。

阶段一RM的工作:

  • 注册分支事务

  • 记录undo-log(数据快照)

  • 执行业务sql并提交

  • 报告事务状态

阶段二提交时RM的工作:

  • 删除undo-log即可

阶段二回滚时RM的工作:

  • 根据undo-log恢复数据到更新前

springcloud分布式事务_第16张图片

例如,

一个分支业务的SQL是这样的:update tb_account set money = money - 10 where id = 1

springcloud分布式事务_第17张图片

AT模式与XA模式最大的区别是什么?

XA模式一阶段不提交事务,锁定资源;AT模式一阶段直接提交,不锁定资源。

XA模式依赖数据库机制实现回滚;AT模式利用数据快照实现数据回滚。

XA模式强一致;AT模式最终一致


AT模式的脏写问题

假设有以下场景:

事务1和事务2都受AT模式的Seata管理,当事务1更改数据库中的字段时(例如money字段),首先是获取了DB锁,保存了此刻的字段值快照,当执行完业务后归还了DB锁并提交了事务,但事务2紧接着获得了DB锁操作了相同的字段,也提交了事务,此时字段(money)就进行了两次更改,但是事务1并不知道发生了除它以外的操作,更糟糕的是TC此时发现数据库操作失败需要进行回滚,事务1就立马按照数据快照的数据进行更新数据库,从而导致产生了脏写问题

springcloud分布式事务_第18张图片

那么该如何避免脏写问题呢?


AT模式的写隔离

所谓的写隔离其实就是对全局事务增加了全局锁,全局锁由TC记录,当前正在操作某行数据的事务,该事务持有全局锁,具备执行权。

还是刚才的例子,当业务1要提交事务之前,事务1拿到了全局锁,拥有这个字段的执行权(即受AT模式管理的Seata中的所有事务,对这个字段的操作权有且仅有事务1),TC会将事务,表,字段等信息存入数据库表中,当事务2想要操作相同字段并且提交的时候,它也需要获取这个字段的全局锁,但此时发现操作这个字段的全局锁已经有事务拿到了,事务2就只能进行等待状态(等待时间默认为30次,间隔为10ms,这样做是为了避免事务1进行回滚而事务2占用DB锁,但是事务1又占用了全局锁所造成的死锁状态),当等待时间过去后,事务1拿到了DB锁操作数据库回滚完成,释放全局锁,这个中间字段只有事务1在进行操作,成功避免了脏写问题
springcloud分布式事务_第19张图片

但是如果不是受Seata管理的事务2呢?因为不受Seata管理就没有全局锁,事务2就可以自由操作和事务1相同的字段了(前提是拿到DB锁)

AT模式中引入了两个快照机制,一个是before-image(操作前的数据快照)和after-image(操作后的数据快照),当事务1进行回滚的时候会判断after-image是否和现在的字段数据一致,一致则回滚,不一致则记录异常,发送警告,人工介入

springcloud分布式事务_第20张图片


AT模式的优点:

  • 一阶段完成直接提交事务,释放数据库资源,性能比较好

  • 利用全局锁实现读写隔离

  • 没有代码侵入,框架自动完成回滚和提交

AT模式的缺点:

  • 两阶段之间属于软状态,属于最终一致

  • 框架的快照功能会影响性能,但比XA模式要好很多


实现AT模式

AT模式中的快照生成、回滚等动作都是由框架自动完成,没有任何代码侵入,因此实现非常简单。

1.导入Sql文件:seata-at.sql,其中lock_table导入到TC服务关联的数据库,undo_log表导入到微服务关联的数据库

2.修改application.yml文件,将事务模式修改为AT模式即可

seata:
  data-source-proxy-mode: AT # 开启数据源代理的AT模式

4.TCC模式(重点)

TCC模式原理

TCC模式与AT模式非常相似,每阶段都是独立事务,不同的是TCC通过人工编码来实现数据恢复。需要实现三个方法:

  • Try:资源的检测和预留;

  • Confirm:完成资源操作业务;要求 Try 成功 Confirm 一定要能成功。

  • Cancel:预留资源释放,可以理解为try的反向操作。

TCC模式冻结机制与AT模式中的快照恢复机制有很大的相同点:

TCC冻结机制其实是相当于恢复操作的数据(例如金额),而AT模式快照恢复是恢复全部的数据(操作之前的数据),TCC实现了不需要全局锁进行隔离取之代替的是冻结(相当于对操作的数据绑定了一个事务).TCC模式可以和AT模式混用

springcloud分布式事务_第21张图片

TCC的工作模型图:

springcloud分布式事务_第22张图片

需要注意的是Confirm实现的不是提交具体的事务,提交具体的事务其实在资源预留已经做完了,Confirm实现的是删除冻结记录操作,相当于TC确认所有事务执行无误,提交的全局事务

总结:

TCC的优点是什么?

  • 一阶段完成直接提交事务,释放数据库资源,性能好

  • 相比AT模型,无需生成快照,无需使用全局锁,性能最强

  • 不依赖数据库事务,而是依赖补偿操作,可以用于非事务型数据库

TCC的缺点是什么?

  • 有代码侵入,需要人为编写try、Confirm和Cancel接口,太麻烦

  • 软状态,事务是最终一致

  • 需要考虑Confirm和Cancel的失败情况,做好幂等处理


补充:

1.什么是幂等?

"幂等"是指对同一操作的多次执行具有相同的效果,不会导致不一致或意外的结果。换句话说,如果一个操作是幂等的,那么无论执行多少次,最终的状态都是相同的。

2.在TCC中的空回滚和业务悬挂

空回滚:当某分支事务的try阶段阻塞时,可能导致全局事务超时而触发二阶段的cancel操作。在未执行try操作时先执行了cancel操作,这时cancel不能做回滚,就是空回滚。

业务悬挂:对于已经空回滚的业务,如果以后继续执行try,就永远不可能confirm或cancel,这就是业务悬挂。应当阻止执行空回滚后的try操作,避免悬挂

简单来说,空回滚就是在业务还没执行之前就进行回滚了,业务悬挂是在空回滚后继续执行了try逻辑

springcloud分布式事务_第23张图片


案例:改造account-service服务,利用TCC实现分布式事务

springcloud分布式事务_第24张图片

业务分析:

为了实现空回滚、防止业务悬挂,以及幂等性要求。我们必须在数据库记录冻结金额的同时,记录当前事务id和执行状态,为此我们设计了一张表:

springcloud分布式事务_第25张图片

业务逻辑:

springcloud分布式事务_第26张图片

实现方法:

1.声明TCC接口

TCC的Try、Confirm、Cancel方法都需要在接口中基于注解来声明,语法如下:

@LocalTCC
public interface AccountTCCService {

    /**
     * Try逻辑,@TwoPhaseBusinessAction中的name属性要与当前方法名一致,用于指定Try逻辑对应的方法
     * @param userId
     * @param money
     */
    @TwoPhaseBusinessAction(name = "deduct", commitMethod = "confirm", rollbackMethod = "cancel")
    void deduct(@BusinessActionContextParameter("userId") String userId,
                @BusinessActionContextParameter("money") int money);

    /**
     *
     * 二阶段confirm确认方法、可以另命名,但要保证与commitMethod一致
     *
     * @param context 上下文,可以传递try方法的参数
     * @return boolean 执行是否成功     *
     */
    boolean confirm(BusinessActionContext context);

    /**
     * 二阶段回滚方法,要保证与rollbackMethod一致
     * @param context
     * @return
     */
    boolean cancel(BusinessActionContext context);
}

2.导入冻结表

3.实现AccountTCCService接口

package cn.itcast.account.service.impl;

import cn.itcast.account.entity.AccountFreeze;
import cn.itcast.account.mapper.AccountFreezeMapper;
import cn.itcast.account.mapper.AccountMapper;
import cn.itcast.account.service.AccountTCCService;
import io.seata.core.context.RootContext;
import io.seata.rm.tcc.api.BusinessActionContext;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

@Service
@Slf4j
public class AccountTCCServiceImpl implements AccountTCCService {
    @Autowired
    private AccountMapper accountMapper;

    @Autowired
    private AccountFreezeMapper accountFreezeMapper;

    @Override
    @Transactional
    public void deduct(String userId, int money) {
        //获取全局事务id
        String xid = RootContext.getXID();

        AccountFreeze oldFreeze = accountFreezeMapper.selectById(xid);

        if(oldFreeze != null){
            return;
        }

        accountMapper.deduct(userId, money);

        //记录冻结的金额和事务
        AccountFreeze freeze = new AccountFreeze();
        freeze.setUserId(userId);
        freeze.setFreezeMoney(money);
        freeze.setState(AccountFreeze.State.TRY);
        freeze.setXid(xid);
        accountFreezeMapper.insert(freeze);
    }

    @Override
    public boolean confirm(BusinessActionContext context) {
        String xid = context.getXid();

        int count = accountFreezeMapper.deleteById(xid);
        return count == 1;
    }

    @Override
    public boolean cancel(BusinessActionContext context) {
        //查询冻结记录
        String xid = context.getXid();
        String userId = context.getActionContext("userId").toString();
        AccountFreeze freeze = accountFreezeMapper.selectById(xid);
        //空回滚判断
        if (freeze == null) {
            freeze = new AccountFreeze();
            freeze.setUserId(userId);
            freeze.setFreezeMoney(0);
            freeze.setState(AccountFreeze.State.CANCEL);
            freeze.setXid(xid);
            accountFreezeMapper.insert(freeze);
            return true;
        }

        //幂等处理
        if(freeze.getState() == AccountFreeze.State.CANCEL){
            return true;
        }

        //恢复可用余额
        accountMapper.refund(freeze.getUserId(), freeze.getFreezeMoney());
        //将冻结的金额清零,状态改为CANCEL
        freeze.setFreezeMoney(0);
        freeze.setState(AccountFreeze.State.CANCEL);
        int count = accountFreezeMapper.updateById(freeze);
        return count == 1;
    }
}

需要注意的是:

1.空回滚判断需要在回滚业务中编写,且需要将记录插入到冻结表中,便于业务悬挂做出判断

2.对于业务悬挂需要先查询冻结表中是否有记录,如果有,一定是CANCEL执行过(因为对于没有回滚过的业务,在执行业务结束后对应的冻结表的字段一定为空,所以说有记录一定为CANCEL执行过),对于CANCEL执行过的事务说明全局事务已经完成,就必须拒绝此刻的try操作,否则会引起业务悬挂


5.Saga模式(了解)

Saga模式是SEATA提供的长事务解决方案。也分为两个阶段:

  • 一阶段:直接提交本地事务

  • 二阶段:成功则什么都不做;失败则通过编写补偿业务来回滚

Saga模式优点:

  • 事务参与者可以基于事件驱动实现异步调用,吞吐高

  • 一阶段直接提交事务,无锁,性能好

  • 不用编写TCC中的三个阶段,实现简单

缺点:

  • 软状态持续时间不确定,时效性差

  • 没有锁,没有事务隔离,会有脏写

springcloud分布式事务_第27张图片


四.四种模式对比

springcloud分布式事务_第28张图片

五.Seata高可用

什么是异地容灾?

确保在发生灾难性事件或紧急情况时,组织的业务能够迅速恢复正常运行。异地容灾的主要目标是最小化业务中断,并确保在灾难性事件后能够迅速恢复关键业务功能。

TC的异地多机房容灾架构

TC服务作为Seata的核心服务,一定要保证高可用和异地容灾。

springcloud分布式事务_第29张图片

当一个地方的集群出现问题的时候,TC服务能快速切换到另外一个集群,故需要实现配置管理的热更新,就需要nacos配置管理来实现了,实现方式主要是在nacos统一配置管理,然后在各个微服务读取nacos中的properties文件即可(在每个微服务的yml文件指定nacos的地址和配置文件名称即可)

你可能感兴趣的:(spring,cloud,分布式,spring,Seata,高可用,XA,AT,TCC,分布式事务)