分布式事务

基本概念

本地事务

事务由资源管理器（如DBMS）本地管理

• 优点：严格的ACID
• 缺点：不具备分布事务处理能力

全局事务（DTP模型）

TX协议：应用或应用服务器与事务管理器的接口

XA协议：全局事务管理器与资源管理器的接口

• 优点：严格的ACID
• 缺点：效率非常低

两阶段提交

• 优点
  • 准备后，仍可提交或回滚
  • 准备时，一致性检查必须OK
  • 准备后，事务结果仍然只在事务内可见
  • 准备后，事务结果已经持久化
• 缺点：
  • 潜在故障点多带来的脆弱性
  • 准备后，提交前的故障引发一系列隔离与恢复难题

http://book.51cto.com/art/201309/410608.htm

跨域的全局事务（DTP模型）

• 缺点
  • 更高的协议成本
  • 脆弱，故障点多
  • 故障影响大，恢复困难
  • 复杂，更多架构与平台约束

java企业平台中的分布式事务实现

• JTA
  • 面向应用、应用服务器与资源管理器的高层事务接口
• JTS
  • JTA事务管理器的实现标准，向上支持JTA，向下通过CORBA OTS实现跨事务域的互操作性
• EJB
• 优点
  • 简单一致的编程模型
  • 跨域分布处理的ACID保证
• 局限
  • DTP模型本身的局限
  • 缺少充分公开的大规模、高可用、密集事务应用的成功案例

JMS与分布式事务：http://techv5.com/topic/1371/

其它资源

• ws-transaction标准
• jbossTransaction系统
• Paxos算法

原则

• 真正重要的是满足业务需求，而不是追求抽象、绝对的系统特性
• 帽子戏法
• 酸碱（ACID-BASE Balance）

模式

• 服务模式
  • 可查询操作
  • 幂等操作
  • TCC操作
  • 可补偿操作
• 复合模式
  • 定期校对
  • 可靠消息
  • TCC
  • 补偿

CAP定理

http://zh.wikipedia.org/wiki/CAP%E5%AE%9A%E7%90%86

对于共享数据系统，只能同时拥有以下三项中的两个：

• Consistency(一致性): 所有 用户看到一致的数据
• Availability(可用性): 对数据更新具备高可用性
• Tolerance to Network Partition(分区容忍性): 以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择

理解

• 允许至少一个节点更新状态会导致数据不一致，即丧失了C性质。
  • 如果是多个节点，然后多个节点都是高可用的，此时肯定有个先后顺序，这时肯定没法保证一致性。
• 如果为了保证数据一致性，将分区一侧的节点设置为不可用，那么又丧失了A性质。
  • 比如mysql主备节点，一般是主机统一对事务进行控制；备机只用来读。这样就尚失了A性质。
• 除非两个节点可以互相通信，才能既保证C又保证A，这又会导致丧失P性质。
  • 如果要求同时达到一致性和可用性，那就没法分区了，因为一旦分区肯定会有时间窗口导致上面C或A的不满足。

酸碱平衡 （BASE）

• BA(Basic Availability)
  • 基本可用性
• S（soft state）
  • 柔性状态
• E(Eventuall consistency)
  • 最终一致性

eBay的BASE最佳实践

ebay没有使用任何的分布式事务客户端或系统

他们使用其它技术来保证最终一致性 - careful ordering of database operations - asynchronous recovery events - reconciliation or settlement batches

分布式事务方案一：定期校对

服务模式1：可查询操作

服务操作的可标识性

服务操作具有全局唯一标识

复合模式1：定期校对

需保证在事务提交后才能发送

分布式事务方案二：基于MQ

服务模式2：幂等操作

通过业务操作本身实现幂等性

服务模式2：可靠消息

实现：

• 业务活动的主动方，在完成业务处理的同一个本地事务中，记录消息数据
• 业务处理事务提交后、通过实时消息通知业务被动方，实时通知成功后删除消息数据
• 消息恢复系统定期找到未成功发送的消息，交给实时消息服务补发送

约束：

• 被动方的处理结果不影响主动方的处理
• 被动方的消息处理操作是幂等操作

成本：

• 可靠消息系统建设成本
• 消息数据CRUD成本

适用范围

• 对最终一致性时间敏感度较高
• 降低业务被方实现成本

可靠消息的另一种实现

实现

• 业务处理在业务事务提交前，向实时消息服务请求发送消息，实时消息服务只记录消息数据，而不真正发送
• 业务处理服务在业务事务提交后，向实时消息服务确认发送。只有在得到确认发送指令后，实时消息服务才真正发送消息
• 业务处理在业务事务回滚后，向实时消息服务取消发送
• 消息状态确认系统定期找到未确认发送或回溯的消息，向业务处理服务询问消息状态，业务处理服务根据消息ID或消息内容确定该消息是否有效。

成本

• 一次消息发送需要两次请求
• 业务处理服务需实现消息状态回查接口

优点：

• 消息数据独立存储、独立伸缩
• 降低业务系统与消息系统间的耦合

分布式事务方案三：基于TCC

服务模式3：TCC操作

Try: 尝试执行业务

• 完成所有业务检查（一致性）
• 预留必须业务资源（准隔离性）

Confirm: 确认执行业务

• 真正执行业务
• 不作任何业务检查
• 只使用Try阶段预留的业务资源
• Confirm操作满足幂等性

Cancel: 取消执行业务

• 释放Try阶段预留的业务资源
• Cancel操作满足幂等生

与2PC协议比较

• 位于业务服务层而非资源层
• 没有单独的准备阶段，Try操作兼备资源操作与准备能力
• Try操作可以灵活选择业务资源的锁定粒度
• 较高开发成本

复合模式3：TCC模式

适用范围 - 强隔离性、严格一致性要求的业务活动 - 适用于执行时间较短的业务

分布式事务方案四：基于补偿（百度钱包方案）

适用范围 - 弱隔离性、弱一致性要求的业务活动 - 特别适用于执行时间较长的业务,如工作流

一般适合于金融系统，例如加钱减钱

基础设施

• 服务框架
  • 业务系统jar包
• 消息系统
  • mq
• 数据存储
  • 业务活动日志管理
• 分布式任务调度
  • 业务活动恢复任务
  • 消息恢复任务
  • 定期校对任务
• 服务注册中心
  • 提供服务元数据集中注册、查询与管理能力，支持事务相关属性的描述

参考

• 大规模SOA系统中的分布事务处事_程立.pdf
• 用消息队列和消息应用状态表来消除分布式事务 http://techv5.com/topic/1380/
• 用消息队列来解决数据一致性问题 http://rfwiki.diandian.com/post/2013-01-08/40047419557
• 用Spring和RabbitMQ技术应对消息传送挑战 http://www.infoq.com/cn/presentations/Spring-RabbitMQ-technology
• Base: An Acid Alternative In partitioned databases, trading some consistency for availability can lead to dramatic improvements in scalability. http://queue.acm.org/detail.cfm?id=1394128
• 案例分析：基于消息的分布式架构 http://www.infoq.com/cn/articles/message-based-distributed-architecture
• 中间件技术及双十一实践·消息中间件篇 http://jm-blog.aliapp.com/?p=3483