分布式事务

分布式理论

CAP理论

在一个分布式系统中，一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance），这三个要素最多只能同时实现两点，不可能三者兼顾。由于P(分区容错）是必选项，所以只能在AP或者CP中选择。

• 一致性（Consistency）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本） ；

• 可用性（Availability）：在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）； 

• 分区容错性（Partition tolerance）：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；

BASE理论

BASE是Basically Available（基本可用）、Soft state（软状态）和Eventually consistent（最终一致性）的缩写。在分布式系统中，CAP理论是指导思维，而BASE理论是CAP理论中AP的延伸，是对 CAP 中的一致性和可用性进行一个权衡的结果，核心思想是：即使无法做到强一致性，但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性。

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

• 柔性状态（Soft state）：指允许系统存在中间状态，并认为该中间状态不会影响系统整体可用性。比如，允许不同节点间副本同步的延时就是柔性状态的体现。

• 最终一致性（Eventually consistent）：指系统中的所有副本经过一定时间后，最终能够达到一致的状态。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。

事务的一致性

• 强一致性：系统中的某个数据被成功更新后，后续的访问都能看到更新后的值；

• 弱一致性：系统中的某个数据被更新后，后续的访问可能得到更新后的值，也可能是更改前的值；

• 最终一致性：系统中的某个数据被更新，经过一段时间后，最终所有的访问都是更新的值；

事务按照属性分类

事务可以按照对数据的一致性要求进行分类:

刚性事务

分布式理论的CP ，强一致性，遵循ACID，对数据要求强一致性

柔性事务

分布式理论的AP+BASE ，最终一致性，遵循BASE，允许一定时间内不同节点的数据不一致，但要求最终一致；

 

刚性事务

XA协议

XA协议是一个基于数据库的分布式事务协议，其分为两部分：事务管理器（Transaction Manager）和本地资源管理器（Resource Manager）。事务管理器作为一个全局的调度者，负责对各个本地资源管理器统一号令提交或者回滚。二阶提交协议（2PC）和三阶提交协议（3PC）就是根据此协议衍生出来的。主流的诸如Oracle、MySQL等数据库均已实现了XA接口。

 

2pc

第一阶段:准备阶段

协调者向所有参与者发送 REQUEST-TO-PREPARE，当参与者收到REQUEST-TO-PREPARE 消息后, 它向协调者发送消息PREPARED或者NO，表示事务是否准备好；如果发送的是NO，那么事务要回滚；

第二阶段: 提交阶段

协调者收集所有参与者的返回消息, 如果所有的参与者都回复的是PREPARED， 那么协调者向所有参与者发送COMMIT 消息；否则，协调者向所有回复PREPARED的参与者发送ABORT消息；参与者如果回复了PREPARED消息并且收到协调者发来的COMMIT消息，或者它收到ABORT消息，它将执行提交或回滚，并向协调者发送DONE消息以确认。

 

3pc

3pc分为三个阶段:CanCommit阶段、PreCommit阶段和DoCommit阶段。相比2PC，3PC通过引入一个额外的确认阶段来减轻锁定资源的时间，并减少因协调者故障导致的数据不一致的风险

 

柔性事务

TCC

TCC采用补偿机制，其核心思想是针对每个操作，注册一个对应的确认和补偿（撤销）操作。具体分为三个阶段：Try（尝试执行业务，完成业务检查，预留必要资源）、Confirm（确认执行业务，使用Try阶段预留的资源）、Cancel（若业务执行失败，则取消业务并释放资源）。

 

Saga

Saga模型将一个分布式事务拆分为多个本地事务，每个本地事务都有相应的执行模块和补偿模块。当事务中的任意一个本地事务出错时，通过调用相关的补偿方法恢复之前的事务，达到最终一致性。Saga包括LLT（Long Live Transaction）、本地事务和补偿组成。

Saga模型是把一个分布式事务拆分为多个本地事务，每个本地事务都有相应的执行模块和补偿模块（对应TCC中的Confirm和Cancel），当Saga事务中任意一个本地事务出错时，可以通过调用相关的补偿方法恢复之前的事务，达到事务最终一致性。

Saga 模型由三部分组成：

- LLT（Long Live Transaction）：由一个个本地事务组成的事务链。

- 本地事务：事务链由一个个子事务（本地事务）组成，LLT = T1+T2+T3+...+Ti。

- 补偿：每个本地事务 Ti 有对应的补偿 Ci。

Saga 的执行顺序：

- 正常情况： T1,T2,T3,...,Ti

- 异常情况： T1,T2,T3,..Ti,Ci,...C3,C2,C1

Saga 两种恢复策略：

- 向后恢复（Backward Recovery）：撤销掉之前所有成功子事务。如果任意本地子事务失败，则补偿已完成的事务。如异常情况的执行顺序T1,T2,T3,..Ti,Ci,...C3,C2,C1。

- 向前恢复（Forward Recovery）：即重试失败的事务，适用于必须要成功的场景，该情况下不需要Ci。执行顺序：T1,T2,...,Tj（失败）,Tj（重试）,...,Ti。