分布式事务的几种实现方式 | 京东云技术团队

基础理论

CAP 理论

一致性（Consistency） ：在分布式系统中所有的数据备份，在同一时刻都保持一致状态，如无法保证状态一致，直接返回错误；

可用性（Availability）：在集群中一部分节点故障，也能保证客户端访问系统并得到正确响应，允许一定时间内数据状态不一致；

分区容错性（Partition tolerance）：分布式系统在遇到任何网络分区故障时，仍然能保证对外提供满足一致性和可用性的服务，除非整个网络环境都发生故障；

本地事务四大特性（ACID）

事务应该是具备原子性、一致性、隔离性和持久性，简称 ACID。

原子性（Atomicity） ，可以理解为一个事务内的所有操作要么都执行，要么都不执行。

一致性（Consistency） ，可以理解为数据是满足完整性约束的，也就是不会存在中间状态的数据，事务前后数据的完整性必须保持一致。。

隔离性（Isolation） ，指的是多个事务并发执行的时候不会互相干扰，即一个事务内部的数据对于其他事务来说是隔离的。

持久性（Durability） ，指的是一个事务完成了之后数据就被永远保存下来，之后的其他操作或故障都不会对事务的结果产生影响。

BASE 理论

基本可用（Basically Available）：分布式系统在出现故障时，保证核心可用，允许损失部分可用性。（响应时间上的损失、功能上的损失）

软状态（Soft State）：系统中的数据允许存在中间状态，中间状态不影响系统的整体可用性。（支付中、处理中等）

最终一致性（Eventually Consistent）：系统中的数据不可一直处于软状态，必须在有时间期限，在期限过后应当保证数据的一致性。（支付中变为支付成功）

相比于本地事务的 ADIC 强一致性模型，BASE 理论提出通过牺牲一定的强一致性来获得可用性；

不同业务单元和业务组件对数据一致性的要求不一样，因此分布式系统中 BASE 理论和 ACID 特性会结合使用。

幂等性设计

幂等（Idempotent）是一个数学与计算机学中的概念。f(n) = 1^n ， 无论 n 等于多少，f(n)永远值等于 1；

在程序中，使用相同参数执行同一个方法，每一次执行结果都是相同的，即具有幂等性；

以订单状态处理为例的幂等性设计，不论执行多少次 orderProcess()方法，都只会扣减一次库存，并且返回 true。

分布式事务分类

二段提交 2PC（Two-Phase-Commit）|三段提交 3PC （Three-Phase-Commit）

三阶段提交引入两个机制

1、 引入超时机制。同时在协调者和参与者中都引入超时机制。

2、在第一阶段和第二阶段中插入一个准备阶段。保证了在最后提交阶段之前各参与节点的状态是一致的。

主要解决的问题：

避免了参与者在长时间无法与协调者节点通讯（协调者挂掉了）的情况下，无法释放资源的问题，因为参与者自身拥有超时机制会在超时后，自动进行本地 commit 从而进行释放资源。而这种机制也侧面降低了整个事务的阻塞时间和范围。

缺点：

性能较差，会存在长时间的锁表。

补偿事务-TCC（Try-Confirm-Cancel）|Saga

TCC 与 Saga 其实就是采用的补偿机制，其核心思想是：针对每个操作，都要注册一个与其对应的确认和补偿（撤销）操作。确认和补偿都有采用幂等性设计。

缺点：代码量大，可维护性差。

消息事务

消息一致性方案是通过消息中间件保证上、下游应用数据操作的一致性。基本思路是将本地操作和发送消息放在一个事务中，保证本地操作和消息发送要么两者都成功或者都失败。下游应用向消息系统订阅该消息，收到消息后执行相应操作。

消息方案从本质上讲是将分布式事务转换为两个本地事务，然后依靠下游业务的重试机制达到最终一致性。

代表产品：RocketMQ

分布式事务产品框架

京东 jdts

服务通过 lb 连到集群中任何一个节点均能保证业务正确执行，某一个节点异常时集群可正常提供服务，同时支持集群横向、纵向扩展。

Seata

一款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。Seata 将为用户提供了 AT、TCC、SAGA 和 XA 事务模式，为用户打造一站式的分布式解决方案。

全局事务服务 GTS

用于实现分布式环境下，特别是微服务架构下的高性能事务一致性。可以与 RDS、MySQL、PostgreSQL 等数据源，Spring Cloud、Dubbo、HSF 及其他 RPC 框架，MQ 消息队列等中间件产品配合使用，轻松实现分布式数据库事务、多库事务、消息事务、服务链路级事务及各种组合。

作者：京东零售 谷伟

来源：京东云开发者社区