說到分布式事務(wù)，就會談到那個經(jīng)典的”賬號轉(zhuǎn)賬”問題：2個賬號，分布處于2個不同的DB，或者說2個不同的子系統(tǒng)里面，A要扣錢，B要加錢，如何保證原子性？
一般的思路都是通過消息中間件來實現(xiàn)“最終一致性”：A系統(tǒng)扣錢，然后發(fā)條消息給中間件，B系統(tǒng)接收此消息，進(jìn)行加錢。
但這里面有個問題：A是先update DB，后發(fā)送消息呢？ 還是先發(fā)送消息，后update DB？
假設(shè)先update DB成功，發(fā)送消息網(wǎng)絡(luò)失敗，重發(fā)又失敗，怎么辦？
假設(shè)先發(fā)送消息成功，update DB失敗。消息已經(jīng)發(fā)出去了，又不能撤回，怎么辦？
所以，這里下個結(jié)論： 只要發(fā)送消息和update DB這2個操作不是原子的，無論誰先誰后，都是有問題的。
那這個問題怎么解決呢？？
錯誤的方案0
有人可能想到了，我可以把“發(fā)送消息”這個網(wǎng)絡(luò)調(diào)用和update DB放在同1個事務(wù)里面，如果發(fā)送消息失敗，update DB自動回滾。這樣不就保證2個操作的原子性了嗎？
這個方案看似正確，其實是錯誤的，原因有2：
（1）網(wǎng)絡(luò)的2將軍問題：發(fā)送消息失敗，發(fā)送方并不知道是消息中間件真的沒有收到消息呢？還是消息已經(jīng)收到了，只是返回response的時候失敗了？
如果是已經(jīng)收到消息了，而發(fā)送端認(rèn)為沒有收到，執(zhí)行update db的回滾操作。則會導(dǎo)致A賬號的錢沒有扣，B賬號的錢卻加了。
（2）把網(wǎng)絡(luò)調(diào)用放在DB事務(wù)里面，可能會因為網(wǎng)絡(luò)的延時，導(dǎo)致DB長事務(wù)。嚴(yán)重的，會block整個DB。這個風(fēng)險很大。
基于以上分析，我們知道，這個方案其實是錯誤的！
方案1–業(yè)務(wù)方自己實現(xiàn)
假設(shè)消息中間件沒有提供“事務(wù)消息”功能，比如你用的是Kafka。那如何解決這個問題呢？
解決方案如下：
（1）Producer端準(zhǔn)備1張消息表，把update DB和insert message這2個操作，放在一個DB事務(wù)里面。
（2）準(zhǔn)備一個后臺程序，源源不斷的把消息表中的message傳送給消息中間件。失敗了，不斷重試重傳。允許消息重復(fù)，但消息不會丟，順序也不會打亂。
（3）Consumer端準(zhǔn)備一個判重表。處理過的消息，記在判重表里面。實現(xiàn)業(yè)務(wù)的冪等。但這里又涉及一個原子性問題：如果保證消息消費 + insert message到判重表這2個操作的原子性？
消費成功，但insert判重表失敗，怎么辦？關(guān)于這個，在Kafka的源碼分析系列，第1篇， exactly once問題的時候，有過討論。
通過上面3步，我們基本就解決了這里update db和發(fā)送網(wǎng)絡(luò)消息這2個操作的原子性問題。
但這個方案的一個缺點就是：需要設(shè)計DB消息表，同時還需要一個后臺任務(wù)，不斷掃描本地消息。導(dǎo)致消息的處理和業(yè)務(wù)邏輯耦合額外增加業(yè)務(wù)方的負(fù)擔(dān)。
方案2 – RocketMQ 事務(wù)消息
為了能解決該問題，同時又不和業(yè)務(wù)耦合，RocketMQ提出了“事務(wù)消息”的概念。
具體來說，就是把消息的發(fā)送分成了2個階段：Prepare階段和確認(rèn)階段。
具體來說，上面的2個步驟，被分解成3個步驟：
(1) 發(fā)送Prepared消息
(2) update DB
(3) 根據(jù)update DB結(jié)果成功或失敗，Confirm或者取消Prepared消息。
可能有人會問了，前2步執(zhí)行成功了，最后1步失敗了怎么辦？這里就涉及到了RocketMQ的關(guān)鍵點：RocketMQ會定期（默認(rèn)是1分鐘）掃描所有的Prepared消息，詢問發(fā)送方，到底是要確認(rèn)這條消息發(fā)出去？還是取消此條消息？
具體代碼實現(xiàn)如下：
也就是定義了一個checkListener，RocketMQ會回調(diào)此Listener，從而實現(xiàn)上面所說的方案。
// 也就是上文所說的，當(dāng)RocketMQ發(fā)現(xiàn)`Prepared消息`時，會根據(jù)這個Listener實現(xiàn)的策略來決斷事務(wù)
TransactionCheckListener transactionCheckListener = new TransactionCheckListenerImpl();
// 構(gòu)造事務(wù)消息的生產(chǎn)者
TransactionMQProducer producer = new TransactionMQProducer("groupName");
// 設(shè)置事務(wù)決斷處理類
producer.setTransactionCheckListener(transactionCheckListener);
// 本地事務(wù)的處理邏輯，相當(dāng)于示例中檢查Bob賬戶并扣錢的邏輯
TransactionExecuterImpl tranExecuter = new TransactionExecuterImpl();
producer.start()
// 構(gòu)造MSG，省略構(gòu)造參數(shù)
Message msg = new Message(......);
// 發(fā)送消息
SendResult sendResult = producer.sendMessageInTransaction(msg, tranExecuter, null);
producer.shutdown();
public TransactionSendResult sendMessageInTransaction(.....) {
// 邏輯代碼，非實際代碼
// 1.發(fā)送消息
sendResult = this.send(msg);
// sendResult.getSendStatus() == SEND_OK
// 2.如果消息發(fā)送成功，處理與消息關(guān)聯(lián)的本地事務(wù)單元
LocalTransactionState localTransactionState = tranExecuter.executeLocalTransactionBranch(msg, arg);
// 3.結(jié)束事務(wù)
this.endTransaction(sendResult, localTransactionState, localException);
}
總結(jié)：對比方案2和方案1，RocketMQ最大的改變，其實就是把“掃描消息表”這個事情，不讓業(yè)務(wù)方做，而是消息中間件幫著做了。
至于消息表，其實還是沒有省掉。因為消息中間件要詢問發(fā)送方，事物是否執(zhí)行成功，還是需要一個“變相的本地消息表”，記錄事物執(zhí)行狀態(tài)。
人工介入
可能有人又要說了，無論方案1，還是方案2，發(fā)送端把消息成功放入了隊列，但消費端消費失敗怎么辦？
消費失敗了，重試，還一直失敗怎么辦？是不是要自動回滾整個流程？
答案是人工介入。從工程實踐角度講，這種整個流程自動回滾的代價是非常巨大的，不但實現(xiàn)復(fù)雜，還會引入新的問題。比如自動回滾失敗，又怎么處理？
對應(yīng)這種極低概率的case，采取人工處理，會比實現(xiàn)一個高復(fù)雜的自動化回滾系統(tǒng)，更加可靠，也更加簡單。
