支付重構

考慮支付重構的時候，自然想到原本屬于一個本地事務中的處理，現(xiàn)在要跨應用了要怎么處理。拿充值訂單舉個栗子吧，假設：原本訂單模塊和賬戶模塊是放在一起的，現(xiàn)在需要做服務拆分，拆分成訂單服務，賬戶服務。原本收到充值回調(diào)后，可以將修改訂單狀態(tài)和增加金幣放在一個mysql事務中完成的，但是呢，因為服務拆分了，就面臨著需要協(xié)調(diào)2個服務才能完成這個事務

所以就帶出來，我們今天要分享和討論的話題是：怎么解決分布式場景下數(shù)據(jù)一致性問題，暫且用分布式事務?來定義吧。

同樣的問題還存在于其他的場景：

送禮：

1. 調(diào)用支付服務：先扣送禮用戶的金幣，然后給主播加相應的荔枝

2. 確認第一步成功后，播放特效，發(fā)聊天室送禮評論等

充值成功消息：

完成充值訂單

發(fā)送訂單完成的kafka消息

在涉及支付交易等付費接口的時候，數(shù)據(jù)一致性的問題就顯得尤為重要，因為都是錢啊

回到頂部

目前分布式事務是怎么解決的呢？

問題肯定不是新問題，也就是目前已經(jīng)有相應的解決方案了，那就看一下現(xiàn)在是怎么來解決這類問題的吧。

以購買基礎商品成功后發(fā)送支付訂單完成消息為例：假設支付下單購買基礎商品，此刻已經(jīng)收到支付回調(diào)，訂單已經(jīng)處理成功了，這個時候kafka服務故障，消息發(fā)送失??；而這個時候處理訂單的事務已經(jīng)提交了，怎么保證訂單完成的消息一定能發(fā)出去呢？

解讀一下這個流程：

綠色部分，表示流程正常運行的交互過程：

先往JobController中提交一個job（用于故障恢復）

提交成功后，開始處理訂單邏輯

處理完訂單邏輯之后，開始發(fā)送kafka消息

消息也發(fā)送成功后，刪除第一步提交的job

黃色部分，表示流程出現(xiàn)了異常，數(shù)據(jù)可能存在不一致現(xiàn)象。這個時候就需要進行流程恢復

JobController任務控制器定時去redis查詢延時任務列表（每個任務都有一個時間戳，按時間戳排序過濾）

將任務進行恢復（調(diào)用job注冊時定義的處理方法）

任務執(zhí)行成功，表示流程完成；否則下一個定時周期重試

問題：

基于redis存儲恢復任務，可能存在數(shù)據(jù)丟失風險

架構體系中沒有統(tǒng)一的分布式事務規(guī)范，可否將這層邏輯獨立為分布式事務中間件

缺少事務執(zhí)行策略管理，如：控制最大重試次數(shù)等

事務執(zhí)行狀態(tài)沒有記錄，追查需要去翻看日志

回到頂部

行業(yè)中有什么解決方案

說解決方案之前，我們先了解一下這些方案的理論依據(jù)，有助于幫助我們來理解和實踐這些方案

理論依據(jù)（討論的前提）

本地事務、分布式事務

如果說本地事務是解決單個數(shù)據(jù)源上的數(shù)據(jù)操作的一致性問題的話，那么分布式事務則是為了解決跨越多個數(shù)據(jù)源上數(shù)據(jù)操作的一致性問題。

強一致性、弱一致性、最終一致性

從客戶端角度，多進程并發(fā)訪問時，更新過的數(shù)據(jù)在不同進程如何獲取的不同策略，決定了不同的一致性。對于關系型數(shù)據(jù)庫，要求更新過的數(shù)據(jù)能被后續(xù)的訪問都能看到，這是強一致性。如果能容忍后續(xù)的部分或者全部訪問不到，則是弱一致性。如果經(jīng)過一段時間后要求能訪問到更新后的數(shù)據(jù)，則是最終一致性

從服務端角度，如何盡快將更新后的數(shù)據(jù)分布到整個系統(tǒng)，降低達到最終一致性的時間窗口，是提高系統(tǒng)的可用度和用戶體驗非常重要的方面。對于分布式數(shù)據(jù)系統(tǒng)：

N — 數(shù)據(jù)復制的份數(shù)

W — 更新數(shù)據(jù)時需要保證寫完成的節(jié)點數(shù)

R — 讀取數(shù)據(jù)的時候需要讀取的節(jié)點數(shù)

如果W+R>N，寫的節(jié)點和讀的節(jié)點重疊，則是強一致性。例如對于典型的一主一備同步復制的關系型數(shù)據(jù)庫，N=2,W=2,R=1，則不管讀的是主庫還是備庫的數(shù)據(jù)，都是一致的。

如果W+R<=N，則是弱一致性。例如對于一主一備異步復制的關系型數(shù)據(jù)庫，N=2,W=1,R=1，則如果讀的是備庫，就可能無法讀取主庫已經(jīng)更新過的數(shù)據(jù)，所以是弱一致性。

CAP理論

分布式環(huán)境下（數(shù)據(jù)分布）要任何時刻保證數(shù)據(jù)一致性是不可能的，只能采取妥協(xié)的方案來保證數(shù)據(jù)最終一致性。這個也就是著名的CAP定理。

需要明確的一點是，對于一個分布式系統(tǒng)而言，分區(qū)容錯性是一個最基本的要求。因為 既然是一個分布式系統(tǒng)，那么分布式系統(tǒng)中的組件必然需要被部署到不同的節(jié)點，否則也就無所謂分布式系統(tǒng)了，因此必然出現(xiàn)子網(wǎng)絡。而對于分布式系統(tǒng)而言，網(wǎng) 絡問題又是一個必定會出現(xiàn)的異常情況，因此分區(qū)容錯性也就成為了一個分布式系統(tǒng)必然需要面對和解決的問題。因此系統(tǒng)架構師往往需要把精力花在如何根據(jù)業(yè)務 特點在C（一致性）和A（可用性）之間尋求平衡。

BASE 理論

BASE是Basically Available（基本可用）、Soft state（軟狀態(tài)）和Eventually consistent（最終一致性）三個短語的縮寫。BASE理論是對CAP中一致性和可用性權衡的結果，其來源于對大規(guī)?；ヂ?lián)網(wǎng)系統(tǒng)分布式實踐的總結， 是基于CAP定理逐步演化而來的。BASE理論的核心思想是：即使無法做到強一致性，但每個應用都可以根據(jù)自身業(yè)務特點，采用適當?shù)姆绞絹硎瓜到y(tǒng)達到最終一致性。

BASE理論面向的是大型高可用可擴展的分布式系統(tǒng)，和傳統(tǒng)的事物ACID特性是相反的，它完全不同于ACID的強一致性模型，而是通過犧牲強一致性來獲得可用性，并允許數(shù)據(jù)在一段時間內(nèi)是不一致的，但最終達到一致狀態(tài)。但同時，在實際的分布式場景中，不同業(yè)務單元和組件對數(shù)據(jù)一致性的要求是不同的，因此在具體的分布式系統(tǒng)架構設計過程中，ACID特性和BASE理論往往又會結合在一起。

柔性事務

不同于ACID的剛性事務，在分布式場景下基于BASE理論，就出現(xiàn)了柔性事務的概念。要想通過柔性事務來達到最終的一致性，就需要依賴于一些特性，這些特性在具體的方案中不一定都要滿足，因為不同的方案要求不一樣；但是都不滿足的話，是不可能做柔性事務的。

可見性(對外可查詢)

在分布式事務執(zhí)行過程中，如果某一個步驟執(zhí)行出錯，就需要明確的知道其他幾個操作的處理情況，這就需要其他的服務都能夠提供查詢接口，保證可以通過查詢來判斷操作的處理情況。

為了保證操作的可查詢，需要對于每一個服務的每一次調(diào)用都有一個全局唯一的標識，可以是業(yè)務單據(jù)號（如訂單號）、也可以是系統(tǒng)分配的操作流水號（如支付記錄流水號）。除此之外，操作的時間信息也要有完整的記錄。

冪等操作

冪等性，其實是一個數(shù)學概念。冪等函數(shù)，或冪等方法，是指可以使用相同參數(shù)重復執(zhí)行，并能獲得相同結果的函數(shù)。

f(f(x)) = f(x)

在編程中一個冪等操作的特點是其任意多次執(zhí)行所產(chǎn)生的影響均與一次執(zhí)行的影響相同。也就是說，同一個方法，使用同樣的參數(shù)，調(diào)用多次產(chǎn)生的業(yè)務結果與調(diào)用一次產(chǎn)生的業(yè)務結果相同。 這一個要求其實也比較好理解，因為要保證數(shù)據(jù)的最終一致性，很多解決防范都會有很多重試的操作，如果一個方法不保證冪等，那么將無法被重試。 冪等操作的實現(xiàn)方式有多種，如在系統(tǒng)中緩存所有的請求與處理結果、檢測到重復操作后，直接返回上一次的處理結果等。

業(yè)界方案

兩階段提交（2PC）

XA是X/Open CAE Specification (Distributed Transaction Processing)模型中定義的TM（Transaction Manager）與RM（Resource Manager）之間進行通信的接口。

在XA規(guī)范中，數(shù)據(jù)庫充當RM角色，應用需要充當TM的角色，即生成全局的txId，調(diào)用XAResource接口，把多個本地事務協(xié)調(diào)為全局統(tǒng)一的分布式事務。

二階段提交是XA的標準實現(xiàn)。它將分布式事務的提交拆分為2個階段：prepare和commit/rollback。

2PC模型中，在prepare階段需要等待所有參與子事務的反饋，因此可能造成數(shù)據(jù)庫資源鎖定時間過長，不適合并發(fā)高以及子事務生命周長較長的業(yè)務場景。兩階段提交這種解決方案屬于犧牲了一部分可用性來換取的一致性。

saga

saga的提出，最早是為了解決可能會長時間運行的分布式事務（long-running process）的問題。所謂long-running的分布式事務，是指那些企業(yè)業(yè)務流程，需要跨應用、跨企業(yè)來完成某個事務，甚至在事務流程中還需要有手工操作的參與，這類事務的完成時間可能以分計，以小時計，甚至可能以天計。這類事務如果按照事務的ACID的要求去設計，勢必造成系統(tǒng)的可用性大大的降低。試想一個由兩臺服務器一起參與的事務，服務器A發(fā)起事務，服務器B參與事務，B的事務需要人工參與，所以處理時間可能很長。如果按照ACID的原則，要保持事務的隔離性、一致性，服務器A中發(fā)起的事務中使用到的事務資源將會被鎖定，不允許其他應用訪問到事務過程中的中間結果，直到整個事務被提交或者回滾。這就造成事務A中的資源被長時間鎖定，系統(tǒng)的可用性將不可接受。

而saga，則是一種基于補償?shù)南Ⅱ?qū)動的用于解決long-running process的一種解決方案。目標是為了在確保系統(tǒng)高可用的前提下盡量確保數(shù)據(jù)的一致性。還是上面的例子，如果用saga來實現(xiàn)，那就是這樣的流程：服務器A的事務先執(zhí)行，如果執(zhí)行順利，那么事務A就先行提交；如果提交成功，那么就開始執(zhí)行事務B，如果事務B也執(zhí)行順利，則事務B也提交，整個事務就算完成。但是如果事務B執(zhí)行失敗，那事務B本身需要回滾，這時因為事務A已經(jīng)提交，所以需要執(zhí)行一個補償操作，將已經(jīng)提交的事務A執(zhí)行的操作作反操作，恢復到未執(zhí)行前事務A的狀態(tài)。這樣的基于消息驅(qū)動的實現(xiàn)思路，就是saga。我們可以看出，saga是犧牲了數(shù)據(jù)的強一致性，僅僅實現(xiàn)了最終一致性，但是提高了系統(tǒng)整體的可用性。

補償事務（TCC）

TCC 其實就是采用的補償機制，其核心思想是：針對每個操作，都要注冊一個與其對應的確認和補償（撤銷）操作。TCC模型是把鎖的粒度完全交給業(yè)務處理。它分為三個階段：

Try 階段主要是對業(yè)務系統(tǒng)做檢測及資源預留

Confirm 階段主要是對業(yè)務系統(tǒng)做確認提交，Try階段執(zhí)行成功并開始執(zhí)行 Confirm階段時，默認 Confirm階段是不會出錯的。即：只要Try成功，Confirm一定成功。

Cancel 階段主要是在業(yè)務執(zhí)行錯誤，需要回滾的狀態(tài)下執(zhí)行的業(yè)務取消，預留資源釋放。

下面對TCC模式下，A賬戶往B賬戶匯款100元為例子，對業(yè)務的改造進行詳細的分析：

匯款服務和收款服務分別需要實現(xiàn)，Try-Confirm-Cancel接口，并在業(yè)務初始化階段將其注入到TCC事務管理器中。

[匯款服務]

Try：

? ? 檢查A賬戶有效性，即查看A賬戶的狀態(tài)是否為“轉(zhuǎn)帳中”或者“凍結”；

? ? 檢查A賬戶余額是否充足；

? ? 從A賬戶中扣減100元，并將狀態(tài)置為“轉(zhuǎn)賬中”；

? ? 預留扣減資源，將從A往B賬戶轉(zhuǎn)賬100元這個事件存入消息或者日志中；

Confirm：

不做任何操作；

Cancel：

? ? A賬戶增加100元；

從日志或者消息中，釋放扣減資源。

[收款服務]

Try：

檢查B賬戶賬戶是否有效；

Confirm：

? ? 讀取日志或者消息，B賬戶增加100元；

? ? 從日志或者消息中，釋放扣減資源；

Cancel：

不做任何操作。

由此可以看出，TCC模型對業(yè)務的侵入強，改造的難度大。

本地消息表（異步確保）

本地消息表這種實現(xiàn)方式應該是業(yè)界使用最多的，其核心思想是將分布式事務拆分成本地事務進行處理，這種思路是來源于ebay。我們可以從下面的流程圖中看出其中的一些細節(jié)：

基本思路就是：

消息生產(chǎn)方，需要額外建一個消息表，并記錄消息發(fā)送狀態(tài)。消息表和業(yè)務數(shù)據(jù)要在一個事務里提交，也就是說他們要在一個數(shù)據(jù)庫里面。然后消息會經(jīng)過MQ發(fā)送到消息的消費方。如果消息發(fā)送失敗，會進行重試發(fā)送。

消息消費方，需要處理這個消息，并完成自己的業(yè)務邏輯。此時如果本地事務處理成功，表明已經(jīng)處理成功了，如果處理失敗，那么就會重試執(zhí)行。如果是業(yè)務上面的失敗，可以給生產(chǎn)方發(fā)送一個業(yè)務補償消息，通知生產(chǎn)方進行回滾等操作。

生產(chǎn)方和消費方定時掃描本地消息表，把還沒處理完成的消息或者失敗的消息再發(fā)送一遍。如果有靠譜的自動對賬補賬邏輯，這種方案還是非常實用的。

事務消息

事務消息作為一種異步確保型事務， 將兩個事務分支通過MQ進行異步解耦，事務消息的設計流程同樣借鑒了兩階段提交理論，整體交互流程如下圖所示：

事務發(fā)起方首先發(fā)送prepare消息到MQ。

在發(fā)送prepare消息成功后執(zhí)行本地事務。

根據(jù)本地事務執(zhí)行結果返回commit或者是rollback。

如果消息是rollback，MQ將刪除該prepare消息不進行下發(fā)，如果是commit消息，MQ將會把這個消息發(fā)送給consumer端。

如果執(zhí)行本地事務過程中，執(zhí)行端掛掉，或者超時，MQ將會不停的詢問其同組的其它producer來獲取狀態(tài)。

Consumer端的消費成功機制有MQ保證。

有一些第三方的MQ是支持事務消息的，比如RocketMQ，但是市面上一些主流的MQ都是不支持事務消息的，比如 RabbitMQ 和 Kafka 都不支持。

盡最大努力通知

最大努力通知方案主要也是借助MQ消息系統(tǒng)來進行事務控制，這一點與可靠消息最終一致方案一樣。看來MQ中間件確實在一個分布式系統(tǒng)架構中，扮演者重要的角色。最大努力通知方案是比較簡單的分布式事務方案，它本質(zhì)上就是通過定期校對，實現(xiàn)數(shù)據(jù)一致性。

最大努力通知方案的實現(xiàn)

業(yè)務活動的主動方，在完成業(yè)務處理之后，向業(yè)務活動的被動方發(fā)送消息，允許消息丟失。

主動方可以設置時間階梯型通知規(guī)則，在通知失敗后按規(guī)則重復通知，直到通知N次后不再通知。

主動方提供校對查詢接口給被動方按需校對查詢，用于恢復丟失的業(yè)務消息。

業(yè)務活動的被動方如果正常接收了數(shù)據(jù)，就正常返回響應，并結束事務。

如果被動方?jīng)]有正常接收，根據(jù)定時策略，向業(yè)務活動主動方查詢，恢復丟失的業(yè)務消息

最大努力通知方案的特點

用到的服務模式：可查詢操作、冪等操作。

被動方的處理結果不影響主動方的處理結果；

適用于對業(yè)務最終一致性的時間敏感度低的系統(tǒng)；

適合跨企業(yè)的系統(tǒng)間的操作，或者企業(yè)內(nèi)部比較獨立的系統(tǒng)間的操作，比如銀行通知、商戶通知等；

方案比較

歡迎工作一到五年的Java工程師朋友們加入Java程序員開發(fā)： 721575865

群內(nèi)提供免費的Java架構學習資料（里面有高可用、高并發(fā)、高性能及分布式、Jvm性能調(diào)優(yōu)、Spring源碼，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多個知識點的架構資料）合理利用自己每一分每一秒的時間來學習提升自己，不要再用"沒有時間“來掩飾自己思想上的懶惰！趁年輕，使勁拼，給未來的自己一個交代！