搜云库技术团队
分布式方案
2PC 两阶段提交协议
- 两阶段提交协议：事务管理器分两个阶段来协调资源管理器，第一阶段准备资源，也就是预留事务所需的资源，如果每个资源管理器都资源预留成功，则进行第二阶段资源提交，否则协调资源管理器回滚资源。
- 我的一个实践是 seata的AT模式demo如下
基于springcloud nacos tech.souyunku.com5f18ce…
基于dubbo nacos tech.souyunku.com5f18e1… - 基本流程图如下。
- seata的AT模式下的2pc方案对代码侵入性较小,回滚、确认的操作均由框架自动生成，但是会有行锁的存在。
最终一致性方案
方案一基于RocketMQ 事务消息
rocketmq有一个事务消息 具体来说，就是把消息的发送分成了2个阶段：Prepare阶段和确认阶段。
- (1) A系统发送Prepared消息
- (2) A系统执行本地事务
- (3) A系统根据update DB结果成功或失败，Confirm或者取消Prepared消息。
- (4) rocketmq轮询本地所有的未确认的prepare消息检查本地事务执行状态。
- (5) B系统收到confirm的prepare消息进行执行本地事务，如果失败返回稍后重试，直至成功。
- 流程图如下
- 这种最终一致性方案，比如a给b打钱，当a的钱扣除成功之后(扣除失败则本次失败)，b则必须要加钱成功，如果失败，则要直到补偿成功。消费端消费失败怎么办？ 消费失败了，重试，还一直失败怎么办？是不是要自动回滚整个流程？ 答案是人工介入。从工程实践角度讲，这种整个流程自动回滚的代价是非常巨大的，不但实现复杂，还会引入新的问题。比如自动回滚失败，又怎么处理？ 对应这种极低概率的case，采取人工处理，会比实现一个高复杂的自动化回滚系统，更加可靠，也更加简单。
- 我的一个实践是 demo如下
基于springcloud nacos tech.souyunku.com5f1c0a…
方案二 本地做状态记录+单笔查询（对账）+调用方补偿重试
同样以上面的下单为例：调用方调订单系统下单，系统B扣库存，如何保证2个同时成功？ 用户下单的时候，订单状态未 init，如果B系统接口是不幂等的(B系统扣库存时候需要记录相应订单流水)。 当用户调用系统B进行扣库存时候成功时候，状态修改为success 如果发现系统中某个订单状态一直为init状态，说明这条流水有问题，通过定时器定时load出来这些数据。
- 分俩情况：
如果B系统接口是不幂等的需要调用B系统单笔查询接口查询是否已经扣过库存，根据查询结果修改订单状态。如果没有则进行补偿调用B系统根据调用结果，修改状态为successs或者fail 直至成功为止。
如果B系统接口幂等的 则进行补偿调用B系统根据调用结果，修改状态为successs或者fail 直至成功为止。
| 订单id | 订单状态 |
|---|---|
| O_78923a2 | init/success/fail |
方案三 本地做事务流水记录+调用方补偿重试
调用方维护1张事务状态表（或者说事务日志，日志流水），每次调用之前，落盘1条事务流水，生成1个全局的事务ID。表结构大致如下： 为止。
| 事务id | 入参 | 事务状态 |
|---|---|---|
| O_78923a2 | a | init/success/fail |
，发现某条流水，在过了某个时间之后(假设1次事务执行成功通常最多花费30s)，状态仍然是Init，那就说明这条流水有问题。就重新调用系统A，系统B，保证这条流水的最终状态是Success。当然，系统A, 系统B根据这个全局的事务ID，做幂等，所以重复调用也没关系。 这就是通过同步调用 + 后台任务异步补偿，最终保证系统一致性。
TCC 两阶段提交协议
TCC 模式需要用户根据自己的业务场景实现 Try、Confirm 和 Cancel 三个操作；事务发起方在一阶段执行 Try 方式，在二阶段提交执行 Confirm 方法，二阶段回滚执行 Cancel 方法。
TCC的不足之处则在于对应用的侵入性非常强，业务逻辑的每个分支都需要实现try、confirm、cancel三个操作。此外，其实现难度也比较大，需要按照网络状态、系统故障等不同的失败原因实现不同的回滚策略。
