分布式事务

#八股 #分布式

释义

特指多个服务同时访问多个数据源的事务处理机制。

CAP定理

内容

在一个分布式系统中，涉及共享数据问题时，以下三个特性至多同时满足两个：

一致性 (Consistency): 数据在任何时刻、任何分布式节点所看到的，都是符合预期的。
可用性 (Availability): 代表系统不间断提供服务的能力，主要关注可靠性和可维护性两个指标，前者使用平均无故障时间MTBF度量，后者使用平均可修复时间MTTR度量。可用性可表征为二者的比值 $A = M T B F / (M T B F + M T T R)$ ，如99.9999%可用则代表平均年故障修复时间32秒。
分区容忍性 (Partition Tolerance): 分布式环境中部分节点因网络原因彼此失联后，即与其他节点形成“网络分区”时，系统仍能正确地提供服务的能力。

取舍

放弃分区容忍性：假设节点之间通信永远可靠，这和用网络来共享数据冲突。典型例子是关系数据库集群，选择共享磁盘的方式来避免出现网络分区，但并不能称作分布式系统。分区容忍性本质上是分布式网络的天然属性。
放弃可用性：假设一旦网络发生分区，节点间的信息同步时间可以无限制地延长。此时退化为一个系统使用多个数据源的场景。仅用于对数据质量要求高的场合，如HBase系统也是CP(放弃可用性)系统，RegionServer宕机后，这个RegionServer持有的所有键值范围离线，直至数据恢复过程完毕，耗时无法估量。通常是选用分布式的目的，除非是宁可中断也不能出错的金融服务，否则无法接受节点增多反而降低可用性。
放弃一致性：即一旦发生分区，节点间提供的数据可能不一致。目前主流NoSQL库和支持分布式的缓存框架都是AP(放弃一致性)系统。

最终一致性

对于没有被另外操作所改变的数据的读取，最终都能获取已更新的数据，但不完全保证立即获取已更新的数据。面向最终一致性的算法也被称为“乐观复制算法”。

BASE定理

基本可用性（Basically Available）、软状态/柔性事务（Soft State）和最终一致性（Eventually Consistent）
BASE理论面向大规模分布式系统，牺牲强一致性换取高可用性。而ACID理论是强一致性模型，传统数据库设计理念。
二者是截然相反的设计哲学，系统中不同组件对一致性和可用性的要求是不一样的，因此二者通常也结合使用。

柔性事务

可靠事件队列

依靠持续重试来保证可靠性，TCP中未收到ACK应答自动重新发包也是类似的道理。
最大努力一次提交：指的就是将最有可能出错的业务以本地事务的方式完成后，采用不断重试的方式（不限于消息系统）来促使同一个分布式事务中的其他关联业务全部完成。
缺点：没有任何隔离性，可能会出现超售等问题。

TCC事务

强隔离性的分布式事务，业务侵入式较强，要求业务处理必须拆分为“预留业务资源”和“确认/释放消费资源”两个子过程。
执行流程：
- Try: 尝试执行阶段，完成所有业务可执行性的检查（保障一致性），并且预留好全部需用到的业务资源（保障隔离性）。
- Confirm: 确认执行阶段，不进行任何业务检查，直接使用 Try 阶段准备的资源来完成业务处理。Confirm 阶段可能会重复执行，因此本阶段所执行的操作需要具备幂等性。
- Cancel: 取消执行阶段，释放 Try 阶段预留的业务资源。Cancel 阶段可能会重复执行，也需要满足幂等性。
位于用户代码层面，灵活性较高，可以设计资源锁定的粒度。同时业务执行阶段只操作预留资源，几乎不涉及锁和资源的竞争，具有性能潜力，在柔性事务中性能偏高。
开发成本和替换成本更高，业务侵入性强。
通常基于分布式事务中间件（如阿里开源Seata）实现，而非纯靠裸编码。

SAGA事务

TCC事务业务侵入性高，而如用户、商家的账号余额通常由银行管理，权限和数据结构难以随心所欲自定义，无法在Try阶段完成款项冻结、解冻等操作。
执行流程：
- 将整个分布式事务分解，每个子事务都是或能被视作原子行为，连续顺序提交子事务和分布式事务正常提交对数据影响等价（最终一致性）。
- 为每个子事务设计对应补偿动作。
  - 子事务及其补偿动作具备幂等性。
  - 子事务及其补偿动作满足交换律，即二者谁优先执行都是同样结果。
  - 子事务对应的补偿动作必须能够成功提交，即不考虑补偿动作提交失败被回滚（如出现则持续重试直至成功或人工介入）。
- 如事务未能顺利完成，需要采取恢复策略。
  - 正向恢复：对提交失败的子事务 $T_{i}$ 一直重试，直至成功（最大努力交付），如从银行账户扣款后就一定要正常给发货。
    - 正向恢复执行模式： $T_{1}, T_{2}, \dots, T_{i}$ （失败）， $T_{i}$ （重试） $\dots, T_{i + 1}, \dots, T_{n}$ 。
  - 反向恢复：如果 $T_{i}$ 事务提交失败，则一直执行 $C_{i}$ 对 $T_{i}$ 进行补偿，直至成功为止（最大努力交付）。这里要求 $C_{i}$ 必须（在持续重试后）执行成功。
    - 反向恢复执行模式： $T_{1}, T_{2}, \dots, T_{i}$ （失败）， $C_{i}$ （补偿） $, \dots, C_{2}, C_{1}$ 。
补偿操作通常比冻结等操作容易实现，无法撤销用户转帐，但可以由系统将货款转回用户账上作为补偿措施。
必须设计成与数据库类似的日志机制（被称为 SAGA Log）以保证系统恢复后可以追踪到子事务的执行情况，譬如执行至哪一步或者补偿至哪一步了。