分布式事务 6 个技术方案

现代大型互联网系统已经告别了单机时代，微服务、负载均衡、分布式已经成为主流。在分布式系统中，对于数据库的关键操作，也需要使用事务来保证业务结果，如银行转账、交易扣款等。单机的事务可以通过数据库事务或 Spring 事务来实现，分布式系统则更复杂，涉及多机房、多数据源。

分布式事务也需要满足事务的基本特性，包括原子性、一致性、隔离性、持久性。事务中的一系列操作，要么全部成功，要么全部失败。在分布式事务中，最大的挑战是一致性，要求系统中所有的数据存储保持一致。一致性满足 CAP 原则，即 Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性）不能同时满足。Consistency 指同一时间系统中数据保持一致，Availability 指部分节点异常后能否正常提供服务，Partition tolerance 指数据不一致形成分区后能否正常提供服务。

目前业界对分布式事务已形成 BASE 理论共识，即 Basically Available（基本可用），Soft State（软状态）和 Eventual Consistency（最终一致性）。BASE 理论延伸了 CAP 原则，在系统出现部分节点故障时允许损失部分可用性，允许出现中间状态，并使用一些手段保证最终数据的一致性。基于 BASE 理论设计的系统，能够接受短暂时间的数据不一致，流程设计上要确保这个不一致不能影响业务。

两阶段提交方案

两阶段提交就是把数据处理过程分为两个阶段。使用一个独立的事务管理器，在第一阶段（prepare）向子系统发起事务请求，询问各个子系统是否就绪，根据子系统的响应决定第二阶段（commit/rollback）是否提交事务或者回滚。如果第一阶段所有子系统都就绪，则第二阶段提交事务；如有子系统未就绪，则第二阶段所有子系统进行回滚。

两阶段提交方案最大的问题是存在阻塞和不一致风险。若事务管理器故障，将导致整个系统不可用。如果第二阶段事务管理器或子系统异常，最终结果可能无法确定。

三阶段提交方案

三阶段提交方案，是把两阶段提交方案的第一步再次细分为两步。第一阶段（CanCommit），事务管理器询问子系统是否可以执行事务，得到全部肯定答复后，在第二阶段（PreCommit）向子系统发起事务请求，然后在第三阶段（DoCommit）提交或者回滚。

TCC 方案

TCC 方案，全称是 try-confirm-cancel，各阶段含义是：

• try：尝试执行，完成业务检查，预留业务资源；
• confirm：执行事务，不做任何检查，使用 try 预留的资源，满足幂等性；
• cancel：取消事务，不做任何检查，释放 try 预留的资源，满足幂等性；

本地消息表方案

假设系统 A、系统 B 是分布式事务的参与者。

• 系统 A 写入业务数据后向数据库 A 写入一条消息；
• 系统 A 定时轮询本地消息，并写入消息队列，如果消息发送失败会重试；
• 系统 B 消费消息队列中的消息，并执行事务，写入业务数据；如果事务处理失败，会继续重试，如果需要回滚，可以修改数据库 A 消息通知系统 A 进行回滚；

使用本地消息表方案，要求系统 A 和系统 B 支持幂等，并且系统 A 能够进行回滚。

可靠消息方案

可靠消息方案通过消息队列来保证分布式事务。流程如下：

• 系统 A 发送 prepare 消息，若失败，事务直接失败；
• 消息发送成功后，系统 A 执行本地操作；
• 本地操作成功后，系统 A 发送 confirm 消息，否则发送回滚消息；
• 系统 B 定时消费消息队列中的消息；
• 系统 B 收到 confirm 消息后，执行本地操作；
• 系统 B 本地操作成功后，发送 ACK 消息，否则业务失败后系统 B 向 A 系统发送回滚请求；
• 消息队列定时轮询 prepare 消息，并调用系统 A 确认，若成功重发 confirm 否则回滚消息；

尽最大努力通知方案

尽最大努力通知，就是系统 A 执行成功后，发送消息，通知服务消费消息并调用系统 B，如果系统 B 执行成功则流程结束，否则会尽量调用 B 进行重试，失败到一定次数后，放弃本次事务。

总结

分布式事务很难做到实时一致性，总的来说主要是保证最终一致性。在技术设计中，需要充分考虑中间状态，确保中间状态不影响业务，确保系统可用性。