分布式事务

作者个人研发的在高并发场景下，提供的简单、稳定、可扩展的延迟消息队列框架，具有精准的定时任务和延迟队列处理功能。自开源半年多以来，已成功为十几家中小型企业提供了精准定时调度方案，经受住了生产环境的考验。为使更多童鞋受益，现给出开源框架地址：。可以只在RM中

分布式应用：一个服务需要对多个不同的数据库进行操作，保证同时成功或失败。

对业务侵入很强。已经提交的事务，不保证隔离性。不会脏读，性能介于seata和2阶段之间。seata和lcn大致的实现思路是一致的，但是回滚的机制不一样。

现在摘抄一段wiki的解释，解释下什么是事务。数据库系统具有事务特性，这是其有别与文件系统重要特性。通常一个事务会有多个读写操作构成。事务具有四个基本特性，俗称ACID。数据库的状态从一种状态转变为另外一种状态，事务开始之前和是事务结束之后，数据库完整性约

写后面的读一定能读到前面写的内容，所有的读写请求都好像被全局排序。但在分布式环境中，多实例部署是基本条件，因为网络的不可靠性，造成了P成了硬性条件，所以分布式系统基本都是cp和ap的

考虑支付重构的时候，自然想到原本属于一个本地事务中的处理，现在要跨应用了要怎么处理。原本收到充值回调后，可以将修改订单状态和增加金币放在一个mysql事务中完成的，但是呢，因为服务拆分了，就面临着需要协调2个服务才能完成这个事务。所以就带出来，我们今天要分

在微服务架构中，随着服务的逐步拆分，数据库私有已经成为共识，这也导致所面临的分布式事务问题成为微服务落地过程中一个非常难以逾越的障碍，但是目前尚没有一个完整通用的解决方案。其实不仅仅是在微服务架构中，随着用户访问量的逐渐上涨，数据库甚至是服务的分片、分区、

MSDTC，协调跨多个数据库、消du息队列、文件系统等zhi资源管理器的事务。该服务的dao进程名为Msdtc.exe。

TCC概念由Pat Helland于2007年发表的一篇名为《Life beyond Distributed Transactions:an Apostate’s Opinion》的论文提出, 在该论文中，TCC还是以Tentative-Confirmat

事务在执行过程中发生错误，会被回滚到事务开始前的状态，就像这个事务从来没有执行过一样。如果参与者无法及时接收到来自协调者的doCommit或者rebort请求时，会在等待超时之后，会继续进行事务的提交。

提起微服务架构，不可避免的两个话题就是服务治理和分布式事务。数据库和业务模块的垂直拆分为我们带来了系统性能、稳定性和开发效率的提升的同时也引入了一些更复杂的问题，例如在数据一致性问题上，我们不再能够依赖数据库的本地事务，对于一系列的跨库写入操作，如何保证其

以web系统来说,一个聚合服务 对服务发送分别的请求方法,开启begin事务,但是不进行提交,返回结果。首先对商品减1,将减1操作和操作该事务的行为写入,通过mq让下一个事务进行消费,消费如果异常在一定范围之内重试,异常则进行回滚并通过mq让上一个事务进行

分布式场景下，多个服务同时对服务一个流程，比如电商下单场景，需要支付服务进行支付、库存服务扣减库存、订单服务进行订单生成、物流服务更新物流信息等。如果某一个服务执行失败，或者网络不通引起的请求丢失，那么整个系统可能出现数据不一致的原因。分布式一致性问题的解

咱们上文介绍了分布式事务的常见方案、类型划分、2PC的起源和流程。但是不幸的是2PC还是存在几个问题：。所有参与者必须等待TM重新上线后才能继续工作。而在这部分参与者接到commit请求之后就会执行commit操作。但是其他部分未接到commit请求的机器

什么是分布式事务问题？　　单体应用中，一个业务操作需要调用三个模块完成，此时数据的一致性由本地事务来保证。简单来说，一次业务操作需要操作多个数据源或需要进行远程调用，就会产生分布式事务问题。　　Seata 是一款开源的分布式事务解决方案，致力于提供高性能和

分布式事务就是将多个节点的事务看成一个整体处理。　分布式事务由事务参与者、资源服务器、事务管理器等组成　。常见的分布式事务的例子： 支付、下订单等。两段式事务和三段式事务。TCC编程式补偿事务。TCC事务在确认或取消阶段释放资源。蚂蚁金服分布式事务

setnx性质：如果不存在那么返回 0 ，不存在返回 1 。

对于我们开发的网站，如果网站的访问量非常大的话，那么我们就需要考虑相关的并发访问问题了。而并发问题是绝大部分的程序员头疼的问题，但话又说回来了，既然逃避不掉，那我们就坦然面对吧~今天就让我们一起来研究一下常见的并发和同步吧。　　所谓同步，可以理解为在执行完

　　本地事务，是传统的的单机数据库事务，必须具备ACID原则；　　在整个事务中的所有操作，要么全部完成，要么全部不做，没有中间状态。　　事务和事务之间不会相互影响，一个事务的中间状态不会被其他事务感知。　　恢复时，重做所有事务包括为提交和回滚了的事务。

最大努力通知的目标是发起通知方通过一定机制，最大努力将业务处理结果通知到接收方。接收通知方监听MQ。接收通知方接收消息，业务处理完成回应ack。MQ会按照间隔1分钟，5分钟，10分钟，30分钟，1h,2h,5h,10h的方式，逐步拉大通知间隔，直到达到通知

分布式事务解决方案的问题，这种情况是连接两个数据源的情况，然后事务管理器是这样的 只管理了test02的这端业务代码。使用springboot+jta+atomikos分布式事物管理 . 好了废话不多说，动手撸代码！

分布式事务指事务的操作位于不同的节点上，需要保证事务的 AICD 特性。例如在下单场景下，库存和订单如果不在同一个节点上，就涉及分布式事务。在分布式系统中，要实现分布式事务，无外乎那几种解决方案。协调者询问参与者事务是否执行成功，参与者发回事务执行结果。C

在微服务环境下，因为会根据不同的业务会拆分成不同的服务，比如会员服务、订单服务、商品服务等，让专业的人做专业的事情，每个服务都有自己独立的数据库，并且是独立运行，互不影响。两个服务相互通讯的时候，两个本地事务互不影响，从而出现分布式事务产生的原因。Jta+

标题写的是框架TCC，其实实际上不是，TCC是一种思想，一种技术维度。它有落地的实现，后文中有介绍到。好，业务场景有了，现在我们要更进一步，实现一个 TCC 分布式事务的效果。由于库存服务操作数据库异常，导致库存数量还是 100。所以说，我们有必要使用 T

事务我们都不陌生，我们常说的事务一般都是指单机事务，即本地事务。分布式事务就是由多个本地事务组合而成的事务，一般在分布式场景下才会出现。订单系统、支付系统、物流系统等。这些系统部署在不同的服务器上，执行的都是各种的事务，对于电商平台来说，这就是分布式事务。

最近看了几篇有关于分布式事务的博文，做一下笔记。数据库事务，是数据库管理系统执行过程中的一个逻辑单位，由一个有限的数据库操作序列构成，这些操作要么全部执行,要么全部不执行，是一个不可分割的工作单位。数据库事务的几个典型特性：原子性、一致性、隔离性和持久性，

分布式事务基本能够满足ACID，其中的C是强一致性，也就是所有操作均执行成功，才提交最终结果，以保证数据一致性或完整性。协调者接收到所有参与者发送的 Ack 响应，从预提交状态进入到提交状态，并向所有参与者发送 DoCommit 消息。参与者接收到 DoC

在前面我们说到跨网络完成事务就会产生事务，这一节我们看一下分布式事务产生的场景。分布式系统是从单体系统演变过来的，我们要理解分布式事务产生的场景，需要从单体应用进行理解。Web-Server中的服务都是在一个项目中，此时只有一个数据库。Web-Server

消息重复消费是使用消息队列之后，必须考虑的一个问题，也是比较严重和常见的问题，但凡用到了消息队列，第一时间考虑的就是重复消费的问题。就比如有这样的一个场景，用户下单成功后我需要去一个活动页面给他加GMV，最后根据他的GMV去给他发奖励，这是电商活动很常见的

在分布式系统中，为了保证数据的高可用，通常，我们会将数据保留多个副本，这些副本会放置在不同的物理的机器上。为了对用户提供正确的增\删\改\差等语义，我们需要保证这些放置在不同物理机器上的副本是一致的。目的是为了保证分布式系统中的数据一致性。各参与者节点响应

　　　 1. redis事务可以一次执行多个命令，本质是一组命令的集合。　　　　　　1. 下面指令演示了一个完整的事物过程，所有指令在exec前不执行，而是缓存在服务器的一个事物队列中。　　　　　　3. 因为redis是单线程的，所以不必担心自己在执行队列

谈到本地事务，大家可能都很熟悉，因为这个数据库引擎层面能支持的！所以也称数据库事务，数据库事务四大特征：原子性，一致性，隔离性和持久性，而在这四大特性中，我认为一致性是最基本的特性，其它的三个特性都为了保证一致性而存在的！还记得刚毕业那年，带着满腔的热血就

在网易云轻舟微服务平台中，我们的微服务框架除了完成一些基本事项，也开发了很多符合行业特性的定制化产品。这是因为我们发现传统行业与互联网行业的经营模式有着很大的不同，不同客户的关注点并不一样，架构师想要用一个产品把以上项目全部覆盖还是比较困难的。但是，我们可

最近看了几篇有关于分布式事务的博文，做了一下笔记，并总结出这篇文章。数据库事务，是数据库管理系统执行过程中的一个逻辑单位，由一个有限的数据库操作序列构成。传统的单服务器，单关系型数据库下的事务，就是本地事务。通过支持局部故障而不是系统全局故障来实现的。二阶

3PC是2PC的改进版本。主要有以下改进：。增加了一个询问阶段，询问阶段可以确保尽可能早的发现无法执行操作而需要中止的行为，但是它并不能发现所有的这种行为，只会减少这种情况的发生。增加了等待超时的处理逻辑，如果在询问阶段等待超时，则自动中止；如果在准备阶段

场景：A账户给B账户转30块，AB在不同的服务。检查A账户余额是否大于30元。Try、Confirm、Cancel都是有单独的线程去执行，且会出现重复调用，不支持幂等性。由于以上两原因，TCC可以自由控制资源锁定的粒度。

本地事务是解决单个数据源上的数据操作的一致性，分布式事务是为了解决跨越多个数据源上数据操作的一致性问题。　　A. C是Consistency的简写，是一致性的意思；　　C. P是Partition tolerance的简写，是分区容错性的意思；　　　　A.

分布式协调、分布式锁、元数据/配置管理、HA高可用场景。普通实现方法缺陷：redis失效时会导致锁失效。XA方案-可通过Spring+JTA实现、可靠消息最终一致性方案、最大努力通知方案。client层中间件：TDDL、sharding-jdbc. 垂直拆

随着分布式数据库技术的发展越来越成熟，业内对于分布式数据库的要求也由曾经只用满足解决海量数据的存储和读取这类边缘业务向核心交易业务转变。分布式数据库如果要满足核心账务类交易需求，则其需要完善分布式事务，向传统关系型数据库看齐。检查支票存款账户的余额是否大于

本文介绍分布式事务处理方案之一的三阶段提交协议。但是，相互独立的节点之间无法准确地知道其他节点的事务执行情况。为了解决这种分布式一致性问题，前人在性能和数据一致性的反反复复权衡过程中总结了许多典型的协议和算法。参与者响应“VOTE_ABORT”或“VOTE

随着分布式数据库技术的发展越来越成熟，业内对于分布式数据库的要求也由曾经只用满足解决海量数据的存储和读取这类边缘业务向核心交易业务转变。分布式数据库如果要满足核心账务类交易需求，则其需要完善分布式事务，向传统关系型数据库看齐。分布式数据库的数据是进行多机器

Consistency 一致性数据库经过事务操作后从一种状态转变为另一个状态。可以说原子性是从行为上描述，而一致性是从结果上描述。　　考虑这样一种业务场景，系统A调用系统B的退款服务进行退款，系统A更改内部退款状态，接着调用系统C的短信服务通知用户。　　可

基于消息实现的分布式事务基于补偿实现的分布式事务基于TCC实现的分布式事务基于SAGA实现的分布式事务基于2PC实现的分布式事务这些形态的原理已经在很多文章中进行了剖析，用“分布式事务”关键字就能搜到对应的文章，本文不再赘述这些形态的原理，并将重点放在如何

事务,在数据库中指的是操作数据库的最小单位,往大了看,事务是应用程序中一系列严密的操作，所有操作必须成功完成，否则在每个操作中所作的所有更改都会被撤消。为 Seata 提供可靠的高可用功能。TC给每一个RM发送消息，通知它们全部回滚。Seata的引入全局锁

业务系统中存在针对用户对一些特定字段的操作，需要进行日志记录及入库日志。项目架构是基于boot为基石的SpringCloud分布式架构，业务模块暂时称呼为模块A，日志记录属于公共模块暂时称呼为模块B。数据库事务的ACID ，分布式事务的BASE理论。

4.Broker如果没有及时的获取发送方本地事务结果的话，会主动查询本地事务结果。

Atomicity 原子性 构成事务的一组SQL，要么全部生效，要么全不生效，不会出现部分生效的情况。Consistency 一致性 数据库经过事务操作后从一种状态转变为另一个状态。可以说原子性是从行为上描述，而一致性是从结果上描述。对于MySQL数据库而

Tomcat 7 带了一个新的连接池 tomcat. 网上有人测试,据说性能超过常用连接池.并且这个连接池提供的连接不是普通的Connection,而是pooledConnection,The Tomcat JDBC Connection Pool可独立使

一个TCC事务框架需要解决的当然是分布式事务的管理。关于TCC事务机制的介绍，可以参考TCC事务机制简介。TCC事务模型虽然说起来简单，然而要基于TCC实现一个通用的分布式事务框架，却比它看上去要复杂的多，不只是简单的调用一下Confirm/Cancel业

　　2/3阶段提交解决的问题是分布式数据操作一致性问题，即在不同节点间数据多个操作的原子性问题，比如在A节点的数据增加和B节点数据的减少需要原子操作。　　两阶段提交，第一阶段precommit，向各个分布式节点发送确认信息，各个节点将会执行操作，同时写入r