分布式系统的事务处理简析

编者按：数据服务的高可用是全部企业都想拥有的，可是要想让数据有高可用性，就须要冗余数据写多份。写多份的问题会带来一致性的问题，而一致性的问题又会带来性能问题，这就会陷入一个无解的死循环！这里所谓数据一致性，就是当多个用户试图同时访问一个数据库时，若是它们的事务同时使用相同的数据，可能会发生如下四种状况：丢失更新、未肯定的相关性、不一致的分析和幻像读。阿里巴巴北京研发中心、商家业务部任资深专家陈皓的博客《分布式系统的事务处理》一文对此作了详细的描述，推荐给你们。如下是做者原文：

在生产线上用一台服务器来提供数据服务的时候，常常会遇到以下的两个问题：

• 一台服务器的性能不足以提供足够的能力服务于全部网络请求。
• 担忧服务器宕机，形成服务不可用或是数据丢失。

面对这些问题,咱们不得不对服务器进行扩展，加入更多的机器来分担性能问题，以及解决单点故障问题。一般，咱们会经过两种手段来扩展咱们的数据服务：

• 数据分区：就是把数据分块放在不一样的服务器上（如：uid % 16，一致性哈希等）。
• 数据镜像：让全部的服务器数据同步，提供无差异的数据服务。

使用第一种方案，没法解决数据丢失问题，单台服务器出问题时，必定会有部分数据丢失。因此，数据服务的高可用性只能经过第二种方法来完成——数据的冗余存储（通常工业界认为比较安全的备份数应该是3份，如：Hadoop和Dynamo）。 可是，加入的机器越多数据就会变得越复杂，尤为是跨服务器的事务处理，也就是跨服务器的数据一致性。这个是一个很难的问题！让咱们用最经典的Use Case：“A账号向B账号汇钱”来讲明一下，熟悉RDBMS事务的都知道从账号A到账号B须要6个操做：

1. 从A账号中把余额读出来；
2. 对A账号作减法操做；
3. 把结果写回A账号中；
4. 从B账号中把余额读出来；
5. 对B账号作加法操做；
6.  把结果写回B账号中。

为了数据的一致性，这6件事，要么都成功作完，要么都不成功，并且这个操做的过程当中，对A、B账号的其它访问必需锁死，所谓锁死就是要排除其它的读写操做，否则会有脏数据问题，这就是事务。可是，在加入了多个机器后，这个事情会变得复杂起来：

1. 在数据分区的方案中：若是A账号和B账号的数据不在同一台服务器上怎么办？咱们须要一个跨机器的事务处理。也就是说，若是A的扣钱成功了，但B的加钱不成功，咱们还要把A的操做给回滚回去。在不一样的机器上实现，就会比较复杂。
2. 在数据镜像的方案中：A账号和B账号间的汇款是能够在一台机器上完成的，可是别忘了咱们有多台机器存在A账号和B账号的副本。若是对A账号的汇钱有两个并发操做（要汇给B和C），这两个操做发生在不一样的两台服务器上怎么办？也就是说，在数据镜像中，在不一样的服务器上对同一个数据的写操做怎么保证其一致性，保证数据不冲突？

同时，咱们还要考虑性能因素，若是不考虑性能的话，事务完成并不困难，系统慢一点就好了。除了考虑性能外，咱们还要考虑可用性，也就是说，一台机器没了，数据不丢失，服务可由别的机器继续提供。 因而，咱们须要重点考虑下面的这么几个状况：

• 容灾：数据不丢、结点的Failover
• 数据的一致性：事务处理
• 性能：吞吐量 、 响应时间

前面说过，要解决数据不丢，只能经过数据冗余的方法，就算是数据分区，每一个区也须要进行数据冗余处理。这就是数据副本：当出现某个节点的数据丢失时能够从副本读到，数据副本是分布式系统解决数据丢失异常的惟一手段。因此，在这篇文章中，咱们只讨论在数据冗余状况下考虑数据的一致性和性能的问题。简单说来：

• 要想让数据有高可用性，就得写多份数据。
• 写多份的问题会致使数据一致性的问题。
• 数据一致性的问题又会引起性能问题

这就是软件开发，按下了葫芦起了瓢。

一致性模型

提及数据一致性来讲，简单说有三种类型（固然，若是细分的话，还有不少一致性模型，如：顺序一致性，FIFO一致性，会话一致性，单读一致性，单写一致性，但为了本文的简单易读，我只说下面三种）：

1. Weak 弱一致性：当你写入一个新值后，读操做在数据副本上可能读出来，也可能读不出来。好比：某些cache系统，网络游戏其它玩家的数据和你没什么关系，VOIP这样的系统，或是百度搜索引擎。
2. Eventually 最终一致性：当你写入一个新值后，有可能读不出来，但在某个时间窗口以后保证最终能读出来。好比：DNS，电子邮件、Amazon S3，Google搜索引擎这样的系统。
3. Strong 强一致性：新的数据一旦写入，在任意副本任意时刻都能读到新值。好比：文件系统，RDBMS，Azure Table都是强一致性的。

从这三种一致型的模型上来讲，咱们能够看到，Weak和Eventually通常来讲是异步冗余的，而Strong通常来讲是同步冗余的，异步的一般意味着更好的性能，但也意味着更复杂的状态控制；同步意味着简单，但也意味着性能降低。

插入一条笔记：

以前看多阿里大神程立的一个关于分布式事务的文档，目前使用较多的分布式事务解决方案有几种： 1、结合MQ消息中间件实现的可靠消息最终一致性 2、TCC补偿性事务解决方案 3、最大努力通知型方案         第一种方案：可靠消息最终一致性，须要业务系统结合MQ消息中间件实现，在实现过程当中须要保证消息的成功发送及成功消费。即须要经过业务系统控制MQ的消息状态         第二种方案：TCC补偿性，分为三个阶段TRYING-CONFIRMING-CANCELING。每一个阶段作不一样的处理。 TRYING阶段主要是对业务系统进行检测及资源预留 CONFIRMING阶段是作业务提交，经过TRYING阶段执行成功后，再执行该阶段。默认若是TRYING阶段执行成功，CONFIRMING就必定能成功。 CANCELING阶段是回对业务作回滚，在TRYING阶段中，若是存在分支事务TRYING失败，则须要调用CANCELING将已预留的资源进行释放。         第三种方案：最大努力通知xing型，这种方案主要用在与第三方系统通信时，好比：调用微信或支付宝支付后的支付结果通知。这种方案也是结合MQ进行实现，例如：经过MQ发送http请求，设置最大通知次数。达到通知次数后即再也不通知。 具体的案例你也能够参考下这篇博客，它上面的这个案例就是结合电商支付作的系统分布式事务实现案例：http://www.roncoo.com/article/detail/124243