补充 分布式事务解决方案Saga

Author: AmyliaY

docs/distributed-system/distributed-transaction.md

@@ -2,20 +2,24 @@
 分布式事务了解吗？你们是如何解决分布式事务问题的？
 
 ## 面试官心理分析
+
 只要聊到你做了分布式系统，必问分布式事务，你对分布式事务一无所知的话，确实会很坑，你起码得知道有哪些方案，一般怎么来做，每个方案的优缺点是什么。
 
 现在面试，分布式系统成了标配，而分布式系统带来的**分布式事务**也成了标配了。因为你做系统肯定要用事务吧，如果是分布式系统，肯定要用分布式事务吧。先不说你搞过没有，起码你得明白有哪几种方案，每种方案可能有啥坑？比如 TCC 方案的网络问题、XA 方案的一致性问题。
 
 ## 面试题剖析
-分布式事务的实现主要有以下 5 种方案：
 
-- XA 方案
-- TCC 方案
-- 本地消息表
-- 可靠消息最终一致性方案
-- 最大努力通知方案
+分布式事务的实现主要有以下 6 种方案：
+
+* XA 方案
+* TCC 方案
+* SAGA 方案
+* 本地消息表
+* 可靠消息最终一致性方案
+* 最大努力通知方案
 
 ### 两阶段提交方案/XA方案
+
 所谓的 XA 方案，即：两阶段提交，有一个**事务管理器**的概念，负责协调多个数据库（资源管理器）的事务，事务管理器先问问各个数据库你准备好了吗？如果每个数据库都回复 ok，那么就正式提交事务，在各个数据库上执行操作；如果任何其中一个数据库回答不 ok，那么就回滚事务。
 
 这种分布式事务方案，比较适合单块应用里，跨多个库的分布式事务，而且因为严重依赖于数据库层面来搞定复杂的事务，效率很低，绝对不适合高并发的场景。如果要玩儿，那么基于 `Spring + JTA` 就可以搞定，自己随便搜个 demo 看看就知道了。
@@ -26,14 +30,15 @@
 
 如果你要操作别人的服务的库，你必须是通过**调用别的服务的接口**来实现，绝对不允许交叉访问别人的数据库。
 
-![distributed-transacion-XA](/images/distributed-transaction-XA.png)
+![distributed-transacion-XA](./images/distributed-transaction-XA.png)
 
 ### TCC 方案
-TCC 的全称是：`Try`、`Confirm`、`Cancel`。
 
-- Try 阶段：这个阶段说的是对各个服务的资源做检测以及对资源进行**锁定或者预留**。
-- Confirm 阶段：这个阶段说的是在各个服务中**执行实际的操作**。
-- Cancel 阶段：如果任何一个服务的业务方法执行出错，那么这里就需要**进行补偿**，就是执行已经执行成功的业务逻辑的回滚操作。（把那些执行成功的回滚）
+TCC 的全称是： `Try` 、 `Confirm` 、 `Cancel` 。
+
+* Try 阶段：这个阶段说的是对各个服务的资源做检测以及对资源进行**锁定或者预留**。
+* Confirm 阶段：这个阶段说的是在各个服务中**执行实际的操作**。
+* Cancel 阶段：如果任何一个服务的业务方法执行出错，那么这里就需要**进行补偿**，就是执行已经执行成功的业务逻辑的回滚操作。（把那些执行成功的回滚）
 
 这种方案说实话几乎很少人使用，我们用的也比较少，但是也有使用的场景。因为这个**事务回滚**实际上是**严重依赖于你自己写代码来回滚和补偿**了，会造成补偿代码巨大，非常之恶心。
 
@@ -43,9 +48,32 @@ TCC 的全称是：`Try`、`Confirm`、`Cancel`。
 
 但是说实话，一般尽量别这么搞，自己手写回滚逻辑，或者是补偿逻辑，实在太恶心了，那个业务代码是很难维护的。
 
-![distributed-transacion-TCC](/images/distributed-transaction-TCC.png)
+![distributed-transacion-TCC](./images/distributed-transaction-TCC.png)
+
+### Saga方案
+金融核心等业务 可能会选择TCC方案，以追求强一致性和更高的并发量，而对于更多的金融核心以上的业务系统 往往会选择补偿事务，补偿事务处理在30多年前就提出了 Saga 理论，随着微服务的发展，近些年才逐步受到大家的关注。目前业界比较公认的是采用 Saga 作为长事务的解决方案。
+#### 基本原理
+业务流程中每个参与者都提交本地事务，若某一个参与者失败，则补偿前面已经成功的参与者。下图左侧是正常的事务流程，当执行到 T3 时发生了错误，则开始执行右边的事务补偿流程，反向执行T3、T2、T1 的补偿服务C3、C2、C1，将T3、T2、T1 已经修改的数据补偿掉。
+![distributed-transacion-TCC](./images/distributed-transaction-saga.png)
+#### 使用场景
+对于一致性要求高、短流程、并发高 的场景，如：金融核心系统，会优先考虑 TCC方案。而在另外一些场景下，我们并不需要这么强的一致性，只需要保证最终一致性即可。
+
+比如 很多金融核心以上的业务（渠道层、产品层、系统集成层），这些系统的特点是最终一致即可、流程多、流程长、还可能要调用其它公司的服务。这种情况如果选择TCC方案开发的话，一来成本高，二来无法要求其它公司的服务也遵循 TCC 模式。同时流程长，事务边界太长，加锁时间长，也会影响并发性能。
+
+所以 Saga 模式的适用场景是：
+
+- 业务流程长、业务流程多；
+- 参与者包含其它公司或遗留系统服务，无法提供 TCC 模式要求的三个接口。
+
+#### 优势
+- 一阶段提交本地事务，无锁，高性能；
+- 参与者可异步执行，高吞吐；
+- 补偿服务易于实现，因为一个更新操作的反向操作是比较容易理解的。
+#### 缺点
+- 不保证事务的隔离性。
 
 ### 本地消息表
+
 本地消息表其实是国外的 ebay 搞出来的这么一套思想。
 
 这个大概意思是这样的：
@@ -59,9 +87,10 @@ TCC 的全称是：`Try`、`Confirm`、`Cancel`。
 
 这个方案说实话最大的问题就在于**严重依赖于数据库的消息表来管理事务**啥的，如果是高并发场景咋办呢？咋扩展呢？所以一般确实很少用。
 
-![distributed-transaction-local-message-table](/images/distributed-transaction-local-message-table.png)
+![distributed-transaction-local-message-table](./images/distributed-transaction-local-message-table.png)
 
 ### 可靠消息最终一致性方案
+
 这个的意思，就是干脆不要用本地的消息表了，直接基于 MQ 来实现事务。比如阿里的 RocketMQ 就支持消息事务。
 
 大概的意思就是：
@@ -71,22 +100,24 @@ TCC 的全称是：`Try`、`Confirm`、`Cancel`。
 3. 如果发送了确认消息，那么此时 B 系统会接收到确认消息，然后执行本地的事务；
 4. mq 会自动**定时轮询**所有 prepared 消息回调你的接口，问你，这个消息是不是本地事务处理失败了，所有没发送确认的消息，是继续重试还是回滚？一般来说这里你就可以查下数据库看之前本地事务是否执行，如果回滚了，那么这里也回滚吧。这个就是避免可能本地事务执行成功了，而确认消息却发送失败了。
 5. 这个方案里，要是系统 B 的事务失败了咋办？重试咯，自动不断重试直到成功，如果实在是不行，要么就是针对重要的资金类业务进行回滚，比如 B 系统本地回滚后，想办法通知系统 A 也回滚；或者是发送报警由人工来手工回滚和补偿。
-6. 这个还是比较合适的，目前国内互联网公司大都是这么玩儿的，要不你举用 RocketMQ 支持的，要不你就自己基于类似 ActiveMQ？RabbitMQ？自己封装一套类似的逻辑出来，总之思路就是这样子的。
+6. 这个还是比较合适的，目前国内互联网公司大都是这么玩儿的，要不你就用 RocketMQ 支持的，要不你就自己基于类似 ActiveMQ？RabbitMQ？自己封装一套类似的逻辑出来，总之思路就是这样子的。
 
-![distributed-transaction-reliable-message](/images/distributed-transaction-reliable-message.png)
+![distributed-transaction-reliable-message](./images/distributed-transaction-reliable-message.png)
 
 ### 最大努力通知方案
+
 这个方案的大致意思就是：
 
 1. 系统 A 本地事务执行完之后，发送个消息到 MQ；
 2. 这里会有个专门消费 MQ 的**最大努力通知服务**，这个服务会消费 MQ 然后写入数据库中记录下来，或者是放入个内存队列也可以，接着调用系统 B 的接口；
 3. 要是系统 B 执行成功就 ok 了；要是系统 B 执行失败了，那么最大努力通知服务就定时尝试重新调用系统 B，反复 N 次，最后还是不行就放弃。
 
 ### 你们公司是如何处理分布式事务的？
+
 如果你真的被问到，可以这么说，我们某某特别严格的场景，用的是 TCC 来保证强一致性；然后其他的一些场景基于阿里的 RocketMQ 来实现分布式事务。
 
 你找一个严格资金要求绝对不能错的场景，你可以说你是用的 TCC 方案；如果是一般的分布式事务场景，订单插入之后要调用库存服务更新库存，库存数据没有资金那么的敏感，可以用可靠消息最终一致性方案。
 
 友情提示一下，RocketMQ 3.2.6 之前的版本，是可以按照上面的思路来的，但是之后接口做了一些改变，我这里不再赘述了。
 
-当然如果你愿意，你可以参考可靠消息最终一致性方案来自己实现一套分布式事务，比如基于 RocketMQ 来玩儿。
+当然如果你愿意，你可以参考可靠消息最终一致性方案来自己实现一套分布式事务，比如基于 RocketMQ 来玩儿。