|
|
51CTO旗下网站
|
|
移动端
创建专栏

分布式事务,原来可以这么玩?

多个数据要同时操作,如何保证数据的完整性,以及一致性呢?答案是事务,这是常见的做法。

作者:58沈剑|2018-10-28 17:54

多个数据要同时操作,如何保证数据的完整性,以及一致性?

答:事务,是常见的做法。

举个栗子:

用户下了一个订单,需要修改余额表,订单表,流水表,于是会有类似的伪代码:

  1. start transaction; 
  2.  CURD table t_account;  any Exception rollback; 
  3.  CURD table t_order;      any Exception rollback; 
  4.  CURD table t_flow;        any Exception rollback; 
  5. commit; 
  • 如果对余额表,订单表,流水表的SQL操作全部成功,则全部提交
  • 如果任何一个出现问题,则全部回滚

事务,以保证数据的完整性以及一致性。

事务的方案会有什么潜在问题?

答:互联网的业务特点,数据量较大,并发量较大,经常使用拆库的方式提升系统的性能。如果进行了拆库,余额、订单、流水可能分布在不同的数据库上,甚至不同的数据库实例上,此时就不能用数据库原生事务来保证数据的一致性了。

高并发易落地的分布式事务,是行业没有很好解决的难题,那怎么办呢?

答:补偿事务是一种常见的实践。

什么是补偿事务?

答:补偿事务,是一种在业务端实施业务逆向操作事务。

举个栗子:

修改余额,事务为:

  1. int Do_AccountT(uid, money){ 
  2.     start transaction; 
  3.          //余额改变money这么多 
  4.          CURD table t_account with money for uid; 
  5.          anyException rollback return NO; 
  6.     commit; 
  7.     return YES; 
  8.   

那么,修改余额,补偿事务可以是:

  1. int Compensate_AccountT(uid, money){ 
  2.          //做一个money的反向操作 
  3.          return Do_AccountT(uid, -1*money){ 

同理,订单操作,事务是:Do_OrderT,新增一个订单;

订单操作,补偿事务是:Compensate_OrderT,删除一个订单。

要保证余额与订单的一致性,伪代码:

  1. // 执行第一个事务 
  2. int flag = Do_AccountT(); 
  3. if(flag=YES){ 
  4.     //第一个事务成功,则执行第二个事务 
  5.     flagDo_OrderT(); 
  6.     if(flag=YES){ 
  7.         // 第二个事务成功,则成功 
  8.         return YES; 
  9.     } 
  10.     else{ 
  11.         // 第二个事务失败,执行第一个事务的补偿事务 
  12.         Compensate_AccountT(); 
  13.     } 

补偿事务有什么缺点?

  • 不同的业务要写不同的补偿事务,不具备通用性;
  • 没有考虑补偿事务的失败;
  • 如果业务流程很复杂,if/else会嵌套非常多层;

画外音:上面的例子还只考虑了余额+订单的一致性,就有2*2=4个分支,如果要考虑余额+订单+流水的一致性,则会有2*2*2=8个if/else分支,复杂性呈指数级增长。

还有其它简易一致性实践么?

答:多个数据库实例上的多个事务,要保证一致性,可以进行“后置提交优化”。

单库是用这样一个大事务保证一致性:

  1. start transaction; 
  2.  CURD table t_account;  any Exception rollback; 
  3.  CURD table t_order;      any Exception rollback; 
  4.  CURD table t_flow;        any Exception rollback; 
  5. commit; 

拆分成了多个库后,大事务会变成三个小事务:

  1. start transaction1; 
  2.          //第一个库事务执行 
  3.          CURD table t_account; any Exception rollback; 
  4.          … 
  5. // 第一个库事务提交 
  6. commit1; 
  7.  
  8. start transaction2; 
  9.          //第二个库事务执行 
  10.          CURD table t_order; any Exception rollback; 
  11.          … 
  12. // 第二个库事务提交 
  13. commit2; 
  14.  
  15. start transaction3; 
  16.          //第三个库事务执行 
  17.          CURD table t_flow; any Exception rollback; 
  18.          … 
  19. // 第三个库事务提交 
  20. commit3; 

画外音:再次提醒,这三个事务发生在三个库,甚至3个不同实例的数据库上。

一个事务,分成执行与提交两个阶段:

  • 执行(CURD)的时间很长
  • 提交(commit)的执行很快

于是整个执行过程的时间轴如下:

  • 第一个事务执行200ms,提交1ms;
  • 第二个事务执行120ms,提交1ms;
  • 第三个事务执行80ms,提交1ms;

在什么时候,会出现不一致?

答:第一个事务成功提交之后,最后一个事务成功提交之前,如果出现问题(例如服务器重启,数据库异常等),都可能导致数据不一致。

画外音:如上图,最后202ms内出现异常,会出现不一致。

什么是后置提交优化?

答:如果改变事务执行与提交的时序,变成事务先执行,最后一起提交。

  • 第一个事务执行200ms,第二个事务执行120ms,第三个事务执行80ms;
  • 第一个事务提交1ms,第二个事务提交1ms,第三个事务提交1ms;

后置提交优化后,在什么时候,会出现不一致?

答:问题的答案与之前相同,第一个事务成功提交之后,最后一个事务成功提交之前,如果出现问题(例如服务器重启,数据库异常等),都可能导致数据不一致。

画外音:如上图,最后2ms内出现异常,会出现不一致。

有什么区别和差异?

答:

  • 串行事务方案,总执行时间是303ms,最后202ms内出现异常都可能导致不一致;
  • 后置提交优化方案,总执行时间也是303ms,但最后2ms内出现异常才会导致不一致;

虽然没有彻底解决数据的一致性问题,但不一致出现的概率大大降低了。

画外音:上面这个例子,概率降低了100倍。

后置提交优化,有什么不足?

答:对事务吞吐量会有影响:

  • 串行事务方案,第一个库事务提交,数据库连接就释放了;
  • 后置提交优化方案,所有库的连接,要等到所有事务执行完才释放;

这就意味着,数据库连接占用的时间增长了,系统整体的吞吐量降低了。

总结

分布式事务,两种常见的实践:

  • 补偿事务
  • 后置提交优化

  1. trx1.exec(); trx1.commit(); 
  2. trx2.exec(); trx2.commit(); 
  3. trx3.exec(); trx3.commit(); 

优化为:

  1. trx1.exec(); trx2.exec(); trx3.exec(); 
  2. trx1.commit(); trx2.commit(); trx3.commit(); 

这个小小的改动(改动成本极低),不能彻底解决多库分布式事务数据一致性问题,但能大大降低数据不一致的概率,牺牲的是吞吐量。

对于一致性与吞吐量的折衷,还需要业务架构师谨慎权衡折衷。

画外音:还是那句话,一切脱离业务常见的架构设计,都是耍流氓。

思路比结论重要,希望大家有收获。

【本文为51CTO专栏作者“58沈剑”原创稿件,转载请联系原作者】

戳这里,看该作者更多好文

【编辑推荐】

  1. Facebook遭黑客攻击,5千万用户数据面临风险
  2. 微软的数据湖也凉凉了
  3. 如果是个穷光蛋:如何从零开始学习成为一个数据科学家?
  4. 搞懂“分布式锁”,看这篇文章就对了
  5. 没有完美的数据插补法,只有最适合的
【责任编辑:赵宁宁 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢