标签：事务 rollback CURD 提交 table commit 原来 分布式
数据和云以下文章来源于架构师之路 ，作者58沈剑
架构师之路，坚持撰写接地气的架构文章
点击▲关注 “数据和云” 给公众号标星置顶
更多精彩 第一时间直达
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：
start transaction;
CURD table t_account; any Exception rollback;
CURD table t_order; any Exception rollback;
CURD table t_flow; any Exception rollback;
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：
int Do_AccountT(uid, money){
start transaction;
//余额改变money这么多
CURD table t_account with money for uid;
anyException rollback return NO;
commit;
return YES;
}
那么，修改余额，补偿事务可以是：
int Compensate_AccountT(uid, money){
//做一个money的反向操作
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：
// 执行第一个事务
int flag = Do_AccountT();
if(flag=YES){
//第一个事务成功，则执行第二个事务
flag= Do_OrderT();
if(flag=YES){
// 第二个事务成功，则成功
return YES;
}
else{
// 第二个事务失败，执行第一个事务的补偿事务
Compensate_AccountT();
}
}
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：
start transaction;
CURD table t_account; any Exception rollback;
CURD table t_order; any Exception rollback;
CURD table t_flow; any Exception rollback;
commit;
拆分成了多个库后，大事务会变成三个小事务：
start transaction1;
//第一个库事务执行
CURD table t_account; any Exception rollback;
…
// 第一个库事务提交
commit1;
start transaction2;
//第二个库事务执行
CURD table t_order; any Exception rollback;
…
// 第二个库事务提交
commit2;
start transaction3;
//第三个库事务执行
CURD table t_flow; any Exception rollback;
…
// 第三个库事务提交
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
把
trx1.exec(); trx1.commit();
trx2.exec(); trx2.commit();
trx3.exec(); trx3.commit();
优化为：
trx1.exec(); trx2.exec(); trx3.exec();
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。
标签：事务,rollback,CURD,提交,table,commit,原来,分布式 来源： https://blog.51cto.com/u_15127599/2897819
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。