05-服务保护和分布式事务(Sentinel、Seata）

在微服务长途调用的过程中，还存在几个题目需要办理。
首先是业务健壮性题目：
比方在之前的查询购物车列表业务中，购物车服务需要查询最新的商品信息，与购物车数据做对比，提示用户。各人设想一下，如果商品服务查询时发生故障，查询购物车列表在调用商品服 务时，是不是也会非常？从而导致购物车查询失败。但从业务角度来说，为了提升用户体验，即便是商品查询失败，购物车列表也应该正确展示出来，哪怕是不包含最新的商品信息。

尚有级联失败题目：
还是查询购物车的业务，假如商品服务业务并发较高，占用过多Tomcat连接。可能会导致商品服务的全部接口相应时间增长，延迟变高，乃至是长时间壅闭直至查询失败。
此时查询购物车业务需要查询并等待商品查询结果，从而导致查询购物车列表业务的相应时间也变长，乃至也壅闭直至无法访问。而此时如果查询购物车的哀求较多，可能导致购物车服务的Tomcat连接占用较多，全部接口的相应时间都会增长，整个服务性能很差， 乃至不可用。

依次类推，整个微服务群中与购物车服务、商品服务等有调用关系的服务可能都会出现题目，最终导致整个集群不可用。

这就是级联失败题目，或者叫雪崩题目。


尚有跨服务的事务题目：
好比昨天讲到过的下单业务，下单的过程中需要调用多个微服务：

• 商品服务：扣减库存
  
• 订单服务：生存订单
  
• 购物车服务：清算购物车
  

这些业务全部都是数据库的写操作，我们必须确保全部操作的同时成功或失败。但是这些操作在不同微服务，也就是不同的Tomcat，这样的情况如何确保事务特性呢？

这些题目都会在今天找到答案。

今天的内容会分成几部门：

• 微服务保护
  
  
  
  • 服务保护方案
    
  • 哀求限流
    
  • 隔离和熔断
    
  
  
• 分布式事务
  
  
  
  • 初识分布式事务
    
  • Seata
    
  
  

通过今天的学习，你将能掌握下面的本领：

• 知道雪崩题目产生缘故原由及常见办理方案
  
• 能使用Sentinel实现服务保护
  
• 理解分布式事务产生的缘故原由
  
• 能使用Seata办理分布式事务题目
  
• 理解AT模式根本原理
  

1.微服务保护

包管服务运行的健壮性，制止级联失败导致的雪崩题目，就属于微服务保护。这章我们就一起来学习一下微服务保护的常见方案以及对应的技术。
1.1.服务保护方案

微服务保护的方案有许多，好比：

• 哀求限流
  
• 线程隔离
  
• 服务熔断
  

这些方案或多或少都会导致服务的体验上略有降落，好比哀求限流，降低了并发上限；线程隔离，降低了可用资源数量；服务熔断，降低了服务的完备度，部门服务变的不可用或弱可用。因此这些方案都属于服务降级的方案。但通过这些方案，服务的健壮性得到了提升，
接下来，我们就逐一相识这些方案的原理。
1.1.1.哀求限流

服务故障最重要缘故原由，就是并发太高！办理了这个题目，就能制止大部门故障。固然，接口的并发不是不停很高，而是突发的。因此哀求限流，就是限制或控制接口访问的并发流量，制止服务因流量激增而出现故障。

哀求限流往往会有一个限流器，数量高低升沉的并发哀求曲线，经过限流器就变的非常平稳。这就像是水电站的大坝，起到蓄水的作用，可以通过开关控制水流出的大小，让下游水流始终维持在一个平稳的量。

1.1.2.线程隔离

当一个业务接口相应时间长，而且并发高时，就可能耗尽服务器的线程资源，导致服务内的别的接口受到影响。所以我们必须把这种影响降低，或者缩减影响的范围。线程隔离正是办理这个题目的好办法。

线程隔离的思想来自轮船的舱壁模式：

轮船的船舱会被隔板分割为N个相互隔离的密闭舱，假如轮船触礁进水，只有破坏的部门密闭舱会进水，而其他舱由于相互隔离，并不会进水。这样就把进水控制在部门船体，制止了整个船舱进水而沉没。

为了制止某个接口故障或压力过大导致整个服务不可用，我们可以限定每个接口可以使用的资源范围，也就是将其“隔离”起来。

如图所示，我们给查询购物车业务限定可用线程数量上限为20，这样即便查询购物车的哀求因为查询商品服务而出现故障，也不会导致服务器的线程资源被耗尽，不会影响到别的接口。
1.1.3.服务熔断

线程隔离虽然制止了雪崩题目，但故障服务（商品服务）依然会拖慢购物车服务（服务调用方）的接口相应速率。而且商品查询的故障依然会导致查询购物车功能出现故障，购物车业务也变的不可用了。

所以，我们要做两件事情：

• 编写服务降级逻辑：就是服务调用失败后的处置惩罚逻辑，根据业务场景，可以抛出非常，也可以返回友好提示或默认数据。
  
• 非常统计和熔断：统计服务提供方的非常比例，当比例过高表明该接口会影响到别的服务，应该拒绝调用该接口，而是直接走降级逻辑。
  

1.2.Sentinel

微服务保护的技术有许多，但在目前国内使用较多的还是Sentinel，所以接下来我们学习Sentinel的使用。
1.2.1.先容和安装

Sentinel是阿里巴巴开源的一款服务保护框架，目前已经参加SpringCloudAlibaba中。官方网站：
home | Sentinel

Sentinel 的使用可以分为两个部门:

• 焦点库（Jar包）：不依赖任何框架/库，可以或许运行于 Java 8 及以上的版本的运行时情况，同时对 Dubbo / Spring Cloud 等框架也有较好的支持。在项目中引入依赖即可实现服务限流、隔离、熔断等功能。
  
• 控制台（Dashboard）：Dashboard 主要负责管理推送规则、监控、管理呆板信息等。
  

为了方便监控微服务，我们先把Sentinel的控制台搭建出来。
1）下载jar包
下载地址：
Releases · alibaba/Sentinel · GitHub
也可以直接使用课前资料提供的版本：

2）运行
将jar包放在任意非中文、不包含特别字符的目录下，重命名为sentinel-dashboard.jar：

然后运行如下下令启动控制台：

1. [/code] [code]java -Dserver.port=8090 -Dcsp.sentinel.dashboard.server=localhost:8090 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard.jar

复制代码

别的启动时可配置参数可参考官方文档：
启动配置项 · alibaba/Sentinel Wiki · GitHub

3）访问
访问http://localhost:8090页面，就可以看到sentinel的控制台了：

需要输入账号和暗码，默认都是：sentinel
登录后，即可看到控制台，默认会监控sentinel-dashboard服务本身：

1.2.2.微服务整合

我们在cart-service模块中整合sentinel，连接sentinel-dashboard控制台，步调如下： 1）引入sentinel依赖

1. [/code] [code]<!--sentinel-->
2. <dependency>
3.     <groupId>com.alibaba.cloud</groupId>
4.     <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
5. </dependency>

复制代码

2）配置控制台
修改application.yaml文件，添加下面内容：

1. [/code] [code]spring:
2.   cloud:
3.     sentinel:
4.       transport:
5.         dashboard: localhost:8090

复制代码

应该放到这里：

3）访问cart-service的任意端点
重启cart-service，然后访问查询购物车接口，

sentinel的客户端就会将服务访问的信息提交到sentinel-dashboard控制台。并展示出统计信息：

点击簇点链路菜单，会看到下面的页面：

所谓簇点链路，就是单机调用链路，是一次哀求进入服务后经过的每一个被Sentinel监控的资源。默认情况下，Sentinel会监控SpringMVC的每一个Endpoint（接口）。
因此，我们看到/carts这个接口路径就是此中一个簇点，我们可以对其进行限流、熔断、隔离等保护步伐。

不过，需要留意的是，我们的SpringMVC接口是按照Restful风格设计，因此购物车的查询、删除、修改等接口全部都是/carts路径：

默认情况下Sentinel会把路径作为簇点资源的名称，无法区分路径相同但哀求方式不同的接口，查询、删除、修改等都被识别为一个簇点资源，这显然是不符合的。

所以我们可以选择打开Sentinel的哀求方式前缀，把哀求方式 + 哀求路径作为簇点资源名：
首先，在cart-service的application.yml中添加下面的配置：

1. [/code] [code]spring:
2.   cloud:
3.     sentinel:
4.       transport:
5.         dashboard: localhost:8090
6.       http-method-specify: true # 开启请求方式前缀

复制代码

然后，重启服务，通过页面访问购物车的相干接口，可以看到sentinel控制台的簇点链路发生了变化：

1.3.哀求限流

在簇点链路后面点击流控按钮，即可对其做限流配置：

在弹出的菜单中这样填写：

这样就把查询购物车列表这个簇点资源的流量限制在了每秒6个，也就是最大QPS为6.

我们利用Jemeter做限流测试，我们每秒发出10个哀求：

最终监控结果如下：

可以看出GET:/carts这个接口的通过QPS稳固在6附近，而拒绝的QPS在4附近，符合我们的预期。

1.4.线程隔离

限流可以降低服务器压力，尽量淘汰因并发流量引起的服务故障的概率，但并不能完全制止服务故障。一旦某个服务出现故障，我们必须隔离对这个服务的调用，制止发生雪崩。

好比，查询购物车的时候需要查询商品，为了制止因商品服务出现故障导致购物车服务级联失败，我们可以把购物车业务中查询商品的部门隔离起来，限制可用的线程资源：

这样，即便商品服务出现故障，最多导致查询购物车业务故障，并且可用的线程资源也被限定在一定范围，不会导致整个购物车服务瓦解。

所以，我们要对查询商品的FeignClient接口做线程隔离。


1.4.1.OpenFeign整合Sentinel

修改cart-service模块的application.yml文件，开启Feign的sentinel功能：

1. [/code] [code]feign:
2.   sentinel:
3.     enabled: true # 开启feign对sentinel的支持

复制代码

需要留意的是，默认情况下SpringBoot项目的tomcat最大线程数是200，允许的最大连接是8492，单机测试很难打满。
所以我们需要配置一下cart-service模块的application.yml文件，修改tomcat连接：

1. [/code] [code]server:
2.   port: 8082
3.   tomcat:
4.     threads:
5.       max: 50 # 允许的最大线程数
6.     accept-count: 50 # 最大排队等待数量
7.     max-connections: 100 # 允许的最大连接

复制代码

然后重启cart-service服务，可以看到查询商品的FeignClient主动变成了一个簇点资源：

1.4.2.配置线程隔离

接下来，点击查询商品的FeignClient对应的簇点资源后面的流控按钮：

在弹出的表单中填写下面内容：

留意，这里勾选的是并发线程数限制，也就是说这个查询功能最多使用5个线程，而不是5QPS。如果查询商品的接口每秒处置惩罚2个哀求，则5个线程的现实QPS在10左右，而超出的哀求自然会被拒绝。

我们利用Jemeter测试，每秒发送100个哀求：

最终测试结果如下：

进入查询购物车的哀求每秒大概在100，而在查询商品时却只剩下每秒10左右，符合我们的预期。


此时如果我们通过页面访问购物车的别的接口，比方添加购物车、修改购物车商品数量，发现不受影响：
相应时间非常短，这就证明线程隔离起到了作用，只管查询购物车这个接口并发很高，但是它能使用的线程资源被限制了，因此不会影响到别的接口。

1.5.服务熔断

在上节课，我们利用线程隔离对查询购物车业务进行隔离，保护了购物车服务的别的接口。由于查询商品的功能耗时较高（我们模拟了500毫秒延时），再加上线程隔离限定了线程数为5，导致接口吞吐本领有限，最终QPS只有10左右。这就导致了几个题目：
第一，超出的QPS上限的哀求就只能抛出非常，从而导致购物车的查询失败。但从业务角度来说，即便没有查询到最新的商品信息，购物车也应该展示给用户，用户体验更好。也就是给查询失败设置一个降级处置惩罚逻辑。
第二，由于查询商品的延迟较高（模拟的500ms），从而导致查询购物车的相应时间也变的很长。这样不仅拖慢了购物车服务，消耗了购物车服务的更多资源，而且用户体验也很差。对于商品服务这种不太健康的接口，我们应该直接停止调用，直接走降级逻辑，制止影响到当前服务。也就是将商品查询接口熔断。

1.5.1.编写降级逻辑

触发限流或熔断后的哀求不一定要直接报错，也可以返回一些默认数据或者友好提示，用户体验会更好。
给FeignClient编写失败后的降级逻辑有两种方式：

• 方式一：FallbackClass，无法对长途调用的非常做处置惩罚
  
• 方式二：FallbackFactory，可以对长途调用的非常做处置惩罚，我们一般选择这种方式。
  

这里我们演示方式二的失败降级处置惩罚。
步调一：在hm-api模块中给ItemClient定义降级处置惩罚类，实现FallbackFactory：

代码如下：

1. [/code] [code]package com.hmall.api.client.fallback;
3. import com.hmall.api.client.ItemClient;
4. import com.hmall.api.dto.ItemDTO;
5. import com.hmall.api.dto.OrderDetailDTO;
6. import com.hmall.common.exception.BizIllegalException;
7. import com.hmall.common.utils.CollUtils;
8. import lombok.extern.slf4j.Slf4j;
9. import org.springframework.cloud.openfeign.FallbackFactory;
11. import java.util.Collection;
12. import java.util.List;
14. @Slf4j
15. public class ItemClientFallback implements FallbackFactory<ItemClient> {
16.     @Override
17.     public ItemClient create(Throwable cause) {
18.         return new ItemClient() {
19.             @Override
20.             public List<ItemDTO> queryItemByIds(Collection<Long> ids) {
21.                 log.error("远程调用ItemClient#queryItemByIds方法出现异常，参数：{}", ids, cause);
22.                 // 查询购物车允许失败，查询失败，返回空集合
23.                 return CollUtils.emptyList();
24.             }
26.             @Override
27.             public void deductStock(List<OrderDetailDTO> items) {
28.                 // 库存扣减业务需要触发事务回滚，查询失败，抛出异常
29.                 throw new BizIllegalException(cause);
30.             }
31.         };
32.     }
33. }

复制代码

步调二：在hm-api模块中的com.hmall.api.config.DefaultFeignConfig类中将ItemClientFallback注册为一个Bean：

步调三：在hm-api模块中的ItemClient接口中使用ItemClientFallbackFactory：

重启后，再次测试，发现被限流的哀求不再报错，走了降级逻辑：

但是未被限流的哀求延时依然很高：

导致最终的平手相应时间较长。


1.5.2.服务熔断

查询商品的RT较高（模拟的500ms），从而导致查询购物车的RT也变的很长。这样不仅拖慢了购物车服务，消耗了购物车服务的更多资源，而且用户体验也很差。
对于商品服务这种不太健康的接口，我们应该停止调用，直接走降级逻辑，制止影响到当前服务。也就是将商品查询接口熔断。当商品服务接口恢复正常后，再允许调用。这着实就是断路器的工作模式了。

Sentinel中的断路器不仅可以统计某个接口的慢哀求比例，还可以统计非常哀求比例。当这些比例超出阈值时，就会熔断该接口，即拦截访问该接口的齐备哀求，降级处置惩罚；当该接口恢复正常时，再放行对于该接口的哀求。
断路器的工作状态切换有一个状态机来控制：

状态机包罗三个状态：

• closed：关闭状态，断路器放行全部哀求，并开始统计非常比例、慢哀求比例。凌驾阈值则切换到open状态
  
• open：打开状态，服务调用被熔断，访问被熔断服务的哀求会被拒绝，快速失败，直接走降级逻辑。Open状态持续一段时间后会进入half-open状态
  
• half-open：半开状态，放行一次哀求，根据执行结果来判断接下来的操作。
  
  
  
  • 哀求成功：则切换到closed状态
    
  • 哀求失败：则切换到open状态
    
  
  

我们可以在控制台通过点击簇点后的熔断按钮来配置熔断策略：

在弹出的表格中这样填写：

这种是按照慢调用比例来做熔断，上述配置的含义是：

• RT凌驾200毫秒的哀求调用就是慢调用
  
• 统计近来1000ms内的最少5次哀求，如果慢调用比例不低于0.5，则触发熔断
  
• 熔断持续时长20s
  

配置完成后，再次利用Jemeter测试，可以发现：

在一开始一段时间是允许访问的，后来触发熔断后，查询商品服务的接口通过QPS直接为0，全部哀求都被熔断了。而查询购物车的本身并没有受到影响。
此时整个购物车查询服务的平均RT影响不大：

2.分布式事务

首先我们看看项目中的下单业务整体流程：

由于订单、购物车、商品分别在三个不同的微服务，而每个微服务都有自己独立的数据库，因此下单过程中就会跨多个数据库完成业务。而每个微服务都会执行自己的本地事务：

• 交易服务：下单事务
  
• 购物车服务：清算购物车事务
  
• 库存服务：扣减库存事务
  

整个业务中，各个本地事务是有关联的。因此每个微服务的本地事务，也可以称为分支事务。多个有关联的分支事务一起就组成了全局事务。我们必须包管整个全局事务同时成功或失败。
我们知道每一个分支事务就是传统的单体事务，都可以满足ACID特性，但全局事务跨越多个服务、多个数据库，是否还能满足呢？
我们来做一个测试，先进入购物车页面：

目前有4个购物车，然结算下单，进入订单结算页面：

然后将购物车中某个商品的库存修改为0：

然后，提交订单，最终因库存不足导致下单失败：

然后我们去查看购物车列表，发现购物车数据依然被清空了，并未回滚：

事务并未依照ACID的原则，归其缘故原由就是参与事务的多个子业务在不同的微服务，跨越了不同的数据库。虽然每个单独的业务都能在本地依照ACID，但是它们互相之间没有感知，不知道有人失败了，无法包管最终结果的统一，也就无法依照ACID的事务特性了。
这就是分布式事务题目，出现以下情况之一就可能产生分布式事务题目：

• 业务跨多个服务实现
  
• 业务跨多个数据源实现
  

接下来这一章我们就一起来研究下如何办理分布式事务题目。

2.1.认识Seata

办理分布式事务的方案有许多，但实现起来都比较复杂，因此我们一般会使用开源的框架来办理分布式事务题目。在浩繁的开源分布式事务框架中，功能最完善、使用最多的就是阿里巴巴在2019年开源的Seata了。
Seata 是什么？ | Apache Seata

着实分布式事务产生的一个重要缘故原由，就是参与事务的多个分支事务互相无感知，不知道彼此的执行状态。因此办理分布式事务的思想非常简单：
就是找一个统一的事务和谐者，与多个分支事务通讯，检测每个分支事务的执行状态，包管全局事务下的每一个分支事务同时成功或失败即可。大多数的分布式事务框架都是基于这个理论来实现的。

Seata也不例外，在Seata的事务管理中有三个重要的角色：

• TC (Transaction Coordinator) - 事务和谐者：维护全局和分支事务的状态，和谐全局事务提交或回滚。
  
• TM (Transaction Manager) - 事务管理器：定义全局事务的范围、开始全局事务、提交或回滚全局事务。
  
• RM (Resource Manager) - 资源管理器：管理分支事务，与TC交谈以注册分支事务和陈诉分支事务的状态，并驱动分支事务提交或回滚。
  

Seata的工作架构如图所示：

此中，TM和RM可以理解为Seata的客户端部门，引入到参与事务的微服务依赖中即可。未来TM和RM就会帮助微服务，实现本地分支事务与TC之间交互，实现事务的提交或回滚。

而TC服务则是事务和谐中心，是一个独立的微服务，需要单独部署。

2.2.部署TC服务

2.2.1.预备数据库表

Seata支持多种存储模式，但考虑到长期化的需要，我们一般选择基于数据库存储。执行课前资料提供的《seata-tc.sql》，导入数据库表：

2.2.2.预备配置文件

课前资料预备了一个seata目录，此中包含了seata运行时所需要的配置文件：

此中包含中文解释，各人可以自行阅读。
我们将整个seata文件夹拷贝到虚拟机的/root目录：

2.2.3.Docker部署

需要留意，要确保nacos、mysql都在hm-net网络中。如果某个容器不再hm-net网络，可以参考下面的下令将某容器参加指定网络：

1. [/code] [code]docker network connect [网络名] [容器名]

复制代码

在虚拟机的/root目录执行下面的下令：

1. [/code] [code]docker run --name seata \
2. -p 8099:8099 \
3. -p 7099:7099 \
4. -e SEATA_IP=192.168.200.100 \
5. -v ./seata:/seata-server/resources \
6. --privileged=true \
7. --network hm-net \
8. -d \
9. seataio/seata-server:1.5.2

复制代码

如果镜像下载困难，也可以把课前资料提供的镜像上传到虚拟机并加载：

2.3.微服务集成Seata

参与分布式事务的每一个微服务都需要集成Seata，我们以trade-service为例。
2.3.1.引入依赖

为了方便各个微服务集成seata，我们需要把seata配置共享到nacos，因此trade-service模块不仅仅要引入seata依赖，还要引入nacos依赖:

1. [/code] [code]<!--统一配置管理-->
2.   <dependency>
3.       <groupId>com.alibaba.cloud</groupId>
4.       <artifactId>spring-cloud-starter-alibaba-nacos-config</artifactId>
5.   </dependency>
6.   <!--读取bootstrap文件-->
7.   <dependency>
8.       <groupId>org.springframework.cloud</groupId>
9.       <artifactId>spring-cloud-starter-bootstrap</artifactId>
10.   </dependency>
11.   <!--seata-->
12.   <dependency>
13.       <groupId>com.alibaba.cloud</groupId>
14.       <artifactId>spring-cloud-starter-alibaba-seata</artifactId>
15.   </dependency>

复制代码

2.3.2.改造配置

首先在nacos上添加一个共享的seata配置，命名为shared-seata.yaml：

内容如下：

1. [/code] [code]seata:
2.   registry: # TC服务注册中心的配置，微服务根据这些信息去注册中心获取tc服务地址
3.     type: nacos # 注册中心类型 nacos
4.     nacos:
5.       server-addr: 192.168.150.101:8848 # nacos地址
6.       namespace: "" # namespace，默认为空
7.       group: DEFAULT_GROUP # 分组，默认是DEFAULT_GROUP
8.       application: seata-server # seata服务名称
9.       username: nacos
10.       password: nacos
11.   tx-service-group: hmall # 事务组名称
12.   service:
13.     vgroup-mapping: # 事务组与tc集群的映射关系
14.       hmall: "default"

复制代码

然后，改造trade-service模块，添加bootstrap.yaml：

内容如下:

1. [/code] [code]spring:
2.   application:
3.     name: trade-service # 服务名称
4.   profiles:
5.     active: dev
6.   cloud:
7.     nacos:
8.       server-addr: 192.168.150.101 # nacos地址
9.       config:
10.         file-extension: yaml # 文件后缀名
11.         shared-configs: # 共享配置
12.           - dataId: shared-jdbc.yaml # 共享mybatis配置
13.           - dataId: shared-log.yaml # 共享日志配置
14.           - dataId: shared-swagger.yaml # 共享日志配置
15.           - dataId: shared-seata.yaml # 共享seata配置

复制代码

可以看到这里加载了共享的seata配置。
然后改造application.yaml文件，内容如下：

1. [/code] [code]server:
2.   port: 8085
3. feign:
4.   okhttp:
5.     enabled: true # 开启OKHttp连接池支持
6.   sentinel:
7.     enabled: true # 开启Feign对Sentinel的整合
8. hm:
9.   swagger:
10.     title: 交易服务接口文档
11.     package: com.hmall.trade.controller
12.   db:
13.     database: hm-trade

复制代码

参考上述办法分别改造hm-cart和hm-item两个微服务模块。

2.3.3.添加数据库表

seata的客户端在办理分布式事务的时候需要记录一些中间数据，生存在数据库中。因此我们要先预备一个这样的表。
将课前资料的seata-at.sql分别文件导入hm-trade、hm-cart、hm-item三个数据库中：

结果：

OK，至此为止，微服务整合的工作就完成了。可以参考上述方式对hm-item和hm-cart模块完成整合改造。

2.3.4.测试

接下来就是测试的分布式事务的时候了。
我们找到trade-service模块下的com.hmall.trade.service.impl.OrderServiceImpl类中的createOrder方法，也就是下单业务方法。
将其上的@Transactional注解改为Seata提供的@GlobalTransactional：

@GlobalTransactional注解就是在标记事务的起点，未来TM就会基于这个方法判断全局事务范围，初始化全局事务。

我们重启trade-service、item-service、cart-service三个服务。再次测试，发现分布式事务的题目办理了！

那么，Seata是如何办理分布式事务的呢？
2.4.XA模式

Seata支持四种不同的分布式事务办理方案：

• XA
  
• TCC
  
• AT
  
• SAGA
  

这里我们以XA模式和AT模式来给各人讲解着实现原理。

XA 规范 是 X/Open 构造定义的分布式事务处置惩罚（DTP，Distributed Transaction Processing）尺度，XA 规范 描述了全局的TM与局部的RM之间的接口，几乎全部主流的数据库都对 XA 规范 提供了支持。

2.4.1.两阶段提交

A是规范，目前主流数据库都实现了这种规范，实现的原理都是基于两阶段提交。

正常情况：

非常情况：

一阶段：

• 事务和谐者关照每个事务参与者执行本地事务
  
• 本地事务执行完成后陈诉事务执行状态给事务和谐者，此时事务不提交，继续持有数据库锁
  

二阶段：

• 事务和谐者基于一阶段的陈诉来判断下一步操作
  
• 如果一阶段都成功，则关照全部事务参与者，提交事务
  
• 如果一阶段任意一个参与者失败，则关照全部事务参与者回滚事务
  

2.4.2.Seata的XA模子

Seata对原始的XA模式做了简单的封装和改造，以适应自己的事务模子，根本架构如图：

RM一阶段的工作：

• 注册分支事务到TC
  
• 执行分支业务sql但不提交
  
• 陈诉执行状态到TC
  

TC二阶段的工作：

• TC检测各分支事务执行状态
  
  
  
  • 如果都成功，关照全部RM提交事务
    
  • 如果有失败，关照全部RM回滚事务
    
  
  

RM二阶段的工作：

• 接收TC指令，提交或回滚事务
  

2.4.3.优缺点

XA模式的优点是什么？

• 事务的强划一性，满足ACID原则
  
• 常用数据库都支持，实现简单，并且没有代码侵入
  

XA模式的缺点是什么？

• 因为一阶段需要锁定命据库资源，等待二阶段竣事才释放，性能较差
  
• 依赖关系型数据库实现事务
  

2.4.4.实现步调

首先，我们要在配置文件中指定要采用的分布式事务模式。我们可以在Nacos中的共享shared-seata.yaml配置文件中设置：

1. [/code] [code]seata:
2.   data-source-proxy-mode: XA

复制代码

其次，我们要利用@GlobalTransactional标记分布式事务的入口方法：

2.5.AT模式

AT模式同样是分阶段提交的事务模子，不过缺弥补了XA模子中资源锁定周期过长的缺陷。
2.5.1.Seata的AT模子

根本流程图：

阶段一RM的工作：

• 注册分支事务
  
• 记录undo-log（数据快照）
  
• 执行业务sql并提交
  
• 陈诉事务状态
  

阶段二提交时RM的工作：

• 删除undo-log即可
  

阶段二回滚时RM的工作：

• 根据undo-log恢复数据到更新前
  

2.5.2.流程梳理

我们用一个真实的业务来梳理下AT模式的原理。
好比，现在有一个数据库表，记录用户余额：
  id
  money
  1
  100
  此中一个分支业务要执行的SQL为：

1. [/code] [code] update tb_account set money = money - 10 where id = 1

复制代码

AT模式下，当前分支事务执行流程如下：
一阶段：

• TM发起并注册全局事务到TC
  
• TM调用分支事务
  
• 分支事务预备执行业务SQL
  
• RM拦截业务SQL，根据where条件查询原始数据，形成快照。
  

1. [/code] [code]{
2.   "id": 1, "money": 100
3. }

复制代码

• RM执行业务SQL，提交本地事务，释放数据库锁。此时 money = 90
  
• RM陈诉本地事务状态给TC
  

二阶段：

• TM关照TC事务竣事
  
• TC检查分支事务状态
  
  
  
  • 如果都成功，则立即删除快照
    
  • 如果有分支事务失败，需要回滚。读取快照数据（{"id": 1, "money": 100}），将快照恢复到数据库。此时数据库再次恢复为100
    
  
  

流程图：

2.5.3.AT与XA的区别

简述AT模式与XA模式最大的区别是什么？

• XA模式一阶段不提交事务，锁定资源；AT模式一阶段直接提交，不锁定资源。
  
• XA模式依赖数据库机制实现回滚；AT模式利用数据快照实现数据回滚。
  
• XA模式强划一；AT模式最终划一
  

可见，AT模式使用起来更加简单，无业务侵入，性能更好。因此企业90%的分布式事务都可以用AT模式来办理。

3.练习

3.1.编写降级逻辑

给黑马商城中现有的FeignClient都编写对应的降级逻辑，并且改造项目中每一个微服务，将OpenFeign与Sentinel整合。


3.2.办理分布式事务

除了下单业务以外，用户如果选择余额支付，前端会将哀求发送到pay-service模块。而这个模块要做三件事情：

• 直接从user-service模块调用接口，扣除余额付款
  
• 更新本地（pay-service）交易流水表状态
  
• 关照交易服务（trade-service）更新此中的业务订单状态
  

流程如图：

显然，这里也存在分布式事务题目。

对应的页面如下：

当我们提交订单成功后，进入支付页面，选择余额支付，输入暗码后点击确认支付即可。

前端会提交支付哀求，业务接口的入口在com.hmall.pay.controller.PayController类的tryPayOrderByBalance方法：

对应的service方法如下：

1. [/code] [code]@Override
2. @Transactional
3. public void tryPayOrderByBalance(PayOrderDTO payOrderDTO) {
4.     // 1.查询支付单
5.     PayOrder po = getById(payOrderDTO.getId());
6.     // 2.判断状态
7.     if(!PayStatus.WAIT_BUYER_PAY.equalsValue(po.getStatus())){
8.         // 订单不是未支付，状态异常
9.         throw new BizIllegalException("交易已支付或关闭！");
10.     }
11.     // 3.尝试扣减余额
12.     userClient.deductMoney(payOrderDTO.getPw(), po.getAmount());
13.     // 4.修改支付单状态
14.     boolean success = markPayOrderSuccess(payOrderDTO.getId(), LocalDateTime.now());
15.     if (!success) {
16.         throw new BizIllegalException("交易已支付或关闭！");
17.     }
18.     // 5.修改订单状态
19.     tradeClient.markOrderPaySuccess(po.getBizOrderNo());
20. }

复制代码

利用seata办理这里的分布式事务题目，并思考这个业务实现有没有什么值得改进的地方


免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。