前言
先声明，本文不会介绍诸如ACID、2PC、CAP等概念性的问题（要介绍也是Ctrl CV （：🐶 ），想了解的同学可自行Google~ 本文只记录笔者工作中遇到的事务问题，以及解决方案。
在工作中，事务问题是比较常见的，同时也是比较危险的，稍一不注意就会背P0事故。那我们在工作中要如何解决事务问题，保证业务安全运行呢？
试想一个业务场景：用户在电商网站下单某个商品，这时需要进行两个操作：
- 更改订单状态
- 将商品从购物车中移除
如果操作1成功了，操作2却失败。这时用户看到商品仍在购物车中，以为没有下单成功，又再次点击下单，造成重复订单。
如果操作1失败了，操作2却成功。这时显示下单失败，但是购物车中的商品被移除了，用户对此也会产生疑惑。
综上，操作1、2 只能同时成功，或者同时失败。 否则就会出现各种想象不到的异常情况。
那要怎么保证呢？这时候就需要事务了
1. 数据库事务
这应该算是最简单的事务问题了，因为常用的数据库本身也支持事务操作。
针对以上场景，可以编写伪代码：
// 开启一个事务
tx := db.Begin()
// 1.更改订单状态
tx.updateOrderStatus(xxxx)
// 2.将商品从购物车中移除
tx.removeItemFromShoppingCart(xxxx)
// 出现错误，回滚操作 1、2
if err != nil {
tx.rollback()
return
}
//操作1、2都运行成功，提交事务
tx.commit()
通过伪代码不难发现，数据库事务只适用于操作同一个DB，但现实的项目中，往往是以微服务划分各自的职责，订单服务和购物车服务甚至都归属于不同的团队，更别说用同一个数据库了。
这时候就需要使用分布式事务了
2. 事务消息
还是上文的场景，虽然订单服务和购物车服务归属于不同的服务，但是服务之间的协作可以通过消息队列实现。
简单来说，就是当更新订单状态成功之后，发送一条消息给购物车服务，然后购物车服务执行移除操作
image
这样，乍一看好像没什么问题，但深入思考之后会有几个疑问：
- 订单状态更新成功了，但消息发送失败，要如何处理？
- 消息发送成功了，要怎么保证购物车服务一定能消费到？
概括成一句话：如何保证消息的生产端和消费端的事务性
2.1 事务消息 - 生产端
image
还是以用户下单场景解析事务消息是如何发送的：
- producer发送订单状态已更新的消息
- 消息发送成功
- 执行本地事务，这时真正更新订单的状态
- 本地事务执行成功，则提交该事务消息，失败则回滚消息。
但是考虑到网络的原因，在发送commit或rollback的消息丢失了，broker接收不到信息，无法进行下一步操作。
对于这个问题很好解决，如步骤5：在Producer端提供一个回查的接口，供Broker定期回查本地事务的状态。然后可以根据反查结果决定回滚还是提交事务。
2.2 事务消息 - 消费端
话说大部分文章在介绍事务消息时都只侧重于生产端，对消费端一笔带过甚至提都不提
image
但其实在实战中，如何实现高效、正确的消费端也是一大难题。
想问大家一个问题，在消费端，是先消费消息再提交commit？还是先提交commit 再消费消息呢？
其实这两种方式没有对错之分，只是在不同业务下的选择。
我们就以这两种方式来介绍如何实现消费端的“事务性”
1. 先消费消息再提交commit
err := handle(msg)
if err!=nil{
return err
}
consumer.commit(msg)
这种消费方式本身也具备事务性了，因为只有消息消费成功，才提交偏移量，如果消费失败，Broker则会重新投递。（多次投递失败，则会发送死信队列）
image
但这种方式也有两个缺点：
- Broker可能会多次投递，造成重复消费，所以消费者要实现好幂等逻辑
- 先消费再提交commit意味着不能异步多线程消费，消费速度较慢
2. 先提交commit再消费
consumer.commit(msg)
go handle(msg)
这种实现方式可以运用多线程异步消费，较于方式1能极大提升消费速度。但是同时也带来了隐患。
因为Broker只投递一次消息，所以处理失败case只能由业务自己去重试。
image
通用的方案是设计重试队列，当业务逻辑处理失败时，交由重试队列去处理，当重试超过一定次数，则需要告警人为干预。
注：这种实现方式，不能保证最终一致性，在极端情况下仍会出现不一致的情况。
对于事务消息的消费端，两种实现方式都各有利弊，要深入业务调研，从而做出最好的选择。
对于分布式事务的解决方案，上文介绍了事务消息，对于这种方案，能保证最终的结果是可靠的，过程也非常简单易理解。但是整个过程完全没有任何隔离性可言。
对于订单和购物车的场景，对隔离性要求不高，所以使用事务消息来解决该种场景是非常合适的。
但是对于另一个场景：用户下单某个商品，对应两个操作：
- 更改订单状态
- 扣减商品库存
如果使用缺乏隔离性的事务消息来处理该场景，会带来一个显而易见的问题“超卖”。
因为两个客户完全有可能在短时间内都成功购买了同一件商品，而且他们各自购买的数量都不超过目前的库存，但他们购买的数量之和却超过了库存。
所以就需要使用隔离性更强的分布式事务方案 -- TCC 事务来处理。
3. TCC
在具体实现上，TCC 较为烦琐，它是一种业务侵入式较强的事务方案。要求业务处理过程必须拆分为“预留业务资源”和“确认/释放消费资源”两个子过程。如同 TCC 的名字所示，它分为（Try、Confirm、Cancel）三个阶段。
图片
- Try：尝试执行阶段，完成所有业务可执行性的检查（保障一致性），并且预留好全部需用到的业务资源（保障隔离性）。
- Confirm：确认执行阶段，不进行任何业务检查，直接使用 Try 阶段准备的资源来完成业务处理。Confirm 阶段可能会重复执行，因此本阶段所执行的操作需要具备幂等性。
- Cancel：取消执行阶段，释放 Try 阶段预留的业务资源。Cancel 阶段可能会重复执行，也需要满足幂等性。
业务时序图：
图片
-
订单服务发起事务请求，库存服务&积分服务预留业务资源（冻结库存、预添加积分）
-
Try阶段全部成功，完成业务操作（扣减库存，为会员添加积分）
-
Try阶段有操作失败或超时，取消业务操作（释放库存、取消添加积分）
总结
分布式事务有多种解决方案，同一种方案，根据业务的不同也有不同的实现方式。所以要深入业务，选择一个最合适的方案。
网友评论