知識星球點選▲關註 “資料和雲” 給公眾號標星置頂
更多精彩 第一時間直達
多個資料要同時操作，如何保證資料的完整性，以及一致性？
答：事務，是常見的做法。
舉個慄子：
使用者下了一個訂單，需要修改餘額表，訂單表，流水表，於是會有類似的偽程式碼：
start transaction;
CURD table t_account; any Exception rollback;
CURD table t_order; any Exception rollback;
CURD table t_flow; any Exception rollback;
commit;
-
如果對餘額表，訂單表，流水錶的SQL操作全部成功，則全部提交
-
如果任何一個出現問題，則全部回滾
事務，以保證資料的完整性以及一致性。
事務的方案會有什麼潛在問題？
答：網際網路的業務特點，資料量較大，併發量較大，經常使用拆庫的方式提升系統的效能。如果進行了拆庫，餘額、訂單、流水可能分佈在不同的資料庫上，甚至不同的資料庫實體上，此時就不能用資料庫原生事務來保證資料的一致性了。
高併發易落地的分散式事務，是行業沒有很好解決的難題，那怎麼辦呢？
答：補償事務是一種常見的實踐。
什麼是補償事務？
答：補償事務，是一種在業務端實施業務逆向操作事務。
舉個慄子：
修改餘額，事務為：
int Do_AccountT(uid, money){
start transaction;
//餘額改變money這麼多
CURD table t_account with money for uid;
anyException rollback return NO;
commit;
return YES;
}
那麼，修改餘額，補償事務可以是：
int Compensate_AccountT(uid, money){
//做一個money的反向操作
return Do_AccountT(uid, -1*money){
}
同理，訂單操作，事務是：Do_OrderT，新增一個訂單；
訂單操作，補償事務是：Compensate_OrderT，刪除一個訂單。
要保證餘額與訂單的一致性，偽程式碼：
// 執行第一個事務
int flag = Do_AccountT();
if(flag=YES){
//第一個事務成功，則執行第二個事務
flag= Do_OrderT();
if(flag=YES){
// 第二個事務成功，則成功
return YES;
}
else{
// 第二個事務失敗，執行第一個事務的補償事務
Compensate_AccountT();
}
}
補償事務有什麼缺點？
-
不同的業務要寫不同的補償事務，不具備通用性；
-
沒有考慮補償事務的失敗；
-
如果業務流程很複雜，if/else會巢狀非常多層；
畫外音：上面的例子還只考慮了餘額+訂單的一致性，就有2*2=4個分支，如果要考慮餘額+訂單+流水的一致性，則會有2*2*2=8個if/else分支，複雜性呈指數級增長。
還有其它簡易一致性實踐麼？
答：多個資料庫實體上的多個事務，要保證一致性，可以進行“後置提交最佳化”。
單庫是用這樣一個大事務保證一致性：
start transaction;
CURD table t_account; any Exception rollback;
CURD table t_order; any Exception rollback;
CURD table t_flow; any Exception rollback;
commit;
拆分成了多個庫後，大事務會變成三個小事務：
start transaction1;
//第一個庫事務執行
CURD table t_account; any Exception rollback;
…
// 第一個庫事務提交
commit1;
start transaction2;
//第二個庫事務執行
CURD table t_order; any Exception rollback;
…
// 第二個庫事務提交
commit2;
start transaction3;
//第三個庫事務執行
CURD table t_flow; any Exception rollback;
…
// 第三個庫事務提交
commit3;
畫外音：再次提醒，這三個事務發生在三個庫，甚至3個不同實體的資料庫上。
一個事務，分成執行與提交兩個階段：
-
執行(CURD)的時間很長
-
提交(commit)的執行很快
於是整個執行過程的時間軸如下：
第一個事務執行200ms，提交1ms；
第二個事務執行120ms，提交1ms；
第三個事務執行80ms，提交1ms；
在什麼時候，會出現不一致？
答：第一個事務成功提交之後，最後一個事務成功提交之前，如果出現問題（例如伺服器重啟，資料庫異常等），都可能導致資料不一致。
畫外音：如上圖，最後202ms內出現異常，會出現不一致。
什麼是後置提交最佳化？
答：如果改變事務執行與提交的時序，變成事務先執行，最後一起提交。
第一個事務執行200ms，第二個事務執行120ms，第三個事務執行80ms；
第一個事務提交1ms，第二個事務提交1ms，第三個事務提交1ms；
後置提交最佳化後，在什麼時候，會出現不一致？
答：問題的答案與之前相同，第一個事務成功提交之後，最後一個事務成功提交之前，如果出現問題（例如伺服器重啟，資料庫異常等），都可能導致資料不一致。
畫外音：如上圖，最後2ms內出現異常，會出現不一致。
有什麼區別和差異？
答：
-
序列事務方案，總執行時間是303ms，最後202ms內出現異常都可能導致不一致；
-
後置提交最佳化方案，總執行時間也是303ms，但最後2ms內出現異常才會導致不一致；
雖然沒有徹底解決資料的一致性問題，但不一致出現的機率大大降低了。
畫外音：上面這個例子，機率降低了100倍。
後置提交最佳化，有什麼不足？
答：對事務吞吐量會有影響：
-
序列事務方案，第一個庫事務提交，資料庫連線就釋放了；
-
後置提交最佳化方案，所有庫的連線，要等到所有事務執行完才釋放；
這就意味著，資料庫連線佔用的時間增長了，系統整體的吞吐量降低了。
總結
分散式事務，兩種常見的實踐：
-
補償事務
-
後置提交最佳化
把
trx1.exec(); trx1.commit();
trx2.exec(); trx2.commit();
trx3.exec(); trx3.commit();
最佳化為：
trx1.exec(); trx2.exec(); trx3.exec();
trx1.commit(); trx2.commit(); trx3.commit();
這個小小的改動（改動成本極低），不能徹底解決多庫分散式事務資料一致性問題，但能大大降低資料不一致的機率，犧牲的是吞吐量。
對於一致性與吞吐量的折衷，還需要業務架構師謹慎權衡折衷。
畫外音：還是那句話，一切脫離業務常見的架構設計，都是耍流氓。
思路比結論重要，希望大家有收穫。
轉載自：架構師之路
