二阶段提交（2pc）协议

1、 简介

二阶段提交算法是一个分布式一致性算法，强一致、中心化的原子提交协议，主要用来解决分布式事务问题。在单体spring应用中我们往往通过一个@Transactional注解就可以保证方法的事务性，但是在分布式场景下，serviceA往往会调用serviceB和ServiceC等有自己单独数据库的服务。如果serviceb成功了，servicec失败了，这种情况的回滚就需要用到分布式事务了。

2阶段提交包含两个阶段，即准备阶段和提交阶段。包含俩种角色，即协调者（Coordinator）和参与者（Participant）。协调者它就是协调整个事务的提交和回滚这两个操作，而参与者呢就是这个分布式事务中的事务资源拥有者。那么事务资源怎么去理解呢？图中的ServiceA可以类比为协调者，ServiceB和ServiceC类比为参与者。当SeriveB和ServiceC都执行成功后，协调者ServiceA才会提交本次的分布式事务。

2、 2pc第一阶段

准备阶段，是用于协调者通过Prepare消息，通知参与者去锁定一些事务资源。在下图这个案例中，第一步客户端它发起一个分布式事务给协调者，协调者就会广播Prepare请求给所有的参与者。所有的参与者收到这个操作之后呢它就会在本地记录一个事务日志，undo和redo日志。在这个过程中的所有的参与者也会锁定本次分布式事务，需要用到的一些事务资源。它会根据这个需要锁定的事务资源它会尝试去执行，如果它能够执行的话它就给协调者反馈一个yes的响应。如果不能够执行的话，它就反馈一个no响应。因为我们的参与者会给协调者一个yes或者no响应，二阶段提交也是分为两种情况，一种是提交，一种是回滚。当我们的协调者收到所有的参与者的响应都是yes的时候，它就会执行一个提交操作。然后进入到第二阶段。

3、 2pc第二阶段

第二阶段的协调者会向所有的参与者广播这个global commit消息，这个消息就是通知所有的参与者你可以提交本次的分支事务了。所有的参与者收到这个global commit消息之后，它就会根据第一阶段记录这个redo日志它就会提交本地的分支事务。提交成功之后，它就会返回一个ack响应给协调者，协调者收到所有的参与者成功的响应之后，它就会给客户端返回成功，也就是说本次的分布式事务呢就提交成功了。如果协调者在第一阶段的时候收到有一个参与者返回为no的情况的话，那它就会进入到global rollback的阶段也就是说全局回滚的阶段，协调者会向所有的参与者发送一个global rollback消息，每个参与者收到这个global rollback消息之后，它就会根据第一个阶段记录的undo日志，回滚到执行本次全局事务之前的状态，回滚成功之后它会给协调者返回一个ack响应，协调者收到所有ack后告诉客户端本次全局事务执行失败了。

4、 存在的问题

4.1 同步阻塞问题

一个比较明显的问题呢就是同步阻塞。因为协调者，它需要等待所有的参与者都给它一个yes的响应或者是no响应的时候，它才会进入第二阶段，所以协调者这里有个同步阻塞的问题，协调者要等待所有的参与者响应。而第二个阻塞的问题在于在第二阶段的过程中，参与者必须要等待协调者的global commit消息 或者是global rollback消息之后它才会执行第二阶段，因为第一阶段prepare的时候，参与者锁定了本次分支事务的事务资源，锁定了事务资源后其他事务时不能访问的，如果协调者宕机了，没法通知参与者去执行第二阶段，那么参与者就释放不了事务资源。

4.2 2PC模型中可能出现的数据不一致问题

在2PC模型中，第一阶段是准备阶段。在这个阶段，协调者向参与者发送准备请求，要求参与者准备进行事务提交。

如果协调者在第一阶段崩溃，以下情况可能发生：

1. 参与者等待超时：
   参与者可能一直等待协调者的消息，如果协调者崩溃，参与者可能会无限期地等待下去。
2. 参与者提交事务：
   在第一阶段中，参与者接收到准备请求后，会将事务准备好以等待提交。如果协调者崩溃后，参与者可能会提交自己的事务，因为它无法得知协调者是否要求回滚事务。

由于以上情况，数据不一致的情况是可能发生的。如果协调者崩溃，部分参与者可能已经提交了事务，而其他参与者可能还在等待或者准备回滚事务。这种情况下，数据在不同参与者之间就会不一致。因此，在第一阶段中，协调者的崩溃可能导致数据不一致的情况发生。

4.3单点故障：

2PC算法中的协调者节点是一个关键节点。如果协调者节点发生故障，整个系统将无法继续进行任务的提交，因为参与者节点需要等待协调者的指令。这种单点故障可能导致系统的可用性降低。

4.4脑裂（Split-Brain）问题：

在某些情况下，如果网络分区或故障导致协调者和参与者之间的通信中断，系统可能会出现脑裂现象。即，一部分参与者可能收到了提交请求并执行了事务，而另一部分参与者则没有收到请求并保持原始状态，从而导致数据不一致。

4.5过于保守

任何一个参与者出现问题，都会影响整个事务的进程。

为了解决这些问题，人们提出了多种改进方案，如三阶段提交协议（3PC）和基于Paxos或Raft等算法的分布式一致性协议。这些改进方案在保持数据一致性的同时，也试图降低阻塞、单点故障和数据不一致的风险，并提高系统的性能和可用性。