分布式事务常见解决方案
一、事务介绍
事务是一系列的动作，它们综合在一起才是一个完的工作单元，这些动作必须全部完成，如果有一个失败的话，那么事务就会回滚到最开始的状态，仿佛什么都没发生过一样。
1、单事务概念
应用多次数据库操作，通过用事务进行管理，来保证ACID原则。
-
原子性(A)：操作这些指令时，要么全部执行成功，要么全部不执行。只要其中一个指令执行失败，所有的指令都执行失败，数据进行回滚，回到执行指令前的数据状态；
-
一致性(C)：事务的执行使数据从一个状态转换为另一个状态，事务在执行之前和之后，数据库都必须处于一致性状态。
-
隔离性(I)：在该事务执行的过程中，无论发生的任何数据的改变都应该只存在于该事务之中，对外界不存在任何影响。只有在事务确定正确提交之后，才会显示该事务对数据的改变。其他事务才能获取到这些改变后的数据;
-
持久性(D)：当事务正确完成后，它对于数据的改变是永久性的。
2、分布式事务概念
分布式事务常见场景：
-
单应用内部调用(多个数据源调用，操作多个库)
-
涉及多应用调用(有可能操作同一个数据源，也有可能操作不同的数据源)
CAP理论：
分布式事务的理论基础(ACID事务无法满足)
-
C:一致性 数据一致性:强一致性、弱一致性、最终一致性 强一致性:流程涉及的各个环节数据必须实时一致性 弱一致性:流程涉及的各个环节数据允许存在部分数据不一致 最终一致性:允许存在中间状态，只要求经过一段时间后，数据最终是一致的
-
A:可用性 系统提供的服务必须一直处于可用的状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果
-
P:分区容错性 (一定会存在) 分布式系统在遇到任何网络分区故障时，仍然需要能够保证对外提供满足一致性和可用性的服务
常见组合: AP:互联网业务 CP:金融业务
base理论：
base理论是CAP理论中AP方案的延伸，核心思想是即时无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。
-
Basically Available (基本可用)
-
Soft state (软状态，中间状态)
-
Eventually consistent (最终一致性)
更详细的介绍见 分布式系统原理
二、分布式事务常见方案
分布式场景下，多个服务同时对服务一个流程，比如电商下单场景，需要支付服务进行支付、库存服务扣减库存、订单服务进行订单生成、物流服务更新物流信息等。如果某一个服务执行失败，或者网络不通引起的请求丢失，那么整个系统可能出现数据不一致的原因。
常见方案
-
1、设计方案尽可能规避分布式事务方案(相似的业务放在一起，不要过度拆分)
-
2、强事务(CP，低并发短事务)和柔性事务(AP，高性能)
强事务:满足CP理论，XA协议(2PC、JTA、JTS)
-
3PC：但由于同步阻塞，处理效率低，适合低并发、短事务业务.
-
2PC：Seeta(AT)、LCN(2PC)，适合分布式系统
-
JTA: atomikos(适合单系统多数据源)
柔性事务:满足AP，base理论，适合异步更新数据，并且对数据的实时性要求较低的场景，主要分为:
-
补偿型 (TCC、saga)
-
最大努力通知型(MQ、本地消息表)
-
异步确保型(MQ、本地消息表)
实现方式
-
TCC(seeta-tcc,lcn-tc)
-
Saga (seeta-saga状态机模式、Aop模式)
-
本地事务消息
-
事务消息MQ
互联网业务，一般的流量比较大，涉及很多高并发场景、我们一般采用柔性事务，这样系统的性能好。
三、柔性事务之最大努力通知型(互联网应用最广泛)
基于本地消息表实现分布式事务
基于mq实现柔性分布式事务
重试注意事项
-
通过本地消息表+MQ重试对账+下游(接口幂等、提供)；
-
打印日志+告警+人工介入补偿
回滚注意事项
-
程序捕获异常，调用回滚代码；
-
发送回滚MQ，各个系统消费MQ，调用本地回滚方法。
