Seata 四种模式对比总结

news2024/9/23 5:23:44

一、前言

通过以下系列章节：

docker-compose 实现Seata Server高可用部署 | Spring Cloud 51

Seata AT 模式理论学习、事务隔离及部分源码解析 | Spring Cloud 52

Spring Boot集成Seata利用AT模式分布式事务示例 | Spring Cloud 53

Seata XA 模式理论学习、使用及注意事项 | Spring Cloud54

Seata TCC 模式理论学习、生产级使用示例搭建及注意事项 | Spring Cloud55

Seata TCC 模式下解决幂等、悬挂、空回滚问题 | Spring Cloud56

Seata Saga 模式理论学习、生产级使用示例搭建及注意事项（一） | Spring Cloud57

Seata Saga 模式理论学习、生产级使用示例搭建及注意事项（二） | Spring Cloud58

我们对Seata及其AT、XA、TCC、Saga事务模式的理论、使用有了深入的了解，今天分布式基础理论和Seata 的四种模式进行对比总结。

二、事务

事务简单理解就是更新数据库中各种数据的一个程序执行单元（unit），一个事务严格上必须具备原子性、一致性、隔离性和持久性，简称 ACID。

  • 原子性（Atomicity）：一个事务内的所有操作要么都执行，要么都不执行。

  • 一致性（Consistency）：一致性是指事务必须使数据库从一个一致性状态变换到另一个一致性状态，即数据库处理前后结果应与根据业务规则执行后的结果保持一致。

  • 隔离性（Isolation）：指的是多个事务并发执行的时候不会互相干扰。

  • 持久性（Durability）：指的是一个事务完成了之后数据就被永远保存下来，之后的其他操作或故障都不会对事务的结果产生影响。

三、分布式事务

分布式事务顾名思义就是要在分布式系统中实现事务，它由多个本地事务组合而成。

使用分布式事务的根源：高并发，当一台服务器忙不过来，需要增加多服务器来帮忙响应请求。这时候就会出现一个问题，就是数据只有一份，如何保证分布式环境下，每个事物执行过后，数据都是正确的，比如库存服务，订单服务，支付服务，他们分别部署，这个时候做一次购买完成就需要这三个服务都需要完成相应的操作，要么一起失败，要么一起成功。这就引出了分布式事务的解决问题。

四、CAP理论

在一个分布式系统中，一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance），这三个要素最多只能同时实现两点，不可能三者兼顾。

  • 一致性（Consistency）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）

  • 可用性（Availability）：在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）

  • 分区容忍性（Partition tolerance）：以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择

在这里插入图片描述

图中重叠的部分就是在分布式环境下，必须做出的取舍：要么CP，要么AP，要么CA，但是不存在CAP。

CP：牺牲可用性。复制同步的协议一般使用严格的法定数协议 （Paxos、Raft、ZAB）或者2PC协议。CP类型的系统有MongoDB、HBase、 Zookeeper、Redis、ElasticSearch等。

AP：牺牲一致性。复制同步的协议一般使用非严格的法定数协议。AP类型的系统有 Couch DB、Cassandra、Amazon Dynamo等。

CA：抛开RDBMS的Oracle和MySQL不谈，分布式系统中宣称是CA系统的有谷歌的Spanner 和阿里的OceanBase。

问：为什么分布式系统中无法同时保证一致性和可用性？

答：首先一个前提，对于分布式系统而言，分区容错性是一个最基本的要求，因此基本上我们在设计分布式系统的时候只能从一致性（C）和可用性（A）之间进行取舍。

如果保证了一致性（C）：对于节点N1和N2，当往N1里写数据时，N2上的操作必须被暂停，只有当N1同步数据到N2时才能对N2进行读写请求，在N2被暂停操作期间客户端提交的请求会收到失败或超时。显然，这与可用性是相悖的。

如果保证了可用性（A）：那就不能暂停N2的读写操作，但同时N1在写数据的话，这就违背了一致性的要求。

CAP和ACID中的A和C是完全不一样的：

  • C的区别：

    • ACID一致性是有关数据库规则，数据库总是从一个一致性的状态转换到另外一个一致性的状态；

    • CAP的一致性是分布式多服务器之间复制数据令这些服务器拥有同样的数据，由于网速限制，这种复制在不同的服务器上所消耗的时间是不固定的，集群通过组织客户端查看不同节点上还未同步的数据维持逻辑视图，这是一种分布式领域的一致性概念；

  • A的区别：

    • ACID中的A指的是原子性（Atomicity），是指事务被视为一个不可分割的最小工作单元，事务中的所有操作要么全部提交成功，要么全部失败回滚；

    • CAP中的A指的是可用性（Availability），是指集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求；

五、BASE理论

BASE是Basically Available（基本可用）、Soft state（软状态）和Eventually consistent（最终一致性）的缩写。

在分布式系统中，CAP理论是指导思维，而BASE理论是CAP理论中AP的延伸，是对 CAP 中的一致性和可用性进行一个权衡的结果，核心思想是：即使无法做到强一致性，但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性。

  • 基本可用（Basically Available）：指分布式系统在出现故障的时候，允许损失部分可用性，保证核心可用。

  • 柔性状态（Soft state）：指允许系统存在中间状态，并认为该中间状态不会影响系统整体可用性。比如，允许不同节点间副本同步的延时就是柔性状态的体现。

  • 最终一致性（Eventually consistent）：指系统中的所有副本经过一定时间后，最终能够达到一致的状态。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。

六、事务的一致性

  • 强一致性：系统中的某个数据被成功更新后，后续的访问都能看到更新后的值。

  • 弱一致性：系统中的某个数据被更新后，后续的访问可能得到更新后的值，也可能是更改前的值。

  • 最终一致性：系统中的某个数据被更新，经过一段时间后，最终所有的访问都是更新的值。

刚性事务：遵循ACID原则，强一致性。

柔性事务：遵循BASE理论，最终一致性。

七、Seata

Seata是 2019 年 1 月份蚂蚁金服和阿里巴巴共同开源的分布式事务解决方案。致力于提供高性能和简单易用的分布式事务服务，为用户打造一站式的分布式解决方案。

官网地址：http://seata.io/，其中的文档、播客中提供了大量的使用说明、源码分析。

7.1 架构

Seata事务管理中有三个重要的角色：

  • TC (Transaction Coordinator) - 事务协调者：维护全局和分支事务的状态，协调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：管理分支事务处理的资源，与TC交谈以注册分支事务和报告分支事务的状态，并驱动分支事务提交或回滚

Seata基于上述架构提供了四种不同的分布式事务解决方案：

  • XA模式：强一致性分阶段事务模式，牺牲了一定的可用性，无业务侵入

  • TCC模式：最终一致的分阶段事务模式，有业务侵入

  • AT模式：最终一致的分阶段事务模式，无业务侵入，也是Seata的默认模式

  • SAGA模式：长事务模式，有业务侵入

7.2 XA 模式

7.2.1 整体机制

在 Seata 定义的分布式事务框架内，利用事务资源（数据库、消息服务等）对 XA 协议的支持，以 XA 协议的机制来管理分支事务的一种 事务模式。

在这里插入图片描述

RM一阶段的工作：

① 注册分支事务到TC

② 执行分支业务sql但不提交

③ 报告执行状态到TC

TC二阶段的工作：

  • TC检测各分支事务执行状态

    • a.如果都成功，通知所有RM提交事务
    • b.如果有失败，通知所有RM回滚事务

RM二阶段的工作：

  • 接收TC指令，提交或回滚事务

7.2.2 优缺点

  • XA模式的优点是什么？

    • 事务的强一致性，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数据库资源，等待二阶段结束才释放，性能较差

    • 依赖关系型数据库实现事务

7.3 AT 模式

7.3.1 整体机制

AT模式是两阶段提交协议的演变（最终一致的分阶段事务模式）。弥补了XA模式中资源锁定周期过长的缺陷。

在这里插入图片描述
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

  • 报告事务状态

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

7.3.2 AT与XA的区别

  • 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模式强一致；AT模式最终一致。

7.4 TCC 模式

7.4.1 整体机制

整体是 两阶段提交 的模型。全局事务是由若干分支事务组成的，分支事务要满足 两阶段提交 的模型要求，即需要每个分支事务都具备自己的：

  • 一阶段 Try 行为
  • 二阶段 Confirm 或 Cancel行为

在这里插入图片描述

上面这个流程中，一共涉及到了三个方法，Try、Confirm 以及 Cancel，这三个方法都完全是用户自定义的方法，都是需要我们自己来实现的。相较于 AT 事务模式 TCC 这种模式其实是不依赖于底层数据库的事务支持的。

7.4.2 优缺点

TCC模式的每个阶段是做什么的？

  • Try：资源检查和预留

  • Confirm：业务执行和提交

  • Cancel：预留资源的释放

TCC的优点是什么？

  • 一阶段完成直接提交事务，释放数据库资源，性能好

  • 相比AT模型，无需生成快照，无需使用全局锁，性能最强

  • 不依赖数据库事务，而是依赖补偿操作，可以用于非事务型数据库

TCC的缺点是什么？

  • 有代码侵入，需要人为编写try、Confirm和Cancel接口，太麻烦

  • 软状态，事务是最终一致

  • 需要考虑Confirm和Cancel的失败情况，做好幂等处理

7.5 Saga 模式

7.5.1 整体机制

Saga模式是Seata提供的长事务解决方案，在Saga模式中，业务流程中每个参与者都提交本地事务，当出现某一个参与者失败则补偿前面已经成功的参与者，一阶段正向服务和二阶段补偿服务都由业务开发实现。

在这里插入图片描述
理论基础：Hector & Kenneth 发表论⽂ Sagas （1987）

7.5.2 优缺点

  • 适用场景：
    • 业务流程长、业务流程多
    • 参与者包含其它公司或遗留系统服务，无法提供 TCC 模式要求的三个接口
  • 优势：
    • 一阶段提交本地事务，无锁，高性能
    • 事件驱动架构，参与者可异步执行，高吞吐
    • 补偿服务易于实现
  • 缺点：
    • 不保证隔离性

八、Seata 四种模式对比

-XAATTCCSAGA
一致性强一致弱一致弱一致最终一致
隔离性完全隔离基于全局锁隔离基于资源预留隔离无隔离
代码侵入无无有，要编写三个接口有，要编写状态机和补偿业务
性能差好非常好非常好
场景对一致性、隔离性有高要求的业务基于关系型数据库的大多数分布式事务场景都可以对性能要求较高的事务、对非关系型数据参与的事务业务流程长、业务流程多，参与者包含其他公司或遗留系统服务，无法提供TCC模式要求的三个接口

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/697325.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

uniapp中微信小程序不能编译style绑定方法的解决方案

uniapp中微信小程序不能编译style绑定方法的解决方案

uniapp中动态style问题 这是我的代码设置了根据传参显示不同字体颜色和不同背景色 这两个方法我都写在methods中 methods: {// // 添加不同背景颜色getBackColor(val) {let color "";switch (val[4]) {case 0:color background:${this.colors[0]};break;case 1:col…
阅读更多...
Python中的for循环语句及其应用举例(等差数列求和、阶乘、寻找最大值)

Python中的for循环语句及其应用举例(等差数列求和、阶乘、寻找最大值)

Python中的for循环语句及其应用举例(等差数列求和、阶乘、寻找最大值) 在学习任何编程语言的时候，不熟悉判断选择结构和循环结构，就难以发挥计算机优秀的计算能力和提高学习工作效率。本文将重点讲解Python中的for循环语句，并举例等差数列求…
阅读更多...
数据分析：2023 最值得投资的 AI 公司榜单

数据分析：2023 最值得投资的 AI 公司榜单

文章目录 1 AI 公司的火爆程度和发展趋势1.1 AI 市场的规模和增长趋势1.2 全球 AI 公司数量和分布情况1.3 我们如何把握 AI 风口？ 2 方法一：网络数据采集 - 使用亮数据代理2.1 动态 ip 代理，获取数据2.2 浏览器代理 3 方法二：网络…
阅读更多...
Linux：nginx虚拟主机

Linux：nginx虚拟主机

基于域名 cd /usr/local/nginx/html/ mkdir aaa mkdir bbb echo www.aaa.com > aaa/index.html echo www.bbb.com > bbb/index.html vim /usr/local/nginx/conf/nginx.conf 修改server中的配置 server {listen 80;server_name www.benet.com;charset utf-8;access_log l…
阅读更多...
spring boot项目敏感配置信息如何加密？

spring boot项目敏感配置信息如何加密？

一般情况下，spring boot项目为了能够实时刷新配置信息，都会把配置文件放在nacos之类的配置中心上。但是这样就会存在一个问题，一些比较敏感的配置信息，比如数据库密码，一旦被泄露，就会有严重的数据安全问题…
阅读更多...
剩余电流式电气火灾监控系统在火力发电厂的应用

剩余电流式电气火灾监控系统在火力发电厂的应用

张心志 安科瑞电气股份有限公司 上海嘉定 201801 摘要：本文首先指出了在火力发电厂中应用电气火灾监控系统的重要性，接着研究分析了电气火灾监控系统的应用情况，主要从 系统简介、电气火灾原因等方面进行了分析。*后从配电箱、火灾监控设备…
阅读更多...
如何画时序图

如何画时序图

10年产品经理教你3步画好UML时序图，轻松掌握流程分析利器【建议收藏】 - 知乎 转自知乎 上次介绍了活动图，这次分享 UML 中，另一种流程分析利器——时序图。 以前每次要分析流程，我都会用活动图。直到有一次，我面对…
阅读更多...
ChatGPT伪原创：智能AI助手助力文章创作

ChatGPT伪原创：智能AI助手助力文章创作

智能AI助手助力文章创作 随着人工智能技术的不断发展，智能AI助手正逐渐成为文章创作的得力工具。无论是在写作过程中提供灵感和创意，还是在文章编辑和校对中提供帮助，智能AI助手都能为作者节省时间和精力，提高文章质量。本文将从…
阅读更多...
剑指 Offer 55 - I. 二叉树的深度 / LeetCode 104. 二叉树的最大深度（二叉树后序遍历，回溯传递值）

剑指 Offer 55 - I. 二叉树的深度 / LeetCode 104. 二叉树的最大深度（二叉树后序遍历，回溯传递值）

题目： 链接：剑指 Offer 55 - I. 二叉树的深度；LeetCode 104. 二叉树的最大深度 难度：简单 输入一棵二叉树的根节点，求该树的深度。从根节点到叶节点依次经过的节点（含根、叶节点）形成树的一条…
阅读更多...
Java 针对Word模板内容替换输出

Java 针对Word模板内容替换输出

对应依赖 <repositories><!-- 使用 Free Spire.Doc for Java 的jar包实现替换word中的内容--><repository><id>com.e-iceblue</id><name>e-iceblue</name><url>https://repo.e-iceblue.cn/repository/maven-public/</url&…
阅读更多...
高校社团管理系统

高校社团管理系统

目录 一、前言 二、运行截图 &#xff08;一&#xff09;登录注册界面 &#xff08;二&#xff09;资讯管理 &#xff08;三&#xff09;用户管理 &#xff08;四&#xff09;账户管理 &#xff08;三&#xff09;关于获取 一、前言 这是一个高校社团管理系统。编程语言…
阅读更多...
汇总一些高考填报志愿相关的资源，希望对大家有帮助

汇总一些高考填报志愿相关的资源，希望对大家有帮助

一、夸克高考 夸克有AI志愿填报专题&#xff0c;首页就能看到。 输入信息会展示可报考学校专业信息&#xff0c;比较直观。 相比各种分析&#xff0c;更能定位自己想要报考的学校&#xff01; 二、张雪峰志愿填报资源 三、框框大学 网站里的建议涵盖了中学选科/高考志愿/大…
阅读更多...
抖音seo矩阵系统源代码分享

抖音seo矩阵系统源代码分享

一、视频批量生成&#xff0c;文字转语音部分 $breadcrumbs [[title > AI视频创意, link > #],[title > 开始创作, link > ], ]; $this->buildBreadcrumbs($breadcrumbs); //搜索专用 $keyword_type $this->request->getStrParam(keyword_type); $keywo…
阅读更多...
spring mvc架构模式概述

spring mvc架构模式概述

三层架构: pojo&#xff0c;bean&#xff0c;domain是一个意思&#xff0c;表示实体类 dao表示操作数据库的那个类&#xff0c;一般是一张表一个
阅读更多...
【C++】十分钟掌握多态(1)

【C++】十分钟掌握多态(1)

目录 前言1. 多态的概念2. 多态的定义及实现2.1多态的继承条件2.2虚函数#2.3虚函数的重写2.4虚函数重写的两个例外2.5 C11 override 和 final2.6 重载、覆盖(重写)、隐藏(重定义)的对比 3. 抽象类3.1概念3.2接口继承和实现继承 4. 多态的原理4.1虚函数表 前言 这篇文章的代码及…
阅读更多...
这3个网站能够让你白嫖GPT4

这3个网站能够让你白嫖GPT4

1、perplexity&#xff08;https://www.perplexity.ai/&#xff09; 特点&#xff1a; 1&#xff09;保存试用上限5次GPT4&#xff0c;每4小时恢复1次 2&#xff09;试用需连接外网谷歌账号 3&#xff09;可以查看其他用户的提出的热门问题 4&#xff09;可以开启对话线程。在…
阅读更多...
安装驱动的时候传递参数 导出符号表

安装驱动的时候传递参数 导出符号表

安装驱动的时候传递参数 导出符号表 安装驱动传递参数 #include <linux/module.h> #include <linux/init.h>/* module_param(name, type, perm) 功能&#xff1a;接收安装驱动的时候传递的参数 参数name:变量名type:变量的类型/ * Standard types are:* byte, h…
阅读更多...
水题杂谈222222

水题杂谈222222

Trie字符串统计 思路&#xff1a; Trie字符串就是把字符串像树一样存储下来 例子&#xff1a; 将如下字符串用trie存储 然后在查找字符串的时候就顺着树查找&#xff0c;但是要在每个字符串的结尾位置打上标记 #include<iostream> #include<cmath> #include<…
阅读更多...
23款奔驰S450 4MATIC更换原厂流星雨智能数字大灯，让智能照亮您前行的路

23款奔驰S450 4MATIC更换原厂流星雨智能数字大灯，让智能照亮您前行的路

凭借智能数字大灯 (DIGITAL LIGHT)&#xff0c;您可体验根据其他道路使用者和周围环境进行优化调节的理想照明条件。这款包含130万像素模块大灯&#xff0c;进一步扩展了几何多光束 LED 大灯的功能。其高分辨率的照明可有针对性地点亮各个区域。解锁车辆时&#xff0c;大灯将通…
阅读更多...
小驰私房菜_16_高通设备开机模式

小驰私房菜_16_高通设备开机模式

[Android基础] [qcom开机模式] 用的比较多的可能是 adb reboot bootloader 和 adb reboot edl。 这2个命令都是刷机的时候会用到。 adb reboot bootloader 是进入bootloader模式&#xff0c;通过fastboot 命令来刷img文件。 adb reboot edl 是进入紧急下载模式&#xff0c;进而…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023