【Easylive】手动实现分布式事务解决方案流程解析

【Easylive】项目常见问题解答（自用&持续更新中…） 汇总版

分布式事务解决方案深度解析

一、两阶段提交（2PC）

核心流程

1. 准备阶段

   • 协调者发送prepare请求，参与者执行事务但不提交
   • 参与者锁定资源并记录undo/redo日志
   • 返回Yes/No响应

2. 提交阶段

   • 全票通过则发送commit命令
   • 任一失败则发送rollback命令

实现方案

-- 事务状态表
CREATE TABLE transaction_log (tx_id VARCHAR(64) PRIMARY KEY,status ENUM('PREPARED', 'COMMITTED', 'ROLLBACKED'),create_time DATETIME
);

// 协调者伪代码
public class Coordinator {public boolean execute(TransactionContext ctx) {// 阶段1：准备for (Participant p : participants) {if (!p.prepare(ctx)) return false;}// 阶段2：提交try {for (Participant p : participants) {p.commit(ctx);}return true;} catch (Exception e) {for (Participant p : participants) {p.rollback(ctx);}return false;}}
}

优缺点

✅ 强一致性保证
❌ 同步阻塞、协调者单点故障
❌ 网络分区可能导致资源锁定

---

二、补偿事务（TCC）

三阶段操作

阶段	操作说明
Try	资源预留（如冻结库存）
Confirm	确认执行（实际扣减）
Cancel	补偿回滚（释放冻结资源）

关键实现

public interface PaymentServiceTCC {@Transactionalboolean tryPayment(Long orderId, BigDecimal amount);@Transactionalboolean confirmPayment(Long orderId);@Transactionalboolean cancelPayment(Long orderId);
}

注意事项

1. 幂等控制：需处理重复调用
2. 空补偿：处理未执行Try直接Cancel的情况
3. 悬挂问题：防止Try超时后Cancel先执行

---

三、本地消息表

实现架构

[业务事务] → [消息表记录] → [定时任务] → [MQ] → [消费者]

核心代码

CREATE TABLE local_message (id BIGINT AUTO_INCREMENT PRIMARY KEY,biz_id VARCHAR(64) NOT NULL,content TEXT NOT NULL,status TINYINT DEFAULT 0 COMMENT '0-待发送,1-已发送',retry_count INT DEFAULT 0,create_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

@Transactional
public void createOrder(Order order) {// 1. 业务操作orderMapper.insert(order);// 2. 记录消息（同事务）LocalMessage msg = new LocalMessage();msg.setBizId(order.getOrderNo());msg.setContent(JSON.toJSONString(order));messageMapper.insert(msg);
}

优势

• 实现简单，与业务解耦
• 天然支持重试机制

---

四、Saga模式

执行模式对比

类型	特点
协同式	通过事件驱动协调
编排式	中央协调器控制流程

状态机示例

public void placeOrder() {try {// 正向操作inventoryService.reserveStock();paymentService.charge();shippingService.createShipment();} catch (Exception e) {// 逆向补偿shippingService.cancelShipment();paymentService.refund();inventoryService.releaseStock();}
}

日志追踪设计

CREATE TABLE saga_log (saga_id VARCHAR(64) NOT NULL,step_name VARCHAR(32) NOT NULL,status VARCHAR(16) NOT NULL,params TEXT,create_time TIMESTAMP,PRIMARY KEY (saga_id, step_name)
);

---

方案选型指南

对比矩阵

方案	一致性	复杂度	性能	适用场景
2PC	强一致	高	低	银行转账等强一致场景
TCC	最终一致	中高	中	电商交易、支付系统
本地消息表	最终一致	低	高	物流通知、积分系统
Saga	最终一致	中	中高	长流程业务（保险理赔）

组合方案推荐

1. 支付+库存：TCC + 本地消息表
2. 订单履约：Saga + 异步补偿
3. 数据一致性：2PC + 超时补偿机制

---

最佳实践原则

1. 业务分析：根据CAP理论权衡一致性需求
2. 降级方案：设计合理的补偿机制
3. 监控体系：建立事务状态追踪看板
4. 压力测试：验证方案在高并发下的表现

注：所有方案都需要配合幂等控制、重试机制和日志追踪才能保证可靠性

本地消息表（Local Message Table）方案专业解析

1. 核心设计思想

本地消息表是一种基于最终一致性的分布式事务解决方案，通过异步消息传递+事务日志实现跨服务数据同步：

• 事务拆分：将分布式事务拆分为多个本地事务
• 消息驱动：通过本地消息表记录待处理操作，异步触发下游服务
• 重试补偿：定时任务保证消息可靠投递，失败时自动重试

2. 技术实现组件

组件	作用	技术实现示例
业务事务表	记录主业务数据（如订单表）	MySQL order 表
本地消息表	存储待分发的消息（状态机模式）	MySQL local_message 表
定时任务调度器	扫描未处理消息，触发下游服务调用	Spring @Scheduled + 线程池
幂等处理器	防止下游服务重复消费	Redis唯一ID/数据库唯一约束
监控告警模块	捕获长期失败消息，触发人工干预	Prometheus + Grafana + 企业微信报警

3. 关键流程（ACID特性保障）

4. 技术关键点

原子性（Atomicity）保障

@Transactional
public void createOrder(Order order) {orderDao.insert(order);          // 业务数据messageDao.insert(toMessage(order)); // 事务消息
}

可靠性（Durability）设计

• 消息表与业务表同库同实例，利用RDBMS的WAL日志保证持久化
• 定时任务采用至少一次（at-least-once）投递语义

幂等性（Idempotency）控制

@PostMapping("/api/process")
public Response process(@RequestBody Message msg) {if (redis.setnx(msg.getId(), "1", 24h)) { // 分布式锁realProcess(msg); // 真实业务逻辑}return Response.success();
}

一致性（Consistency）恢复

long delay = Math.min(1000 * Math.pow(2, retryCount), 3600000);

5. 生产级优化建议

消息表分库分表

CREATE TABLE local_message_${hash(id)%16} (...);

批量消息处理

@Scheduled(fixedDelay = 5000)
public void batchProcess() {List<Message> batch = messageDao.scan(100);CompletableFuture[] futures = batch.stream().map(msg -> asyncProcess(msg)).toArray(CompletableFuture[]::new);CompletableFuture.allOf(futures).join();
}

死信队列处理

if (msg.getRetryCount() > MAX_RETRY) {deadLetterQueue.add(msg); // 转入死信队列alarmService.notifyAdmin(msg);
}

6. 方案局限性

1. 时效性缺陷
   依赖定时任务扫描，消息处理延迟通常在秒级

2. 架构约束
   要求业务消息必须可序列化存储

3. 维护成本
   需额外维护消息表、定时任务等组件

7. 适用场景评估

场景	适用性	理由
订单创建→库存扣减	★★★★★	允许短暂延迟，业务容忍最终一致
支付成功→短信通知	★★★★☆	通知类操作对实时性要求较低
金融账户转账	★★☆☆☆	需要强一致性，建议使用TCC或Saga
日志数据同步	★★★★★	天然适合异步处理

该方案在电商、物流等互联网业务中广泛应用，是平衡实现复杂度与可靠性的典型折中方案

🍱 用"外卖订餐"理解本地消息表

现实场景 vs 技术实现

餐馆运营问题	分布式系统问题	解决方案
前台接单记录	业务数据存储	MySQL订单表
厨房小票	事务消息	local_message表
服务员送小票	消息投递	定时任务扫描
厨房小黑板	幂等控制	Redis唯一标识
店长监督	监控告警	Prometheus+钉钉

核心四步流程

1️⃣ 接单存双录（事务原子性）

@Transactional // 原子操作保证
public void 接单(订单 order) {// 记录主订单（账本）订单库.save(order); // 生成厨房小票（消息）小票机.save(new 小票(order.id, "新订单", LocalDateTime.now()));
}

💡 就像收银机：按一次按钮同时打印顾客账单和厨房小票

2️⃣ 异步送小票（最终一致性）

3️⃣ 厨房防重做（幂等性）

def 做菜(订单号):if redis.get(订单号) == "处理中":return "已在制作"redis.set(订单号, "处理中", ex=3600)实际做菜操作()return "开始制作"

👨‍🍳 相当于厨师长看到相同订单号会说：“这份已经在炒了！”

4️⃣ 异常处理三板斧

// 1. 指数退避重试
Thread.sleep(1000 * Math.pow(2, 重试次数));// 2. 死信队列监控
if(小票.重试次数 > 3){钉钉报警("请店长处理订单："+小票.订单号);
}// 3. 人工补偿入口
@PostMapping("/手动重试")
public String 人工重试(String 订单号){消息 msg = 小票机.find(订单号);厨房服务.做菜(msg.getContent());
}

🌟 方案优势

1. 高可靠：小票机相当于WAL日志，断电也不丢单
2. 可扩展：多个服务员（消费者）并行处理小票
3. 解耦合：厨房装修（服务升级）不影响前台接单
4. 可追溯：所有小票永久存档，随时审计

🚨 注意事项

1. 小票内容要包含全部必要信息（如顾客忌口）
2. 厨房处理能力要匹配送单频率（背压问题）
3. 定期归档历史小票（消息表分库策略）

🍜 就像优秀的外卖系统：订单可能稍有延迟，但绝不会丢失或重复！
用这种模式可以处理：订单→库存、支付→通知等大多数最终一致性场景。