当前位置：首页 > news >正文

用jsp做网站学编程的正规学校

news 2025/7/6 23:14:22

用jsp做网站,学编程的正规学校,刚刚济南最新发布,重庆网站优化目录前言 1.sharding的分布式事务 2.分布式事务的产生原因 3.分布式事务的解决方案 3.1.DTP模型 3.2.分阶段提交 3.3.TCC模式 3.4.可靠消息服务 3.5.AT模式 3.6.Seata 前言本文是前面一篇文章聊了基于sharding的分库分表后拓展出来的关于分布式事务的讨论&#xf…

前言

1.sharding的分布式事务

2.分布式事务的产生原因

3.分布式事务的解决方案

3.1.DTP模型

3.2.分阶段提交

3.3.TCC模式

3.4.可靠消息服务

3.5.AT模式

3.6.Seata

前言

本文是前面一篇文章聊了基于sharding的分库分表后拓展出来的关于分布式事务的讨论，本文中将详细讲一下sharding中的分布式事务以及市面上常见的分布式事务解决方案。

1.sharding的分布式事务

Sharding JDBC： Sharding JDBC 提供了对分布式事务的支持。它通过两阶段提交（2PC）协议来实现跨多个数据源的分布式事务。Sharding JDBC 会将事务中的操作发送到各个数据源执行，并在提交阶段协调所有数据源的提交操作，以保证事务的一致性。
Sharding Proxy： Sharding Proxy 本身并不直接支持分布式事务。它主要是一个中间件，负责路由和转发客户端的 SQL 请求到后端的多个数据源。在 Sharding Proxy 中，跨多个数据源的事务操作会被拆分成多个独立的本地事务，每个数据源独立处理。这就意味着在 Sharding Proxy 中，跨多个数据源的事务并不会保证全局的一致性，需要应用程序自行处理分布式事务的逻辑。

sharing jdbc后在spring boot中如何使用分布式事务，代码示例：

@Service
public class MyService {
@Autowiredprivate JdbcTemplate jdbcTemplate;
@Transactionalpublic void performDistributedTransaction() {// 在事务范围内执行数据库操作jdbcTemplate.update("INSERT INTO table1 (column1) VALUES (?)", "value1");jdbcTemplate.update("INSERT INTO table2 (column1) VALUES (?)", "value2");// 手动抛出异常，模拟事务中的异常情况throw new RuntimeException("Simulated exception");}
}

是的你没看错，不用任何额外的配置，就是用spring的事务即可。因为sharding jdbc作为一个分库分表的技术栈，天生就有分布式事务问题，所以其默认就是开启分布式事务的，它的事务都是两阶段提交的。

说到分布式事务，我们来回顾一下之前聊过的分布式事务的内容。

2.分布式事务的产生原因

分布式事务是指在在分布式架构下一个事务中的不同子操作是在不同机器上执行的，子操作之间状态无法相互感知，其中有子操作出错后其他机器上的子操作无法正确回滚。

分布式事务产生的根本原因：各个服务之间无感知

举一个例子：

一个下单事务，包含创建订单，库存服务，需要顺序调用订单服务、库存服务。如果库存服务挂掉后，订单服务也是无法回滚的，因为订单服务感知不到库存服务是否成功，即无法感知到库存服务的状态。

3.分布式事务的解决方案

3.1.DTP模型

1994年，X/Open组织（即现在的Open Group）定义了分布式事务处理的DTP模型，该模型包括几个角色：

应用程序（AP），服务
事务管理器（TM），全局事务管理者
资源管理器（RM），一般是数据库
通信资源管理器（CRM），TM和RM之间的通信中间件

DTP模型中，一个分布式事务（全局事务）可以被拆分成多个本地事务，运行在不同的AP和和RM上。每个本地事务的ACID由自身保证，全局事务必须保证每个本地事务必须同时成功，若有一个失败其他事务必须回滚。由于本地事务之间相互是无法感知状态的，因此要通过CRM来通知各个本地事务，同步事务执行的状态。

由于各个本地事务之间需要通信，通信就需要标准，因此配套提出了XA通信标准。XA规定了DTP中CRM和TM之间的通信的接口规范，定义了用于通知事务开始、提交、终止、回滚等接口，各个数据库厂商之间必须实现该接口。

3.2.分阶段提交

分阶段提交，也叫两阶段提交（two-phase commit）。DTP模型落地实现的一种思想。

两阶段提交中，将事务分成两个阶段来执行：

阶段一，准备阶段，各个本地事务执行自己事务内的逻辑，完成提交前的准备工作。
阶段二，执行阶段，各个事务根据上一阶段的执行结果，进行提交或者回滚。

两阶段提交中有两个角色，协调者（coordinator）、参与者（voter）。

正常情况：

异常情况：

准备阶段协调者会询问每个参与者是否可以执行事务，每个事务参与者执行事务写入redo、undo日志，然后反馈事务的执行结果，只要有一个参与者返回的是disagree则说明失败，协调者会像各个参与者发出abort指令，各个事务收到指令后各自回滚事务。

两阶段提交的优点：

方案成熟，很稳
能保证强一致性

两阶段提交的缺点：

单点故障，当协调者挂了之后后续的步骤就没办法进行了，被锁住的数据没办法解锁，会造成阻塞。
数据锁定，分阶段提交由于过程被拆成两段，会造成本地事务的执行过程变长，数据会长时间处于锁定状态。

3.3.TCC模式

TCC模式是专门用来解决分阶段提交的缺陷的，减少数据锁定，避免阻塞问题。

TCC相当于是强化了两阶段提交，在分阶段提交中埋入了以下几个点位：

try，资源的检测和预留。
confirm，执行的业务操作提交，要求try成功的话confrim一定要能成功。
cancel，预留资源释放

经过TCC的强化埋点后两阶段提交变成了：

准备阶段。try，资源预留，通知每个参与者去try一下数据资源，判断一下数据资源是否足以支撑之后的事务运行。每个参与者均try成功再执行下一步，否则直接cancel。
执行阶段，confrim，让协调者通知各个参与者执行并提交事务（因为资源已经准备好了，执行和提交可以一气呵成），各个参与者confrim成功则成功，但凡有一个失败则通知协调者组织全局回滚、释放资源、退出。