溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容介紹了“java常見分布式事務理論怎么解決”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！
先從定義開始：
所有的節(jié)點訪問的是最新的數(shù)據(jù)副本，這是什么意思呢？我們知道在分布式系統(tǒng)中，為了高可用，往往一個節(jié)點會有若干個數(shù)據(jù)副本，簡稱Follower節(jié)點，比較常見的模式是我們的數(shù)據(jù)更新一般會寫入Leader節(jié)點，然后會同步給Follower節(jié)點，當我們讀取數(shù)據(jù)的時候，不論從哪個節(jié)點讀取都可以讀到最新的數(shù)據(jù)，這就是一致性。
A、B、C可以得到同樣的數(shù)據(jù)。
非故障節(jié)點可以正常的操作，簡單來說就是客戶端一直可以正常訪問并得到系統(tǒng)的正常響應，從用戶角度來看就是不會出現(xiàn)系統(tǒng)操作失敗或者訪問超時等問題，但是系統(tǒng)內部可能會出現(xiàn)網(wǎng)絡延遲等問題。
C節(jié)點因為自身問題不可用，正常情況會被剔除，B節(jié)點與A節(jié)點之間可能存在同步延遲，但是B節(jié)點本身沒有故障，所以B節(jié)點是可用的。
網(wǎng)絡的問題錯綜復雜，分布式系統(tǒng)肯定是要考慮這一點的，如果出現(xiàn)某個節(jié)點因為網(wǎng)絡等問題造成數(shù)據(jù)不一致，或者數(shù)據(jù)延遲很久才同步過來，雖然會影響部分節(jié)點數(shù)據(jù)的時效性，但是服務節(jié)點依然是可用的，分布式系統(tǒng)要能容忍這種情況的。
B對應的節(jié)點雖然和Leader斷了聯(lián)系，但是依然可以對外服務，只不過提供的是老數(shù)據(jù)。
在分布式系統(tǒng)中，CAP是無法同時滿足的，首先由于存在多節(jié)點，并且網(wǎng)絡傳輸需要時間，所以可能會存在延遲，那么節(jié)點之間的數(shù)據(jù)我們無法保證某一時刻完全一致，因此P（分區(qū)容錯性）是要滿足的。在P滿足的情況下，為什么說CA不能同時滿足呢？我們來通過假設看一看，如果CA同時滿足會怎么樣。
假設現(xiàn)在要求滿足C（一致性），那么就是說所有的節(jié)點在某一刻提供的數(shù)據(jù)都必須一致，我們知道在P的情況，是不可能保證的，要保證的話，就只能把其他節(jié)點全部干掉，比如禁止讀寫，那這其實就是和A是相悖的（某些節(jié)點雖然延遲，但是節(jié)點本身可用）。
假設現(xiàn)在要求滿足A（可用性），那么就是說只要節(jié)點本身沒什么問題，就可以對外提供服務，哪怕有點數(shù)據(jù)延遲，很明顯這肯定是和C相悖的。
在實際的業(yè)務中，我們需要根據(jù)業(yè)務的場景來決定使用CP，還是AP。比如對一些和錢掛鉤的業(yè)務，數(shù)據(jù)的一致性按道理應該是最重要的，因此一般會采用CP，而對于一些不影響主體功能的業(yè)務，比如像新聞的閱讀量，不同的用戶看到的閱讀量不一樣并不會造成什么影響，可以采用AP。
由于CAP理論中C和A無法兼得，eBay的架構師提出了BASE理論，BASE理論主要是在CA之間做文章，它不要求強一致性，因此可以滿足一定的可用性。我們還是先從定義開始：
注意這個和不可用不是一回事，在分布式系統(tǒng)中出現(xiàn)不可預估的故障時，允許損失部分可用性，保證核心功能可用，比如正常一個接口響應200ms，在出現(xiàn)故障時響應超過1s，雖然響應時間變長了，但是接口還是可以對外提供服務的，再比如對于一個視頻網(wǎng)站，在突發(fā)流量到來時，把視頻的彈幕服務打掛了，但是視頻的播放功能依然正常。
即分布式系統(tǒng)允許存在一個中間的狀態(tài)，但是這個中間狀態(tài)并不會對服務造成嚴重的影響，比如對于主從復制這種，允許從節(jié)點短暫的延遲。
由于軟狀態(tài)的存在，系統(tǒng)對延遲是可以容忍的，但是在一段時間后，延遲的數(shù)據(jù)需要最終保持一致。
總的來說，BASE理論適用性應該更廣泛，很多時候我們并不要求數(shù)據(jù)的強一致性，只要在短暫的延時之后能達到一致性也是可以的。
hash這個詞對我們來說并不陌生，以緩存服務器來說，一般會在線上配置好幾臺服務器，然后根據(jù)hash來決定請求哪臺緩存服務，比如常見的就是取模方式 hash(key)%num 來獲取目標機器。
假設現(xiàn)在有3臺緩存服務器，并且當前有3個緩存的key，分別是k0，k1，k2，在經過hash以后，它們的分布情況如下：
hash(k0)%3=0 #No.0 hash(k1)%3=1 #No.1 hash(k2)%3=2 #No.2
很幸運，分布的非常均勻，每臺機器一個。某天，由于線上要做個活動，預計訪問量會加大，需要選擇加一臺服務器來分擔壓力，于是經過hash之后，k0，k1，k2的分布情況如下：
hash(k0)%4=0 #No.1 hash(k1)%4=1 #No.2 hash(k2)%4=2 #No.3
k0的目標緩存服務器由原本的No.0變成了No.1
k1的目標緩存服務器由原本的No.1變成了No.2
k2的目標緩存服務器由原本的No.2變成了No.3
可以發(fā)現(xiàn)因為添加了一臺緩存節(jié)點，導致了k0，k1，k2原來的緩存全部失效了，這似乎有點問題，類似緩存雪崩，嚴重的話會對DB造成很大的壓力，造成這個問題的主要原因是因為我們加了一個節(jié)點，導致hash結果發(fā)生了變動，此時的hash可以說是不穩(wěn)定的。
為了解決rehash不穩(wěn)定的問題，于是出現(xiàn)了一致性hash算法。一致性hash的原理比較簡單，首先存在一個hash圓環(huán)，這個圓環(huán)可以存放 0-2^32-1 個節(jié)點。
第一步就是把我們的目標服務器節(jié)點通過hash映射到這個環(huán)上
第二步根據(jù)我們需要查找的key，它應該也對應hash環(huán)上的某個位置
也許你會問，這k0、k1、k2也沒和某個緩存節(jié)點對上呀～，這就是一致性hash不同的地方，它此時查找的方式并不是 hash(key)=某個節(jié)點，而是根據(jù)key的位置，順時針找到第一個節(jié)點，這個節(jié)點就是當下這個key的目標節(jié)點。
我們再來看看在一致性hash的情況下，新增一個節(jié)點會發(fā)生什么。
此時唯一的變動就是k0原本應該打到cache0節(jié)點的，現(xiàn)在卻打到了我們新加的節(jié)點cache3上，而k1，k2是不變的，也就是說有且只有k0的緩存失效了，相比之前，大大降低了緩存失效的面積。
當然這樣的節(jié)點分布算是比較理想的了，如果我們的節(jié)點是這樣分布的：
幾個cache節(jié)點分布的比較集中，由于順時針查找法，所以最終k0，k1，k2都落在cache0節(jié)點上，也就是說cache1、cache2基本就是多余的，所以為了解決這種數(shù)據(jù)傾斜的問題，一致性hash又引入了虛擬節(jié)點的概念，每個節(jié)點可以有若干個虛擬節(jié)點，比如：
cache0->cache0#1
cache1->cache1#1
cache2->cache2#1
虛擬節(jié)點并不是真正的服務節(jié)點，它只是一個影子，它的目的就是站坑位，讓節(jié)點更加分散，更加均勻。
這樣通過映射出虛擬節(jié)點以后，k0打到cache2，k1打到cache0，k2打到cache1，虛擬節(jié)點越多，理論分布的越均勻。
集群往往是由多個節(jié)點共同組成的，當一個節(jié)點加入集群或者一個節(jié)點從集群中下線的時候，都需要讓集群中其他的節(jié)點知道，這樣才能將數(shù)據(jù)信息分享給新節(jié)點而忽略下線節(jié)點。
A、B、C節(jié)點之間可以互相傳遞消息，但是D節(jié)點在下線之后會被廣播告訴其他存活節(jié)點。
這樣的廣播協(xié)議就是今天要說Gossip協(xié)議，Gossip協(xié)議也叫Epidemic協(xié)議（流行病協(xié)議），當一個消息到來時，通過Gossip協(xié)議就可以像病毒一樣感染全部集群節(jié)點，當然我們利用的是它這個極強的散播能力。
Gossip的過程是由一個種子節(jié)點發(fā)起的，當一個種子節(jié)點有信息需要同步到網(wǎng)絡中的其他節(jié)點時，它會隨機的選擇周圍幾個節(jié)點散播消息，收到消息的節(jié)點也會重復該過程，直至最終網(wǎng)絡中所有的節(jié)點都收到了消息。這個過程可能需要一定的時間，所以不能保證某個時間點所有的節(jié)點都有該條消息，但是理論上最終所有節(jié)點都會收到消息，因此它是一個最終一致性協(xié)議。
Gossip協(xié)議是周期性散播消息，每隔一段時間傳播一次
被感染的節(jié)點，每次可以繼續(xù)散播N個節(jié)點
每次散播消息時，都會選擇尚未發(fā)送過的節(jié)點進行散播
收到消息的節(jié)點，不會向發(fā)送的節(jié)點散播
同一個節(jié)點可能會收到重復的消息，因為可能同時多個節(jié)點正好向它散播
集群是去中心化的，節(jié)點之間都是平等的
消息的散播不用等接收節(jié)點的ack，即消息可能會丟失，但是最終應該會被感染
我們來看個例子：
種子節(jié)點是A
A節(jié)點選擇B、C節(jié)點進行散播
C散播到D，B散播D和E，可以發(fā)現(xiàn)D收到兩次
D散播到F，最終整個網(wǎng)絡都同步到了消息
Gossip有點類似圖的廣度優(yōu)先遍歷算法，一般用于網(wǎng)絡拓撲結構信息的分享和維護，像redis、consul都有使用到。
分布式協(xié)議的難點之一就是數(shù)據(jù)的一致性，當由多個節(jié)點組成的集群中只有一個節(jié)點收到數(shù)據(jù)，我們就算成功的話，風險太大，當要求所有節(jié)點都收到數(shù)據(jù)才響應成功，性能又太差，所以一般會在數(shù)據(jù)的安全和性能之間做個折中，只要保證絕大部分節(jié)點同步數(shù)據(jù)成功，我們就算成功，Raft算法作為比較知名的一致性算法，被廣泛應用于許多中間件中，比如像etcd，接下來我們就看看Raft算法是如何工作的。
首先介紹下在Raft算法中，幾種情況下每個節(jié)點對應的角色：
Leader節(jié)點：同大多數(shù)分布式中的Leader節(jié)點一樣，數(shù)據(jù)的變更都是通過它的
Follower節(jié)點：Leader節(jié)點的追隨者，負責復制數(shù)據(jù)并且在選舉時候投票的節(jié)點
Candidate候選節(jié)點：參與選舉的節(jié)點，就是Follower節(jié)點參與選舉時會切換的角色
Raft算法將一致性問題分解為兩個的子問題，Leader選舉和狀態(tài)復制。
首先我們來看看Leader的選舉，系統(tǒng)在剛開始的時候，所有節(jié)點都為Follower節(jié)點，這時大家都有機會參與選舉，也就是把自己變成Candidate，但是如果每個Follower節(jié)點都變成Candidate那么就會陷入無限的死循環(huán)，于是每個Follower都一個定時器，并且定時器的時間是隨機的，當某個Follower的定時器時間走完之后，會確認當前是否存在Leader節(jié)點，如果不存在就會把自己變成Candidate，這時會投自己1票，同時告訴其它節(jié)點，讓它們來投票，當拿到超過半數(shù)以上的投票時，當前的Candidate就會變成Leader節(jié)點。
由于A節(jié)點的定時器時間最短（10ms），所以A會成為Candidate
A投自己一票，同時B、C也投出自己的同意票，因此A會變成Leader節(jié)點，同時會記錄是第M任。這個M是做版本校驗的，比如一個編號是10的節(jié)點，收到了一個編號是9的節(jié)點的投票請求，那么就會拒絕這個請求。
在Leader節(jié)點選舉出來以后，Leader節(jié)點會不斷的發(fā)送心跳給其它Follower節(jié)點證明自己是活著的，其他Follower節(jié)點在收到心跳后會清空自己的定時器，并回復給Leader，因為此時沒必要觸發(fā)選舉了。
如果Leader節(jié)點在某一刻掛了，那么Follower節(jié)點就不會收到心跳，因此在定時器到來時就會觸發(fā)新一輪的選舉，流程還是一樣，但是如果恰巧兩個Follower都變成了Candidate，并且都得到了同樣的票數(shù)，那么此時就會陷入僵局，為了打破僵局，這時每個Candidate都會隨機推遲一段時間再次請求投票，當然一般情況下，就是先來先得，優(yōu)先跑完定時器的Candidate理論成為Leader的概率更大。
好的選舉流程大致如上，接下來我們來看看數(shù)據(jù)的復制。
當Leader節(jié)點收到Client的請求變更時，會把變更記錄到log中，然后Leader會將這個變更隨著下一次的心跳通知給Follower節(jié)點，收到消息的Follower節(jié)點把變更同樣寫入日志中，然后回復Leader節(jié)點，當Leader收到大多數(shù)的回復后，就把變更寫入自己的存儲空間，同時回復client，并告訴Follower應用此log。至此，集群就變更達成了共識。
最后，Raft算法是能夠實現(xiàn)分布式系統(tǒng)強一致性的算法，每個系統(tǒng)節(jié)點有三種狀態(tài)Leader、Follower、Candidate，實現(xiàn)Raft算法兩個最重要的事是：主的選舉和日志的復制。
事務相信大家不陌，事務的本質是要么一起向前沖，要么一起保持不動。對于MySQL的InnoDB來說，我們只需要執(zhí)行begin、commit就行，有時候我們可能需要回滾rollback。但是這是在同一數(shù)據(jù)庫的前提下，如果我們的數(shù)據(jù)表分庫了或者說我們要操作的資源在不同的網(wǎng)絡節(jié)點上該怎么辦？這就得用到我們今天要說的分布式事務了，分布式事務有2PC、3PC、TCC等， 但是無論哪種都無法保證完美的ACID，我們來一起看看是怎么回事吧。
從名字可以看出它是分兩個階段的，所以它也叫做二階段提交，即準備和提交，2PC要求有個事務的協(xié)調者，相比常規(guī)的事務，我們的請求是發(fā)給這個協(xié)調者的，然后由協(xié)調者幫我們協(xié)調各個節(jié)點資源的提交。
準備階段：協(xié)調者會讓各個參與事務的參與者，把除了提交之外所有的事情都干好，也就是就等著提交了
提交階段：協(xié)調者收到各個參與者的準備消息后，根據(jù)準備情況通知各個參與者提交（commit）或者回滾（rollback）
可以發(fā)現(xiàn)整個過程非常依賴協(xié)調者，如果協(xié)調者掛了，那么整個分布式事務就不可用，所以一般建議協(xié)調者至少有個備份節(jié)點。
如果協(xié)調者在收到所有節(jié)點的ok之后，在準備發(fā)送commit消息的時候，由于網(wǎng)絡問題，導致其中一個節(jié)點始終收不到消息，那么收不到消息的節(jié)點就會一直占著資源不釋放，出現(xiàn)這種情況的時候，建議協(xié)調者有個重試功能，在commit失敗之后，不停的重試，直至成功。2PC協(xié)議是一種強一致性協(xié)議，它是同步阻塞的，所以在高并發(fā)的場景它的性能可能還會有問題。
2PC存在一些問題，比如協(xié)調者從掛了到恢復后并不知道當前節(jié)點的狀態(tài)，現(xiàn)在應該做什么（是該提交還是回滾等等），還有就是當發(fā)生網(wǎng)絡問題的時候，無法通信的節(jié)點只會傻傻的等待，造成資源一直處于鎖定狀態(tài)。鑒于這些問題，出現(xiàn)了3PC。
首先3PC顧名思義，會分為3個階段，分別是準備階段、預提交階段和提交階段。
準備階段：主要是詢問參與者自身的狀況，比如你的負載情況如何？能參與接下來的任務吧？
預提交階段：除了commit之外的所有準備工作，就等著commit了
提交階段：執(zhí)行真正的commit或者rollback
如果在事務期間，有新的協(xié)調者頂替進來，它就可以根據(jù)一個參與者的狀態(tài)來判斷當前應該干嘛，比如如果一個參與者處于提交階段，那么表明當前的事務正處于提交階段。當因為網(wǎng)絡問題某個節(jié)點一直收不到提交信息，那么此時也不會傻等了，會有超時時間，當超時時間過去了，節(jié)點可以自動提交，但是這里有個問題，對于參與者節(jié)點來說，當前應該是commit還是rollback呢？
其實2PC和3PC都無法保證絕對的一致性，因為某個參與者節(jié)點可能就是因為網(wǎng)絡問題收不到消息，但是其他參與者節(jié)點已經提交了事務，一般為了預防這種問題，最好加一個報警，比如監(jiān)控到事務異常的時候，通過腳本自動補償差異的信息。
TCC事務的全程是Try、Commit、Cancel，TCC事務使用場景更貼近實際應用，因此它的使用也更廣泛。
Try：Try這個過程，一般表示鎖定資源的過程，比如常見的下單，在try階段，我們不是真正的減庫存，而是把下單的庫存給鎖定住。
Commit：真正的執(zhí)行業(yè)務邏輯了，帶提交的。
Cancel：撤銷，如果Commit失敗可以把鎖定的資源釋放回來
TCC對應用的侵入性強。業(yè)務邏輯的每個分支都需要實現(xiàn)try、confirm、cancel三個操作，代碼改造成本高。在出現(xiàn)網(wǎng)絡或者其他系統(tǒng)故障時，TCC要根據(jù)實際業(yè)務場景實現(xiàn)對應的回滾邏輯。Commit或者Cancel有可能會重試，因此對應的部分最好支持冪等。
最后其實上面3種分布式事務理論上都無法保證絕對的一致性，因為無法解決網(wǎng)絡等帶來的意外因素，要解決它，要么只能無限重試，但是這個無限重試最好通過消息隊列+守護進程的方式來自動補數(shù)據(jù)，前提還是得保證消息隊列不丟失數(shù)據(jù)?？傊粌H僅是分布式事務會帶來這些問題，分布式本身也會帶來許許多多的問題，沒有絕對的解決方案，只有更好的解決方案。
“java常見分布式事務理論怎么解決”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關的知識可以關注億速云網(wǎng)站，小編將為大家輸出更多高質量的實用文章！
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經查實，將立刻刪除涉嫌侵權內容。
