分布式事务解决框架seata介绍

简介: 分布式事务解决框架seata介绍

公众号merlinsea


  • seata框架的核心
  • 抽取出了一个TC全局事务协调器,所有的分支事务都要向其汇报
  • 当在客户端开启一个分布式事务时,TC会为这个分布式事务生成一个唯一的XID,并在后续的其他事务中传递
  • 所有的分支事务都执行完阶段一预提交时要等待TC发出的commit或者rollback命令以后才能继续往下执行。


  • seata的架构和核心组成
  • TC :Transaction coordinator 全局事务协调器,TC是位于seata的中心服务端,用于统一管理各个微服务节点上的事务状态, 并根据这些分布式事务的状态决定是否提交commit还是回滚rollback。
  • TM:Transaction manager 事务管理器,用于开启,提交,回滚事务。TM是位于业务端端代码,当开启一个分布式事务时,会生成 一个用于唯一标识这个分布式事务XID,并且这个XID会在后续调用其他微服务中传递。
  • RM:Resource manager 资源管理器,用于各个微服务上的数据库资源的管理,并且可以向TC注册分支事务,接受TC传来的提交或者回滚 命令


  • 注释
  • 注1: seata架构的RM是以jar包的形式嵌入到业务代码中
  • 注2: TM 请求 TC 开启一个全局事务, TC 会生成一个 XID 作为该全局事务的编号XID, XID会在微服务的调用链路中传播,保证将多个微 服务的子事务关联在一起。
  • 架构:TC 为单独部署的 Server 服务端,TM 和 RM 为嵌入到应用中的 Client 客户端 (Client/Server架构)


  • seata执行分布式事务的流程(如下图所示)
  • A服务的TM 向 TC 申请开启(Begin)一个全局事务,全局事务创建成功并生成一个全局唯一的 XID。
  • A服务的RM向TC注册分支事务
  • A服务执行分支事务(这里是本地事务),对数据库做操作
  • A服务开始远程调用B服务,并把XID 在微服务调用链路的上下文中传播【保证了 B服务可以为一识别这个事务】
  • B服务的RM向TC注册分支事务,并将其纳入XID对应的全局事务的管辖
  • B服务执行分支事务,向数据库做操作
  • 全局事务调用链处理完毕,TM 根据有无异常向 TC 发起针对 XID 的全局提交(Commit)或回滚(Rollback)决议。 TC 调度 XID 下管辖的全部分支事务完成提交(Commit)或回滚(Rollback)请求。


640.jpg


  • seata执行模式介绍(AT模式)
  • 第一阶段: seata 会拦截“业务 SQL”,找到“业务 SQL”要更新的业务数据,在业务数据被更新前,将其保存成“before image”【回滚的时候使用】, 然后执行“业务 SQL”更新业务数据 在业务数据更新之后,再将其保存成“after image”【提交的时候使用】,最后生成行锁 以上操作全部在一个数据库事务内完成,这样保证了一阶段操作的原子性
  • 第二阶段:
  • 二阶段提交: 因为“业务 SQL”在一阶段已经提交至数据库, 所以 Seata 框架只需将阶段一保存的快照数据和行锁删掉,完成数据清理即可。
  • 二阶段回滚: 还原业务数据, 回滚方式便是用“before image”还原业务数据。


  • seata框架的使用
  • 开启seata服务端程序(TC全局事务协调器)


去seata官网下载并部署到linux服务器上,然后用下面的命令启动seata
./seata-server.sh启动
  • 在所有涉及分布式事务的微服务中中引入seata客户端赖
  • 注意:需要保证seata客户端的版本和seata服务端端版本一致,否则可能出现maven包冲突(难排查)
<!--alibaba微服务整合分布式事务,这个方式才行-->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-starter-alibaba-seata</artifactId>
            <exclusions>
                <exclusion>
                    <groupId>io.seata</groupId>
                    <artifactId>seata-spring-boot-starter</artifactId>
                </exclusion>
            </exclusions>
        </dependency>
        <dependency>
            <groupId>io.seata</groupId>
            <artifactId>seata-spring-boot-starter</artifactId>
            <version>1.3.0</version>
        </dependency>


  • 编写业务,开启分布式全局事务TM事务管理器 @GlobalTransactional
  • 注意事务管理器只需要添加在开启事务的哪个接口api上即可,后续被调用的微服务接口上不需要再添加这个注解,在本案例中是加在user微服务的注册接口上
 @Override
//全局事务管理器TM
 @GlobalTransactional
 public JsonData register(UserRegisterRequest registerRequest) {
     boolean checkCode = false;
     //校验验证码
     if (StringUtils.isNotBlank(registerRequest.getMail())) {
         checkCode = notifyService.checkCode(SendCodeEnum.USER_REGISTER, registerRequest.getMail(), registerRequest.getCode());
     }
     if (!checkCode) {
         return JsonData.buildResult(BizCodeEnum.CODE_ERROR);
     }
     UserDO userDO = new UserDO();
     BeanUtils.copyProperties(registerRequest, userDO);
     userDO.setCreateTime(new Date());
     userDO.setSlogan("人生需要动态规划,学习需要贪心算法");
     //设置密码 生成秘钥 盐
     userDO.setSecret("$1$" + CommonUtil.getStringNumRandom(8));
     //密码+盐处理
     String cryptPwd = Md5Crypt.md5Crypt(registerRequest.getPwd().getBytes(), userDO.getSecret());
     userDO.setPwd(cryptPwd);
     //账号唯一性检查 
     if (checkUnique(userDO.getMail())) {
         int rows = userMapper.insert(userDO);
         log.info("rows:{},注册成功:{}", rows, userDO.toString());
         //新用户注册成功,初始化信息,发放福利等 TODO
         userRegisterInitTask(userDO);
         //模拟异常
         //int b = 1/0;
         return JsonData.buildSuccess();
     } else {
         return JsonData.buildResult(BizCodeEnum.ACCOUNT_REPEAT);
     }
 }


相关文章
|
2天前
|
机器学习/深度学习 并行计算 Java
谈谈分布式训练框架DeepSpeed与Megatron
【11月更文挑战第3天】随着深度学习技术的不断发展,大规模模型的训练需求日益增长。为了应对这种需求,分布式训练框架应运而生,其中DeepSpeed和Megatron是两个备受瞩目的框架。本文将深入探讨这两个框架的背景、业务场景、优缺点、主要功能及底层实现逻辑,并提供一个基于Java语言的简单demo例子,帮助读者更好地理解这些技术。
11 2
|
23天前
|
分布式计算 Hadoop
Hadoop-27 ZooKeeper集群 集群配置启动 3台云服务器 myid集群 zoo.cfg多节点配置 分布式协调框架 Leader Follower Observer
Hadoop-27 ZooKeeper集群 集群配置启动 3台云服务器 myid集群 zoo.cfg多节点配置 分布式协调框架 Leader Follower Observer
34 1
|
2月前
|
SQL NoSQL 数据库
SpringCloud基础6——分布式事务,Seata
分布式事务、ACID原则、CAP定理、Seata、Seata的四种分布式方案:XA、AT、TCC、SAGA模式
SpringCloud基础6——分布式事务,Seata
|
2月前
|
数据采集 分布式计算 MaxCompute
MaxCompute 分布式计算框架 MaxFrame 服务正式商业化公告
MaxCompute 分布式计算框架 MaxFrame 服务于北京时间2024年09月27日正式商业化!
65 3
|
2月前
|
负载均衡 监控 Dubbo
分布式框架-dubbo
分布式框架-dubbo
|
23天前
|
存储 SQL 消息中间件
Hadoop-26 ZooKeeper集群 3台云服务器 基础概念简介与环境的配置使用 架构组成 分布式协调框架 Leader Follower Observer
Hadoop-26 ZooKeeper集群 3台云服务器 基础概念简介与环境的配置使用 架构组成 分布式协调框架 Leader Follower Observer
38 0
|
2月前
|
运维 NoSQL Java
SpringBoot接入轻量级分布式日志框架GrayLog技术分享
在当今的软件开发环境中,日志管理扮演着至关重要的角色,尤其是在微服务架构下,分布式日志的统一收集、分析和展示成为了开发者和运维人员必须面对的问题。GrayLog作为一个轻量级的分布式日志框架,以其简洁、高效和易部署的特性,逐渐受到广大开发者的青睐。本文将详细介绍如何在SpringBoot项目中接入GrayLog,以实现日志的集中管理和分析。
178 1
|
2月前
|
XML 负载均衡 监控
分布式-dubbo-简易版的RPC框架
分布式-dubbo-简易版的RPC框架
|
3月前
|
数据采集 分布式计算 并行计算
Dask与Pandas:无缝迁移至分布式数据框架
【8月更文第29天】Pandas 是 Python 社区中最受欢迎的数据分析库之一,它提供了高效且易于使用的数据结构,如 DataFrame 和 Series,以及大量的数据分析功能。然而,随着数据集规模的增大,单机上的 Pandas 开始显现出性能瓶颈。这时,Dask 就成为了一个很好的解决方案,它能够利用多核 CPU 和多台机器进行分布式计算,从而有效地处理大规模数据集。
140 1
|
2月前
|
分布式计算 资源调度 Hadoop
在YARN集群上运行部署MapReduce分布式计算框架
主要介绍了如何在YARN集群上配置和运行MapReduce分布式计算框架,包括准备数据、运行MapReduce任务、查看任务日志,并启动HistoryServer服务以便于日志查看。
54 0

热门文章

最新文章