简单高效!本地消息表助你轻松实现分布式事务

简介: 本文由小米分享,介绍如何使用本地消息表解决分布式事务问题。分布式事务在微服务架构中变得复杂,本地消息表提供了一种简单高效的方法。它通过在同一事务中处理业务操作和消息记录,然后异步发送消息,确保数据一致性。文章详细阐述了本地消息表的原理、实现步骤、优势及不足,强调了其实现的简单性、高性能和高可靠性,但也指出其潜在的开发复杂度和延迟性问题。



Hello,大家好!我是小米,一个热爱技术的29岁程序员,今天我们来聊聊分布式系统中的一个关键问题——分布式事务。作为技术人,你是否曾经因为分布式事务的问题而头疼不已呢?今天我就和大家分享一下,如何通过本地消息表来优雅地解决分布式事务问题。

什么是分布式事务?

在单体应用中,事务管理相对简单,通过数据库的ACID特性(原子性、一致性、隔离性、持久性)来确保数据的一致性。然而,随着业务的发展,系统架构逐渐演变为微服务架构,多个服务之间需要协同工作。这时候,事务管理变得复杂起来,因为数据操作分布在不同的服务和数据库上。

分布式事务是指跨多个独立的数据源或服务的事务。它需要确保所有参与的操作要么全部成功,要么全部回滚,以保证数据的一致性。

常见的分布式事务解决方案

在讨论本地消息表之前,我们先了解一下常见的分布式事务解决方案:

1. 二阶段提交(2PC)

二阶段提交协议是经典的分布式事务协议,分为准备阶段和提交阶段。在准备阶段,协调者向所有参与者询问是否可以提交事务,如果所有参与者都同意,进入提交阶段;否则,进入回滚阶段。

虽然2PC可以保证事务的一致性,但它存在一些问题:

  • 性能开销大:准备阶段和提交阶段需要两次网络通信,增加了延迟。
  • 单点故障:协调者的故障会导致整个事务挂起。
  • 锁定资源:在准备阶段,参与者会锁定资源,影响系统的并发性。

2. 三阶段提交(3PC)

三阶段提交协议是对二阶段提交的改进,增加了一个预提交阶段,以减少单点故障和提高系统的容错性。但它仍然存在性能开销大和实现复杂度高的问题。

3. TCC(Try-Confirm/Cancel)

TCC模型将事务分为三个阶段:

  • Try阶段:预留资源
  • Confirm阶段:确认执行
  • Cancel阶段:取消执行

TCC比2PC更灵活,但需要业务层面实现补偿逻辑,增加了开发成本。

4. 本地消息表

接下来,我们重点介绍一种比较简单、实用且高效的解决方案——本地消息表。

本地消息表的原理

本地消息表是一种通过在本地数据库中记录消息状态来实现分布式事务的方法。其核心思想是将业务操作和消息记录放在同一个本地事务中,确保它们要么同时成功,要么同时失败。然后,通过一个独立的消息调度器异步地将消息发送到消息队列中,从而实现跨服务的事务一致性。

具体流程如下:

  • 业务操作与消息记录:在同一个本地事务中,完成业务操作并将消息记录插入本地消息表。
  • 消息调度器:一个独立的消息调度器不断扫描本地消息表,找到需要发送的消息,并将其发送到消息队列。
  • 消费消息:其他服务从消息队列中消费消息,并执行相应的业务操作。

通过这种方式,我们将跨服务的分布式事务问题转化为本地事务问题,利用本地数据库的ACID特性,确保业务操作和消息记录的一致性。

本地消息表的实现步骤

下面我们详细介绍一下本地消息表的具体实现步骤:

1. 创建本地消息表

首先,在数据库中创建一张消息表,用于记录需要发送的消息。例如:

这张表包含以下字段:

  • id:消息的唯一标识
  • message_content:消息的内容
  • status:消息的状态(NEW, SENT, FAILED)
  • created_at:消息的创建时间
  • updated_at:消息的更新时间

2. 业务操作与消息记录放在同一个事务中

在进行业务操作时,将消息记录插入本地消息表。例如,在订单服务中创建订单时:

通过使用@Transactional注解,确保业务操作和消息记录在同一个本地事务中执行。

3. 消息调度器

消息调度器是一个独立的组件,它不断扫描本地消息表,找到需要发送的消息,并将其发送到消息队列。例如:

这里使用Spring的@Scheduled注解,每隔5秒执行一次消息发送任务。首先,从本地消息表中查找状态为NEW的消息,然后将消息发送到消息队列。如果发送成功,更新消息状态为SENT;如果发送失败,更新消息状态为FAILED

4. 消费消息

其他服务从消息队列中消费消息,并执行相应的业务操作。例如,在库存服务中,消费订单创建的消息,进行库存扣减:

通过消息队列,实现了跨服务的异步通信和事务一致性。

本地消息表的优势

本地消息表解决方案相比于其他分布式事务解决方案,有以下几个显著的优势:

  • 简单易实现:本地消息表基于数据库的本地事务,不需要引入复杂的分布式事务协议,降低了实现难度。
  • 高性能:业务操作和消息记录在同一个本地事务中执行,避免了跨网络通信的开销,提高了系统性能。
  • 高可靠性:通过独立的消息调度器,确保消息最终一定会发送到消息队列,即使发生网络故障或服务重启,也不会丢失消息。

本地消息表的不足

当然,本地消息表也有一些不足之处:

  • 开发复杂度:需要手动实现消息调度器和消息表的管理逻辑,增加了开发工作量。
  • 延迟性:由于消息发送是异步进行的,可能会有一定的延迟,对于实时性要求较高的场景,需要额外优化。
  • 消息幂等性:需要确保消息的幂等性,避免重复消费造成数据不一致。

END

通过本地消息表,我们可以优雅地解决分布式事务中的数据一致性问题。它简单易实现,性能高且可靠性强,是一种非常实用的分布式事务解决方案。当然,它也有一些不足,需要在具体应用中根据实际需求进行权衡和优化。

希望今天的分享能对大家有所帮助!如果你有任何问题或想法,欢迎在评论区留言,我们一起交流探讨。

本文作者:小米,一个热爱技术分享的29岁程序员。如果你喜欢我的文章,欢迎关注我的微信公众号软件求生,获取更多技术干货!

相关文章
|
10月前
|
消息中间件 架构师 数据库
本地消息表事务:10Wqps 高并发分布式事务的 终极方案,大厂架构师的 必备方案
45岁资深架构师尼恩分享了一篇关于分布式事务的文章,详细解析了如何在10Wqps高并发场景下实现分布式事务。文章从传统单体架构到微服务架构下分布式事务的需求背景出发,介绍了Seata这一开源分布式事务解决方案及其AT和TCC两种模式。随后,文章深入探讨了经典ebay本地消息表方案,以及如何使用RocketMQ消息队列替代数据库表来提高性能和可靠性。尼恩还分享了如何结合延迟消息进行事务数据的定时对账,确保最终一致性。最后,尼恩强调了高端面试中需要准备“高大上”的答案,并提供了多个技术领域的深度学习资料,帮助读者提升技术水平,顺利通过面试。
本地消息表事务:10Wqps 高并发分布式事务的 终极方案,大厂架构师的 必备方案
|
2月前
|
存储 负载均衡 NoSQL
【赵渝强老师】Redis Cluster分布式集群
Redis Cluster是Redis的分布式存储解决方案,通过哈希槽(slot)实现数据分片,支持水平扩展,具备高可用性和负载均衡能力,适用于大规模数据场景。
203 2
|
2月前
|
存储 缓存 NoSQL
【📕分布式锁通关指南 12】源码剖析redisson如何利用Redis数据结构实现Semaphore和CountDownLatch
本文解析 Redisson 如何通过 Redis 实现分布式信号量(RSemaphore)与倒数闩(RCountDownLatch),利用 Lua 脚本与原子操作保障分布式环境下的同步控制,帮助开发者更好地理解其原理与应用。
109 0
|
3月前
|
存储 缓存 NoSQL
Redis核心数据结构与分布式锁实现详解
Redis 是高性能键值数据库,支持多种数据结构,如字符串、列表、集合、哈希、有序集合等,广泛用于缓存、消息队列和实时数据处理。本文详解其核心数据结构及分布式锁实现,帮助开发者提升系统性能与并发控制能力。
|
24天前
|
NoSQL Java 调度
分布式锁与分布式锁使用 Redis 和 Spring Boot 进行调度锁(不带 ShedLock)
分布式锁是分布式系统中用于同步多节点访问共享资源的机制,防止并发操作带来的冲突。本文介绍了基于Spring Boot和Redis实现分布式锁的技术方案,涵盖锁的获取与释放、Redis配置、服务调度及多实例运行等内容,通过Docker Compose搭建环境,验证了锁的有效性与互斥特性。
分布式锁与分布式锁使用 Redis 和 Spring Boot 进行调度锁(不带 ShedLock)
|
7月前
|
数据采集 存储 数据可视化
分布式爬虫框架Scrapy-Redis实战指南
本文介绍如何使用Scrapy-Redis构建分布式爬虫系统,采集携程平台上热门城市的酒店价格与评价信息。通过代理IP、Cookie和User-Agent设置规避反爬策略,实现高效数据抓取。结合价格动态趋势分析,助力酒店业优化市场策略、提升服务质量。技术架构涵盖Scrapy-Redis核心调度、代理中间件及数据解析存储,提供完整的技术路线图与代码示例。
628 0
分布式爬虫框架Scrapy-Redis实战指南
|
18天前
|
缓存 NoSQL 关系型数据库
Redis缓存和分布式锁
Redis 是一种高性能的键值存储系统,广泛用于缓存、消息队列和内存数据库。其典型应用包括缓解关系型数据库压力,通过缓存热点数据提高查询效率,支持高并发访问。此外,Redis 还可用于实现分布式锁,解决分布式系统中的资源竞争问题。文章还探讨了缓存的更新策略、缓存穿透与雪崩的解决方案,以及 Redlock 算法等关键技术。
|
3月前
|
NoSQL Redis
Lua脚本协助Redis分布式锁实现命令的原子性
利用Lua脚本确保Redis操作的原子性是分布式锁安全性的关键所在,可以大幅减少由于网络分区、客户端故障等导致的锁无法正确释放的情况,从而在分布式系统中保证数据操作的安全性和一致性。在将这些概念应用于生产环境前,建议深入理解Redis事务与Lua脚本的工作原理以及分布式锁的可能问题和解决方案。
133 8
|
5月前
|
数据采集 存储 NoSQL
基于Scrapy-Redis的分布式景点数据爬取与热力图生成
基于Scrapy-Redis的分布式景点数据爬取与热力图生成
322 67
|
8月前
|
NoSQL Java 中间件
【📕分布式锁通关指南 02】基于Redis实现的分布式锁
本文介绍了从单机锁到分布式锁的演变,重点探讨了使用Redis实现分布式锁的方法。分布式锁用于控制分布式系统中多个实例对共享资源的同步访问,需满足互斥性、可重入性、锁超时防死锁和锁释放正确防误删等特性。文章通过具体示例展示了如何利用Redis的`setnx`命令实现加锁,并分析了简化版分布式锁存在的问题,如锁超时和误删。为了解决这些问题,文中提出了设置锁过期时间和在解锁前验证持有锁的线程身份的优化方案。最后指出,尽管当前设计已解决部分问题,但仍存在进一步优化的空间,将在后续章节继续探讨。
1057 131
【📕分布式锁通关指南 02】基于Redis实现的分布式锁

热门文章

最新文章