分布式事务之最终一致性实现方案

简介: 分布式事务之最终一致性实现方案

文章目录:

  • 前言
  • 什么是最终一致性?
  • 实现方案
  • 代码实现
  • 小结
  • 推荐阅读

前言

这篇文章是《关于分布式事务的理解》的后续篇:分布式事务之最终一致性实现方案。

还是那个电商需求,一个订单支付完成后的业务场景,有如下操作:

  1. 更改订单的状态为 “已支付”
  2. 扣减商品库存
  3. 给会员增加积分
  4. 创建出库单通知仓库发货

咱们使用 最终一致性方案 去实现它。

什么是最终一致性?

从字面上看就是 保证数据最后的一致性 就可以了。

为了减少系统代价,如果中间节点处理失败,其他节点一般不会自动回滚,而是通过重试机制和人工参与的方式对失败数据进行处理,从而来保证数据最后的一致性。

实现方案

使用 本地消息表 + 后台任务 + 消息队列 + 接口幂等性。

本地消息表:在对应业务数据库中增加的本地消息表,这张表存储业务产生的消息,通过 本地事务 保证业务数据和消息数据的一致性,比如:msg_published 和 msg_received 表示发布消息表和接收消息表,在消息表中会有一个状态来标识业务是否执行成功。

后台任务:当消息表中有执行失败的业务信息时,后台任务就会按照配置的重试策略进行重试,例如重试策略为当发送和消费消息的过程中失败会立即重试 3 次,在 3 次以后将进入重试轮询;重试将在发送和消费消息失败的 4分钟后 开始,这是为了避免设置消息状态延迟导致可能出现的问题;后续就会每隔 1 分钟之后重试一次,默认的最高重试次数为 50 次,当达到 50 次时,就不会重试了,通过发邮件/微信/钉钉/短信的方式通知人工去处理,通知时需要考虑消息降噪。

消息队列:跨服务之间的调用使用消息队列,来实现服务解耦。

接口幂等性:接口需要保证同一操作发起的一次请求或者多次请求的结果必须是一致的。

代码实现

推荐一个 C# 开源项目 CAP[1],大家可以参考一下。

f7e64f97d76b72f566962c2e65c6b812.png

这个项目只支持 C# 代码去集成,如果是其他语言可以参考其设计思路,然后进行一个简单的实现。

小结

本文纯属抛砖引玉,有问题,欢迎批评指正。

你有更好的实现方案吗?欢迎留言~

推荐阅读

参考资料

[1]

CAP: https://github.com/dotnetcore/CAP

目录
相关文章
|
数据采集 监控 NoSQL
优化分布式采集的数据同步:一致性、去重与冲突解决的那些坑与招
本文讲述了作者在房地产数据采集项目中遇到的分布式数据同步问题,通过实施一致性、去重和冲突解决的“三板斧”策略,成功解决了数据重复和同步延迟问题,提高了系统稳定性。核心在于时间戳哈希保证一致性,URL归一化和布隆过滤器确保去重,分布式锁解决写入冲突。
704 2
 优化分布式采集的数据同步:一致性、去重与冲突解决的那些坑与招
|
消息中间件 运维 监控
《聊聊分布式》BASE理论 分布式系统可用性与一致性的工程平衡艺术
BASE理论是对CAP定理中可用性与分区容错性的实践延伸,通过“基本可用、软状态、最终一致性”三大核心,解决分布式系统中ACID模型的性能瓶颈。它以业务为导向,在保证系统高可用的同时,合理放宽强一致性要求,并借助补偿机制、消息队列等技术实现数据最终一致,广泛应用于电商、社交、外卖等大规模互联网场景。
|
监控 算法 关系型数据库
分布式事务难题终结:Seata+DRDS全局事务一致性架构设计
在分布式系统中,CAP定理限制了可用性、一致性与分区容错的三者兼得,尤其在网络分区时需做出取舍。为应对这一挑战,最终一致性方案成为常见选择。以电商订单系统为例,微服务化后,原本的本地事务演变为跨数据库的分布式事务,暴露出全局锁失效、事务边界模糊及协议差异等问题。本文深入探讨了基于 Seata 与 DRDS 的分布式事务解决方案,涵盖 AT 模式实践、分片策略优化、典型问题处理、性能调优及高级特性实现,结合实际业务场景提供可落地的技术路径与架构设计原则。通过压测验证,该方案在事务延迟、TPS 及失败率等方面均取得显著优化效果。
791 61
|
存储 缓存 负载均衡
一致性哈希:解决分布式难题的神奇密钥
一致哈希是一种特殊的哈希算法,用于分布式系统中实现数据的高效、均衡分布。它通过将节点和数据映射到一个虚拟环上,确保在节点增减时只需重定位少量数据,从而提供良好的负载均衡、高扩展性和容错性。相比传统取模方法,一致性哈希能显著减少数据迁移成本,广泛应用于分布式缓存、存储、数据库及微服务架构中,有效提升系统的稳定性和性能。
1005 1
|
NoSQL 数据库 Redis
分布式锁的实现方案有哪些
分布式锁用于协调跨多个节点的任务执行。基于数据库的分布式锁利用唯一性约束或悲观锁确保锁的唯一性;Redis 实现则依赖 SETNX 指令或 redisson 客户端,通过原子操作保证互斥性;ZooKeeper 通过临时顺序节点与 Watch 机制,实现锁的竞争、释放及获取。
391 4
|
消息中间件 缓存 算法
分布式系列第一弹:分布式一致性!
分布式系列第一弹:分布式一致性!
664 0
|
算法 Java 关系型数据库
漫谈分布式数据复制和一致性!
漫谈分布式数据复制和一致性!
404 0
|
Oracle 关系型数据库
分布式锁设计问题之Oracle RAC保证多个节点写入内存Page的一致性如何解决
分布式锁设计问题之Oracle RAC保证多个节点写入内存Page的一致性如何解决
596 0
|
消息中间件 存储 监控
消息队列在分布式系统中如何保证数据的一致性和顺序?
消息队列在分布式系统中如何保证数据的一致性和顺序?
|
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。
1041 6

热门文章

最新文章