免费的分布式事务来了——阿里巴巴Fescar

简介: 背景每次说起分布式事务相信都是许多开发者的心头痛,分布式事务往往伴随着大量的业务逻辑的侵入,需要写大量的回滚操作的业务流程,而且还生怕哪里漏掉了。而现在,于2019年1月10日,阿里巴巴开源了内部的分布式事务框架——Fescar。

背景

每次说起分布式事务相信都是许多开发者的心头痛,分布式事务往往伴随着大量的业务逻辑的侵入,需要写大量的回滚操作的业务流程,而且还生怕哪里漏掉了。而现在,于2019年1月10日,阿里巴巴开源了内部的分布式事务框架——Fescar。Fescar是Fast Easy Commit And Rollback的缩写。

目前业界的分布式事务分为两种,一是业务0侵入的,使用的是数据库的XA组件,但是缺陷也很明显。所用的数据库必须支持XA组件,另外这种方式锁占用时间长,需要搭配重量级的容器使用,在分布式系统场景中并不合适。二是业务侵入的,例如TCC,目前用得比较多的是这种,也有成熟的方案,只是这样需要开发大量的回滚流程,十分耗费人力物力。而Fescar就是解决了这两个问题,既能做到适配各种关系型数据库,又能业务0侵入。

阿里巴巴内部一直有在做分布式事务的探索,TXC是目前阿里巴巴内部使用的分布式框架,而GTS则是在阿里云上分布式事务,而这次开源的Fescar也是源自这两者,当然开源的是免费的,开源一个月的时间现在Github上已经有5000多颗星了,可见大家对分布式事务有多渴望。

原理

首先先说说什么是分布式事务,以电商购物为例,当消费者购买了下单一件商品时,库存系统会扣减库存,而支付系统会进行扣款,当扣款失败时,库存应该要重新回滚到原来的数量,可是在分布式系统中,系统往往不是使用同一个数据库,因此数据库没法保证本地事务外的事务,这就是分布式事务。

目前流行的TCC分成三个阶段,一是Try,尝试把资源冻结和锁住,若全部服务均成功,则执行Confirm操作,执行真实的写操作,否则执行Cancel,取消资源冻结。TCC伴随着大量的业务逻辑以及需要可靠的MQ支撑,虽然比较成熟,可是需要开发者花大量的心思去开发。

而Fescar作为业务0侵入的框架是如何实现的呢?
image

免费的分布式事务来了——阿里巴巴Fescar
如上图所示(图片来自Github),Fescar由RM、TM、TC组成。

RM是资源管理器,主要是做分支/本地事务的提交和回滚。

TM是事务管理器,主要是确定全局事务的开始和全局事务的提交和回滚。

TC是事务协调器,主要是当TM确定要提交或回滚时协调各个分支事务做相应的操作。

流程是这样的,还是拿回开始的那个例子,当用户下单时,TM会发起全局事务,并向TC注册一个XID作为事务的唯一标志,然后在调用库存系统扣减库存,此时库存系统的RM会向TC注册并执行本地事务,支付系统同理。当支付系统的RM执行失败时,TM会向TC发起全局事务回滚的决议,此时TC会组织两个系统的RM同时进行回滚操作,整个分布式事务完成。

特点

不依赖数据库的协议支持

Fescar的RM是处于应用层,与数据库本身的协议无关,而XA则相反,它也有类似RM的概念,可是它的RM是处于数据库层,这就意味着XA需要强依赖数据库支持XA协议,因此Fescar是非常适合弱耦合的分布式系统的。

锁的时间短

Fescar与XA同样都是两阶段提交,但是区别在于XA是两阶段均结束后才会释放锁,而Fescar若是做全局事务的提交操作则会在阶段一结束后就释放锁,只有是做回滚操作才会两阶段后才释放锁。而大部分场景都是能正常提交的,所以Fescar能保证锁的占用时间控制到最短,这也变相地提高了数据库的qps。(这里可能会有人会问阶段1结束就释放锁不会造成资源会被的事务占用吗,Fescar在这里实际上做了一个全局写操作的隔离,不会出现脏写的情况,这里不展开说)

隔离性

Fescar默认支持读未提交的隔离性,因为主要是考虑到其实大部分场景用这个隔离性就已经足够了。不过官网也支持读已提交的隔离性配置,不过就需要对业务进行侵入了,所以在选型时也要考虑业务本身的需求。

总结

总的来说Fescar是对目前分布式事务版图的一个很好的补充,而且已在阿里巴巴有长时间的成功经验,相信大多数的开发者都可以放心使用。

相关文章
|
4月前
|
缓存 NoSQL Java
Java在大型多人在线游戏(MMO)服务端的运用
大型多人在线游戏(如《魔兽世界》《最终幻想14》《梦幻西游》)的服务端需要同时处理数万玩家的实时交互,包括移动同步、战斗计算、聊天、交易、工会等。
496 0
平台主要配置文件一览表
平台主要配置文件一览表            相关文档的配置和使用在bboss平台和bboss框架相关博客文档中都有说明。  
1001 0
|
20天前
|
人工智能 缓存 前端开发
DeepSeek Harness 首发实测 + 入门教程,夯爆了!梁神我错了
DeepSeek Harness + DeepSeek V4 Pro 项目实战保姆级教程!手把手带你从零安装开源 AI 编程工具,开发架构图、知识讲解网站、3D 网页游戏、全栈 AI 应用 4 个项目,覆盖运行模式选择、插件安装与开发,看看能不能对标 Claude。
13234 90
DeepSeek Harness 首发实测 + 入门教程,夯爆了!梁神我错了
|
8天前
|
人工智能 自然语言处理 安全
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
本文聚焦阿里云2026年推出的三款自研AI办公产品,清晰拆解千问办公、Qoder Teams、Qoder CN的差异化定位与能力边界:千问办公主打职场全场景提效,支持自然语言指令一键完成PPT生成、数据分析等高频办公任务;Qoder Teams面向程序员团队,深度整合AI代码生成、团队协同与企业知识库能力;Qoder CN则专为金融、政务等强合规场景打造,实现数据不出境与VPC私有化部署。文章同步给出分场景选型指南与最新活动定价,帮助不同类型的企业按需组合产品,实现业务岗、研发岗与强合规场景的AI能力全覆盖。
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
|
3天前
|
缓存 人工智能 API
阿里云Qwen3.8‑Flash完整能力解析:模型特性、API调用实操与计费规则深度拆解
在AI应用快速落地的当下,开发者与企业选型大模型API,不再只单纯关注评测榜单分数,推理速度、上下文长度、多模态能力、工具调用稳定性以及实际调用成本,共同决定项目能否平稳上线。Qwen3.8‑Flash作为新一代多模态混合专家模型,主打高性能推理与低成本开销,面向编程开发、智能Agent工作流、超长文档解析、图文混合理解等高频场景,提供托管API服务,权重同时开放可供本地部署,兼容主流接口协议,能够无缝接入各类开发工具链。很多开发者在接入过程中,容易混淆普通按量Token计费、缓存计费、各类订阅计划之间的差异,造成实际账单超出预估。本文从模型底层架构、核心功能能力、适用场景、API调用实操、完
803 0
|
13天前
|
Web App开发 人工智能 API
16 个超火的 DeepSeek Harness 插件,大肥鱼已经落后 N 个版本了。。。
DeepSeek Harness 精选插件推荐合集,从图片识别、浏览器操控、多 Agent 协作到手机远程控制,一口气带你看完 DSH 社区热门的十几个插件,覆盖技能扩展、UI 界面增强、整活玩法三大类,让你的鲸鱼变得更强。
1793 4
|
14天前
|
人工智能 Java BI
【AI】DeepSeek Harness 安装、运行、管理插件
本文介绍了如何运行DeepSeek开源的Agent框架DeepSeek Harness(dsh)。主要内容包括:使用nvm安装适配的Node版本;通过代理加速克隆GitHub源码;使用pnpm安装依赖并启动项目;配置DeepSeek API Token;安装扩展功能的插件。该框架自带Web界面,支持模型适配、文件编辑等插件化功能
1970 1
|
人工智能 JavaScript 开发工具
DeepSeek Harness 本地安装与使用指南
DeepSeek Harness(DSH)是DeepSeek AI开源的Agent运行框架,支持本地文件操作、命令执行与工具调用。基于Cordis插件架构,具备高扩展性与强可控性,适合开发者搭建可控Agent环境或开展模型基准测试。当前为开发者预览版,需Node.js环境,推荐先用`npx @deepseek-ai/dsh web`快速体验。
5230 0
|
9天前
|
人工智能 Linux iOS开发
Ollama使用教程:Ollama官网下载、Ollama本地部署大模型(2026最新)
Ollama 是一款免费开源的本地大模型运行工具,支持在 Windows/macOS/Linux 上离线运行 Qwen、DeepSeek、Llama 等主流开源模型,数据不出本机、隐私安全。提供 OpenAI 兼容 API,命令行一键拉取/运行/管理模型,无需联网,无调用限制,是开发者与 AI 爱好者部署本地 AI 助手的理想选择。(239 字)