Seata分布式事务简析

在分布式服务普及的今天，分布式事务也有了自己的一席之地，虽然使用的场景比较少，但是技术可以不用，却不能不会用。今天来讲一讲分布式解决方案中的佼佼者：Seata

分布式事务的概念就不过多赘述了，其实就是为了解决分布式服务中如何保证事务的一致性。常见的分布式事务的解决方案TCC、Saga、XA等Seata都进行了支持，但是接下来我们还是主要讲一下Seata中的AT模式（毕竟官网中篇幅最多的就是这个模式，整个博客的内容都可以在seata官网找到更具体的描述，建议有兴趣的同学去官网学习一下：https://seata.io/zh-cn/docs/overview/what-is-seata.html）

首先看一下官网的示例图，图中有三个不同的角色，分别是TC、TM和RM，官网的术语解释是：
TC (Transaction Coordinator) - 事务协调者
维护全局和分支事务的状态，驱动全局事务提交或回滚。
TM (Transaction Manager) - 事务管理器
定义全局事务的范围：开始全局事务、提交或回滚全局事务。
RM (Resource Manager) - 资源管理器
管理分支事务处理的资源，与TC交谈以注册分支事务和报告分支事务的状态，并驱动分支事务提交或回滚。

如果以示例图中的流程来描述一个完整的seata分布式事务的话，大概分为下面几步：

1. 首先Business服务向TC注册一个全局事务，然后TC会生成一个XID，返回给TM
2. Business会分别调用Stock和Order服务，XID会分别传递给两个服务
3. Stock和Order服务得到XID后，访问TC注册分支事务，并从TC获得事务ID，通过XID将分支事务与全局事务关联
4. 服务执行SQL的时候，会将当前的数据保存一份回滚快照落入数据库中，同时执行后的数据也会保存一份。如果SQL执行没有问题的话，执行后的数据将会提交事务，并通知TC分支事务成功，如果失败的话，会清除服务的本地事务
5. Order服务调用Account服务的时候，也是一样的执行链路
6. 当所有的服务都成功调用时，Business会通过TM通知TC全局事务成功，RM就清除掉之前保存的回滚快照，如果失败了的话，就会将之前的回滚快照取出进行恢复

如果上面的流程看不懂的话，我可以举个例子：

1. 你的好兄弟A打算和女朋友求婚了，于是他安排了一个惊喜，打算给女朋友搞个求婚仪式；他是整个活动的组织人也就是TC这个角色
2. 然后A找到了另外两个好兄弟B和C，外加女朋友的好闺蜜D一起来实施这个计划，首先B跟A说，兄弟我去给你买些鲜花吧，咱别弄那么寒酸（此时就相当于B向A注册了一个全局事务，也就是TM）
3. 当B完成了采购了工作，然后B采购完了通知A说东西都买齐了（这个时候相当于RM完成了自己的工作，并通知TC当前的分支事务已经完成了），接着B又跟C说你去布置一下吧，咱们准备一个好一点环境烘托一下气氛（分布式事务之间的互相调用）
4. 之后C也完成了自己的工作，并且跟B一样通知到了A（同样要通知TC自己完成了分支事务），然后C通知D说，万事俱备只欠东风了，咱们把女主角请来吧，你找个理由把她带来咱们就可以开始让A求婚了
5. D于是去找A的女朋友，但是却发现她有说有笑的上了另外一个男人的车，于是D把这个不幸的消息通知到了A（通知TC事务执行失败了），于是A只能通知他的好兄弟B和C把东西都收拾干净了，求婚取消了，各回各家，各找各妈（事务回滚）

反正大概就是这么个意思了，TC负责掌管全局的事务，TM是事务的发起者，由TM调用到的链路，都会在一个全局事务中，每个分支事务又由不同的RM的管理，并且都会和TC进行交互，最后由TM通知TC到底是成功还是失败决定RM是提交事务还是进行回滚

再描述一些官网中提到的细节

1. 写隔离：在seata中，不同的事务是需要获得全局锁才能执行自己的本地事务
   例如服务A优先获取全局锁，然后执行本地事务，后面的服务B只有在服务A执行完成，释放全局锁之后，才能尝试去获取全局锁并执行自己的本地事务；如果B执行失败了，也需要等到B释放全局锁之后，服务A获取锁再进行回滚操作，这么做的目的就是为了防止脏写
2. 读隔离：AT模式默认的隔离级别是RU（Read Uncommitted）读未提交，如果要更严格一些，实现RC（Read Committed）读已提交的话，seata通过SELECT FOR UPDATE 语句做了代理，通过这种方式获取了全局锁，保证不会读到事务未提交的数据

接下来我们讲一下seata的工作机制（这部分官网描述的更加详细，我就简略摘录一下）

一阶段：

1. 通过解析SQL得到当前的数据并记录下前镜像（当前数据库的数据）
2. 执行业务SQL得到执行后的数据并记录下后镜像（执行SQL后数据库的数据）
3. 把前后镜像数据以及业务 SQL 相关的信息组成一条回滚日志记录，插入到 UNDO_LOG 表（这种表在使用AT模式时需要我们手动创建到我们的数据库中）中
4. 提交前，向 TC 注册分支，申请一个修改的表记录的主键对应的那条记录的全局锁
5. 业务数据的更新和前面步骤中生成的 UNDO LOG 一并提交，这一步是提交本地事务
6. 将本地事务提交的结果上报给 TC

二阶段（回滚）：

1. 收到 TC 的分支回滚请求，开启一个本地事务，执行如下操作
2. 通过 XID 和 Branch ID 查找到相应的 UNDO LOG 记录
3. 拿 UNDO LOG 中的后镜像与当前数据进行比较，如果有不同，说明数据被当前全局事务之外的动作做了修改。这种情况，需要根据配置策略来做处理，请参考官方文档
4. 根据 UNDO LOG 中的前镜像和业务 SQL 的相关信息生成并执行回滚的语句
5. 提交本地事务，并把本地事务的执行结果（即分支事务回滚的结果）上报给 TC

二阶段（提交）：

1. 收到 TC 的分支提交请求，把请求放入一个异步任务的队列中，马上返回提交成功的结果给 TC
2. 异步任务阶段的分支提交请求将异步和批量地删除相应 UNDO LOG 记录

最后稍微提一下TCC和Saga事务

一般场景下AT模式就能覆盖到我们使用的场景了，而且简单易用，非常方便，但是如果在一个比较复杂的异构数据库场景下，比如你的数据库存储存储涉及到了多种不同的数据库MySQL、Oracle、HBASE、Redis等多个存储的话，AT模式可能就无能为力了，这种时候想要精准控制分布式事务的话就需要用到TCC，同样TCC的缺点也比较明显，就是工作量较大，逻辑较多，要分别写Try、Confirm、Cancel三套逻辑来进行处理

Saga模式的话主要是应对长事务，服务流程链路比较长的应用，或者是涉及到其他无法提供TCC三个接口的旧服务