分布式事务框架Seata
分布式事务框架Seata
分布式事务框架Seata
概要
Seata（Simple Extensible Autonomous Transaction Architecture）是阿里巴巴开源的一款分布式事务解决方案，主要用于解决微服务架构中的分布式事务问题。Seata 提供了多种事务模式，如 AT（Automatic Transaction）、TCC（Try-Confirm-Cancel）、Saga 和 XA，适用于不同的业务场景.
Seata是Java领域很强大的分布式事务框架，其中默认支持的AT模式，相比于传统的2PC协议（基于数据库的XA协议），很好地解决了2PC长期锁资源的问题，提高了并发度。
一、Seata的系统组成
Seata有三个核心组件：
- Transaction Coordinator(TC，事务协调器)—— 维护全局事务和分支事务的状态，驱动全局事务提交或回滚。
- Transaction Manager(TM，事务管理器) —— 定义全局事务的范围，开始事务、提交事务、回滚事务。
- Resource Manager(RM，资源管理器)：—— 管理分支事务上的资源，向TC注册分支事务，汇报分支事务状态，驱动分支事务的提交或回滚。
三个组件相互协作，TC 以 Server 形式独立部署，TM 和 RM集成在应用中启动，其整体交互如下图：
1 ① TM 请求 TC， 开始一个新的全局事务，TC 会为这个全局事务生成一个 唯一XID
2 ② XID 通过微服务的调用链传递到其他微服务。
3 ③ RM 向TC 注册分支事务, 将其纳入XID 对应全局事务的管辖 ;
4 ④ TM 请求 TC 对这个 XID 进行提交或回滚
5 ⑤ TC 指挥这个 XID 下面的所有分支事务进行提交、回滚。
说明：XID（Transaction ID）是用于标识全局事务的唯一标识符。这通常包含 TC 的 IP 地址、端口号以及一个全局唯一的事务 ID。
比如：192.168.1.100:8091:20210408123456789
二、Seata的事务模式
Seata中常用的有两种分布式事务实现方案，AT及TCC。
1）AT模式主要关注多 DB 访问的数据一致性，当然也包括多服务下的多 DB 数据访问一致性问题
2）TCC 模式主要关注业务拆分，在按照业务横向扩展资源时，解决微服务间调用的一致性问题
这里我们关注常用的AT模式 (业务侵入小)。
三、Seata的AT模式
Seata AT模式是基于XA事务演进而来的一个分布式事务中间件，XA是一个基于数据库实现的分布式事务协议，本质上和两阶段提交一样，需要数据库支持，MySQL5.5及以上版本支持XA协议，其他数据库如Oracle，DB2也实现了XA接口。
- AT模式第一阶段
Seata 的JDBC 数据源代理通过对业务 SQL 的解析，把业务数据在更新前后的数据镜像组织成回滚日志，利用 本地事务 的 ACID 特性，将业务数据的更新和回滚日志的写入在同一个本地事务中提交。
这样，可以保证：任何提交的业务数据的更新一定有相应的回滚日志存在
如下图：
基于这样的机制，分支的本地事务便可以在全局事务的第一阶段提交，并马上释放本地事务锁定的资源。
这也是Seata和XA事务的不同之处：经典的2PC两阶段提交（XA）往往对资源的锁定需要持续到第二阶段实际的提交或者回滚操作。
也就是说：AT模式，可以在第一阶段释放对资源的锁定，降低了锁范围。这都要归功于回滚日志。
- AT模式第二阶段
1）场景一：提交，全局提交
如果决议是全局提交，此时分支事务此时已经完成提交，不需要同步协调处理（只需要异步清理回滚日志），Phase2 可以非常快速地完成。
如下图：
场景2：回滚，全局回滚
如果决议是全局回滚，RM 收到协调器发来的回滚请求，通过 XID 和 Branch ID 找到相应的回滚日志记录，通过回滚记录生成反向的更新 SQL 并执行，以完成分支的回滚。
如下图：
- AT模式相对于XA模式的优势
如下图：
说明：
提高效率，即使第二阶段发生异常需要回滚，只需找对undolog中对应数据并反解析成sql来达到回滚目的
Seata无入侵，通过代理数据源将业务sql的执行解析成undolog来与业务数据的更新同时入库，达到了对业务无侵入的效果
四、Seata使用场景
Seata 在一些大型互联网企业和金融机构的项目中使用较多，但在普通企业或小型项目中，使用率相对较低。
这主要是由于以下原因：
- 复杂度
Seata 引入了较高的复杂度，需要开发团队对分布式事务有较深的理解，并且需要一定的运维能力。
- 性能开销
分布式事务往往伴随着性能开销，尤其是在高并发场景下，可能影响系统性能。
- 业务需求
并不是所有业务场景都需要分布式事务，很多业务可以通过其他方式（如消息队列、事件驱动、最终一致性）解决数据一致性问题。
参考链接：