圖文精講java常見分布式事務(wù)理論與解決方案

第圖文精講java常見分布式事務(wù)理論與解決方案目錄CAP理論C（Consistence）：一致性A（Availability）：可用性P（Partitiontolerance）：分區(qū)容錯性BASE理論BA（BasicallyAvailable）：基本可用S（Soft-state）：軟狀態(tài)E（EventuallyConsistent）：最終一致性一致性hashGossip協(xié)議Gossip協(xié)議的特點：Raft算法選舉復(fù)制分布式事務(wù)2PC3PCTCC如何解決某個節(jié)點故障的問題？如何解決數(shù)據(jù)一致性的問題？如何解決數(shù)據(jù)傾斜的問題？

CAP理論

先從定義開始：

C（Consistence）：一致性

所有的節(jié)點訪問的是最新的數(shù)據(jù)副本，這是什么意思呢？我們知道在分布式系統(tǒng)中，為了高可用，往往一個節(jié)點會有若干個數(shù)據(jù)副本，簡稱Follower節(jié)點，比較常見的模式是我們的數(shù)據(jù)更新一般會寫入Leader節(jié)點，然后會同步給Follower節(jié)點，當我們讀取數(shù)據(jù)的時候，不論從哪個節(jié)點讀取都可以讀到最新的數(shù)據(jù)，這就是一致性。

A、B、C可以得到同樣的數(shù)據(jù)。

A（Availability）：可用性

非故障節(jié)點可以正常的操作，簡單來說就是客戶端一直可以正常訪問并得到系統(tǒng)的正常響應(yīng)，從用戶角度來看就是不會出現(xiàn)系統(tǒng)操作失敗或者訪問超時等問題，但是系統(tǒng)內(nèi)部可能會出現(xiàn)網(wǎng)絡(luò)延遲等問題。

C節(jié)點因為自身問題不可用，正常情況會被剔除，B節(jié)點與A節(jié)點之間可能存在同步延遲，但是B節(jié)點本身沒有故障，所以B節(jié)點是可用的。

P（Partitiontolerance）：分區(qū)容錯性

網(wǎng)絡(luò)的問題錯綜復(fù)雜，分布式系統(tǒng)肯定是要考慮這一點的，如果出現(xiàn)某個節(jié)點因為網(wǎng)絡(luò)等問題造成數(shù)據(jù)不一致，或者數(shù)據(jù)延遲很久才同步過來，雖然會影響部分節(jié)點數(shù)據(jù)的時效性，但是服務(wù)節(jié)點依然是可用的，分布式系統(tǒng)要能容忍這種情況的。

B對應(yīng)的節(jié)點雖然和Leader斷了聯(lián)系，但是依然可以對外服務(wù)，只不過提供的是老數(shù)據(jù)。

在分布式系統(tǒng)中，CAP是無法同時滿足的，首先由于存在多節(jié)點，并且網(wǎng)絡(luò)傳輸需要時間，所以可能會存在延遲，那么節(jié)點之間的數(shù)據(jù)我們無法保證某一時刻完全一致，因此P（分區(qū)容錯性）是要滿足的。在P滿足的情況下，為什么說CA不能同時滿足呢？我們來通過假設(shè)看一看，如果CA同時滿足會怎么樣。

假設(shè)現(xiàn)在要求滿足C（一致性），那么就是說所有的節(jié)點在某一刻提供的數(shù)據(jù)都必須一致，我們知道在P的情況，是不可能保證的，要保證的話，就只能把其他節(jié)點全部干掉，比如禁止讀寫，那這其實就是和A是相悖的（某些節(jié)點雖然延遲，但是節(jié)點本身可用）。

假設(shè)現(xiàn)在要求滿足A（可用性），那么就是說只要節(jié)點本身沒什么問題，就可以對外提供服務(wù)，哪怕有點數(shù)據(jù)延遲，很明顯這肯定是和C相悖的。

在實際的業(yè)務(wù)中，我們需要根據(jù)業(yè)務(wù)的場景來決定使用CP，還是AP。比如對一些和錢掛鉤的業(yè)務(wù)，數(shù)據(jù)的一致性按道理應(yīng)該是最重要的，因此一般會采用CP，而對于一些不影響主體功能的業(yè)務(wù)，比如像新聞的閱讀量，不同的用戶看到的閱讀量不一樣并不會造成什么影響，可以采用AP。

BASE理論

由于CAP理論中C和A無法兼得，eBay的架構(gòu)師提出了BASE理論，BASE理論主要是在CA之間做文章，它不要求強一致性，因此可以滿足一定的可用性。我們還是先從定義開始：

BA（BasicallyAvailable）：基本可用

注意這個和不可用不是一回事，在分布式系統(tǒng)中出現(xiàn)不可預(yù)估的故障時，允許損失部分可用性，保證核心功能可用，比如正常一個接口響應(yīng)200ms，在出現(xiàn)故障時響應(yīng)超過1s，雖然響應(yīng)時間變長了，但是接口還是可以對外提供服務(wù)的，再比如對于一個視頻網(wǎng)站，在突發(fā)流量到來時，把視頻的彈幕服務(wù)打掛了，但是視頻的播放功能依然正常。

S（Soft-state）：軟狀態(tài)

即分布式系統(tǒng)允許存在一個中間的狀態(tài)，但是這個中間狀態(tài)并不會對服務(wù)造成嚴重的影響，比如對于主從復(fù)制這種，允許從節(jié)點短暫的延遲。

E（EventuallyConsistent）：最終一致性

由于軟狀態(tài)的存在，系統(tǒng)對延遲是可以容忍的，但是在一段時間后，延遲的數(shù)據(jù)需要最終保持一致。

總的來說，BASE理論適用性應(yīng)該更廣泛，很多時候我們并不要求數(shù)據(jù)的強一致性，只要在短暫的延時之后能達到一致性也是可以的。

一致性hash

hash這個詞對我們來說并不陌生，以緩存服務(wù)器來說，一般會在線上配置好幾臺服務(wù)器，然后根據(jù)hash來決定請求哪臺緩存服務(wù)，比如常見的就是取模方式

hash(key)%num

來獲取目標機器。

假設(shè)現(xiàn)在有3臺緩存服務(wù)器，并且當前有3個緩存的key，分別是k0，k1，k2，在經(jīng)過hash以后，它們的分布情況如下：

hash(k0)%3=0#No.0

hash(k1)%3=1#No.1

hash(k2)%3=2#No.2

很幸運，分布的非常均勻，每臺機器一個。某天，由于線上要做個活動，預(yù)計訪問量會加大，需要選擇加一臺服務(wù)器來分擔壓力，于是經(jīng)過hash之后，k0，k1，k2的分布情況如下：

hash(k0)%4=0#No.1

hash(k1)%4=1#No.2

hash(k2)%4=2#No.3

k0的目標緩存服務(wù)器由原本的No.0變成了No.1

k1的目標緩存服務(wù)器由原本的No.1變成了No.2

k2的目標緩存服務(wù)器由原本的No.2變成了No.3

可以發(fā)現(xiàn)因為添加了一臺緩存節(jié)點，導(dǎo)致了k0，k1，k2原來的緩存全部失效了，這似乎有點問題，類似緩存雪崩，嚴重的話會對DB造成很大的壓力，造成這個問題的主要原因是因為我們加了一個節(jié)點，導(dǎo)致hash結(jié)果發(fā)生了變動，此時的hash可以說是不穩(wěn)定的。

為了解決rehash不穩(wěn)定的問題，于是出現(xiàn)了一致性hash算法。一致性hash的原理比較簡單，首先存在一個hash圓環(huán)，這個圓環(huán)可以存放0-2^32-1個節(jié)點。

第一步就是把我們的目標服務(wù)器節(jié)點通過hash映射到這個環(huán)上

第二步根據(jù)我們需要查找的key，它應(yīng)該也對應(yīng)hash環(huán)上的某個位置

也許你會問，這k0、k1、k2也沒和某個緩存節(jié)點對上呀～，這就是一致性hash不同的地方，它此時查找的方式并不是

hash(key)=某個節(jié)點，而是根據(jù)key的位置，順時針找到第一個節(jié)點，這個節(jié)點就是當下這個key的目標節(jié)點。

我們再來看看在一致性hash的情況下，新增一個節(jié)點會發(fā)生什么。

此時唯一的變動就是k0原本應(yīng)該打到cache0節(jié)點的，現(xiàn)在卻打到了我們新加的節(jié)點cache3上，而k1，k2是不變的，也就是說有且只有k0的緩存失效了，相比之前，大大降低了緩存失效的面積。

當然這樣的節(jié)點分布算是比較理想的了，如果我們的節(jié)點是這樣分布的：

幾個cache節(jié)點分布的比較集中，由于順時針查找法，所以最終k0，k1，k2都落在cache0節(jié)點上，也就是說cache1、cache2基本就是多余的，所以為了解決這種數(shù)據(jù)傾斜的問題，一致性hash又引入了虛擬節(jié)點的概念，每個節(jié)點可以有若干個虛擬節(jié)點，比如：

cache0-cache0#1

cache1-cache1#1

cache2-cache2#1

虛擬節(jié)點并不是真正的服務(wù)節(jié)點，它只是一個影子，它的目的就是站坑位，讓節(jié)點更加分散，更加均勻。

這樣通過映射出虛擬節(jié)點以后，k0打到cache2，k1打到cache0，k2打到cache1，虛擬節(jié)點越多，理論分布的越均勻。

Gossip協(xié)議

集群往往是由多個節(jié)點共同組成的，當一個節(jié)點加入集群或者一個節(jié)點從集群中下線的時候，都需要讓集群中其他的節(jié)點知道，這樣才能將數(shù)據(jù)信息分享給新節(jié)點而忽略下線節(jié)點。

A、B、C節(jié)點之間可以互相傳遞消息，但是D節(jié)點在下線之后會被廣播告訴其他存活節(jié)點。

這樣的廣播協(xié)議就是今天要說Gossip協(xié)議，Gossip協(xié)議也叫Epidemic協(xié)議（流行病協(xié)議），當一個消息到來時，通過Gossip協(xié)議就可以像病毒一樣感染全部集群節(jié)點，當然我們利用的是它這個極強的散播能力。

Gossip的過程是由一個種子節(jié)點發(fā)起的，當一個種子節(jié)點有信息需要同步到網(wǎng)絡(luò)中的其他節(jié)點時，它會隨機的選擇周圍幾個節(jié)點散播消息，收到消息的節(jié)點也會重復(fù)該過程，直至最終網(wǎng)絡(luò)中所有的節(jié)點都收到了消息。這個過程可能需要一定的時間，所以不能保證某個時間點所有的節(jié)點都有該條消息，但是理論上最終所有節(jié)點都會收到消息，因此它是一個最終一致性協(xié)議。

Gossip協(xié)議的特點：

Gossip協(xié)議是周期性散播消息，每隔一段時間傳播一次

被感染的節(jié)點，每次可以繼續(xù)散播N個節(jié)點

每次散播消息時，都會選擇尚未發(fā)送過的節(jié)點進行散播

收到消息的節(jié)點，不會向發(fā)送的節(jié)點散播

同一個節(jié)點可能會收到重復(fù)的消息，因為可能同時多個節(jié)點正好向它散播

集群是去中心化的，節(jié)點之間都是平等的

消息的散播不用等接收節(jié)點的ack，即消息可能會丟失，但是最終應(yīng)該會被感染

我們來看個例子：

種子節(jié)點是A

A節(jié)點選擇B、C節(jié)點進行散播

C散播到D，B散播D和E，可以發(fā)現(xiàn)D收到兩次

D散播到F，最終整個網(wǎng)絡(luò)都同步到了消息

Gossip有點類似圖的廣度優(yōu)先遍歷算法，一般用于網(wǎng)絡(luò)拓撲結(jié)構(gòu)信息的分享和維護，像redis、consul都有使用到。

Raft算法

分布式協(xié)議的難點之一就是數(shù)據(jù)的一致性，當由多個節(jié)點組成的集群中只有一個節(jié)點收到數(shù)據(jù)，我們就算成功的話，風(fēng)險太大，當要求所有節(jié)點都收到數(shù)據(jù)才響應(yīng)成功，性能又太差，所以一般會在數(shù)據(jù)的安全和性能之間做個折中，只要保證絕大部分節(jié)點同步數(shù)據(jù)成功，我們就算成功，Raft算法作為比較知名的一致性算法，被廣泛應(yīng)用于許多中間件中，比如像etcd，接下來我們就看看Raft算法是如何工作的。

首先介紹下在Raft算法中，幾種情況下每個節(jié)點對應(yīng)的角色：

Leader節(jié)點：同大多數(shù)分布式中的Leader節(jié)點一樣，數(shù)據(jù)的變更都是通過它的

Follower節(jié)點：Leader節(jié)點的追隨者，負責(zé)復(fù)制數(shù)據(jù)并且在選舉時候投票的節(jié)點

Candidate候選節(jié)點：參與選舉的節(jié)點，就是Follower節(jié)點參與選舉時會切換的角色

Raft算法將一致性問題分解為兩個的子問題，Leader選舉和狀態(tài)復(fù)制。

選舉

首先我們來看看Leader的選舉，系統(tǒng)在剛開始的時候，所有節(jié)點都為Follower節(jié)點，這時大家都有機會參與選舉，也就是把自己變成Candidate，但是如果每個Follower節(jié)點都變成Candidate那么就會陷入無限的死循環(huán)，于是每個Follower都一個定時器，并且定時器的時間是隨機的，當某個Follower的定時器時間走完之后，會確認當前是否存在Leader節(jié)點，如果不存在就會把自己變成Candidate，這時會投自己1票，同時告訴其它節(jié)點，讓它們來投票，當拿到超過半數(shù)以上的投票時，當前的Candidate就會變成Leader節(jié)點。

由于A節(jié)點的定時器時間最短（10ms），所以A會成為Candidate

A投自己一票，同時B、C也投出自己的同意票，因此A會變成Leader節(jié)點，同時會記錄是第M任。這個M是做版本校驗的，比如一個編號是10的節(jié)點，收到了一個編號是9的節(jié)點的投票請求，那么就會拒絕這個請求。

在Leader節(jié)點選舉出來以后，Leader節(jié)點會不斷的發(fā)送心跳給其它Follower節(jié)點證明自己是活著的，其他Follower節(jié)點在收到心跳后會清空自己的定時器，并回復(fù)給Leader，因為此時沒必要觸發(fā)選舉了。

如果Leader節(jié)點在某一刻掛了，那么Follower節(jié)點就不會收到心跳，因此在定時器到來時就會觸發(fā)新一輪的選舉，流程還是一樣，但是如果恰巧兩個Follower都變成了Candidate，并且都得到了同樣的票數(shù)，那么此時就會陷入僵局，為了打破僵局，這時每個Candidate都會隨機推遲一段時間再次請求投票，當然一般情況下，就是先來先得，優(yōu)先跑完定時器的Candidate理論成為Leader的概率更大。

好的選舉流程大致如上，接下來我們來看看數(shù)據(jù)的復(fù)制。

復(fù)制

當Leader節(jié)點收到Client的請求變更時，會把變更記錄到log中，然后Leader會將這個變更隨著下一次的心跳通知給Follower節(jié)點，收到消息的Follower節(jié)點把變更同樣寫入日志中，然后回復(fù)Leader節(jié)點，當Leader收到大多數(shù)的回復(fù)后，就把變更寫入自己的存儲空間，同時回復(fù)client，并告訴Follower應(yīng)用此log。至此，集群就變更達成了共識。

最后，Raft算法是能夠?qū)崿F(xiàn)分布式系統(tǒng)強一致性的算法，每個系統(tǒng)節(jié)點有三種狀態(tài)Leader、Follower、Candidate，實現(xiàn)Raft算法兩個最重要的事是：主的選舉和日志的復(fù)制。

分布式事務(wù)

事務(wù)相信大家不陌，事務(wù)的本質(zhì)是要么一起向前沖，要么一起保持不動。對于MySQL的InnoDB來說，我們只需要執(zhí)行begin、commit就行，有時候我們可能需要回滾rollback。但是這是在同一數(shù)據(jù)庫的前提下，如果我們的數(shù)據(jù)表分庫了或者說我們要操作的資源在不同的網(wǎng)絡(luò)節(jié)點上該怎么辦？這就得用到我們今天要說的分布式事務(wù)了，分布式事務(wù)有2PC、3PC、TCC等，但是無論哪種都無法保證完美的ACID，我們來一起看看是怎么回事吧。

2PC

從名字可以看出它是分兩個階段的，所以它也叫做二階段提交，即準備和提交，2PC要求有個事務(wù)的協(xié)調(diào)者，相比常規(guī)的事務(wù)，我們的請求是發(fā)給這個協(xié)調(diào)者的，然后由協(xié)調(diào)者幫我們協(xié)調(diào)各個節(jié)點資源的提交。

準備階段：協(xié)調(diào)者會讓各個參與事務(wù)的參與者，把除了提交之外所有的事情都干好，也就是就等著提交了

提交階段：協(xié)調(diào)者收到各個參與者的準備消息后，根據(jù)準備情況通知各個參與者提交（commit）或者回滾（rollback）

可以發(fā)現(xiàn)整個過程非常依賴協(xié)調(diào)者，如果協(xié)調(diào)者掛了，那么整個分布式事務(wù)就不可用，所以一般建議協(xié)調(diào)者至少有個備份節(jié)點。

如果協(xié)調(diào)者在收到所有節(jié)點的ok之后，在準備發(fā)送commit消息的時候，由于網(wǎng)絡(luò)問題，導(dǎo)致其中一個節(jié)點始終收不到消息，那么收不到消息的節(jié)點就會一直占著資源不釋放，出現(xiàn)這種情況的時候，建議協(xié)調(diào)者有個重試功能，在commit失敗之后，不停的重試，直至成功。2PC協(xié)議是一種強一致性協(xié)議，它是同步阻塞的，所以在高并發(fā)的場景它的性能可能還會有問題。

3PC

2PC存在一些問題，比如協(xié)調(diào)者從掛了到恢復(fù)后并不知道當前節(jié)點的狀態(tài)，現(xiàn)在應(yīng)該做什么（是該提交還是回滾等等），還有就是當發(fā)生網(wǎng)絡(luò)問題的時候，無法通信的節(jié)點只會傻傻的等待，造成資源一直處于鎖定狀態(tài)。鑒于這些問題，出現(xiàn)了3PC。

首先3PC顧名思義，會分為3個階段，分別是準備階段、預(yù)提交階段和提交階段。

準備階段：主要是詢問參與者自身的狀況，比如你的負載情況如何？能參與接下來的任務(wù)吧？

預(yù)提交階段：除了commit之外的所有準備工作，就等著commit了

提交階段：執(zhí)行真正的commit或者rollback

如果在事務(wù)期間，有新的協(xié)調(diào)者頂替進來，它就可以根據(jù)一個參與者的狀態(tài)來判斷當前應(yīng)該干嘛，比如如果一個參與者處于提交階段，那么表明當前的事務(wù)正處于提交階段。當因為網(wǎng)絡(luò)問題某個節(jié)點一直收不到提交信息，那么此時也不會傻等了，會有超時時間，當超時時