場景
不知道大家有沒有遇到這樣的情況，就是去自動取款機取錢的時候，比如說你去取1000塊錢，這個時候系統會先幫你把1000塊錢扣除，然后自動取款機再把錢吐出來，但是如果取款機出現問題，會發現錢被扣了，但是錢沒有取出來，我第一次遇到這個問題的時候很擔心，當時跨行取取了3000塊錢，短信提醒我錢已經被扣了，但是錢沒取出來，于是準備去找柜臺幫忙處理的時候，手機上又收到一筆交易提醒，提示錢被退回來了！
在這個事情中，引發了一個對于資料一致性的思考
基于整個資金處理鏈路的體驗，大概的流程是這樣:
場景分析
如果真實的場景是如我這個圖所畫的那樣的話， 會存在幾個問題
1. A銀行同步呼叫B銀行的遠程介面來扣款，如果介面處理比較耗時或者出現網路故障時，會導致比較阻塞的時間比較長，那么對于用戶的感覺就是取款機頁面一直在轉圈圈，
2. 當出款失敗的時候，A銀行的本地交易表狀態改成了4出款失敗，并且同步呼叫B銀行的介面把扣減的3000元回滾，如果回滾失敗，就會導致用戶的錢被扣了，但是沒有取出現金來，
遠程介面的異步呼叫
對于第三方的呼叫，并且對性能有一定要求的流程中，一定不能用同步的方式，所以我們通過異步化改造一下第一個流程
異步流程的話，我之前做支付業務的時候，是這么做的
A銀行呼叫B銀行的介面，引入了一個異步訊息佇列，把所有的交易指令直接丟給訊息佇列異步去處理，B銀行收到指令執行完以后，再通過
http協議把結果寫回給A銀行
出款失敗的資料回滾
我們先不管方案引入以后會帶來哪些問題，我們先把原來的問題解決掉，
當取款機出款失敗的時候，這筆交易要回滾，按照上面的圖來看，實際上就存在一個資料一致性問題，也就是交易記錄表要記錄這筆交易是失敗的，并且
要把這筆錢退回到賬戶上，這種一致性問題實際上就是大家所說的分布式事務問題
分布式事務問題也叫分布式資料一致性問題
其實在分布式架構中，分布式事務問題，是非常常見的問題，既然是常見，那肯定會有解決辦法，這里我并不打算展開他的各種解決方案，給大家講講
架構思維層面的東西
首先我們知道資料庫事務會滿足ACID特性：
- 原子性（A）；
- 一致性（C）；
- 隔離性（I）；
- 持久性（D）；
而在這四大特性中，一致性是最基本的特性，其它的三個特性都為了保證一致性而存在的！
而在分布式場景中，這種單庫事務就沒什么意義了，
分布式場景中的事務一致性方案
在分布式架構中，有很多種解決一致性問題的方案，比如TCC（事務補償）、比如基于可靠性訊息的最終一致性、比如基于2pc協議的強一致性、
對于很多中間件里面的一致性協議，有paxos、Raft等演算法 ；這些大家都可以自己去看看
我們前面說過，在分布式架構下，分布式事務的問題是很常見的，所以目前市面上提供的解決方案也比較多，那么這里就涉及到兩個概念
一個是強一致性、 一個是弱一致性
所謂的強一致性，就是保證跨節點的資料的強一致，要么同時成功，要么同時失敗
而所謂的弱一致性，其實就是一種最終一致性，
CAP和BASE
強一致性和弱一致性有什么區別，或者對系統會產生什么樣的影響呢？我們來分析一下
CAP 定理，又被叫作布魯爾定理，對于設計分布式系統(不僅僅是分布式事務)的架構師來說，CAP 就是你的入門理論，
1.C (一致性)：對某個指定的客戶端來說，讀操作能回傳最新的寫操作，對于資料分布在不同節點上的資料來說，如果在某個節點更新了資料，那么在其他節點如果都能讀取到這個最新的資料，那么就稱為強一致，如果有某個節點沒有讀取到，那就是分布式不一致，
2.A (可用性)：非故障的節點在合理的時間內回傳合理的回應(不是錯誤和超時的回應)，可用性的兩個關鍵一個是合理的時間，一個是合理的回應，
合理的時間指的是請求不能無限被阻塞，應該在合理的時間給出回傳，合理的回應指的是系統應該明確回傳結果并且結果是正確的
3.P (磁區容錯性)：當出現網路磁區后，系統能夠繼續作業，打個比方，這里集群有多臺機器，有臺機器網路出現了問題，但是這個集群仍然可以正常作業，
熟悉 CAP 的人都知道，三者不能共有，因為在分布式系統中，網路無法 100% 可靠，磁區其實是一個必然現象，
如果我們選擇了 CA 而放棄了 P，那么當發生磁區現象時，為了保證一致性，這個時候必須拒絕請求，但是 A 又不允許，所以分布式系統理論上不可能選擇 CA 架構，只能選擇 CP 或者 AP 架構，
對于 CP 來說，放棄可用性，追求一致性和磁區容錯性，
對于 AP 來說，放棄一致性(這里說的一致性是強一致性)，追求磁區容錯性和可用性，這是很多分布式系統設計時的選擇，后面的 BASE 也是根據 AP 來擴展，
BASE 是 Basically Available(基本可用)、Soft state(軟狀態)和 Eventually consistent (最終一致性)三個短語的縮寫，是對 CAP 中 AP 的一個擴展，
基本可用：分布式系統在出現故障時，允許損失部分可用功能，保證核心功能可用，
軟狀態：允許系統中存在中間狀態，這個狀態不影響系統可用性，這里指的是 CAP 中的不一致，
最終一致：最終一致是指經過一段時間后，所有節點資料都將會達到一致，
BASE 解決了 CAP 中理論沒有網路延遲，在 BASE 中用軟狀態和最終一致，保證了延遲后的一致性，
對于互聯網公司，用戶體驗是最重要的，所以為了避免強一致帶來的阻塞，會采用最終一致性方案來解決資料一致性問題，而用得比較多的都是基于本地訊息表+異步佇列 以及基于可靠性訊息佇列來實作最終一致性方案
出款失敗場景改造
基于理論的鋪墊，我們可以思考并改造一下取款的邏輯
這個環節到這里就結束了嗎？其實還沒有
僅僅利用可靠性訊息佇列來保證資料的最終一致性還是不夠的，如果訊息佇列本身的可靠性出現問題也會帶來資料不一致問題，
所以一般的做法是，在A銀行端做一個本地訊息表，記錄這筆訊息的處理狀態，然后通過定時任務來輪詢訊息表，來實作資料最終一致性
訊息表設計
訊息表中有交易必須要用到的業務欄位，也有設計到訊息重發的輔助欄位
Id 交易流水號
status 交易狀態
lastUpdateTime 最后更新時間
如果覺得本文有用，推薦頂一頂，可以讓更多的人能夠看到！
歡迎關注公眾號：“Java架構師學習”
你會喜歡的！
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/48397.html
標籤：架構設計
下一篇：什么樣的代碼是好代碼？