saga模型

Saga源于Hector Garcaa-Molrna和Kenneth Salem发表的论文Sagas。一个LLT事务(Long Lived Transaction)可以分成若干个小的事务执行单元,这些小执行单元就是saga事务。Saga方案更适合用于长事务场景。Saga模型将一个分布式事务拆分为多个本地事务,每个本地事务都有相应的执行模块(Transaction)和补偿模块(Compensation),任和一个本地事务出错时,都可以通过调用相关的补充方法实现事务的最终一致性。

当每个Saga子事务序列 T1,T2,...,Tn都有对应的补偿定义C1,C2,...,Cn-1时,Saga系统可以保证如下状态。

子事务序列可以完成。这是事务的最佳情况,即无须回滚。

或者序列 T1, T2, ..., Tx,和Cx, ..., C2, C1(其中x小于n)可以完成。这种状态能够保证,当回滚发生时补偿操作按照正向操作的相反顺序依次执行。

Saga模型同时支持正向恢复和逆向恢复。正向恢复是指重试当前失败的事务,它的实现前提是每个子事务最终都能够执行成功;逆向恢复则是指在任意一个子事务失败时补偿所有已完成的事务。

显然,正向恢复没有必要提供补偿事务,如果在业务中的子事务最终总会成功,那么正向恢复能够降低Saga模型的使用复杂度。另外,即使补偿事务难以实现,正向恢复也是不错的选择。

虽然在理论上来讲,补偿事务永不失败。但是在分布式的世界中,服务器可能会宕机,网络可能会失败,数据中心也可能会停电。因此,需要提供故障恢复后的回退机制,比如人工干预机制等。

Saga模型没有实现事务隔离性。如果两个Saga事务同时操作同一资源则会产生更新丢失、脏数据读取等问题,这时就需要使用Saga作为事务管理机制的应用程序,在应用层面加入资源锁定的逻辑了。

Saga 模式的优缺点

优点

解耦:Saga 模式将长寿命事务拆分为一系列可独立执行的本地事务,降低了不同服务间的耦合度。

高可用:由于 Saga 模式采用了补偿操作来实现事务的原子性,使得每个本地事务可以独立提交,降低了锁的粒度,提高了整个系统的可用性。

容错:Saga 模式可以通过执行补偿操作来处理中断的事务,提高了系统的容错能力。

缺点

一致性:由于 Saga 模式采用了非严格的一致性模型,因此在特定场景下可能出现数据不一致的情况。

复杂性:为确保数据一致性,开发人员需要为每个本地事务编写相应的补偿操作,增加了开发和维护的复杂性。

相关推荐
七夜zippoe5 小时前
事务方案选型全景图:金融与电商场景的实战差异与落地指南
java·分布式·事务
在未来等你9 小时前
Kafka面试精讲 Day 12:副本同步与数据一致性
大数据·分布式·面试·kafka·消息队列
蒋士峰DBA修行之路11 小时前
实验九 合理定义分布列实现性能优化-分布式聚集
分布式
echoyu.12 小时前
消息队列-kafka完结
java·分布式·kafka
七夜zippoe12 小时前
分布式事务性能优化:从故障现场到方案落地的实战手记(二)
java·分布式·性能优化
胚芽鞘68115 小时前
我对rabbitmq的理解(第一次)
分布式·rabbitmq
KIDAKN15 小时前
RabbitMQ 幂等性, 顺序性 和 消息积压
分布式·rabbitmq
Pure031915 小时前
Kafka 零拷贝总结
分布式·kafka
七夜zippoe16 小时前
分布式事务性能优化:从故障现场到方案落地的实战手记(一)
java·分布式·性能优化
武子康16 小时前
Java-122 深入浅出 MySQL CAP理论详解与分布式事务实践:从2PC到3PC与XA模式
java·大数据·数据库·分布式·mysql·性能优化·系统架构