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
两块一毛四34 分钟前
分布式光伏模式怎么选?从 “凭经验” 到 “靠数据”,iSolarBP 帮你锁定最优解
分布式
青鱼入云1 小时前
【面试场景题】不使用redis、zk如何自己开发一个分布式锁
redis·分布式·面试
在未来等你4 小时前
Kafka面试精讲 Day 4:Consumer消费者模型与消费组
大数据·分布式·面试·kafka·消息队列
fht112 小时前
windows下安装kafka
分布式·kafka
IT闫15 小时前
《深入剖析Kafka分布式消息队列架构奥秘》之Springboot集成Kafka
分布式·架构·kafka
项目題供诗16 小时前
Hadoop(五)
大数据·hadoop·分布式
野生技术架构师18 小时前
最强分布式锁工具:Redisson
分布式·wpf
蒋星熠21 小时前
Redis 7.0 高性能缓存架构设计与优化
数据库·redis·分布式·python·缓存·docker·微服务
一叶飘零_sweeeet1 天前
深入理解 RabbitMQ:从底层原理到实战落地的全维度指南
java·分布式·rabbitmq
大飞哥~BigFei1 天前
BigDecimal账户分布式原子操作
java·分布式