分布式事务-使用队列实现最终一致性

分布式事务-扣减库存

一、最终一致性架构图

1、服务

左侧:创建订单服务Server1

右侧:扣减库存服务Server2

中间:独立消息服务Server3

2、中间件:

Kafka-MQ、MySQL-db


二、步骤

0、定义MQ,三个状态

  • prepare
  • confirm
  • ack

1、Server1

  • 生成单据号
  • 调用Server3#updateMQ接口,状态为prepare

2、Server1

  • 下单

3+5、Server1

  • 下单结束后,调用Server3#updateMQ接口,状态为confirm

4、Server3

  • 定时任务,捞取db中所有单据号(单据号id、消息id、业务类型、消息状态、消息体)

  • 遍历所有状态为prepare的单据号

    • 查询server1中#queryOrder接口

      • 如果没有用查询到订单信息,说明server1服务下单流程失败了,没有建单

        此时,直接删除db中此无用单据信息

      • 如果查询到了订单信息,说明server1服务的confirm阶段失败了

        此时,将db中此单据id对应的消息状态,更新为confirm、并sendMQ到消息队列

6、单据id对应的消息状态为confirm的MQ,被发送到MQ中了

7、server2

扣减库存服务,监听到MQ后,消费MQ

  • 扣减库存成功,则ACK

    • 调用server3#updateMQ接口,将单据id的状态改为ACK
  • 扣减库存成功,则Kafka有重试机制,也有死信机制,保障消费一定成功


三、代码实现

server3服务

1)updateMQ接口入参定义

java 复制代码
public class Message implements Serializable {
    private String orderId;
    /**
     * 业务类型:1-优选订单、2-买菜订单
     */
    private Integer businessType;

    /**
     * MQ状态:1-prepare、2-confirm、3-ack
     */
    private Integer status;
    
    private BizData bizData;
}

2)updateMQ方法内容

java 复制代码
    @Transactional
    public void updateMQ(Message mq) {
        Integer status = mq.getStatus();
        if (status == 1) {
            // saveDb
        } else if (status == 2) {
            // sendMQ2Kafka
            // updateDb(将单据状态改为2)
        } else if (status == 3) {
            // updateDb(将单据状态改为3)
        }
    }

3)定时任务

java 复制代码
    @Scheduled(cron = "0 * * * * *")
    public void craneTask() {
        // 1、拉去db
        // 2、获取状态为prepare=1的单据
        // 3.查看server1服务查询订单接口
            // 3.1 订单不存在,则删除db此条数据
            // 3.2 订单存在,  则更新db此条数据状态为confirm、然后sendMQ2Kafka
    }
server1
  • 提供查询订单接口服务
  • 在步骤1,创建订单之前时,调用server3#updateMQ接口,入参状态为prepare=1
  • 在步骤3和5,创建订单之后时,调用server3#updateMQ接口,入参状态为confirm=2
server2服务
  • 监听kafka的消息,消费,扣减库存即可
    erver3#updateMQ接口,入参状态为prepare=1
  • 在步骤3和5,创建订单之后时,调用server3#updateMQ接口,入参状态为confirm=2
server2服务
  • 监听kafka的消息,消费,扣减库存即可
    • 消费消息成功后,调用updateMQ,入参状态为ACK=3
相关推荐
我不会起名字3221 天前
Redis 从 0 到 1(十八):List、Pub/Sub、Stream 为什么生产只用 Stream?Go 实操
redis·消息队列·go·stream·pub/sub
千里达景区票务系统2 天前
消息队列选型对比:RabbitMQ vs RocketMQ vs Kafka
kafka·消息队列·rabbitmq·rocketmq
Sayai2 天前
Kafka 跨数据中心日志同步实战:MirrorMaker 2 选型对比 + Flink 中继任务落地(双中心互备与消费者组隔离避坑)
大数据·运维·分布式·flink·kafka·消息队列·高可用
IT规划师3 天前
Redis 数据类型全解 - List:用对是队列用错是灾难(二)
redis·消息队列·.net
螺蛳粉 螺蛳粉6 天前
CDH第七篇:CDH 集成 Kafka 实战:CSD + Parcel 组合拳,先装 ZooKeeper 是铁律
物联网·zookeeper·kafka·消息队列·parcel·cdh集成·csd
我不会起名字3229 天前
Kafka 重复消费:自动提交位点与手动提交的 3 个错位
kafka·消息队列·幂等·排查
爱好曙光10 天前
NATS JetStream 消费者 ack 与重投递:重复消费治理实战
消息队列·幂等·ack·jetstream·nats
我不会起名字32211 天前
Kafka 顺序消息为什么乱了:分区数变化与重试的 3 类原因
kafka·消息队列·顺序·排查
Sayai12 天前
Kafka 磁盘空间治理实战:retention 保留策略、log.dirs 在线扩容、分区跨盘迁移与不停机整体换盘
大数据·运维·分布式·kafka·消息队列
张彦峰ZYF15 天前
一条消息的丢与重:Kafka 与 RabbitMQ 可靠投递的确认、位点、死信与幂等全链路
后端·kafka·消息队列·rabbitmq·isr·解耦与削峰·丢失与重复