Day3 微服务 微服务保护（请求限流、线程隔离、服务熔断）、Sentinel微服务保护框架、分布式事务（XA模式、AT模式）、Seata分布式事务框架

麒麟而非淇淋2025-01-06 11:53

目录

1.微服务保护

1.1.服务保护方案

[1.1.1 请求限流](#1.1.1 请求限流)

[1.1.2 线程隔离](#1.1.2 线程隔离)

[1.1.3 服务熔断](#1.1.3 服务熔断)

[1.2 Sentinel](#1.2 Sentinel)

1.2.1.介绍和安装

[1.2.2 微服务整合](#1.2.2 微服务整合)

[1.2.2.1 引入sentinel依赖](#1.2.2.1 引入sentinel依赖)

[1.2.2.2 配置控制台](#1.2.2.2 配置控制台)

[1.2.2.3 访问cart-service的任意端点](#1.2.2.3 访问cart-service的任意端点)

[1.3 请求限流](#1.3 请求限流)

[1.4 线程隔离](#1.4 线程隔离)

[1.4.1 OpenFeign整合Sentinel](#1.4.1 OpenFeign整合Sentinel)

[1.4.2 配置线程隔离](#1.4.2 配置线程隔离)

1.5.服务熔断

[1.5.1 编写降级逻辑（fallback）](#1.5.1 编写降级逻辑（fallback）)

[1.5.2 服务熔断](#1.5.2 服务熔断)

2.分布式事务

[2.1 认识Seata](#2.1 认识Seata)

[2.2 部署TC微服务](#2.2 部署TC微服务)

[2.2.1 准备数据库表](#2.2.1 准备数据库表)

[2.2.2 准备配置文件](#2.2.2 准备配置文件)

[2.2.3 Docker部署](#2.2.3 Docker部署)

[2.3 微服务集成Seata](#2.3 微服务集成Seata)

2.3.1.引入依赖

2.3.2.改造配置

[2.3.3 添加数据库表](#2.3.3 添加数据库表)

[2.3.4 测试](#2.3.4 测试)

[2.4 XA模式](#2.4 XA模式)

[2.4.1 两阶段提交](#2.4.1 两阶段提交)

[2.4.2 Seata的XA模型](#2.4.2 Seata的XA模型)

[2.4.3 优缺点](#2.4.3 优缺点)

[2.4.4 实现步骤](#2.4.4 实现步骤)

[2.5 AT模式](#2.5 AT模式)

[2.5.1 Seata的AT模型](#2.5.1 Seata的AT模型)

[2.5.2 流程梳理](#2.5.2 流程梳理)

[2.5.3 AT与XA的区别](#2.5.3 AT与XA的区别)

思维导图：

1.微服务保护

保证服务运行的健壮性，避免级联失败导致的雪崩问题，就属于微服务保护。

1.1.服务保护方案

微服务保护的方案有很多，比如：

  • 请求限流

  • 线程隔离

  • 服务熔断

这些方案或多或少都会导致服务的体验上略有下降，比如请求限流，降低了并发上限；线程隔离，降低了可用资源数量；服务熔断，降低了服务的完整度，部分服务变的不可用或弱可用。因此这些方案都属于服务降级的方案。但通过这些方案，服务的健壮性得到了提升，

1.1.1 请求限流

服务故障最重要原因，就是并发太高！ 解决了这个问题，就能避免大部分故障。当然，接口的并发不是一直很高，而是突发的。因此请求限流，就是限制或控制接口访问的并发流量，避免服务因流量激增而出现故障。

请求限流往往会有一个限流器，数量高低起伏的并发请求曲线，经过限流器就变的非常平稳。

1.1.2 线程隔离

**当一个业务接口响应时间长，而且并发高时，就可能耗尽服务器的线程资源，导致服务内的其它接口受到影响。****所以我们必须把这种影响降低，或者缩减影响的范围。**线程隔离正是解决这个问题的好办法。

线程隔离：为了避免服务器的线程资源被某个接口全部占用，导致其他接口拿不到线程资源，而引起的访问异常。

如图所示，我们给查询购物车业务限定可用线程数量上限为20 ，这样即便查询购物车的请求因为查询商品服务而出现故障，也不会导致服务器的线程资源被耗尽，不会影响到其它接口。

1.1.3 服务熔断

线程隔离虽然避免了雪崩问题，但故障服务（商品服务）依然会拖慢购物车服务（服务调用方）的接口响应速度。

服务熔断：对异常或者慢接口进行统计，超过阈值就熔断接口，此时在熔断的时间内，会拒绝该接口的所有请求。

所以，我们要做两件事情：

  • 编写服务降级逻辑 ：就是服务调用失败后的处理逻辑，根据业务场景，可以抛出异常，也可以返回友好提示或默认数据（fallback逻辑）。

  • 异常统计和熔断 ：统计服务提供方的异常比例，当异常比例过高表明该接口会影响到其它服务，应该拒绝调用该接口，而是直接走降级逻辑。

熔断了 就进入fallback了， fangback 返回了 空集合 所以前端显示null。

1.2 Sentinel

1.2.1.介绍和安装

Sentinel是一款服务保护框架，目前已经加入SpringCloudAlibaba中。

官方网站：https://sentinelguard.io/zh-cn/

Sentinel 的使用可以分为两个部分:

  • 核心库 （Jar包）：不依赖任何框架/库，能够运行于 Java 8 及以上的版本的运行时环境，同时对 Dubbo / Spring Cloud 等框架也有较好的支持。在项目中引入依赖即可实现服务限流、隔离、熔断等功能。

  • 控制台 （Dashboard）：Dashboard 主要负责管理推送规则、监控、管理机器信息等。

为了方便监控微服务，我们先把Sentinel的控制台搭建出来。

1）下载jar包

下载地址：https://github.com/alibaba/Sentinel/releases

也可以直接使用课前资料提供的版本：

2）运行

将jar包放在任意非中文、不包含特殊字符的目录下，然后运行如下命令启动控制台：

java -Dserver.port=8090 -Dcsp.sentinel.dashboard.server=localhost:8090 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard.jar

其它启动时可配置参数可参考官方文档： https://github.com/alibaba/Sentinel/wiki/%E5%90%AF%E5%8A%A8%E9%85%8D%E7%BD%AE%E9%A1%B9

3）访问

访问http://localhost:8090页面，就可以看到sentinel的控制台了：

需要输入账号和密码，默认都是：sentinel。

登录后，即可看到控制台，默认会监控sentinel-dashboard服务本身：

1.2.2 微服务整合

我们在cart-service模块中整合sentinel，连接sentinel-dashboard控制台，步骤如下：

1.2.2.1 引入sentinel依赖
XML 复制代码 
<!--sentinel-->
<dependency>
    <groupId>com.alibaba.cloud</groupId> 
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
1.2.2.2 配置控制台

修改application.yaml文件，添加下面内容：

XML 复制代码 
spring:
  cloud: 
    sentinel:
      transport:
        dashboard: localhost:8090
1.2.2.3 访问cart-service的任意端点

重启cart-service，然后访问查询购物车接口，sentinel的客户端就会将服务访问的信息提交到sentinel-dashboard控制台。并展示出统计信息：

点击簇点链路菜单，会看到下面的页面：

簇点链路就是单机调用链路，是一次请求进入服务后经过的每一个被Sentinel监控的资源。

默认情况下，Sentinel会监控SpringMVC的每一个Endpoint（接口）。

因此，我们看到/carts这个接口路径就是其中一个簇点，可以对其进行限流、熔断、隔离等保护措施。

注意事项：SpringMVC接口是按照Restful风格设计，因此购物车的查询、删除、修改等接口全部都是/carts路径：

默认情况下Sentinel会把路径作为簇点资源的名称，无法区分路径相同但请求方式不同的接口，查询、删除、修改等都被识别为一个簇点资源，这显然是不合适的。

所以我们可以选择打开Sentinel的请求方式前缀 ，把**请求方式 + 请求路径作为簇点资源名：**

首先，在cart-service的application.yml中添加下面的配置：

XML 复制代码 
spring:
  cloud:
    sentinel:
      transport:
        dashboard: localhost:8090
      http-method-specify: true # 开启请求方式前缀

然后，重启服务，通过页面访问购物车的相关接口，可以看到sentinel控制台的簇点链路发生了变化：

1.3 请求限流

在簇点链路后面点击流控按钮，即可对其做限流配置：

在弹出的菜单中这样填写：

这样就把查询购物车列表这个簇点资源的流量限制在了每秒6个，也就是最大QPS为6。

定义：

  • QPS（Queries Per Second） ：每秒查询率，是对服务器在规定时间内所处理流量多少的衡量标准。
  • 并发线程数 ：**指的是在同一时刻系统中正在运行的线程数量。**在服务器环境下，线程是处理请求的基本执行单元，并发线程数体现了系统同时处理多个任务的能力。

计算方式：

  • QPS 计算方式 ：通常通过统计一段时间内（如 1 秒）成功处理的请求数量来计算。例如，在 10 秒内服务器成功处理了 100 个请求，那么平均 QPS 就是 100/10 = 10。它更关注系统的处理能力和吞吐量，重点在于单位时间内系统能够完成的任务数量。5个并发线程，如果单线程的QPS为2，则5个线程的QPS则为10。
  • 并发线程数计算方式 ：通过统计系统中同时处于运行状态的线程数量来确定。它更关注系统资源的分配和利用情况，例如 CPU、内存等资源在多个线程之间的分配。如果系统中有 10 个线程同时在运行，那么并发线程数就是 10。

我们利用Jemeter做限流测试，我们每秒发出10个请求：

最终监控结果如下：

可以看出GET:/carts这个接口的通过QPS稳定在6附近，而拒绝的QPS在4附近，符合我们的预期。

1.4 线程隔离

**限流可以降低服务器压力，尽量减少因并发流量引起的服务故障的概率，但并不能完全避免服务故障。**一旦某个服务出现故障，我们必须隔离对这个服务的调用，避免发生雪崩。

比如，查询购物车的时候需要查询商品，为了避免因商品服务出现故障导致购物车服务级联失败，我们可以把购物车业务中查询商品的部分隔离起来，限制可用的线程资源：

这样，即便商品服务出现故障，最多导致查询购物车业务故障，并且可用的线程资源也被限定在一定范围，不会导致整个购物车服务崩溃。

没有做线程隔离的结果：

在Item-service的查询商品，添加休眠时间：

Jmeter：

没开启Jmeter前测试：

开启Jmeter后测试：

在高并发的情况下，该服务下的其他接口也会受到影响，原因就是tomcat资源被耗尽。

做了线程隔离：

超出的QPS上限的请求就只能抛出异常，从而导致购物车的查询失败。

接下来，我们要对查询商品的FeignClient接口做线程隔离。

1.4.1 OpenFeign整合Sentinel

修改cart-service模块的application.yml文件，开启Feign的sentinel功能：

默认只扫描SpringMVC的接口，因此要配置一下：

XML 复制代码 
feign:
  sentinel:
    enabled: true # 开启feign对sentinel的支持

**注意事项：**默认情况下SpringBoot项目的tomcat最大线程数是200，允许的最大连接是8492，单机测试很难打满。

所以我们需要配置一下cart-service模块的application.yml文件，修改tomcat连接：

XML 复制代码 
server:
  port: 8082
  tomcat:
    threads:
      max: 25 # 允许的最大线程数
    accept-count: 25 # 最大排队等待数量
    max-connections: 100 # 允许的最大连接

然后重启cart-service服务，可以看到查询商品的FeignClient自动变成了一个簇点资源：

1.4.2 配置线程隔离

接下来，点击查询商品的FeignClient对应的簇点资源后面的流控按钮：

在弹出的表单中填写下面内容：

**注意事项：**这里勾选的是并发线程数限制，也就是说这个查询功能最多使用5个线程，而不是5QPS。如果查询商品的接口每秒处理2个请求，则5个线程的实际QPS在10左右，而超出的请求自然会被拒绝。

我们利用Jemeter测试，每秒发送100个请求：

最终测试结果如下：

进入查询购物车的请求每秒大概在100，而在查询商品时却只剩下每秒10左右，符合我们的预期。

此时如果我们通过页面访问购物车的其它接口，例如添加购物车、修改购物车商品数量，发现不受影响：

响应时间非常短，这就证明线程隔离起到了作用，尽管查询购物车这个接口并发很高，但是它能使用的线程资源被限制了，因此不会影响到其它接口。

做了线程隔离：

超出的QPS上限的请求就只能抛出异常，从而导致购物车的查询失败。

1.5.服务熔断

在上节课，我们利用线程隔离对查询购物车业务进行隔离，保护了购物车服务的其它接口。由于查询商品的功能耗时较高（我们模拟了500毫秒延时），再加上线程隔离限定了线程数为5，导致接口吞吐能力有限，最终QPS只有10左右。

这就导致了几个问题：

1、超出的QPS上限的请求就只能抛出异常，从而导致购物车的查询失败。但从业务角度来说，即便没有查询到最新的商品信息，购物车也应该展示给用户，用户体验更好。 也就是给查询失败设置一个降级处理逻辑。

2、由于查询商品的延迟较高（模拟的500ms），从而导致查询购物车的响应时间也变的很长。 这样不仅拖慢了购物车服务，消耗了购物车服务的更多资源，而且用户体验也很差。对于商品服务这种不太健康的接口，我们应该直接停止调用，直接走降级逻辑，避免影响到当前服务。也就是将商品查询接口熔断。

1.5.1 编写降级逻辑（fallback）

触发限流或熔断后的请求不一定要直接报错，也可以返回一些默认数据或者友好提示，用户体验会更好。

给FeignClient编写失败后的降级逻辑有两种方式：

  • 方式一：FallbackClass，无法对远程调用的异常做处理

  • 方式二：FallbackFactory，可以对远程调用的异常做处理，我们一般选择这种方式。

这里我们演示方式二的失败降级处理。

步骤一 ：在hm-api模块中给ItemClient定义降级处理类，实现FallbackFactory：

代码如下：

fallback逻辑：查询购物车允许失败，查询失败，返回空集合。

java 复制代码 
@Slf4j
public class ItemClientFallback implements FallbackFactory<ItemClient> {
    @Override
    public ItemClient create(Throwable cause) {
        return new ItemClient() {
            @Override
            public List<ItemDTO> queryItemByIds(Collection<Long> ids) {
                log.error("远程调用ItemClient#queryItemByIds方法出现异常，参数：{}", ids, cause);
                // 查询购物车允许失败，查询失败，返回空集合
                return CollUtils.emptyList();
            }

            @Override
            public void deductStock(List<OrderDetailDTO> items) {
                // 库存扣减业务需要触发事务回滚，查询失败，抛出异常
                throw new BizIllegalException(cause);
            }
        };
    }
}

步骤二 ：在hm-api模块中的com.hmall.api.config.DefaultFeignConfig类中将ItemClientFallback注册为一个Bean：

步骤三 ：在hm-api模块中的ItemClient接口中使用ItemClientFallbackFactory：

重启后，再次测试，发现被限流的请求不再报错，走了降级逻辑：

但是未被限流的请求延时依然很高：

导致最终的平局响应时间较长。

1.5.2 服务熔断

查询商品的RT较高（模拟的500ms），从而导致查询购物车的RT也变的很长。这样不仅拖慢了购物车服务，消耗了购物车服务的更多资源，而且用户体验也很差。

对于商品服务这种不太健康的接口，我们应该停止调用，直接走降级逻辑，避免影响到当前服务。也就是将商品查询接口熔断。当商品服务接口恢复正常后，再允许调用。这其实就是断路器的工作模式了。

Sentinel中的断路器不仅可以统计某个接口的慢请求比例，还可以统计异常请求比例。 当这些比例超出阈值时，就会熔断 该接口，即拦截访问该接口的一切请求，降级处理；当该接口恢复正常时，再放行对于该接口的请求。

断路器的工作状态切换有一个状态机来控制：

状态机包括三个状态：

  • closed：关闭状态，断路器放行所有请求，并开始统计异常比例、慢请求比例。超过阈值则切换到open状态

  • open ：打开状态，服务调用被熔断，访问被熔断服务的请求会被拒绝，快速失败，直接走降级逻辑。Open状态持续一段时间后会进入half-open状态

  • half-open：半开状态，放行一次请求，根据执行结果来判断接下来的操作。

    • 请求成功：则切换到closed状态

    • 请求失败：则切换到open状态

我们可以在控制台通过点击簇点后的**熔断**按钮来配置熔断策略：

在弹出的表格中这样填写：

这种是按照慢调用比例来做熔断，上述配置的含义是：

  • RT超过200毫秒的请求调用就是慢调用

  • 统计最近1000ms内的最少5次请求，如果慢调用比例不低于0.5，则触发熔断

  • 熔断持续时长20s

配置完成后，再次利用Jemeter测试，可以发现：

在一开始一段时间是允许访问的，后来触发熔断后，查询商品服务的接口通过QPS直接为0，所有请求都被熔断了。而查询购物车的本身并没有受到影响。

此时整个购物车查询服务的平均RT影响不大：

2.分布式事务

首先我们看看项目中的下单业务整体流程：

**应用场景：**由于订单、购物车、商品分别在三个不同的微服务，而每个微服务都有自己独立的数据库，因此下单过程中就会跨多个数据库完成业务。

而每个微服务都会执行自己的本地事务：

  • 交易服务：下单事务

  • 购物车服务：清理购物车事务

  • 库存服务：扣减库存事务

整个业务中，各个本地事务是有关联的。因此每个微服务的本地事务，也可以称为分支事务 。多个有关联的分支事务一起就组成了全局事务 。因此，我们必须保证整个全局事务同时成功或失败。

问题：每一个分支事务就是传统的单体事务 ，都可以满足ACID特性，但全局事务跨越多个服务、多个数据库，是否还能满足ACID呢？

我们来做一个测试，先进入购物车页面：

目前有4个购物车，然结算下单，进入订单结算页面：

然后将购物车中某个商品的库存修改为0：

然后，提交订单，最终因库存不足导致下单失败：

然后我们去查看购物车列表，发现购物车数据依然被清空了，并未回滚：

**答案：**事务并未遵循ACID的原则，归其原因就是参与事务的多个子业务在不同的微服务，跨越了不同的数据库。虽然每个单独的业务都能在本地遵循ACID，但是它们互相之间没有感知，不知道有人失败了，无法保证最终结果的统一，也就无法遵循ACID的事务特性了。

这就是分布式事务问题，出现以下情况之一就可能产生分布式事务问题：

  • 业务跨多个服务实现

  • 业务跨多个数据源实现

接下来我们就一起来研究下如何解决分布式事务问题。

2.1 认识Seata

解决分布式事务的方案有很多，在众多的开源分布式事务框架中，功能最完善、使用最多的就是阿里巴巴在2019年开源的Seata了。

官方地址：https://seata.apache.org/zh-cn/docs/overview/what-is-seata/

其实分布式事务产生的一个重要原因，就是参与事务的多个分支事务互相无感知，不知道彼此的执行状态。

解决分布式事务的思想：

**就是找一个统一的事务协调者，与多个分支事务通信，检测每个分支事务的执行状态，保证全局事务下的每一个分支事务同时成功或失败即可。**大多数的分布式事务框架都是基于这个理论来实现的。

Seata也不例外，在Seata的事务管理中有三个重要的角色：

  • TC ( Transaction Coordinator ) - 事务协调者：维护全局和分支事务的状态，协调全局事务提交或回滚。

  • TM (Transaction Manager) - 事务管理器： 定义全局事务的范围、开始全局事务、提交或回滚全局事务。

  • RM (Resource Manager) - 资源管理器： 管理分支事务，与TC交谈以注册分支事务和报告分支事务的状态，并驱动分支事务提交或回滚。

Seata的工作架构如图所示：

其中，TM和RM可以理解为Seata的客户端部分，引入到参与事务的微服务依赖中即可。 将来TM 和RM 就会协助微服务，实现本地分支事务与TC之间交互，实现事务的提交或回滚。

而TC服务则是事务协调中心，是一个独立的微服务，需要单独部署。

2.2 部署TC微服务

2.2.1 准备数据库表

Seata支持多种存储模式，但考虑到持久化的需要，我们一般选择基于数据库存储。执行课前资料提供的《seata-tc.sql》，导入数据库表：

branch_table是分支事务表，存储分支事务执行情况。

global_table是全局事务表，存储全局的事务信息。

2.2.2 准备配置文件

课前资料准备了一个seata目录，其中包含了seata运行时所需要的配置文件：

application.yml：

XML 复制代码 
server:
  port: 7099

spring:
  application:
    name: seata-server

logging:
  config: classpath:logback-spring.xml
  file:
    path: ${user.home}/logs/seata
  # extend:
  #   logstash-appender:
  #     destination: 127.0.0.1:4560
  #   kafka-appender:
  #     bootstrap-servers: 127.0.0.1:9092
  #     topic: logback_to_logstash

console:
  user:
    username: admin
    password: admin

seata:
  config:
    # support: nacos, consul, apollo, zk, etcd3
    type: file
    # nacos:
    #   server-addr: nacos:8848
    #   group : "DEFAULT_GROUP"
    #   namespace: ""
    #   dataId: "seataServer.properties"
    #   username: "nacos"
    #   password: "nacos"
  registry:
    # support: nacos, eureka, redis, zk, consul, etcd3, sofa
    type: nacos
    nacos:
      application: seata-server
      server-addr: nacos:8848
      group : "DEFAULT_GROUP"
      namespace: ""
      username: "nacos"
      password: "nacos"
#  server:
#    service-port: 8091 #If not configured, the default is '${server.port} + 1000'
  security:
    secretKey: SeataSecretKey0c382ef121d778043159209298fd40bf3850a017
    tokenValidityInMilliseconds: 1800000
    ignore:
      urls: /,/**/*.css,/**/*.js,/**/*.html,/**/*.map,/**/*.svg,/**/*.png,/**/*.ico,/console-fe/public/**,/api/v1/auth/login
  server:
    # service-port: 8091 #If not configured, the default is '${server.port} + 1000'
    max-commit-retry-timeout: -1
    max-rollback-retry-timeout: -1
    rollback-retry-timeout-unlock-enable: false
    enable-check-auth: true
    enable-parallel-request-handle: true
    retry-dead-threshold: 130000
    xaer-nota-retry-timeout: 60000
    enableParallelRequestHandle: true
    recovery:
      committing-retry-period: 1000
      async-committing-retry-period: 1000
      rollbacking-retry-period: 1000
      timeout-retry-period: 1000
    undo:
      log-save-days: 7
      log-delete-period: 86400000
    session:
      branch-async-queue-size: 5000 #branch async remove queue size
      enable-branch-async-remove: false #enable to asynchronous remove branchSession
  store:
    # support: file 、 db 、 redis
    mode: db
    session:
      mode: db
    lock:
      mode: db
    db:
      datasource: druid
      db-type: mysql
      driver-class-name: com.mysql.cj.jdbc.Driver
      url: jdbc:mysql://mysql:3306/seata?rewriteBatchedStatements=true&serverTimezone=UTC
      user: root
      password: 123
      min-conn: 10
      max-conn: 100
      global-table: global_table
      branch-table: branch_table
      lock-table: lock_table
      distributed-lock-table: distributed_lock
      query-limit: 1000
      max-wait: 5000
    # redis:
    #   mode: single
    #   database: 0
    #   min-conn: 10
    #   max-conn: 100
    #   password:
    #   max-total: 100
    #   query-limit: 1000
    #   single:
    #     host: 192.168.150.101
    #     port: 6379
  metrics:
    enabled: false
    registry-type: compact
    exporter-list: prometheus
    exporter-prometheus-port: 9898
  transport:
    rpc-tc-request-timeout: 15000
    enable-tc-server-batch-send-response: false
    shutdown:
      wait: 3
    thread-factory:
      boss-thread-prefix: NettyBoss
      worker-thread-prefix: NettyServerNIOWorker
      boss-thread-size: 1

我们将整个seata文件夹拷贝到虚拟机的/root目录：

2.2.3 Docker部署

注意事项：要确保nacos、mysql都在hm-net网络中，因为配置都是利用容器名来映射地址，因此需要在同一个网络才能相互访问。

如果某个容器不再hm-net网络，可以参考下面的命令将某容器加入指定网络：

java 复制代码 
docker network connect [网络名] [容器名]

在虚拟机的/root目录执行下面的命令：

java 复制代码 
docker run --name seata \
-p 8099:8099 \
-p 7099:7099 \
-e SEATA_IP=192.168.150.101 \
-v ./seata:/seata-server/resources \
--privileged=true \
--network hm-net \
-d \
seataio/seata-server:1.5.2

如果镜像下载困难，也可以把课前资料提供的镜像上传到虚拟机并加载：

2.3 微服务集成Seata

参与分布式事务的每一个微服务都需要集成Seata，我们以trade-service为例。

注意事项：nacos访问不了的重启一下就可以了。

2.3.1.引入依赖

为了方便各个微服务集成seata，我们需要把seata配置共享到nacos，因此trade-service模块不仅仅要引入seata依赖，还要引入nacos依赖:

XML 复制代码 
<!--统一配置管理-->
  <dependency>
      <groupId>com.alibaba.cloud</groupId>
      <artifactId>spring-cloud-starter-alibaba-nacos-config</artifactId>
  </dependency>
  <!--读取bootstrap文件-->
  <dependency>
      <groupId>org.springframework.cloud</groupId>
      <artifactId>spring-cloud-starter-bootstrap</artifactId>
  </dependency>
  <!--seata-->
  <dependency>
      <groupId>com.alibaba.cloud</groupId>
      <artifactId>spring-cloud-starter-alibaba-seata</artifactId>
  </dependency>

2.3.2.改造配置

首先在nacos上添加一个共享的seata配置，命名为shared-seata.yaml：

内容如下：

XML 复制代码 
seata:
  registry: # TC服务注册中心的配置，微服务根据这些信息去注册中心获取tc服务地址
    type: nacos # 注册中心类型 nacos
    nacos:
      server-addr: 192.168.150.101:8848 # nacos地址
      namespace: "" # namespace，默认为空
      group: DEFAULT_GROUP # 分组，默认是DEFAULT_GROUP
      application: seata-server # seata服务名称
      username: nacos
      password: nacos
  tx-service-group: hmall # 事务组名称
  service:
    vgroup-mapping: # 事务组与tc集群的映射关系
      hmall: "default"

然后，改造trade-service模块，添加bootstrap.yaml：

内容如下:

XML 复制代码 
spring:
  application:
    name: trade-service # 服务名称
  profiles:
    active: dev
  cloud:
    nacos:
      server-addr: 192.168.150.101 # nacos地址
      config:
        file-extension: yaml # 文件后缀名
        shared-configs: # 共享配置
          - dataId: shared-jdbc.yaml # 共享mybatis配置
          - dataId: shared-log.yaml # 共享日志配置
          - dataId: shared-swagger.yaml # 共享日志配置
          - dataId: shared-seata.yaml # 共享seata配置

可以看到这里加载了共享的seata配置。

然后改造application.yaml文件，内容如下：

XML 复制代码 
server:
  port: 8085
feign:
  okhttp:
    enabled: true # 开启OKHttp连接池支持
  sentinel:
    enabled: true # 开启Feign对Sentinel的整合
hm:
  swagger:
    title: 交易服务接口文档
    package: com.hmall.trade.controller
  db:
    database: hm-trade

参考上述办法分别改造hm-cart和hm-item两个微服务模块。同时记得加依赖。

2.3.3 添加数据库表

seata的客户端在解决分布式事务的时候需要记录一些中间数据，保存在数据库中。因此我们要先准备一个这样的表。

将课前资料的seata-at.sql分别文件导入hm-trade、hm-cart、hm-item三个数据库中：

结果：

OK，至此为止，微服务整合的工作就完成了。

2.3.4 测试

接下来就是测试的分布式事务的时候了。

我们找到trade-service模块下的com.hmall.trade.service.impl.OrderServiceImpl类中的createOrder方法，也就是下单业务方法。

将其上的@Transactional注解改为Seata提供的@GlobalTransactional：

@GlobalTransactional注解就是在标记事务的起点，将来TM就会基于这个方法判断全局事务范围，初始化全局事务。

我们重启trade-service、item-service、cart-service三个服务。再次测试，发现分布式事务的问题解决了！

高版本jdk启动服务报错解决方法：Edit Configuration 添加Vm Option --add-opens java.base/java.lang=ALL-UNNAMED

CartApplication：

可以看到事务回滚，并不会删除购物车信息。

那么，Seata是如何解决分布式事务的呢？

答案：**seata默认的模式是AT模式，上面已经加了AT模式的undo表，**这里走的是默认的分布式事务模式。

2.4 XA模式

Seata支持四种不同的分布式事务解决方案：

  • XA

  • TCC

  • AT

  • SAGA

这里我们以XA模式和AT模式来给大家讲解其实现原理。

XA 规范 是****分布式事务处理标准 ，XA 规范 描述了全局的TM与局部的RM之间的接口，几乎所有主流的数据库都对 XA 规范 提供了支持。

2.4.1 两阶段提交

A是规范，目前主流数据库都实现了这种规范，实现的原理都是基于两阶段提交。

正常情况：

异常情况：

一阶段：

  • 事务协调者通知每个事务参与者执行本地事务

  • 本地事务执行完成后报告事务执行状态给事务协调者，此时事务不提交，继续持有数据库锁

二阶段：

  • 事务协调者基于一阶段的报告来判断下一步操作

    • 如果一阶段都成功，则通知所有事务参与者，提交事务

    • 如果一阶段任意一个参与者失败，则通知所有事务参与者回滚事务

2.4.2 Seata的XA模型

Seata对原始的XA模式做了简单的封装和改造，以适应自己的事务模型，基本架构如图：

RM一阶段的工作：

  1. 注册分支事务到TC

  2. 执行分支业务sql但不提交

  3. 报告执行状态到TC

TC二阶段的工作：

  1. TM全局事务执行结束，TC检测各分支事务执行状态

    1. 如果都成功，通知所有RM提交事务

    2. 如果有失败，通知所有RM回滚事务

RM二阶段的工作：

  • 接收TC指令，提交或回滚事务

2.4.3 优缺点

XA模式的优点是什么？

  • 事务的强一致性，满足ACID原则

  • 常用数据库都支持，实现简单，并且没有代码侵入

XA模式的缺点是什么？

  • 因为一阶段需要锁定数据库资源，等待二阶段结束才释放，性能较差

  • 依赖关系型数据库实现事务

2.4.4 实现步骤

首先，我们要在配置文件中指定要采用的分布式事务模式。我们可以在Nacos中的共享shared-seata.yaml配置文件中追加一下配置：

XML 复制代码 
seata:
  data-source-proxy-mode: XA

默认情况下是AT模式。

XML 复制代码 
seata:
  registry: # TC服务注册中心的配置，微服务根据这些信息去注册中心获取tc服务地址
    type: nacos # 注册中心类型 nacos
    nacos:
      server-addr: 192.168.85.144:8848 # nacos地址
      namespace: "" # namespace，默认为空
      group: DEFAULT_GROUP # 分组，默认是DEFAULT_GROUP
      application: seata-server # seata服务名称
      username: nacos
      password: nacos
  tx-service-group: hmall # 事务组名称
  service:
    vgroup-mapping: # 事务组与tc集群的映射关系
      hmall: "default"
  data-source-proxy-mode: XA # XA模式

其次，我们要利用@GlobalTransactional标记分布式事务的入口方法：

这个注解相当于全局事务，该方法里面有许多分支事务。

2.5 AT模式

AT模式同样是分阶段提交的事务模型，不过缺弥补了XA模型中资源锁定周期过长的缺陷。

2.5.1 Seata的AT模型

基本流程图：

阶段一RM的工作：

  • 注册分支事务

  • 记录undo-log（数据快照）

  • 执行业务sql并提交

  • 报告事务状态

阶段二RM的工作：

  • 事务状态都成功，则删除undo-log即可

  • 事务有其一的失败，则根据undo-log恢复数据到更新前

AT模型的优缺点：

优点：性能高，因为直接提交事务，而不用锁定资源。

缺点：阶段一记录快照信息，如果分支事务失败，则阶段二根据快照信息回滚事务。这之间有短暂的数据不一致问题。

2.5.2 流程梳理

我们用一个真实的业务来梳理下AT模式的原理。

比如，现在有一个数据库表，记录用户余额：

其中一个分支业务要执行的SQL为：

sql 复制代码 
 update tb_account set money = money - 10 where id = 1

AT模式下，当前分支事务执行流程如下：

一阶段：

  1. TM发起并注册全局事务到TC

  2. TM调用分支事务

  3. 分支事务准备执行业务SQL

  4. RM拦截业务SQL，根据where条件查询原始数据，形成快照。

    sql 复制代码 
    {
  "id": 1, "money": 100
}

  5. RM执行业务SQL，提交本地事务，释放数据库锁。此时 money = 90

  6. RM报告本地事务状态给TC

二阶段：

  1. TM通知TC事务结束

  2. TC检查分支事务状态

    1. 如果都成功，则立即删除快照

    2. 如果有分支事务失败，需要回滚。读取快照数据（{"id": 1, "money": 100}），将快照恢复到数据库。此时数据库再次恢复为100

流程图：

2.5.3 AT与XA的区别

简述AT模式与XA模式最大的区别是什么？

  • XA模式一阶段不提交事务，锁定资源；AT模式一阶段直接提交，不锁定资源。

  • XA模式依赖数据库机制实现回滚；AT模式利用数据快照实现数据回滚。

  • XA模式强一致；AT模式最终一致

可见，AT模式使用起来更加简单，无业务侵入，性能更好。因此企业90%的分布式事务都可以用AT模式来解决。

相关推荐
关关钧21 分钟前
【Linux】sed编辑器
linux·运维·编辑器
哦豁灬1 小时前
linux查看硬件信息
linux·运维·服务器
raysync8881 小时前
如何保留企业传输系统操作习惯来实现企业无缝FTP替代升级
运维·服务器·网络
快乐非自愿1 小时前
一文解秘Rust如何与Java互操作
java·开发语言·rust
小万编程1 小时前
基于SpringBoot+Vue毕业设计选题管理系统（高质量源码，提供文档，免费部署到本地）
java·vue.js·spring boot·计算机毕业设计·java毕业设计·web毕业设计
R-sz2 小时前
ubuntu切换到root用户
linux·运维·ubuntu
m0_748235072 小时前
使用rustDesk搭建私有远程桌面
java
快乐是2 小时前
发票打印更方便
java
文浩（楠搏万）2 小时前
Java内存管理：不可达对象分析与内存泄漏优化技巧 Eclipse Memory Analyzer
java·开发语言·缓存·eclipse·内存泄漏·不可达对象·对象分析
圆蛤镇程序猿2 小时前
【什么是MVCC？】
java·数据库·oracle
热门推荐
01渗透测试之SQLMAP工具详解 kali自带SQLmap解释 重点sqlmap --tamper 使用方式详解 搞完你就很nice了02半导体应用系统一些小知识收集(strip&wafer mapping,EAP&scada)03HCIA-datacom数通题库和录播视频资料04mysql部署(5.7.31)05新手学习VR全景需要知道的几个问题06校验 GPT-4 真实性的三个经典问题：快速区分 GPT-3.5 与 GPT-4，并提供免费测试网站07youtubu视频下载和yt-dlp 使用教程08ubuntu22.04.5本地apt源部署09优化手机性能，解决卡顿问题：关闭这3个微信开关，释放内存空间10AI视频玩法：动物融合技术解析