分布式事务之Seata

李景琰2025-05-25 8:20

概述

Seata有四种模式

**AT模式：**无侵入式的分布式事务解决方案，适合不希望对业务进行改造的场景，但由于需要添加全局事务锁，对影响高并发系统的性能。该模式主要关注多DB访问的数据一致性，也包括多服务下的多DB数据访问一致性问题。通过更新前快照回滚、更新后快照对比在二阶段提交时是否有人修改（为不受Seata代理的数据源做兜底），解决脏写。

优点：

  • 一阶段完成直接提交事务，释放数据库资源，性能比较好

  • 利用全局锁实现读写隔离

  • 没有代码侵入，框架自动完成回滚和提交

缺点：

  • 两阶段之间属于软状态，属于最终一致

  • 框架的快照功能会影响性能，但比XA模式要好很多

**TCC模式：**高性能的分布式事务解决方案，适用于对性能要求比较高的场景。该模式主要关注业务拆分，在按照业务横向扩展资源时，解决服务间调用的一致性问题。

优点：

  • 一阶段完成直接提交事务，释放数据库资源，性能好
  • 相比AT模型，无需生成快照，无需使用全局锁，性能最强
  • 不依赖数据库事务，而是依赖补偿操作，可以用于非事务型数据库
  • Redis这种也可以使用TCC模式

缺点：

  • 有代码侵入，需要人为编写try、Confirm和Cancel接口，太麻烦
  • 软状态，事务是最终一致
  • 需要考虑Confirm和Cancel的失败情况，做好幂等处理
  • 因为如果失败Seata会重试，所有要做好幂等

**Saga模式：**长事务的分布式事务解决方案，适用于业务流程长且需要保证事务最终一致性的业务系统。Saga 模式一阶段就会提交本地事务，无锁，长流程情况下可以保证性能，多用于渠道层、集成层业务系统，事务参与者可以是其它公司的服务也可以是遗留系统的服务，并且对于无法进行改造和提供 TCC 要求的接口，也可以使用 Saga 模式。

优点：

  • 一阶段提交本地数据库事务，无锁，高性能；

  • 参与者可以采用事务驱动异步执行，高吞吐；

  • 补偿服务即正向服务的"反向"，易于理解，易于实现；

缺点：

  • Saga 模式由于一阶段已经提交本地数据库事务，且没有进行"预留"动作，所以不能保证隔离性。后续会讲到对于缺乏隔离性的应对措施。

XA模式： 强一致性。XA早期版本是一种规范 主流数据库对XA规范提供了支持，没有TM（事务管理者的概念）只有TC和RM。一阶段不提交事务，在第二阶段TM发起事务提交/回滚时才会让TC 检查分支状态做提交/回滚因此是强一致性的

优点：

  • 强一致性
  • 易于使用：因为主流数据库都支持且无代码侵入

缺点：

  • 第一阶段不提交，在等待过程中占用数据库锁，占用系统资源，性能差

Seata核心组件

  • TC（Transaction Coordinator）：全局事务协调器，负责管理全局事务的状态。
  • TM（Transaction Manager）：事务管理器，负责发起全局事务，并向TC注册事务。
  • RM（Resource Manager）：资源管理器，负责管理资源的本地事务，并向TC汇报事务状态。

前置条件

  1. 引入Seata依赖：在项目中引入Seata的依赖。
  2. 配置Seata服务：配置Seata的TC服务地址。
  3. 定义全局事务 ：使用@GlobalTransactional注解定义全局事务。

1. AT 模式（Auto Transaction）​

核心原理

​两阶段提交：

  1. 阶段一（Branch Commit）：拦截业务 SQL，生成前置镜像（before image）和后置镜像（after image），保存到 UNDO_LOG 表。
    示例：执行 UPDATE product SET stock = stock - 10 WHERE id = 1 时，记录修改前的 stock=100 和修改后的 stock=90。
  2. 阶段二（Global Commit/Rollback）：全局事务提交时，删除 UNDO_LOG；回滚时，根据镜像数据生成反向SQL（如 UPDATE product SET stock = 100 WHERE id = 1）。

​全局锁机制：

在阶段一提交前，Seata 会获取记录的全局锁，防止其他事务修改同一数据，确保隔离性。

​应用场景

单服务多数据源：

例如订单服务同时操作 MySQL 和 PostgreSQL，需要保证两个库的事务一致性。

​简单跨服务调用：

服务 A 调用服务 B 的接口，两者均使用 AT 模式（如订单服务扣减库存服务）。

代码示例

java 复制代码 
// 订单服务（使用 AT 模式）
@GlobalTransactional // 开启全局事务
public void saveOrder(OrderRequest request) {
    // 1. 本地事务：创建订单
    orderDao.insert(request.getOrder());
    
    // 2. 远程调用库存服务（Feign 接口）
    storageFeign.discount(request.getProductId(), request.getCount());
    
    // 3. 模拟异常触发回滚
    if (request.getForceFail()) {
        throw new RuntimeException("Force rollback");
    }
}

关键细节

  • UNDO_LOG 表结构：需在业务库中提前创建，包含 branch_id、xid、rollback_info 等字段。
  • 隔离性牺牲：AT 模式默认隔离级别为读未提交（Read Uncommitted），高并发场景可能脏读，需业务侧处理（如版本号校验）。
  • 性能优化：避免单行数据频繁更新，防止全局锁竞争。

​2. TCC 模式（Try-Confirm-Cancel）​

核心原理

三阶段控制：

​Try：预留资源（如冻结库存、预扣余额），完成业务检查。

​Confirm：确认操作，真正执行业务（如扣减冻结的库存）。

​Cancel：回滚操作，释放预留资源（如解冻库存）。

业务侵入性：需手动编写 Try/Confirm/Cancel 接口，处理幂等性、空回滚、悬挂等问题。

​应用场景

  • 资金交易：转账前预冻结账户金额，最终扣款或解冻。
  • 第三方服务集成：调用外部 API（如支付接口）需要明确的成功/失败确认。

​代码示例

java 复制代码 
// TCC 接口定义（账户扣款）
public interface AccountTccService {
    @TwoPhaseBizAction(name = "deduct", commitMethod = "confirm", rollbackMethod = "cancel")
    boolean tryDiscount(@BizActionContextParameter(paramName = "userId") String userId,
                     @BizActionContextParameter(paramName = "amount") BigDecimal amount);
 
    boolean confirm(BizActionContext context);
    boolean cancel(BizActionContext context);
}
 
// Try 阶段实现（冻结资金）
@Override
public boolean tryDeduct(String userId, BigDecimal amount) {
    if (accountDao.getAvailableBalance(userId).compareTo(amount) < 0) {
        throw new RuntimeException("余额不足");
    }
    accountDao.freeze(userId, amount); // 冻结资金
    return true;
}
 
// Confirm 阶段（实际扣款）
@Override
public boolean confirm(BizActionContext context) {
    String userId = (String) context.getActionContext("userId");
    BigDecimal amount = (BigDecimal) context.getActionContext("amount");
    accountDao.discount(userId, amount);  // 扣减冻结金额
    accountDao.unfreeze(userId, amount); // 解冻
    return true;
}
 
// Cancel 阶段（解冻资金）
@Override
public boolean cancel(BizActionContext context) {
    String userId = (String) context.getActionContext("userId");
    BigDecimal amount = (BigDecimal) context.getActionContext("amount");
    accountDao.unfreeze(userId, amount);
    return true;
}

​关键细节

  • 幂等性处理：
    通过唯一事务 ID（xid）确保 Confirm/Cancel 只执行一次。
  • 空回滚问题：
    Try 未执行但收到 Cancel 请求时，需插入标记记录，避免误解冻。
  • 悬挂问题：
    Cancel 比 Try 先到达时，需通过状态判断拒绝后续 Try 操作。

​3. Saga 模式

​核心原理

  • 事件驱动流程：
    将分布式事务拆分为多个本地事务，每个事务提交后触发下一个事务。若某个事务失败，按反向顺序执行补偿操作。
  • 补偿机制：
    每个正向操作需定义对应的补偿方法（如 bookHotel() 对应 cancelHotel()）。

​应用场景

  • 长流程业务：
    旅行预订（机票 → 酒店 → 租车）、电商订单（下单 → 支付 → 发货）。
  • 渠道层、集成层业务：
    在渠道层和集成层业务中，往往需要与外部系统进行交互。例如，银行系统与第三方支付平台的集成，或者企业系统与ERP系统的集成。这些场景中，事务的跨服务特性使得Saga模式成为理想的解决方案。
  • 跨公司服务集成：
    跨公司服务集成中，事务的分布式特性更加明显。例如，一个供应链系统可能涉及多个供应商、物流和零售商的协作。Saga模式通过补偿机制，可以有效地处理这些复杂场景中的事务问题。
  • 最终一致性场景：
    接受中间状态短暂不一致，但最终一致。Saga模式通过补偿操作保证最终一致性。如果某个Saga单元失败，系统会依次调用之前所有单元的补偿操作，回滚之前的操作。例如，如果支付服务扣款失败，系统会调用库存服务的补偿操作恢复库存。

​代码示例

java 复制代码 
//Saga 流程编排（状态机或注解驱动）
@SagaService
public class OrderSagaService {
    @Autowired
    private InventoryService inventoryService;
    @Autowired
    private PaymentService paymentService;
 
    @SagaStart
    public void createOrder(Order order) {
        // 1. 扣减库存
        inventoryService.discount(order.getProductId(), order.getQuantity());
        
        // 2. 发起支付
        paymentService.pay(order.getUserId(), order.getAmount());
        
        // 3. 更新订单状态为成功
        order.setStatus(OrderStatus.SUCCESS);
        orderDao.update(order);
    }
 
    @Compensate
    public void compensateOrder(Order order) {
        // 反向操作：释放库存、退款、订单状态回滚
        inventoryService.restore(order.getProductId(), order.getQuantity());
        paymentService.refund(order.getUserId(), order.getAmount());
        order.setStatus(OrderStatus.FAILED);
        orderDao.update(order);
    }
}

关键细节

  • 状态机配置：
    可通过 JSON 或注解定义 Saga 流程，明确每个步骤的补偿方法。
  • 超时管理：
    设置 Saga 事务超时时间，避免流程长期悬挂。
  • 异步执行：
    适合结合消息队列（如 RocketMQ）实现异步 Saga。

​注：@Compensate

4. XA 模式

核心原理

  • 传统两阶段提交：
    Prepare 阶段：所有参与者（数据库）锁定资源，返回就绪状态。
    Commit/Rollback 阶段：协调者根据 Prepare 结果提交或回滚。
  • 强一致性：
    所有资源在 Prepare 阶段锁定，直到全局事务结束。

​应用场景

  • 金融核心系统：
    银行转账（必须保证双方账户同时成功或失败）。
  • 传统数据库集成：
    旧系统迁移，依赖数据库原生 XA 协议。

​代码示例

java 复制代码 
// XA 数据源配置
@Bean
public DataSource dataSource() {
    MysqlXADataSource xaDataSource = new MysqlXADataSource();
    xaDataSource.setUrl("jdbc:mysql://localhost:3306/test");
    xaDataSource.setUser("root");
    xaDataSource.setPassword("***");
    
    return new AtomikosDataSourceBean(xaDataSource);
}
 
// 业务方法（依赖 JTA）
@Transactional // 使用 JTA 事务管理器
public void transfer(String fromId, String toId, BigDecimal amount) {
    jdbcTemplate.update("UPDATE account SET balance = balance - ? WHERE id = ?", amount, fromId);
    jdbcTemplate.update("UPDATE account SET balance = balance + ? WHERE id = ?", amount, toId);
}

关键细节

  • 性能瓶颈：
    全局锁持有时间长，高并发下吞吐量低。
  • 数据库支持：
    需数据库支持 XA 协议（如 MySQL InnoDB、Oracle）。
  • 调试复杂：
    XA 事务状态需通过数据库日志或 JTA 工具监控。

选型对比

​对比维度

维度 AT TCC Saga XA
​一致性 弱隔离（读未提交） 强隔离（预留资源） 最终一致性 强一致性
​性能 高（短事务） 中（两阶段控制） 高（异步流程） 低（长锁）
​侵入性 低（自动 UNDO_LOG） 高（手动 TCC 接口） 中（补偿方法） 低（数据库支持）
适用场景 简单跨服务/多数据源 资金交易、第三方集成 长流程业务 金融核心、传统系统
​容错能力 自动回滚 需处理空回滚、悬挂 需补偿逻辑完备 依赖数据库 XA 恢复

决策树

  • 是否需要强一致性？
    是 → XA 模式（金融场景）或 TCC 模式（业务可控）。
    否 → 进入下一步。
  • 是否为长流程业务？
    是 → Saga 模式（如电商订单）。
    否 → 进入下一步。
  • 是否希望低侵入？
    是 → AT 模式（简单跨服务调用）。
    否 → TCC 模式（精细化控制）。

​总结

  • AT 模式：快速解决 80% 的分布式事务问题，适合微服务新手。
  • TCC 模式：应对资金、库存等核心资源操作，牺牲开发效率换取高可靠性。
  • Saga 模式：长流程业务的终极方案，需接受最终一致性。
  • XA 模式：传统系统兼容选择，性能敏感场景慎用。

实际开发中，多种模式在同一个工程中不可混用、不能同时使用，但可组合使用多种模式（如 AT + Saga），并配合消息队列、幂等设计、监控告警，构建健壮的分布式事务体系。

相关推荐
皮皮林5512 小时前
SpringBoot 加载外部 Jar，实现功能按需扩展！
java·spring boot
rocksun2 小时前
认识Embabel：一个使用Java构建AI Agent的框架
java·人工智能
Java中文社群4 小时前
AI实战：一键生成数字人视频！
java·人工智能·后端
王中阳Go4 小时前
从超市收银到航空调度：贪心算法如何破解生活中的最优决策谜题？
java·后端·算法
shepherd1114 小时前
谈谈TransmittableThreadLocal实现原理和在日志收集记录系统上下文实战应用
java·后端·开源
维基框架4 小时前
Spring Boot 项目整合Spring Security 进行身份验证
java·架构
日月星辰Ace5 小时前
Java JVM 垃圾回收器（四）：现代垃圾回收器 之 Shenandoah GC
java·jvm
天天摸鱼的java工程师6 小时前
商品详情页 QPS 达 10 万，如何设计缓存架构降低数据库压力？
java·后端·面试
天天摸鱼的java工程师6 小时前
设计一个分布式 ID 生成器，要求全局唯一、趋势递增、支持每秒 10 万次生成，如何实现？
java·后端·面试
阿杆6 小时前
一个看似普通的定时任务，如何优雅地毁掉整台服务器
java·后端·代码规范
热门推荐
01Coze扣子平台完整体验和实践（附国内和国际版对比）02DeepSeek各版本说明与优缺点分析03KGG转MP3工具|非KGM文件|解密音频04扣子（coze）实战|我用扣子搭建了一个自动分析小红薯笔记内容的AI应用|详细步骤拆解05从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑06YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】07基于单片机的智能环境监测系统08零代码入门 | Coze——让大模型接入自己的数据库09【SpeedAI科研小助手】2分钟极速解决知网维普重复率、AIGC率过高，一键全文降！文件格式不变，公式都保留的！10电工电子课程设计---四路病房呼叫系统