从“拆东墙补西墙”到“最终一致”：分布式事务在Spring Boot/Cloud中的破局之道

摘要：在微服务架构下，如何保证跨服务的数据一致性？是选 Seata 还是 RocketMQ？TCC 模式真的那么难写吗？本文带你从零理解分布式事务核心原理，并手把手在 Spring Boot 中落地三种主流解决方案。

---

🧐 一、为什么我们需要分布式事务？

先来看一个经典的 "下单扣库存" 场景：

1. 订单服务：创建订单
2. 库存服务：扣减库存
3. 账户服务：扣减余额

在单体应用中，一个 @Transactional 注解就能保证 ACID，要么全成功，要么全回滚。

但在微服务架构下，三个服务连接着三个独立的数据库。当订单创建成功，但库存扣减失败时，就会出现 "订单已生成但库存未减少" 的严重数据不一致问题。

分布式事务，就是为了解决这种跨多个独立数据节点（数据库、消息队列、缓存等）的事务一致性问题而生的技术方案。

---

📚 二、理论基础：从 ACID 到 CAP 与 BASE

在深入代码之前，我们需要明确两个核心概念：

2.1 本地事务的 ACID

• Atomicity：原子性
• Consistency：一致性
• Isolation：隔离性
• Durability：持久性

2.2 分布式环境下的权衡

分布式系统无法同时满足 CAP 定理中的三点，由于分区容错性（P）是必然属性，我们通常只能在一致性（C）和可用性（A）之间做权衡。

这催生了 BASE 理论：

• Basically Available（基本可用）
• Soft state（软状态）
• Eventually consistent（最终一致性）

核心结论 ：大多数分布式事务方案不再追求强一致性（实时一致），而是转向最终一致性。

---

⚖️ 三、主流方案大比拼：谁是你的菜？

目前国内企业应用最广的是 Seata AT模式 和 RocketMQ事务消息。以下是详细对比：

方案	原理	一致性	性能	复杂度	适用场景
XA / 2PC	两阶段提交	强一致	低	中	银行、金融等对一致性要求极高的场景
TCC	Try-Confirm-Cancel	强一致	中	高	核心交易、高并发场景
可靠消息	本地事务+MQ	最终一致	高	中	异步解耦、对实时性要求不高的场景
Saga	长事务+补偿	最终一致	高	高	长流程、跨多服务的事务
Seata AT	自动补偿(数据快照)	强一致	中	低	希望无侵入改造的现有项目

---

💻 四、Spring Boot/Cloud 实战：三种方案代码实现

技术栈：Spring Boot 2.7.x + Spring Cloud Alibaba 2021.x + Seata 1.6.1 + RocketMQ 4.9.x + Nacos

4.1 方案一：Seata AT模式（无侵入首选）

Seata AT模式通过代理数据源，自动生成回滚SQL，业务代码几乎零改造。

步骤 1：引入依赖

<!-- seata spring cloud starter -->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-seata</artifactId>
</dependency>

步骤 2：配置 application.yml

seata:
  enabled: true
  application-id: ${spring.application.name}
  tx-service-group: my_test_tx_group # 事务组名称，需与Seata Server一致
  registry:
    type: nacos
    nacos:
      server-addr: 127.0.0.1:8848

步骤 3：全局发起方添加 @GlobalTransactional

这是最关键的一步，只需在入口方法添加注解：

@Service
@Slf4j
public class OrderService {

    @GlobalTransactional(name = "create-order", rollbackFor = Exception.class)
    public void createOrder(OrderDTO orderDTO) {
        // 1. 本地创建订单
        orderMapper.insert(order);
        
        // 2. 远程调用库存服务（Feign）
        inventoryFeign.deduct(orderDTO.getProductId(), orderDTO.getQuantity());
        
        // 3. 远程调用账户服务（Feign）
        accountFeign.debit(orderDTO.getUserId(), orderDTO.getAmount());
        
        // 4. 更新订单状态
        orderMapper.updateById(order);
    }
}

效果：当任何一步异常时，Seata 会自动利用 undo_log 表进行全局回滚。

---

4.2 方案二：RocketMQ事务消息（高吞吐、最终一致）

适用于对实时一致性要求不高，但要求高吞吐和最终一致的场景（如电商下单）。

步骤 1：发送事务消息（半消息）

@Service
public class OrderService {

    @Autowired
    private RocketMQTemplate rocketMQTemplate;

    public void createOrder(OrderDTO orderDTO) {
        // 发送半消息，此时消费者不可见
        TransactionSendResult sendResult = rocketMQTemplate.sendMessageInTransaction(
            "order-topic", 
            MessageBuilder.withPayload(orderDTO).build(), 
            orderDTO
        );
    }
}

步骤 2：实现本地事务监听器

@Component
@RocketMQTransactionListener(txProducerGroup = "order-producer-group")
public class OrderTransactionListener implements RocketMQLocalTransactionListener {

    // 执行本地事务
    @Override
    public RocketMQLocalTransactionState executeLocalTransaction(Message msg, Object arg) {
        try {
            // 1. 执行本地数据库操作：创建订单
            orderMapper.insert(order);
            // 2. 成功则提交消息，消费者可见
            return RocketMQLocalTransactionState.COMMIT;
        } catch (Exception e) {
            // 3. 失败则回滚消息
            return RocketMQLocalTransactionState.ROLLBACK;
        }
    }

    // 事务状态回查（防止网络抖动导致状态未知）
    @Override
    public RocketMQLocalTransactionState checkLocalTransaction(Message msg) {
        // 根据业务ID查询订单是否存在
        return orderMapper.exists(...) ? RocketMQLocalTransactionState.COMMIT : RocketMQLocalTransactionState.ROLLBACK;
    }
}

⚠️ 注意 ：消费方（库存/账户服务）必须做幂等设计，因为MQ可能会重发消息。

---

4.3 方案三：TCC模式（高性能、手动补偿）

TCC 适用于高一致性要求且需要精准控制资源的场景，但开发量较大。

步骤 1：定义 TCC 接口

@LocalTCC
public interface AccountTccAction {

    // Try阶段：资源检查与冻结
    @TwoPhaseBusinessAction(name = "debit", commitMethod = "commit", rollbackMethod = "rollback")
    boolean debit(BusinessActionContext context, @BusinessActionContextParameter(paramName = "userId") Long userId, @BusinessActionContextParameter(paramName = "amount") BigDecimal amount);

    // Confirm阶段：确认执行（扣减冻结金额）
    boolean commit(BusinessActionContext context);

    // Cancel阶段：取消执行（解冻金额）
    boolean rollback(BusinessActionContext context);
}

步骤 2：实现逻辑

• Try：冻结资金（如：余额100 -> 可用80，冻结20）。
• Confirm：扣除冻结资金（如：冻结20 -> 0）。
• Cancel：解冻资金（如：冻结20 -> 0，可用80 -> 100）。

难点 ：TCC 需要处理幂等 、空回滚 （Try没执行直接Cancel）和悬挂问题，建议直接使用 Seata 框架提供的支持。

---

💡 五、方案选型建议

场景描述	推荐方案	理由
金融支付、核心交易	Seata AT / XA	要求强一致性，且并发量通常可控
高并发、短事务	RocketMQ事务消息	允许短暂不一致，追求高吞吐和削峰填谷
长业务流程	Saga + 状态机	涉及多服务、多阶段，可能需要人工介入补偿
旧系统改造	Seata AT	只需代理数据源，代码侵入性最小
秒杀场景	本地事务 + 异步MQ	对一致性容忍度高，优先保证系统可用性

---

🛡️ 六、总结与避坑指南

分布式事务不是银弹，在落地时请务必注意以下几点：

1. 幂等性是基石：无论用哪种方案（尤其是MQ和TCC），消费端和服务提供方都必须实现幂等，防止重复扣款或扣库存。
2. 不要重复造轮子：尽量选择 Seata、RocketMQ 等成熟框架，不要手写底层逻辑。
3. 超时与重试：必须配置合理的超时时间和退避策略，无限制重试可能引发雪崩。
4. 监控与告警：最终一致性意味着可能存在中间状态，需要定时扫描"悬挂事务"，并配置告警以便人工介入。

分布式事务的尽头往往不是技术，而是业务上的合理折衷。 希望本文能帮助你在项目中做出最合适的选择！

---

📢 关注 《卷毛的技术笔记》 ，专注后端硬核技术分享，拒绝套路，只聊落地的技术。

如果觉得文章对你有帮助，欢迎点赞、收藏、关注！