事務一致性

首先，我們來回顧一下ACID原則：

• Atomicity：原子性，改變數據狀態要么是一起完成，要么一起失敗
• Consistency：一致性，數據的狀態是完整一致的
• Isolation：隔離線，即使有并發事務，互相之間也不影響
• Durability：持久性， 一旦事務提交，不可撤銷

在單體應用中，我們可以利用關系型數據庫的特性去完成事務一致性，但是一旦應用往微服務發展，根據業務拆分成不用的模塊，而且每個模塊的數據庫已經分離開了，這時候，我們要面對的就是分布式事務了，需要自己在代碼里頭完成ACID了。比較流行的解決方案有：兩階段提交、補償機制、本地消息表(利用本地事務和MQ)、MQ的事務消息(RocketMQ)。

[[278930]]

CAP定理

1998年，加州大學的計算機科學家 Eric Brewer 提出，分布式系統有三個指標。

• Consistency：一致性
• Availability：可用性
• Partition tolerance：分區容錯

Eric Brewer 說，這三個指標不可能同時做到。這個結論就叫做 CAP 定理。

微服務中，不同模塊之間使用的數據庫是不同的，不同模塊之間部署的服務去也有可能是不用的，那么分區容錯是無法避免的，因為服務之間的調用不能保證百分百的沒問題，所以系統設計必須考慮這種情況。因此，我們可以認為CAP的P總是成立的，剩下的C和A無法同時做到。

實際上根據分布式系統中CAP原則，當P(分區容忍)發生的時候，強行追求C(一致性)，會導致(A)可用性、吞吐量下降，此時我們一般用最終一致性來保證我們系統的AP能力。當然不是放棄C，而是放棄強一致性，而且在一般情況下CAP都能保證，只是在發生分區容錯的情況下，我們可以通過最終一致性來保證數據一致。

事件驅動實現最終一致性

事件驅動架構在領域對象之間通過異步的消息來同步狀態，有些消息也可以同時發布給多個服務，在消息引起了一個服務的同步后可能會引起另外消息，事件會擴散開。嚴格意義上的事件驅動是沒有同步調用的。

例子：

在電商里面，用戶下單必須根據庫存來確定訂單是否成交。

項目架構：SpringBoot2+Mybatis+tk-Mybatis+ActiveMQ【因為小例子，不做成Spring Cloud架構】

首先，我們來看看正常的服務之間調用：

代碼：

@Override 
@Transactional(rollbackFor = Exception.class) 
public Result placeOrder(OrderQuery query) { 
 Result result = new Result(); 
 // 先遠程調用Stock-Service去減少庫存 
 RestTemplate restTemplate = new RestTemplate(); 
 //請求頭 
 HttpHeaders headers = new HttpHeaders(); 
 headers.setContentType(MediaType.APPLICATION_JSON); 
 //封裝成一個請求對象 
 HttpEntity entity = new HttpEntity(query, headers); 
 // 同步調用庫存服務的接口 
 Result stockResult = restTemplate.postForObject("http://127.0.0.1:8081/stock/reduceStock",entity,Result.class); 
 if (stockResult.getCode() == Result.ResultConstants.SUCCESS){ 
 Order order = new Order(); 
 BeanUtils.copyProperties(query,order); 
 order.setOrderStatus(1); 
 Integer insertCount = orderMapper.insertSelective(order); 
 if (insertCount == 1){ 
 result.setMsg("下單成功"); 
 }else { 
 result.setMsg("下單失敗"); 
 } 
 }else { 
 result.setCode(Result.ResultConstants.FAIL); 
 result.setMsg("下單失敗："+stockResult.getMsg()); 
 } 
 return result; 
} 

我們可以看到，這樣的服務調用的弊端多多：

1、訂單服務需同步等待庫存服務的返回結果，接口結果返回延誤。2、訂單服務直接依賴于庫存服務，只要庫存服務崩了，訂單服務不能再正常運行。3、訂單服務需考慮并發問題，庫存最后可能為負。

下面開始利用事件驅動實現最終一致性

1、在訂單服務新增訂單后，訂單的狀態是“已開啟”，然后發布一個Order Created事件到消息隊列上

代碼：

@Transactional(rollbackFor = Exception.class) 
public Result placeOrderByMQ(OrderQuery query) { 
 Result result = new Result(); 
 // 先創建訂單，狀態為下單0 
 Order order = new Order(); 
 BeanUtils.copyProperties(query,order); 
 order.setOrderStatus(0); 
 Integer insertCount = orderMapper.insertSelective(order); 
 if (insertCount == 1){ 
 // 發送 訂單消息 
 MqOrderMsg mqOrderMsg = new MqOrderMsg(); 
 mqOrderMsg.setId(order.getId()); 
 mqOrderMsg.setGoodCount(query.getGoodCount()); 
 mqOrderMsg.setGoodName(query.getGoodName()); 
 mqOrderMsg.setStockId(query.getStockId()); 
 jmsProducer.sendOrderCreatedMsg(mqOrderMsg); 
 // 此時的訂單只是開啟狀態 
 result.setMsg("下單成功"); 
 } 
 return result; 
} 

2、庫存服務在監聽到消息隊列OrderCreated中的消息，將庫存表中商品的庫存減去下單數量，然后再發送一個Stock Locked事件給消息隊列。

代碼：

/** 
 * 接收下單消息 
 * @param message 接收到的消息 
 * @param session 上下文 
 */ 
@JmsListener(destination = ORDER_CREATE,containerFactory = "myListenerContainerFactory") 
@Transactional(rollbackFor = Exception.class) 
public void receiveOrderCreatedMsg(Message message, Session session){ 
 try { 
 if (message instanceof ActiveMQObjectMessage){ 
 MqStockMsg result = new MqStockMsg(); 
 ActiveMQObjectMessage objectMessage=(ActiveMQObjectMessage)message; 
 MqOrderMsg msg = (MqOrderMsg)objectMessage.getObject(); 
 Integer updateCount = stockMapper.updateNumByStockId(msg.getStockId(),msg.getGoodCount()); 
 if (updateCount >= 1){ 
 result.setSuccess(true); 
 result.setOrderId(msg.getId()); 
 }else { 
 result.setSuccess(false); 
 } 
 // 手動ack，使消息出隊列，不然會不斷消費 
 message.acknowledge(); 
 // 發送庫存鎖定消息到MQ 
 jmsProducer.sendStockLockedMsg(result); 
 } 
 } catch (JMSException e) { 
 log.error("接收訂單創建消息報錯："+e.getMessage()); 
 } 
} 

仔細的朋友可能會看到：message.acknowledge()，即手動確認消息。因為在保證庫存服務的邏輯能正常執行后再確認消息已消費，可以保證消息的投遞可靠性，萬一在庫存服務執行時報出異常，我們可以做到重新消費該下單消息。

3、訂單服務接收到Stock Locked事件，將訂單的狀態改為“已確認”

代碼：

/** 
 * 判斷是否還有庫存，有庫存更新訂單狀態為1，無庫存更新訂單狀態為2，并且通知用戶（WebSocket） 
 * @param message 
 */ 
@JmsListener(destination = STOCK_LOCKED,containerFactory = "myListenerContainerFactory") 
@Transactional(rollbackFor = Exception.class) 
public void receiveStockLockedMsg(Message message, Session session){ 
 try { 
 if (message instanceof ActiveMQObjectMessage){ 
 ActiveMQObjectMessage objectMessage=(ActiveMQObjectMessage)message; 
 MqStockMsg msg = (MqStockMsg)objectMessage.getObject(); 
 if (msg.isSuccess()){ 
 Order updateOrder = new Order(); 
 updateOrder.setId(msg.getOrderId()); 
 updateOrder.setOrderStatus(1); 
 orderMapper.updateByPrimaryKeySelective(updateOrder); 
 log.info("訂單【"+msg.getOrderId()+"】下單成功"); 
 }else { 
 Order updateOrder = new Order(); 
 updateOrder.setId(msg.getOrderId()); 
 updateOrder.setOrderStatus(2); 
 orderMapper.updateByPrimaryKeySelective(updateOrder); 
 // 通知用戶庫存不足，訂單被取消 
 log.error("訂單【"+msg.getOrderId()+"】因庫存不足被取消"); 
 } 
 // 手動ack，使消息出隊列，不然會不斷消費 
 message.acknowledge(); 
 } 
 } catch (JMSException e) { 
 log.error("接收庫存鎖定消息報錯："+e.getMessage()); 
 } 
} 

同樣，這里我們也是會利用手動確認消息來保證消息的投遞可靠性。

至此，已經全部搞定了。我們看一下和正常的服務調用對比如何：

1、訂單服務不再直接依賴于庫存服務，而是將下單事件發送到MQ中，讓庫存監聽。

2、訂單服務能真正的作為一個模塊獨立運行。

3、解決了并發問題，而且MQ的隊列處理效率非常的高。

但是也存在下面的問題：

1、用戶體驗改變了：因為使用事件機制，訂單是立即生成的，可是很有可能過一會，系統會提醒你沒貨了。。這就像是排隊搶購一樣，排著排著就被通知沒貨了，不用再排隊了。

2、數據庫可能會存在很對沒有完成下單的訂單。

最后，如果真的要考慮用戶體驗，并且不想數據庫存在很多不必要的數據，該怎么辦?

那就把訂單服務和庫存服務聚合在一起吧。解決當前的問題應當是首先要考慮的，我們設計微服務的目的是本想是解決業務并發量。而現在面臨的卻是用戶體驗的問題，所以架構設計也是需要妥協的。

最主要是，我們是經過思考和分析的，每個方案能做到哪種程度，能應用到哪種場景。正所謂，技術要和實際場景結合，我們不能為了追求新技術而生搬硬套。