阿里GTS微服务架构下分布式事务解决方案.docx
《阿里GTS微服务架构下分布式事务解决方案.docx》由会员分享，可在线阅读，更多相关《阿里GTS微服务架构下分布式事务解决方案.docx（13页珍藏版）》请在冰豆网上搜索。
阿里GTS微服务架构下分布式事务解决方案
微服务架构下分布式事务解决方案——阿里GTS
姜宇，阿里巴巴高级技术专家，主要参与中间件平台。
微服务的发展
微服务倡导将复杂的单体应用拆分为若干个功能简单、松耦合的服务，这样可以降低开发难度、增强扩展性、便于敏捷开发。
当前被越来越多的开发者推崇，很多互联网行业巨头、开源社区等都开始了微服务的讨论和实践。
Hailo有160个不同服务构成，NetFlix有大约600个服务。
国内方面，阿里巴巴、腾讯、360、京东、58同城等很多互联网公司都进行了微服务化实践。
当前微服务的开发框架也非常多，比较著名的有Dubbo、SpringCloud、thrift、grpc等。
##2微服务落地存在的问题虽然微服务现在如火如荼，但对其实践其实仍处于探索阶段。
很多中小型互联网公司，鉴于经验、技术实力等问题，微服务落地比较困难。
如著名架构师ChrisRichardson所言，目前存在的主要困难有如下几方面：
1）单体应用拆分为分布式系统后，进程间的通讯机制和故障处理措施变的更加复杂。
2）系统微服务化后，一个看似简单的功能，内部可能需要调用多个服务并操作多个数据库实现，服务调用的分布式事务问题变的非常突出。
3）微服务数量众多，其测试、部署、监控等都变的更加困难。
随着RPC框架的成熟，第一个问题已经逐渐得到解决。
例如dubbo可以支持多种通讯协议，springcloud可以非常好的支持restful调用。
对于第三个问题，随着docker、devops技术的发展以及各公有云paas平台自动化运维工具的推出，微服务的测试、部署与运维会变得越来越容易。
而对于第二个问题，现在还没有通用方案很好的解决微服务产生的事务问题。
分布式事务已经成为微服务落地最大的阻碍，也是最具挑战性的一个技术难题。
为此，本文将深入和大家探讨微服务架构下，分布式事务的各种解决方案，并重点为大家解读阿里巴巴提出的分布式事务解决方案----GTS。
该方案中提到的GTS是全新一代解决微服务问题的分布式事务互联网中间件。
传统分布式事务解决方案
基于XA协议的两阶段提交方案
交易中间件与数据库通过XA接口规范，使用两阶段提交来完成一个全局事务，XA规范的基础是两阶段提交协议。
第一阶段是表决阶段，所有参与者都将本事务能否成功的信息反馈发给协调者；第二阶段是执行阶段，协调者根据所有参与者的反馈，通知所有参与者，步调一致地在所有分支上提交或者回滚。
两阶段提交方案应用非常广泛，几乎所有商业OLTP数据库都支持XA协议。
但是两阶段提交方案锁定资源时间长，对性能影响很大，基本不适合解决微服务事务问题。
TCC方案
TCC方案在电商、金融领域落地较多。
TCC方案其实是两阶段提交的一种改进。
其将整个业务逻辑的每个分支显式的分成了Try、Confirm、Cancel三个操作。
Try部分完成业务的准备工作，confirm部分完成业务的提交，cancel部分完成事务的回滚。
基本原理如下图所示。
事务开始时，业务应用会向事务协调器注册启动事务。
之后业务应用会调用所有服务的try接口，完成一阶段准备。
之后事务协调器会根据try接口返回情况，决定调用confirm接口或者cancel接口。
如果接口调用失败，会进行重试。
TCC方案让应用自己定义数据库操作的粒度，使得降低锁冲突、提高吞吐量成为可能。
当然TCC方案也有不足之处，集中表现在以下两个方面：
• 对应用的侵入性强。
业务逻辑的每个分支都需要实现try、confirm、cancel三个操作，应用侵入性较强，改造成本高。
• 实现难度较大。
需要按照网络状态、系统故障等不同的失败原因实现不同的回滚策略。
为了满足一致性的要求，confirm和cancel接口必须实现幂等。
上述原因导致TCC方案大多被研发实力较强、有迫切需求的大公司所采用。
微服务倡导服务的轻量化、易部署，而TCC方案中很多事务的处理逻辑需要应用自己编码实现，复杂且开发量大。
基于消息的最终一致性方案
消息一致性方案是通过消息中间件保证上、下游应用数据操作的一致性。
基本思路是将本地操作和发送消息放在一个事务中，保证本地操作和消息发送要么两者都成功或者都失败。
下游应用向消息系统订阅该消息，收到消息后执行相应操作。
消息方案从本质上讲是将分布式事务转换为两个本地事务，然后依靠下游业务的重试机制达到最终一致性。
基于消息的最终一致性方案对应用侵入性也很高，应用需要进行大量业务改造，成本较高。
GTS--分布式事务解决方案
GTS是一款分布式事务中间件，由阿里巴巴中间件部门研发，可以为微服务架构中的分布式事务提供一站式解决方案。
更多GTS资料请访问研发团队微博。
GTS的核心优势
• 性能超强
GTS通过大量创新，解决了事务ACID特性与高性能、高可用、低侵入不可兼得的问题。
单事务分支的平均响应时间在2ms左右，3台服务器组成的集群可以支撑3万TPS以上的分布式事务请求。
• 应用侵入性极低
GTS对业务低侵入，业务代码最少只需要添加一行注解（@TxcTransaction）声明事务即可。
业务与事务分离，将微服务从事务中解放出来，微服务关注于业务本身，不再需要考虑反向接口、幂等、回滚策略等复杂问题，极大降低了微服务开发的难度与工作量。
• 完整解决方案
GTS支持多种主流的服务框架，包括EDAS，Dubbo，SpringCloud等。
有些情况下，应用需要调用第三方系统的接口，而第三方系统没有接入GTS。
此时需要用到GTS的MT模式。
GTS的MT模式可以等价于TCC模式，用户可以根据自身业务需求自定义每个事务阶段的具体行为。
MT模式提供了更多的灵活性，可能性，以达到特殊场景下的自定义优化及特殊功能的实现。
• 容错能力强
GTS解决了XA事务协调器单点问题，典型配置是三台服务器组成的事务协调器集群，实现服务高可用，可以保证异常情况（比如网络断开、服务器宕机、硬盘损坏不可恢复等）下的数据严格一致。
在要求更高可用性的场景，比如电商业务双11大促，常用配置是六台服务器组成的主、备集群（各三台）。
当主集群有服务器不可用，自动切换到备集群提供服务。
GTS的应用场景
GTS可应用在涉及服务调用的多个领域，包括但不限于金融支付、电信、电子商务、快递物流、广告营销、社交、即时通信、手游、视频、物联网、车联网等，详细介绍可以阅读《GTS--阿里巴巴分布式事务全新解决方案》一文。
对于GTS已经支持的数据源（MySQL，DRDS，RDS，PetaData，Oracle，Oceanbase等）可以采用AT模式（自动模式，加个注解界定事务范围即可），对于目前不支持的数据源（HBase，Redis，DB2等）可以采用MT模式（手动模式，等价于TCC，需要手工实现接口）。
具体使用方式参考官网样例。
GTS与微服务的集成
GTS包括客户端（GTSClient）、资源管理器（GTSRM）和事务协调器（GTSServer）三个部分。
GTSClient主要用来界定事务边界，完成事务的发起与结束。
GTSRM完成事务分支的创建、提交、回滚等操作。
GTSServer主要负责分布式事务的整体推进，事务生命周期的管理。
GTS和微服务集成的结构图如下所示，GTSClient需要和业务应用集成部署，RM与微服务集成部署。
GTS的输出形式
GTS目前有三种输出形式：
公有云输出、公网输出、专有云输出。
公有云输出
这种输出形式面向阿里云用户。
如果用户的业务系统已经部署到阿里云上，可以申请开通公有云GTS。
开通后业务应用即可通过GTS保证服务调用的一致性。
这种使用场景下，业务系统和GTS间的网络环境比较理想，达到很好性能。
公网输出
这种输出形式面向于非阿里云的用户，使用更加方便、灵活，业务系统只要能连接互联网即可享受GTS提供的云服务（与公有云输出的差别在于客户端部署于用户本地，而不在云上）。
在正常网络环境下，以包含两个本地事务的全局事务为例，事务完成时间在20ms左右，50个并发就可以轻松实现1000TPS以上分布式事务，对绝大多数业务来说性能是足够的。
在公网环境，网络闪断很难完全避免，这种情况下GTS仍能保证服务调用的数据一致性。
具体使用样例使用参见4.7节GTS的工程样例。
专有云输出
这种形式主要面向于已建设了自己专有云平台的大用户，GTS可以直接部署到用户的专有云上，为专有云提供分布式事务服务。
目前已经有10多个特大型企业的专有云使用GTS解决分布式事务难题，性能与稳定性经过了用户的严格检测。
GTS的使用方式
GTS使用请参考官网。
GTS对应用的侵入性非常低，使用也很简单。
下面以订单存储应用为例说明。
订单业务应用通过调用订单服务和库存服务完成订单业务，服务开发框架为Dubbo。
####4.5.1订单业务应用在业务函数外围使用@TxcTransaction注解即可开启分布式事务。
Dubbo应用通过隐藏参数将GTS的事务xid传播到服务端。
@TxcTransaction（timeout=1000*10）
publicvoidBussiness（OrderServiceorderService,StockServicestockService,StringuserId）{
//获取事务上下文
Stringxid=TxcContext.getCurrentXid（）;
//通过RpcContext将xid传到一个服务端
RpcContext.getContext（）.setAttachment（"xid",xid）;
//执行自己的业务逻辑
intproductId=newRandom（）.nextInt（100）;
intproductNum=newRandom（）.nextInt（100）;
OrderDOorderDO=newOrderDO（userId,productId,productNum,newTimestamp（newDate（）.getTime（）））;
orderService.createOrder（orderDO）;
//通过RpcContext将xid传到另一个服务端
RpcContext.getContext（）.setAttachment（"xid",xid）;
stockService.updateStock（orderDO）;
}
服务提供者
更新库存方法
publicintupdateStock（OrderDOorderDO）{
//获取全局事务ID，并绑定到上下文
Stringxid=RpcContext.getContext（）.getAttachment（"xid"）;
TxcContext.bind（xid,null）;
//执行自己的业务逻辑
intret=jdbcTemplate.update（"updatestocksetamount=amount-?
whereproduct_id=?
",newObject[]{orderDO.getNumber（）,orderDO.getProductId（）}）;
TxcContext.unbind（）;
returnret;
}
GTS的应用情况
GTS目前已经在淘宝、天猫、阿里影业、淘票票、阿里妈妈、1688等阿里各业务系统广泛使用，经受了16年和17年两年双十一海量请求的考验。
某线上业务系统最高流量已达十万TPS（每秒钟10万笔事务）。
GTS在公有云和专有云输出后，已经有了100多个线上用户，很多用户通过GTS解决SpringCloud、Dubbo、Edas等服务框架的分布式事务问题。
业务领域涉及电力、物流、ETC、烟草、金融、零售、电商、共享出行等十几个行业，得到用户的一致好评。
上图是GTS与SpringCloud集成，应用于某共享出行系统。
业务共享出行场景下，通过GTS支撑物联网系统、订单系统、支付系统、运维系统、分析系统等系各统应用的数据一致性，保证海量订单和数千万流水的交易。
GTS的工程样例
GTS的公有云样例可参考阿里云网站。
在公网环境下提供sample-txc-simple和sample-txc-dubbo两个样例工程。
sample-txc-simple样例
1样例业务逻辑
该样例是GTS的入门sample，案例的业务逻辑是从A账户转账给B账户，其中A和B分别位于两个MySQL数据库中，使用GTS事务保证A和B账户钱的总数始终不变。
#####4.7.1.2样例搭建方法1）准备数据库环境
安装MySQL，创建两个数据库db1和db2。
在db1和db2中分别创建txc_undo_log表（SQL脚本见4.7.3）。
在db1库中创建user_money_a表，在db2库中创建user_money_b表。
2. 下载样例
将sample-txc-simple文件下载到本地，样例中已经包含了GTS的SDK。
3. 修改配置
打开sample-txc-simple/src/main/resources目录下的txc-client-context.xml，将数据源的url、username、password修改为实际值。
4. 运行样例
在sample-txc-simple目录下执行build.sh编译本工程。
编译完成后执行run.sh。
sample-txc-dubbo样例
1.样例业务逻辑
本案例模拟了用户下订单、减库存的业务逻辑。
客户端（Client）通过调用订单服务（OrderService）创建订单，之后通过调用库存服务（StockService）扣库存。
其中订单服务读写订单数据库，库存服务读写库存数据库。
由GTS保证跨服务事务的一致性。
准备数据库环境
安装MySQL，创建两个数据库db1和db2。
在db1和db2中分别创建txc_undo_log表。
在db1库中创建orders表，在db2库中创建stock表。
2.下载样例
将样例文件sample-txc-dubbo下载到本地机器，样例中已经包含了GTS的SDK。
3.修改配置
打开sample-txc-dubbo/src/main/resources目录，将dubbo-order-service.xml、dubbo-stock-service.xml两个文件中数据源的url、username、password修改为实际值。
4.运行样例
a. 编译程序
在工程根目录执行build.sh命令，编译工程。
编译后会在sample-txc-dubbo/client/bin目录下生成order_run.sh、stock_run.sh、client_run.sh三个运行脚本对应订单服务、库存服务以及客户端。
b. 运行程序
在根目录执行run.sh，该脚本会依次启动order_run.sh（订单服务）、stock_run.sh（库存服务）和client_run.sh（客户端程序）。
其他说明
样例使用Multicast注册中心的声明方式。
如果本机使用无线网络，dubbo服务在绑定地址时有可能获取ipv6地址，可以通过jvm启动参数禁用。
方法是配置jvm启动参数-D.preferIPv4Stack=true。
建表txc_undo_logCREATETABLEtxc_undo_log（
idbigint（20）NOTNULLAUTO_INCREMENTCOMMENT'主键',
gmt_createdatetimeNOTNULLCOMMENT'创建时间',
gmt_modifieddatetimeNOTNULLCOMMENT'修改时间',
xidvarchar（100）NOTNULLCOMMENT'全局事务ID',
branch_idbigint（20）NOTNULLCOMMENT'分支事务ID',
rollback_infolongblobNOTNULLCOMMENT'LOG',
statusint（11）NOTNULLCOMMENT'状态',
servervarchar（32）NOTNULLCOMMENT'分支所在DBIP',
PRIMARYKEY（id）,
KEYunionkey（xid,branch_id）
）ENGINE=InnoDBAUTO_INCREMENT=211225994DEFAULTCHARSET=utf8COMMENT='事务日志表';
4.7.3.2建表user_money_a
CREATETABLEuser_money_a（
idint（11）NOTNULLAUTO_INCREMENT,
moneyint（11）DEFAULTNULL,
PRIMARYKEY（id）
）ENGINE=InnoDBAUTO_INCREMENT=2DEFAULTCHARSET=utf8;
建表user_money_b
CREATETABLEuser_money_b（
idint（11）NOTNULLAUTO_INCREMENT,
moneyint（11）DEFAULTNULL,
PRIMARYKEY（id）
）ENGINE=InnoDBAUTO_INCREMENT=2DEFAULTCHARSET=utf8;
建表orders
CREATETABLEorders（
idbigint（20）NOTNULLAUTO_INCREMENT,
user_idvarchar（255）NOTNULL,
product_idint（11）NOTNULL,
numberint（11）NOTNULL,
gmt_createtimestampNOTNULL,
PRIMARYKEY（id）
）ENGINE=MyISAMAUTO_INCREMENT=351DEFAULTCHARSET=utf8
建表stock
CREATETABLEstock（
product_idint（11）NOTNULL,
pricefloatNOTNULL,
amountint（11）NOTNULL,
PRIMARYKEY（product_id）
）ENGINE=InnoDBDEFAULTCHARSET=utf8
测试数据
测试环境：
笔记本电脑（sample程序和测试用的MySQL），家庭16M宽带。
测试数据：
10个线程并发，事务完成时间平均25毫秒，每秒完成400左右事务。
总结
GTS已经在阿里内部广泛使用，经过了双十一流量高峰的考验。
内部成熟后，在专有云和公有云服务了很多用户，很多用户一天事务量在千万/亿级别，解决了业务服务化改造后的分布式事务棘手技术难题。
在整个世界范围内，既满足事务ACID特性，又具备高性能、高可用、业务侵入性低的分布式事务中间件在GTS前是不存在的。
让我们一起体验GTS带来的巨大变革吧！
技术琐话
以分布式设计、架构、体系思想为基础，兼论研发相关的点点滴滴，不限于代码、质量体系和研发管理。
本号作者：
右军，有8年电信业务经验和8年互联网金融业务经验。
除原创外，作者也转一些BAT级的技术干货。
升级会员 