面试官:浅析微服务下保证事务数据一致性的几种方案

微服务场景下的数据一致性解决方案 数据一致性是构建业务系统需要考虑的重要问题 , 以往我们是依靠数据库来保证数据的一致性。但是在微服务架构以及分布式环境下实现数据一致性是一个很有挑战的的问题。ServiceComb作为开源的微服务框架致力解决微服务开发过程中的问题。我们最近发起的ServiceComb-Saga项目来解决分布式环境下的数据最终一致性问题。本文将向大家介绍为什么数据一致性如此重要?Saga又是什么?单体应用的数据一致... 阅读详情

1. 从本地事务到分布式事务的演变

如依赖mysql的传统的单体式应用可以通过mysql基于锁+MVCC实现本地事务的ACID特性对上层应用提供一致的数据视图,而不会因为多个事务并发读写而产生脏读、脏写、更新丢失等问题;

本文会贯穿一个相对简单的创建订单的业务场景进行讨论:

  • 存在一个订单服务-OrderService,通过createOrder()对外提供创建订单的功能;
  • 依赖ConsumerService的consumerVerify()进行消费者信用额度的扣除,如果余额>订单金额,则创建成功,否则对外返回额度认证失败;
  • 依赖AccountingService的accountAuth()对于当日所有Order的金额进行核算,如果未超出约定的限制额度,则创建成功,否则当前订单创建失败;

对于单体服务而言,因为方法中的OrderService、ConsumerService、AccoutingService依赖的不同表在同一个数据库中,通过@Transactional(rollbackFor = Exception.class)注解修饰createOrder方法使其成为事务方法,因此不会出现多个事务并发访问导致的数据不一致问题,并且创建订单失败后抛出异常便可以直接使得事务回滚;

上述业务的部署如下所示:

当时由于业务逐渐复杂,数据量增多,单体架构不再可以支撑高并发的流量,此时对于数据库可以通过两种方式-垂直分表、水平分表;

  • 水平分表:对表的行进行拆分。因为表的行数超过几百万行时,就会变慢,这时可以把一张表的数据拆成多张表来存放。水平拆分,有许多策略,例如,取模分表,时间维度分表等。这种场景下,虽然我们根据特定规则分表了,我们仍然可以使用本地事务,因为我们可以将对于相同数据的读写路由到相同的数据库实例上;
  • 垂直分表:对表的列进行拆分。垂直分表则会将原有表中的数据列按照领域的维度拆分为多个表,并且多个表会部署在不同微服务对应的不同的数据库中,但是这多个表之间可能仍然存在数据一致性的要求,而在分布式场景中每个数据库只能够保证自身本地事务的ACID特性,并且微服务间只可以通过网络通信了解到其他事务的执行状态,因此需要提供额外的机制负责维护微服务间的分布式事务;

因为单体架构->微服务架构的过程中,原本的本地进程调用->远程过程调用/消息队列通信,因此对于服务可用性、数据一致性的讨论需要加入网络这个因素;

CAP理论定义了在发生网络分区的网络问题时,我们只可以保证服务的可用性与数据的强一致性这两个特性的其中一个,因此一般考虑网络问题都会在可用性与一致性之间进行取舍;

BASE理论即通过弱化了数据的强一致性,转变为数据的最终一致性,来保证服务的可用性。

下文便开始介绍分布式事务的几种模式:

2. 2PC(XA)、TCC模式

XA与TCC是基于二阶段提交、同步网络通信的数据强一致性解决方案,因为其是保证数据的强一致性,因此会因为网络分区导致服务的不可用;

具体流程如下图所示:

  • 第一个阶段-准备阶段:事务管理器会远程调用当前分布式事务所有参与者的prepare()方法用于锁定事务相关数据、记录事务相关日志便于事务回滚;
  • 第二个阶段-提交阶段:如果所有的参与者返回prepare()方法执行成功,那么事务管理器便会远程调用所有参与者的commit方法进行事务的提交;否则调用cancel()方法进行事务的回滚;

2.1 二阶段提交模式的问题

  • 同步通信的性能问题: 由协调者节点同步通信维护分布式事务的状态,依赖参与者节点本地事务维护了节点间数据的强一致性;但是在分布式事务运行的整个过程中,本地事务一直处于未提交的状态、对应的业务数据处于锁定状态,因此在高并发或者说该分布式事务涉及到的参与者节点较多时,会降低系统可承载的并发量;因此最直观的优化的方案为同步->异步,并基于消息事件进行实现;即下文要讲述的可靠事件模式;
  • 同步阻塞问题: 上述2PC整个流程是同步的,事务管理者(协调者)必须等待每一个资源管理者(参与者)返回操作结果后才能进行下一步操作,这样就非常容易造成同步阻塞问题;因此3PC将准备阶段拆分为预备和准备阶段用于在预备阶段提前发现挂掉的节点而提前终止事务,并引入了超时机制解决协调者因为网络因素一直处于阻塞状态的问题;
  • 引入超时机制的问题: 因为网络延迟不固定的原因,可能存在协调者节点发起prepare()调用的网络包因为网络延迟在超时时间内尚未到达服务节点,因此协调者节点会发起cancel()调用用于事务回滚,因此可能存在cancel()包已经到达而prepare()包尚未到达的情况,因此服务需要支持空回滚;但是更可靠的方式是设置过期时间>>网络通信时间,并设置基于网络平均延迟的网络包指数级避让重发的机制。
  • 协调者单点故障问题: 二阶段提交亦会有单点故障的问题,虽然3PC通过引入超时机制,并将二阶段提交的准备过程拆分成两个步骤,但是仍然无法避免协调者的单点故障问题;而基于服务协同的可靠事件模式可以有效避免单点故障问题。

3. 可靠事件模式

可靠事件模式是基于队列实现服务协同通信的最终一致性解决方案;与2PC将分布式事务分为准备/提交两个阶段不同,可靠事件模式则是将一个分布式长事务拆分成多个事务,通过向消息队列投递事件异步触发事务流程;

以下图为例,OrderService接收到客户端的createOrder请求后,便会创建Order对象并生成OrderCreated事件投递到消息代理中;而ConsumerService向消息代理订阅了OrderCreated事件,并且对应的事件处理器为consumerVerify()方法,处理成功便会向消息代理中投递ConsumeVerified事件;而AccoutingService向消息代理订阅了ConsumeVerified事件,对应的事件处理器为accountAuth()…

可靠事件模式通过消息队列进行事务流程的传递,虽然避免了2PC同步带来的性能问题,但是又会带来一些新的问题。

3.1 补偿事务

与2PC不同,可靠事件模式下的分布式事务涉及到的多个服务的本地事务,都是在自身事件处理器处理完成后便直接提交的,不会等待协调者节点的commit/cancel指令后再进行提交/回滚,而这会不仅产生隔离性的问题(会在4.1节一起讲述),还需要我们提供一种对于已提交事务的事务回滚机制-补偿事务;

我们将分布式事务中涉及到的多个本地事务分为:可补偿事务、关键事务、可重复事务。

  • 可补偿事务:意味着在分布式事务中,该本地事务后的其他本地事务可能会失败,因此如果后续事务失败,则需要对该事务进行补偿;
  • 关键性事务:意味着在分布式事务中,该本地事务后的其他本地事务即使失败也不会影响流程,如一些用于日志记录的本地事务;
  • 可重复事务:意味着该事务总可以最终成功。

因此如果分布式事务中第n+1个事务失败了,并且该事务不是可重复事务,则需要对前n个事务对数据库产生的影响进行回滚。

如当调用AccountingService时,判断当前订单不可以创建,则AccountingService会投递AccoutingAuthFailed事件至消息队列,而ConsumerService则需要订阅该事件,并关联自身对应的补偿事务方法用于回滚对信用额度进行的变更。

3.2 可靠事件模式要解决的问题

3.2.1 发送方:执行业务代码与发送事件消息的原子性问题

一般为了避免消息先发送成功而业务代码执行失败的情况,我们会选择在业务逻辑执行完成后再发送事件消息,但是发送事件消息至消息队列也并不是一定成功的。因此需要提供一个机制保证该事件最终一定会发送到对应的消息队列中,即事务性消息;

事务性消息的实现一般是通过发送事件的服务维护额外的事件表,在发送消息前将发送的事件消息内容与类型写入对应的事件表中,使得业务代码与发送事件都可以通过数据库本地事务保证一致性,即最终状态满足事务原子性要求,最后再通过额外的消息中继服务获取事件表的事件信息并保证事件发布的可靠性;

接着的问题在于消息中继如何通过事件表中的信息获取到要发送的事件消息;

  • 消息的筛选:因此我们需要给事件基于流程进行状态的建模,一个事件可能处于未发送、已发送到消息代理、消息代理已发送到消费者、消费者已成功消费并进行ACK这几个流程中,因此事务在事件表中也对应存在几个状态,并通过status状态进行标识。
  • 消息的获取:消息中继可以通过 sql轮询 获取服务对应事件表中处于未发送状态的消息,并进行发布;但是显然这样会使得消息发布的速度被数据库查询的效率所约束,并且轮询在一定程度上会加重数据库的负担;我们除了可以在对应的事件表中获取信息,还可以通过读取数据库的事务日志来反映事件表的变化,因此我们可以通过日志拖尾模式进行异步优化,通过消息中继服务读取数据库事务日志并进行过滤来获取要发送的事件消息,而不是直接访问数据库表;此外,这样做的好处还在于解耦合,消息中继通过依赖事务日志而不是表,使得其不再只可以工作在关系模型的数据库上,也可以工作在诸如redis等的NoSQL数据库上。

至此,我们分析了如何保证业务代码的执行与消息发布的原子性,主要是通过写入事件表来使得消息的发送加入本地事务;不过这样使得服务所在数据库需要额外承担事件表的数据成本,也会使得业务的承载能力降低,因此我们可以通过分化出单独的事件服务,用于维护不同主题的事件表并进行事件的发布。

3.2.2 消息队列:事件消息顺序性问题

因为事件消息不总是可以并发的,它们之间可能会存在因果顺序,因此消息队列需要保证其发送消息的顺序与其接收到消息的顺序一致。

因为诸如kafka等消息队列,一般都会通过复制与分区的手段实现高可用,而对于同一个主题下的消息,可能处于不同的分区中,而不同分区的消息之间是没有全局顺序的,但是分区自身内的消息是满足全序的,因此消费者在发送消息时需要指定基于事件类型的分区策略,使得消息队列可以将相同的事件类型的消息按照全序发送至消费者端进行处理,从而满足事件间的因果关系。

3.2.3 消费方:消费幂等性的问题

因为诸如kafka等消息队列只提供了消息至少成功发送一次的保证,即一条事务消息可能因为超时机制使得消费方收到多次,因此消费方需要保证接收到多次事件消息产生的影响与接收到一次一致-幂等性;

  • 最直观的解决方案为,消费方的事件处理方法实现接口幂等,一般通过业务对象状态进行判断是否已经处理过该事件消息,但是会使得所有代码冗余了幂等保证的切面代码,因此最好通过额外的机制进行消息的拦截;
  • 优化的方法即为在该事件消息被事件处理方法处理前提供额外的机制进行判断当前事件是否可以被处理,消费者可以通过维护额外的事件处理表用于记录已经被处理过的event_id,如果已经被处理过则进行丢弃;但是需要考虑消费者处理消息中途失败的场景,此时可以依赖消息队列的超时机制,如果消息队列到达超时时间后仍未接收到消费者ACK消息,则进行消息的重新发送,但此时需要绕过幂等性的判重逻辑,因此消费者在因为宕机等原因重启后要将事件处理表中未完成处理的消息状态进行回滚。

4. 编排式Saga模式

Saga模式除了可以实现上述的基于服务间协同的可靠事件模式,还可以实现基于编排器的编排式事件模式;

Saga的编排器与2PC中的协调者节点功能类似,但实现的方式不同,2PC是基于请求/响应的通信方式,而Saga是基于命令/异步响应;

对于每个暴露给客户端的调用方法,比如createOrder,实现编排式Saga的分布式事务框架都会为该方法编排对应的分布式事务涉及到的本地事务流程,并进行集中控制。

具体流程如下图所示,注意对比与基于服务之间协同的可靠事件模式的异同:

createOrder()方法依赖于ConsumerService与AccoutingService,对应的CreateOrderSaga便会通过消息队列向ConsumerService发送OrderCreated事件,ConsumerService进行处理后会将答复事件信息回复到CreateOrderSaga回复通道中交由Saga进行处理;Saga判断响应结果决定是需要触发回滚or继续向下执行分布式事务,如果响应结果正确则会接着通过消息队列向AccoutingService发送AccoutingAuth事件并等待回复…

而如何确保Saga编排器、依赖服务与消息队列间的可靠通信已经在3.2节详细叙述过,接着我们将叙述隔离性问题。

4.1 基于消息队列异步通信带来的隔离性问题

编排式Saga和可靠事件模式,本质上都是通过引入消息队列实现服务间异步通信;与XA或者TCC等二阶段提交等同步通信协议不同,Saga并没有严格区分准备、提交、回滚阶段,而是每个服务在处理事件时,通过事务性消息机制会直接提交当前本地事务,而不会等到其他相关事务完成,即分布式事务涉及到的本地事务可能处在未开始、未提交、已提交、已回滚的不同状态下,因此整个分布式事务涉及到的数据可能处在数据不一致的状态。

举个脏读的栗子:

脏读的本地事务中的定义为:一个事务读取到了一个还没有提交事务的更新;类似的,在分布式事务中即为在一个分布式事务中读取到了另一个还没有完成的分布式事务的更新;

  • 用户发起了一个CreateOrder的请求,该账单的金额为100,OrderService发布OrderCreated事件;
  • ConsumerService判断当前用户账号信用额度为120>100,因此进行扣除后剩余20,并通过事件表与消息中继机制进行ConsumerVerified事件的回复等待AccoutingService进行消费;
  • 此时如果该用户又发起了一个CreateOrder请求,账单金额为10,那么即使上一个分布式事务还未提交,ConsumerService会返回20,而不是120,这便造成了脏读的问题;

当然上述讲述的脏读可能直观上好像并没有什么危害,但脏读带来的问题一般为违反数据间的约束性要求,从而打破了数据视图应该满足的一致性,比如下述的例子会讲到因为脏读引起的写冲突-更新丢失问题:

  • 第二个分布式事务中ConsumerService会对该用户剩余的20信用额度进行扣减,此时该用户剩余信用额度为10;
  • 第一个分布式事务因为AccoutingService失败,触发事务回滚机制,如果分布式事务是基于数据库Undo日志进行回滚,那么ConsumerService进行回滚后,该用户的信用额度会重新变为120,而这便造成了第二个分布式事务创建的Order对于信用额度-10的更新丢失了。

上述便是分布式场景中最常见的并发读写导致的脏读、更新丢失的问题;我们可以通过增加语义锁、自定义事务回滚方式进行修改;

4.1.1 语义锁

在单体数据库中,为了避免多个事务并发读写产生的问题,结合使用了MVCC与锁机制;最直观的是行锁、表锁、意向锁等锁机制,可以让并发的事务达到局部串行以避免冲突的效果;

而二阶段提交的方式便是借助于数据库本地事务的锁特性,来实现隔离性;但是显然基于消息队列与事件的模式不行,因为每个本地事务是独自提交的,因此需要在应用层实现一把语义锁,提供锁信息使得第二个分布式事务知道有另一个事务在操作其关心的数据,从而避免并发读写的冲突问题;

在应用层,一般可以通过聚合根业务对象的状态作为锁信息;如对于上述的Order对象,可以对该对象进行状态机建模:

状态机建模的一般分为对象的状态以及引起对象状态变更的操作,依据这个业务流程,画出了上述的状态流转图,基于上图我们可以实现基于状态的语义锁,在ConsumerService调用consumerVerify()进行信用额度扣除前,先查看当前Consumer业务对象中是否有处于创建流程中的订单,如果有则需要进行阻塞等待直到上一个订单创建完成或创建失败并完成回滚;

4.1.2 自定义回滚方式

上文中我们提到依赖数据库Undo日志进行事务回滚可能会导致更新丢失的问题,因此我们需要自定义回滚方式-可交换更新;

可交换更新的方式可以理解为,用户请求创建信用额度为100的Order订单,但是当前事务因为AccountingService失败,使得ConsumerService需要对当前用户的信用额度进行回滚,那么最简单的方式是依据事务日志,对于当前用户的信用额度进行+100即可;如此上述场景中的第二个事务的更新丢失的问题便不会出现;

使用该策略的前提是Service对于业务对象的操作存在一个对应的可交换操作,比如说借50元可以通过还50元消除借50元这个动作产生的影响。

5. 总结与参考

本文主要分析了基于二阶段提交、协调者同步通信的2PC,接着通过2PC的性能与缺乏容错导致单点故障的问题引出基于消息队列实现的异步通信的可靠事件模式,最后再介绍了基于协调者+消息队列实现的命令/异步响应通信方式的编排式Saga方案。

微服务架构中的数据一致性:如何保证最终一致性与强一致性 微服务架构中,数据一致性问题是一个无法回避的挑战。强一致性适用于关键业务场景,但可能牺牲性能。最终一致性适用于性能要求高、可容忍短暂不一致的场景。合理设计事务管理、利用消息队列和分布式锁等工具,可以帮助我们在一致性与性能之间找到最佳平衡点。在你的项目中,可以尝试不同的模式,找到最适合的解决方案! 阅读详情

相关推荐

一笔订单的一致性远征:两阶段提交的困局、CAP与BASE的取舍与六种柔性事务模式的工程选型

微服务拆分后,单体里一个本地事务就能保证的原子性被服务边界切断,跨服务丢失、幽灵、重复与悬挂随之出现。本文跟随一笔订单,先剖析XA与两阶段、三阶段提交,用离散事件仿真对比二者在协调者宕机与网络分区下的锁持有和数据分叉;再借CAP、PACELC、一致性模型光谱与BASE思想划定理论边界;随后逐一拆解可靠事件、补偿、Saga、TCC、最大努力通知与人工干预六种柔性事务模式的思路、关键点、实现策略与实测数据;最后给出横向对比、选型决策路径与下单链路组合方案,说明最终一致需要幂等、可观测与对账兜底。

曾经“等你生日那天”都遥远得像未来,如今却可欢愉的挥手说“下个十年见” 170万+

微服务下数据一致性的几种实现方案

本人最近学习了一下微服务下数据一致性的特点,总结了下目前的保障微服务下数据一致性的几种实现方式如下,以备后查。此篇文章旨在给大家一个基于微服务的数据一致性实现的大概介绍,并未深入展开,具体的实现方式本人也在继续学习中,如有错误,欢迎大家拍砖。传统应用的事务管理本地事务在介绍微服务下的数据一致性之前,先简单地介绍一下事务的背景。传统单机应用使用一个RDBMS作为数据源。应用开启事务,进行CRUD,提...

天行健,君子以自强不息;地势坤,君子以厚德载物。 965

内存|内存的概念、内存的作用、内存的物理结构及内存使用

内存是硬件,是用于存放数据的硬件。程序执行前需要先放到内存中才能被CPU处理。内存是与CPU沟通的桥梁,计算机中所有程序的运行都要依靠内存,内存对计算机的影响非常大。本文简单介绍了内存的概念、作用、物理结构以及使用,内存远不止如此,后续文章会逐步深入讲解。

qq_59938293的博客 2万+

【架构】如何在微服务下保证事务的一致性

数据库中的数据是共享资源,因此数据库系统通常要支持多个用户的或不同应用程序的访问,并且各个访问进程都是独立执行的,这样就有可能出现并发存取数据的现象。这里有点类似Java开发中的多线程安全问题(解决共享变量安全存取问题),如果不采取一定措施会出现数据异常的情况。列举一个简单的经典案例:比如用户用银行卡的钱还平台账户钱,银行卡扣款成功了,但是平台因为网络或者系统问题没有还款成功,就会出大问题,这时候我们就需要使用事务。

DreamSun的博客 2076

Lmcache+vllm——KVcache卸载CPU/SSD探索

目前查看了vllm、Nvidia dynamo、mooncake都没有找到将kvcache卸载到SSD的方法,幸好lmcache支持。以下进行lmcache+vllm实践,对比将kvcache分别卸载到CPU-ram和SSD上的TTFT性能差异。目前的query只是单并发,对比的效果已经比较明显了,可能多并发下对存储的要求就会更高了。

weixin_43579058的博客 2657

云桌面如何部署?云桌面系统方案部署详细教程

云桌面作为一种比较新的技术工具,核心解决的场景是方便设计师的灵活办公,本身技术就是非常的灵活性,所以在安装部署方面青椒云也做到了十足的灵活。

2301_79113726的博客 1639

微服务下事务一致性保证

分布式事务解决方案探讨一、分布式事务特性二、分布式事务存在问题三、两段式提交四、三阶段提交第一阶段(can_commit)第二阶段(pre_commit)第三阶段(do_commit)五、TCC(Try Confirm Cancel)解决方案使用【MQ + 定时器 + 本地事件表】分布式事务可靠性消息服务 一、分布式事务特性 Consistency:一致性 Availability:可用性 Partition tolerance:分区容忍性 二、分布式事务存在问题 在分布式数据库中,如果期望达到数据的强一致

夜雨的博客 3983

航空发动机轴承故障诊断

《航空发动机主轴承故障诊断的挑战与HIT数据集研究》 摘要: 航空发动机主轴承作为关键部件,其可靠性直接影响飞行安全。然而,主轴承故障诊断面临信号信噪比低、传输路径复杂、故障类型多样、变工况运行等挑战。哈尔滨工业大学团队开发的HIT数据集为研究提供了真实工况下的实验数据,包含正常、内圈和外圈故障三种状态,具有高仿真度和强挑战性特点。研究表明,传统诊断方法在该数据集上准确率仅71-85%,突显了诊断难度。团队提出的ISONet新方法通过输入空间过参数化技术,将诊断准确率提升至99%以上,为航空发动机轴承故障诊

tyutwuxuan的博客 996

微服务架构下如何保证数据的一致性

随着业务的快速发展、业务复杂度越来越高,传统单体应用逐渐暴露出了一些问题,例如开发效率低、可维护性差、架构扩展性差、部署不灵活、健壮性差等等。而微服务架构是将单个服务拆分成一系列小服务,且这些小服务都拥有独立的进程,彼此独立,很好地解决了传统单体应用的上述问题,但是在微服务架构下如何保证事务的一致性呢? 从本地事务到分布式事务的演变 什么是事务?回答这个问题之前,我们先来看一个经典的场景:支付宝等交易平台的转账。假设小明需要用支付宝给小红转账 100000 元,此时,小明帐号会少 100000 元,.

qq_39144436的博客 3456

深入解析高通SA8775芯片:性能、架构与研发创新趋势

SA8775芯片凭借其强大的CPU、GPU和AI加速能力,能够应对现代智能系统中的复杂计算任务。它不仅适合高性能计算、深度学习应用,也在汽车、智能设备等领域有广泛的应用前景。无论是在自动驾驶系统中,还是在车载信息娱乐和高级嵌入式系统中,SA8775都展现了其出色的计算能力和能效平衡,是现代智能系统的重要硬件基础。SA8775芯片作为高通的高性能处理平台,具有出色的计算和AI加速能力,但也存在一些值得关注的地方。

weixin_43199439的博客 9352

Autosar MCAL-S32K324 Fee配置-基于EB

Autosar MCAL S32K324 Fee配置详解

赞的博客 1546

后端面试必问:事务原理、Spring事务陷阱与分布式事务实战

事务是数据库系统中保证数据操作原子性、一致性、隔离性和持久性的核心机制,其ACID特性是数据正确性的基石。在并发环境下,通过锁和多版本并发控制(MVCC)等技术实现不同隔离级别,以在性能与数据一致性之间取得平衡。理解事务原理对于构建高可靠的后端系统至关重要,尤其在涉及资金、库存等核心业务场景。随着微服务架构普及,分布式事务成为技术难点,涌现出2PC、TCC、Saga及基于消息队列的最终一致性等多种解决方案,如Seata框架和RocketMQ事务消息,以应对跨服务的数据一致性问题。本文聚焦于Spring事务管

weixin_33923762的博客 387

导数与微分在 FPS 射击游戏中的实际应用:把“手感”算出来

摘要:射击游戏开发中,单线程适用于简单小游戏(如单机打靶),所有任务由主线程顺序处理,代码简单但效率较低;多线程则适合复杂场景(如多人在线3D大作),通过渲染、逻辑、网络、音效等线程分工协作,确保画面流畅、响应迅速和实时同步。选择依据取决于游戏复杂度、联网需求和性能要求,小型游戏用单线程,大型高要求项目必须采用多线程架构。(149字)

本博客聚焦游戏开发技巧、创业实战心得及大学热门课程干货。这里既有技术深度,也有思维广度,无论你是开发者、创业者还是高校学子,都能在这里找到适合自己的成长之路! 3279

如何在微服务下保证事务的一致性

在微服务架构下,保证事务的一致性是一个相对复杂的问题,因为不同的微服务可能运行在不同的进程或服务器上,它们之间的通信是通过网络进行的。下面是一些常用的方法来保证微服务架构下的事务一致性:使用分布式事务管理器:分布式事务管理器是一种用于协调跨多个服务的事务的工具,如Atomikos、Bitronix、Narayana等。这些工具可以通过两阶段提交(Two-Phase Commit)或其他协调机制来确...

dotNET跨平台 986

锂电池剩余使用寿命预测(RUL) | 基于Stacked-LSTM-Autoencoder的锂电池寿命多变量多步预测(Tensorflow)

锂电池剩余使用寿命预测(RUL) | 基于Stacked-LSTM-Autoencoder的锂电池寿命多变量多步预测(Tensorflow)

前程算法屋的博客 851

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

一致性挑战:微服务架构下的数据一致性解决方案

1、CAP原则与BASE定理 2、TCC一致性解决方案 3、Seata TCC模式 * 一致性 C :更新操作成功后,所有节点在同一时间的数据完全一致 * 可用性 A :用户访问数据时,系统是否能在正常响应时间内返回预期的结果 * 分区容错性 P :分布式系统在遇到某节点或网络分区故障的时候,仍然能够对外提供满足一致性或可用性的服务 ...

1204

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

如何在微服务下保证事务的一致性 | 京东云技术团队

随着业务的快速发展、业务复杂度越来越高,传统单体应用逐渐暴露出了一些问题,例如开发效率低、可维护性差、架构扩展性差、部署不灵活、健壮性差等等。而微服务架构是将单个服务拆分成一系列小服务,且这些小服务都拥有独立的进程,彼此独立,很好地解决了传统单体应用的上述问题,但是在微服务架构下如何保证事务的一致性呢?

JDDTechTalk的博客 980

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

微服务架构中如何保障事务一致性

在微服务架构中,保障事务一致性常常面临着分布式环境中的一系列挑战。

Gemini1995的博客 1348

微服务架构中数据一致性保证机制深度解析

不追求绝对一致性:微服务中 “完美一致性” 通常意味着不可接受的性能损耗,需根据业务价值选择一致性级别。防御性设计:所有跨服务操作必须考虑失败场景,通过幂等性、重试、补偿三重保障最终一致性。监控优先:建立全链路一致性监控(如订单 - 库存 - 支付数据对账),及早发现不一致并修复。

sdgfafg_25的博客 1308

SpringCloudAlibaba+Nacos数据一致性设计

胡弦,视频号2023年度优秀创作者,互联网大厂P8技术专家,Spring Cloud Alibaba微服务架构实战派(上下册)和RocketMQ消息中间件实战派(上下册)的作者,资深架构师,技术负责人,极客时间训练营讲师,四维口袋KVP最具价值技术专家,技术领域专家团成员,2021电子工业出版社年度优秀作者,获得2023电子工业出版技术成长领路人称号,电子工业出版社博文视点20周年荣誉专家称号。

huxian1234的专栏 1410

微服务--数据一致性

本篇文章讲解微服务数据一致性相关的知识。

喵叔 2583

微服务架构中的数据一致性:解决方案与实践| 得物技术

业务操作的唯一ID的生成方式,可以是没有任何业务含义的自增趋势的不可重复的ID,比如MySQL的自增主键ID,分布式ID生成器等等方式,也可以是业务侧系统的某些特定的业务字段 ,比如用户的userId,订单的orderId,商品的spuId,skuId等等。3. 增加核对的扫描的数据范围的策略;在以上的基础之上,我们还是可以采用隔离拆分的方式,比如服务接口拆分层面的隔离,MQ的topic拆分的隔离等等,配合不同的限流熔断等等系统保护策略的方式以及不同的系统资源倾斜等等,解决平台侧系统的性能问题。

SmartCodeTech的博客 1530

调用外部api时的数据一致性问题

春节又要来了,远行的小伙伴们将开始一场刺激的抢票之旅,关于购票,从程序角度上而言,大致分为这么几步:1、 检查是否有剩余的票2、 购票后票数减一3、 账户上扣除金额4、 获...

XMEHB的博客 967

连续调用多个外部系统的写接口-如何保证数据一致性(思路)

概述 某些场景下,我们将业务数据落地之前,是需要先调用外部系统的多个写接口,当这些写接口都操作成功了,我们才将业务数据落地到自己本地的数据库里面。比如说: public void updateProductInfo(Product product) { //1、将商品价格更新到价格系统 priceService.updatePrice(product); //...

Sam_Deep_Thinking 1万+
上一篇: 什么是真正的架构设计?十年Java经验让我总结出了这些,不愧是我
下一篇: 浅析分布式主从架构下数据一致性问题
JavaCaiy
博客等级 码龄6年 1万+粉丝 95原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值