基于服务的分布式事务(下)

微服务分布式事务处理 跨越网络上多个物理系统或计算机的事务被简单的称为分布式事务。在微服务世界中,事务被分割到多个服务中,需要按顺序调用这些服务以完成整个事务。下面是一个单体电子商务系统使用事务的例子图1单体中的事务在上面的系统中,如果用户向平台发送Checkout请求,平台将创建一个本地数据库事务,该事务操作多个数据库表,以处理订单并从库存中保留商品。如果有任何步骤失败,事务(包括订单和保留的商品)可以回滚。和,各自有独立的数据库。当用户发起Checkout分布式事务。... 阅读详情

点击蓝字关注我们

作者丨Willem Jiang

分布式事务协调场景介绍

在基于服务的分布式事务(上)中,我们举了一个业务场景的例子,就是一个初始服务创建了一个分布式事务,在这个分布式事务中包含了两个参与服务的本地事务,这两个本地事务由初始服务通过调用两个参与事务的服务方式组合在一起。根据分布式事务一致性的要求,这两个本地事务要么同时成功,要么同时失败。由于这两个参与事务的服务并不知道对方的存在,当一个参与服务调用(Invocation A)成功而另外一个参与服务调用(Invocation B)失败,我们就需要分布式事务协调器的进行相关的补偿,保证分布式事务的一致性。

分布式Saga

ServiceComb Pack [1]默认采用的是名为Saga的分布式事务协调方案。Sagas [2]这个概念来源于三十多年前的一篇数据库论文,一个Saga事务是一个由多个短时事务组成的长时事务。在分布式事务场景下,我们把一个Saga分布式事务看做是一个由多个本地事务组成的事务,每个本地事务都有一个与之对应的补偿事务。在Saga事务的执行过程中,如果出现某一步执行出现异常的,Saga事务会被终止,同时会调用之前执行成功的事务对应的补偿事务完成相关的恢复操作,这样保证Saga相关的本地事务要么同时成功,要么通过执行补偿恢复成为Saga执行之前的状态。

ServiceComb Pack 在实现分布式Saga协调协议的过程中需要追踪分布式事务的执行情况。首先介绍一下正常流程下分布式事务执行流程是如何记录下来的,下图的红线部分是Omega端扩展与Alpha端交互序列图。

在分布式事务初始阶段由初始服务的Omega将SagaStarted事件发送到Alpha进行分布式事务备案。当有新的服务参与到这个分布式事务中,参与服务A的Omega会在本地事务执行前发送TxStarted到Alpha端;并在本地事务执行成功之后将TxEnded事件发送到Alpha。如果分布式事务正常结束,初始服务Omega会直接发送SagaEnded事件到Alpha,结束整个分布式事务。

参与分布式事务的服务在执行本地事务出现异常,如下图所示Transaction B执行出现错误。

此时参与服务B会向Alpha发送一个TxAborted的事件,Alpha收到这个事件后会将整个Saga事务挂起,终止Saga事务的继续执行。如果这个时候还有其他的Omega向Alpha发送挂载在这个Saga事务下的TxStarted事件的话,Alpha会直接发送拒绝应答消息通知Omega这个Saga事务已经出现异常,不应该执行新的本地事务。由于初始服务在调用参与服务B的过程中,也知道了服务调用失败的消息,所以,初始服务也会发生SagaAborted事件给Alpha来关闭整个Saga事件。虽然在TxAborted存在的情况下,SagaAborted事件看上去有点多余,但是为了应对诸如初始服务无法调用参与服务B的情况下(此时Alpha没有收到TxAborted事件),设置SagaAborted事件还是非常有必要的。

现在Alpha可以通过查询TxEnded事件获取到需要进行补偿恢复的服务信息,Alpha会向相关的服务实例Omega发送TxCompensated事件,由Omega调用服务实例补偿方法进行相关的恢复操作。在具体的过程中,为了恢复本地事务执行上下文,ServiceComb Pack会将TxStarted传递过来的方法参数列表信息放入TxCompensated消息中传递给Omega,除此之外ServiceComb Pack 还会将OmegaContext [3]的全局事务和本地事务设置成之前的状态,这样应用代码可以在此基础上扩展获取自定义的上下文环境。

除了要考虑异常情况,我们还需要考虑事务执行超时的处理问题(为了简化场景,这里我们不考虑由于网络连接中断导致的事务异常或者结束消息丢包的情况)。目前我们可以在Saga以及本地事务之间设置超时时间,Alpha上的事件扫描器会定时查找Started事件在设定的超时时间内是否有对应的Aborted或者Ended事件,如果没有,则会生成对应的Aborted事件触发相关的补偿操作。

当整个Saga事务执行超时,Alpha事件扫描器会向Alpha发送SagaAborted事件终止整个Saga事务,并且调用恢复函数进行相关的恢复操作。

下图展示的就是在本地事务执行超时的情况下,Alpha事件扫描器会识别出Transaction B 执行超时,同时会发生TxAborted事件终止整个Saga 事务,调用相关的恢复方法进行恢复。由于Alpha无法确认对应的事务的执行情况,Alpha会采用向Omega发送TxCompensated的方式恢复事务,即使这时参与的服务事务已经执行成功了,Alpha还是会执行相关的恢复操作。

编写Saga应用代码

在文章开头我们给大家介绍了一个典型的分布式事务业务场景,其中涉及到一个初始服务,以及两个参与服务。为了方便大家理解,我们将以ServiceComb PackSpring Demo [4]为例介绍如何使用Saga实现分布式事务。

这里预订服务(Booking) 相当于之前提到的分布式事务初始服务,对外提供一个租车(Car)和酒店(Hotel)聚合服务,在BookingController [5]中使用Spring提供的RestTemplate [6]向租车和酒店服务转发请求。租车和酒店服务分别作为Saga事务参与方参与整个事务。预订服务、租车和酒店服务都是基于Spring-Boot [7]编写独立进程应用,应用代码通过@EnableOmega [8]加载Omega相关的配置 [9],同时需要在Spring的配置文件中配置与Alpha服务相关的信息。

import org.apache.servicecomb.pack.omega.spring.EnableOmega;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
@EnableOmega
public class Application {  public static void main(String[] args) {    SpringApplication.run(Application.class, args);  }
}

在应用代码中需要描述出Saga事务的边界,我们可以在BookingController的order方法上标准@SagaStart;

import org.apache.servicecomb.pack.omega.context.annotations.SagaStart;

@SagaStart
@PostMapping("/booking/{name}/{rooms}/{cars}")
public String order(@PathVariable String name, @PathVariable Integer rooms, @PathVariable Integer cars) {  // Calling the car service  template.postForEntity(      carServiceUrl + "/order/{name}/{cars}",      null, String.class, name, cars);  // Calling the hotel service  template.postForEntity(      hotelServiceUrl + "/order/{name}/{rooms}",      null, String.class, name, rooms);  return name + " booking " + rooms + " rooms and " + cars + " cars OK";
}

本地事务是通过@Compensable来标识,并且在Compensable的compensationMethod属性中描述补偿方法。注意补偿方法和本地事务方法的参数必须一致,否则Omega在进行恢复操作的时候会报找不到方法的错误。

import org.apache.servicecomb.pack.omega.transaction.annotations.Compensable;

@Compensable(compensationMethod = "cancel")
void order(CarBooking booking) {  booking.confirm();  bookings.put(booking.getId(), booking);
}

void cancel(CarBooking booking) {  Integer id = booking.getId();  if (bookings.containsKey(id)) {    bookings.get(id).cancel();  }
}

TCC实现

ServiceComb Pack 还提供了一个名为TCC(Try-Cancel/Confirm实现)分布式事务协调实现。TCC借助两阶段提交协议提供了一种比较完美的恢复方式。在TCC方式下,cancel补偿显然是在第二阶段需要执行业务逻辑来取消第一阶段产生的后果。try是在第一阶段执行相关的业务操作,完成相关业务资源的占用,例如预先分配票务资源,或者检查并刷新用户账户信用额度。在取消阶段释放相关的业务资源,例如释放预先分配的票务资源或者恢复之前占用的用户信用额度。那我们为什么还要加入确认操作呢?这需要从业务资源的使用生命周期来入手。在try过程中,我们只是占用的业务资源,相关的执行操作还处于待定状态,只有在确认操作执行完毕之后,业务资源才能真正被确认。

下图展示了正常的TCC调用流程,可以看到参与服务A,B分别在尝试方法中完成相关业务资源的预先分配,然后在提交阶段完成业务资源的确认操作。在实现层面和前面提到的Saga实现一样,我们需要协调器在分布式事务执行完成时向各个参与服务发送执行确认消息,由服务实例执行确认操作。

如果参与服务自身的本地事务执行出现错误了,事务协调器会终止整个分布式事务,同时事务协调器会向注册成功的参与服务发送取消消息,由服务实例执行取消操作。假如这时还有其他的服务想参与到这个分布式事务的话,事务协调器会以这个分布式事务已经失败为由,向参与的服务发送失败的应答消息。

在ServiceComb Pack中,为了实现上面描述的TCC业务诉求,初始服务需要在分布式事务开始时向Alpha协调器发送TccStarted事件,Alpha协调器在接收到TccStarted事件之后,会创建相关事务追踪资源跟踪这个TCC事务的整个生命周期。初始服务会在参与服务调用try方法之前发送ParticipationStarted事件来声明与TCC相关本地事务。Alpha协调器会根据TCC事务当前的状态决定是否允许参与服务参加到TCC事务中。如果参与的TCC事务没有终止,Alpha协调器会回复确认消息,参与服务会继续执行相关的try方法调用;如果TCC事务已经终止了,Alpha协调器会回复终止消息,参与服务所在的Omega将抛出异常,直接终止try方法调用。如果参与服务调用try方法成功,则会向Alpha发送ParticipationEnded事件,因为这个事件发送之后Omega端不需要做任何操作,为了提高系统效率,Omega可采用异步方式通知Alpha协调器。当初始服务执行完标注好的TCC调用之后,初始服务所在的Omega会向Alpha协调器发送TccEnded事件,Alpha协调器在接收到这个事件之后会查询与本次TCC调用相关的ParticipationStarted事件识别相关的参与服务实例,然后通过向这些服务实例所对应的Omega发送Coordinated事件,由Omega调用相关的确认方法,完成本地事务提交工作。

当TCC调用执行过程中出现异常,调用服务所在的Omega会向Alpha协调器发送TccEnded事件来终止当前的TCC事务。Alpha协调器则会根据其记录的分布式事务的参与情况,向相关服务的Omega发送Coordinated事件,由Omega调用相关的取消方法。

如果是参与服务在执行try方法时出错了,那Alpha协调器会收到一条标注try方法执行状态的ParticipationEnded事件,Alpha协调器会给自己发送一个包含Aborted信息的TccEnded事件来关闭正在执行的TCC事务,同时触发Omega相关恢复操作的调用。

下面介绍事务执行超时的处理的设计,对于参与服务的try方法来说,Alpha协调器可以通过是否接收到ParticipationEnded事件来进行判断。如果在超时时间内没有收到ParticipationEnded事件,Alpha事件扫描器会向自己发送TccEnded,触发和之前提到过的一样的事务错误处理流程,进行分布式事务关闭以及调用Omega进行相关恢复的操作。

同理当TCC分布式事务执行超时, Alpha事件扫描器会发送TccEnded触发相同的恢复操作。

编写TCC应用代码

下面我们会结合ServiceComb中的TCC示例 [10],向大家详解如何编写与TCC应用代码。这个示例以我们常见的电商场景为例,用户通过Ordering应用进行下单,Odering会调用Inventory以及Payment两个服务进行相关的业务操作。和之前Saga的示例一样,我们可以通过@EnableOmega的方式在这几个应用中注入Omega。

import org.apache.servicecomb.pack.omega.spring.EnableOmega;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
@EnableOmega
public class TccOrderingApplication {  public static void main(String[] args) {    SpringApplication.run(TccOrderingApplication.class, args);  }
}

接下来我们需要在OrderingController中通过加入@TccStart来定义这个TCC分布式事务的范围,这个分布式事务的范围就是order方法,order方法会调用Inventory的order服务接口,以及Payment的pay服务接口。

import org.apache.servicecomb.pack.omega.context.annotations.TccStart;

@TccStart
@PostMapping("/order/{userName}/{productName}/{productUnit}/{unitPrice}")
@ResponseBody
public String order(    @PathVariable String userName,    @PathVariable String productName, @PathVariable Integer productUnit, @PathVariable Integer unitPrice) {  // Calling the inventory service  restTemplate.postForEntity(      inventoryServiceUrl + "/order/{userName}/{productName}/{productUnit}",      null, String.class, userName, productName, productUnit);  int amount = productUnit * unitPrice;  // Calling the payment service  restTemplate.postForEntity(paymentServiceUrl + "/pay/{userName}/{amount}",      null, String.class, userName, amount);  return userName + " ordering " + productName + " with " + productUnit + " OK";
}

Inventory会在try阶段先进行库存的扣减,在分布式业务执行成功之后进行设置库存订单状态;如果业务执行失败,Inventory服务会执行恢复操作。通过定义@Participate,ServiceComb Omega可以标注相关try方法,同时通过confirmMethod以及cancelMethod定义相关确认和取消方法名。需要注意的是,这里提到的confirm、cancel方法的参数必须和try方法的相同。

import org.apache.servicecomb.pack.omega.transaction.annotations.Participate;
import org.springframework.transaction.annotation.Transactional;

@Participate(confirmMethod = "confirm", cancelMethod = "cancel")
@Transactional
public void pay(Payment payment) {  Account account = getAccount(payment);  if (account.getCredit() >= payment.getAmount()) {    account.setCredit(account.getCredit() - payment.getAmount());    accountDao.saveAndFlush(account);    payments.put(payment.getId(), payment);  } else {    throw new IllegalArgumentException("Insufficient funds!");  }
}

@Transactional
Account getAccount(Payment payment) {  Account account = accountDao.findByUserName(payment.getUserName());  if (Objects.isNull(account)) {    throw new IllegalArgumentException("Cannot find the account!");  }  return account;
}

@Transactional
public void confirm(Payment payment) {  Account account = getAccount(payment);  payment.setConfirmed(true);  payment.setCancelled(false);  account.setBalance(account.getBalance() - payment.getAmount());  payment.setBalance(account.getBalance());  accountDao.saveAndFlush(account);
}

@Transactional
public void cancel(Payment payment) {  Account account = getAccount(payment);  account.setCredit(account.getCredit() + payment.getAmount());  accountDao.saveAndFlush(account);  payment.setBalance(account.getBalance());  payment.setConfirmed(false);  payment.setCancelled(true);
}

 

Payment会在try阶段先验证用户账户的信用值,在确认阶段执行扣减用户账户余额的操作,在恢复阶段恢复信用值。

import org.apache.servicecomb.pack.omega.transaction.annotations.Participate;
import org.springframework.transaction.annotation.Transactional;

@Participate(confirmMethod = "confirm", cancelMethod = "cancel")
@Transactional
public void reserve(ProductOrder order) {  Product product = getProduct(order.getProductName());  if (product.getInStock() >= order.getUnits()) {    product.setInStock(product.getInStock() - order.getUnits());    productDao.saveAndFlush(product);    orders.put(order.getId(), order);  } else {    throw new IllegalArgumentException("The Product is out of stock!");  }
}

public void confirm(ProductOrder order) {  order.setConfirmed(true);
}

@Transactional
public void cancel(ProductOrder order) {  Product product = productDao.findProduceByName(order.getProductName());  product.setInStock(product.getInStock() + order.getUnits());  productDao.saveAndFlush(product);  order.setCancelled(true);
}

@Transactional
private Product getProduct(String productName) {  Product product = productDao.findProduceByName(productName);  if (Objects.isNull(product)) {    throw new IllegalArgumentException("Product not exists at all!");  }  return product;
}

小结

在本文中我们先从分布式事务场景入手,采用交互图的方式,向大家介绍分布式Saga以及TCC分布式事务协调协议交互,最后结合ServiceComb Pack所提供的示例向大家介绍如何编写Saga以及TCC的应用代码。

参考链接详情

[1]ServiceComb Pack

https://github.com/apache/servicecomb-pack

[2]Sagas

https://www.cs.cornell.edu/andru/cs711/2002fa/reading/sagas.pdf

[3]OmegaContext

https://willemjiang.github.io/servicecomb/pack/2019/01/10/[OmegaContext](https://github.com/apache/servicecomb-packblob/master/omega/omega-context/src/main/java/org/apache/servicecomb/saga/omega/context/OmegaContext.java)

[4]ServiceComb Pack Spring Demo

https://github.com/apache/servicecomb-pack/tree/master/demo/saga-spring-demo

[5]BookingController

https://github.com/apache/servicecomb-pack/blob/master/demo/saga-spring-demo/booking/src/main/java/org/apache/servicecomb/pack/demo/booking/BookingController.java

[6]RestTemplate

https://docs.spring.io/spring/docs/current/javadoc-api/org/springframework/web/client/RestTemplate.html

[7]Spring-Boot

https://spring.io/projects/spring-boot

[8]@EnableOmega

https://github.com/apache/servicecomb-pack/blob/master/omega/omega-spring-starter/src/main/java/org/apache/servicecomb/pack/omega/spring/EnableOmega.java

[9]配置

https://github.com/apache/servicecomb-pack/blob/master/demo/saga-spring-demo/booking/src/main/resources/application.yaml

[10]TCC示例

https://github.com/apache/servicecomb-pack/tree/master/demo/tcc-spring-demo

精彩阅读|学习微服务

[学习微服务-第9天] 

Service-Center使用入门

[学习微服务-第8天] 

ServiceComb内置负载均衡组件handler-loadbalance

[学习微服务第7天] 

ServiceComb+SpringCloud Ribbon源码解读

[学习微服务-第6天] 

负载均衡之ServiceComb + SpringCloud Ribbon

[学习微服务-第5天]

ServiceComb+Zipkin源码解读

[学习微服务-第4天]

ServiceComb+Zipkin

[学习微服务-第3天] 

ServiceComb内置高性能网关服务

[每天学习微服务-源码解读] 

ServiceComb+SpringCloud Zuul

[每天学习微服务-网关]

ServiceComb+SpringCloud Zuul

关注我们

知识就是力量

长按二维码关注我们~

喜欢我,就给我一个“好看”

点击“阅读原文”,企业数字化转型专家ServiceStage带你飞~

微服务架构技巧篇——分布式事务 摘要:本文探讨了微服务架构下数据一致性的挑战及解决方案。由于微服务拆分导致传统数据库事务失效,需要通过分布式事务来保证数据一致性。文章重点介绍了四种成熟的业务级分布式事务模式:本地事务消息通过记录事务状态实现跨服务协调;MQ事务消息利用消息队列实现二阶段提交;TCC采用Try-Confirm-Cancel三阶段控制;SAGA将长事务拆分为可补偿的子事务序列。每种方案各有特点,适用于不同业务场景,开发者需根据系统需求选择合适方案。这些方案为微服务架构提供了可靠的事务保障机制。 阅读详情

相关推荐

服务保护和分布式事务

Sentinel是阿里巴巴开源的一款服务保护框架,目前已经加入SpringCloudAlibaba中。官方网站核心库(Jar包):不依赖任何框架/库,能够运行于 Java 8 及以上的版本的运行时环境,同时对 Dubbo / Spring Cloud 等框架也有较好的支持。在项目中引入依赖即可实现服务限流、隔离、熔断等功能。控制台(Dashboard):Dashboard 主要负责管理推送规则、监控、管理机器信息等。为了方便监控微服务,我们先把Sentinel的控制台搭建出来。下载jar包运行。

lqw_675的博客 789

祝贺姜宁当选 2022 Apache 软件基金会新任董事

近日,Apache 软件基金会通过官方 blog 向大家公布了新一任董事的选举成果。在这周 Apache 软件基金会(下称 ASF )举行了一年一度的成员会议,并选举出了新的董事会:Ric...

腾源会 508

willemjiang.github.io

willemjiang.github.io willemjiang.github.io的网站基于它们的最小值。 安装Ruby和Gem 安装Jekyll和Bundler 宝石安装jekyll捆绑器 捆绑安装宝石 捆绑安装 启动jekyll服务器 捆绑执行jekyll服务器 启动Web浏览器访问 通过从ROOT _script / publish.sh运行以下命令来发布网站

分布式事务(Saga模式)

分布式事务(Saga模式)(解决mq,api分布式事务问题) 一 概览 1.分布式事务包含两个组件TxServer和TxClient TxServer是分布式事务协调器,主要负责接收每个参与者事务开启和结束的上报信息,并做持久化。协调补偿子事务,达到事务的最终一致。 TxClient是分布式事务客户端,主要负责上报事务开启和结束结果信息。 2.业务接入 业务服务需要引入TxClient依赖 <dependency> <groupId>com.mw</groupId&gt

qq_40354931的博客 1585

servicecomb-pack:Apache ServiceComb Pack是最终用于微服务应用程序的数据一致性解决方案。 ServiceComb Pack当前通过使用Alpha作为事务处理协调器和Omega作为事务处理代理来提供TCC和Saga分布式事务协调解决方案

打包| Apache ServiceComb Pack是最终用于微服务应用程序的数据一致性解决方案。 特征 高可用性。 协调器是无状态的,因此可以具有多个实例。 高可靠性。 所有事务事件都永久存储在数据库中。 高性能。 事务事件通过gRPC报告给协调器,事务负载由Kyro序列化/反序列化。 低入侵。 您需要做的就是添加2-3个注释和相应的补偿方法。 易于部署。 所有组件都可以通过docker引导。 支持正向(重试)和反向(补偿)恢复。 易于扩展基于Pack的其他协调协议,现在我们可以立即使用Saga和TCC支持。 建筑学 ServiceComb Pack由alpha和omega组成。 Alpha充当协调者。 它负责交易的管理。 欧米茄在微服务中充当代理。 它拦截传入/传出的请求并将事务事件报告给Alpha。 下图显示了alpha,omega和服务之间的关系。 这样,

Apache ServiceComb Saga使用说明

简要说明Apache ServiceComb Saga分布式事务一致性框架的架构组成、基本工作原理及使用

姜宁当选2022ASF董事,将致力于帮助Apache全球化发展

Apache 软件基金会(ASF),作为世界范围内的知名的非盈利软件基金会和开源行业标杆,一直受到技术圈尤其是开源圈的广泛关注。本周,Apache公布了2022年ASF董事会成员和ASF成员的名单。 Rich Bowen (前董事) Bertrand Delacretaz (现任董事) Christofer Dutz (新董事) Roy T. Fielding (现任董事) Sharan Foga (现任董事) Willem Jiang (新董事) Sam Ruby (现任董事) Roman Shapo

开源吞噬世界。 1966

双翌视觉系统配合机械手大视野定位案例(单目标带角度抓取)

一、定位原理概述 1.系统构架 视觉定位系统采用正向打光方式,光源在机械手上方,CCD从上往下拍摄,进行图像分析定位。相机将计算出的像素坐标转换为机械手的物理坐标,视觉软件与机械手进行网口通讯,将视野内物料的物理坐标发送给机械手,机械手抓取物料放在指定工位。 2.相机标定概述 系统采用宫格标定确定像素坐标和物理坐标一一对应关系,同时利用3点或者多点旋转标定求出旋转中心 系统采用宫格标定,自定义行列数和间距及旋转角度,通过机械手发送的当...

weixin_51554164的博客 2173

springboot集成分布式事务框架:servicecomb-pack

源码地址:https://github.com/apache/servicecomb-pack。 一、官网介绍: 概览 Pack中包含两个组件,即 alpha 和 omega。 alpha充当协调者的角色,主要负责对事务的事件进行持久化存储以及协调子事务的状态,使其得以最终与全局事务的状态保持一致。 omega是微服务中内嵌的一个agent,负责对网络请求进行拦截并向alpha上报事务事件,并在异常情况下根据alpha下发的指令执行相应的补偿操作。 Omega内部运行机制 omega是微服务

u014050029的专栏 1878

本地大模型部署实战:LM Studio与Ollama的易用性与性能深度评测

本文对两款主流本地大模型部署工具LM Studio和Ollama进行了深度评测。LM Studio凭借图形化界面和内置模型库,为新手提供了开箱即用的便捷体验,并支持OpenAI兼容API,易于生态集成。Ollama则以命令行驱动,轻量高效,凭借其原生API和Modelfile自定义能力,在自动化集成和性能方面表现突出。文章从易用性、模型生态、性能及扩展性多维度对比,帮助用户根据自身技术背景和使用场景做出最佳选择。

weixin_29039773的博客 531

2025.1.16——五、LoveSQL1 sqlmap文件类|万能密码

题目来源:BUUCTF[极客大挑战2019]LoveSQL1。

2402_87387800的博客 1072

服务保护、分布式事务

Sentinel是阿里巴巴开源的一款服务保护框架,目前已经加入SpringCloudAlibaba中。核心库(Jar包):不依赖任何框架/库,能够运行于 Java 8 及以上的版本的运行时环境,同时对 Dubbo / Spring Cloud 等框架也有较好的支持。在项目中引入依赖即可实现服务限流、隔离、熔断等功能。控制台(Dashboard):Dashboard 主要负责管理推送规则、监控、管理机器信息等。为了方便监控微服务,我们先把Sentinel的控制台搭建出来。1)下载jar包2) 访问。

2201_75589619的博客 1682

保姆级教程:用MATLAB复现格拉斯哥大学FMCW雷达数据集多普勒谱(附完整代码与避坑指南)

本文提供了一份详细的MATLAB教程,指导如何复现格拉斯哥大学FMCW雷达数据集的多普勒谱分析。从环境准备、数据获取到距离压缩、MTI滤波、时频分析(STFT)以及结果后处理,涵盖了完整流程,并附有优化代码和避坑指南,特别适合雷达信号处理研究者和工程师。

weixin_28720767的博客 117

微服务保护和分布式事务

微服务保护措施有助于提高单个服务乃至整个系统的稳定性与安全性,而有效的分布式事务管理策略则是在这种架构下保持数据一致性的关键。两者相辅相成,共同构成了健壮且高效的微服务体系。

2301_80035594的博客 3325

how2heap 深入学习(1)

how2heap glibc 2.23学习

CoLin的pwn小屋 3181

从零开始理解二极管限幅:5种典型电路设计及实际应用场景解析

本文系统解析了二极管限幅电路的五大经典拓扑,包括串联与并联型上下限幅及双向限幅。通过剖析其核心原理与二极管的单向导电性、正向压降特性,结合ADC输入保护、电源管理、音频处理等实际应用场景,提供了从器件选型到设计陷阱规避的完整实战指南,帮助工程师为信号构建可靠的“安全笼”。

2y3u4i5o6p的博客 1036

微服务架构下的分布式事务

微服务架构下的分布式事务

小锴的学习笔记 3603

北斗导航 | 卡尔曼滤波与因子图优化对比(附图优化matlab代码)

- 历史数据利用:因子图通过滑动窗口保留历史状态,优化时联合多帧数据;卡尔曼滤波仅依赖当前和上一帧状态 。 - 迭代优化:因子图通过多次迭代逼近最优解,卡尔曼滤波仅单次更新 。 - 误差抑制:因子图的多次线性化可有效抑制非线性误差(如GNSS伪距观测的非线性) 。

尘世冰封的专栏 1314

微服务——分布式事务

而微服务中的事务并未遵循ACID的原则,归其原因就是参与事务的多个子业务在不同的微服务,跨越了不同的数据库。虽然每个单独的业务都能在本地遵循ACID,但是它们互相之间没有感知,不知道有人失败了,无法保证最终结果的统一,也就无法遵循ACID的事务特性了。分布式事务是指事务的参与者、支持事务的服务器、资源服务器以及事务管理器分别位于不同的分布式系统的不同节点之上的一种事务处理方式。,与多个分支事务通信,检测每个分支事务的执行状态,保证全局事务下的每一个分支事务同时成功或失败即可。如果有分支事务失败,需要回滚。

m0_74197695的博客 1939

【25届数字IC秋招总结】面试经验13——豪威科技面试

25届数字ic面试记录———豪威科技

lalala0635的博客 365

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

微服务分布式事务

微服务架构中的分布式事务是指在多个服务实例之间保持数据一致性的机制。由于微服务通常涉及将业务逻辑拆分成独立的服务,每个服务可能有自己的数据库,因此当一个业务操作需要跨多个服务进行时,确保所有服务的数据保持一致性就变得复杂。在单体应用中,数据库事务可以很容易地通过本地事务(如ACID事务)来管理,但在微服务架构中,每个服务可能使用不同的数据库,这就要求一种不同的事务管理策略。

m0_67646306的博客 1656

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

微服务中服务保护和分布式事务

虽然每个单独的业务都能在本地遵循ACID,但是它们互相之间没有感知,不知道有人失败了,无法保证最终结果的统一,也就无法遵循ACID的事务特性了。该请求可以是任何东西,从内存获取,磁盘IO,复杂的数据库查询或加载完整的网页。,与多个分支事务通信,检测每个分支事务的执行状态,保证全局事务下的每一个分支事务同时成功或失败即可。处理时间是完成请求要求的工作所需的时间,等待时间是请求在被处理之前必须在队列中等待的时间。其实分布式事务产生的一个重要原因,就是参与事务的多个分支事务互相无感知,不知道彼此的执行状态。

2303_81059616的博客 1006

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

如何实现微服务架构下的分布式事务?

摘要:微服务架构下,如何克服分布式事务难题? 什么是微服务?微服务有什么优势和困难? 什么是微服务架构? 简而言之,微服务架构的系统是一个分布式的系统,按业务进行划分为独立的服务单元,解决单体系统的不足,同时也满足越来越复杂的业务需求。每个微服务仅关注于完成一件任务并很好地完成该任务。 微服务架构的优势 1. 将复杂的业务拆分成多个小的业务,每个业务拆分成一个服务,将复杂的问题简单化。利于分工,降低新人的学习成本。 2. 微服务系统是分布式系统,业务与业务之间完全解耦,随着业务的增加可以根据业务

华为云官方博客 2117
上一篇: 基于服务的分布式事务(上)
下一篇: CSE/ServiceComb 和 Spring Boot集成的时候报告Hystrix重复错误
looook
博客等级 码龄20年 145粉丝 195原创
评论
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