知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# Seata 模式对比与选型(AT / TCC / Saga / XA) > 导读:本文从"项目要上分布式事务,AT、TCC、Saga、XA 到底该选哪个,别人说 AT 简单、TCC 强、Saga 适合长流程,但没人说得清边界在哪"这个具体的痛点出发,把四种模式各自的原理、代价、适用与不适用场景、TCC 的三个经典问题及其解法逐一讲透,最后给出四模式对比表、与 2PC / 本地消息表 / MQ 事务消息的对比与选型建议。适合正在做分布式事务技术选型、或已经用了 Seata 但不确定用得对不对的后端同学。 ## 一、先建立全局认知 ### Q:四种模式在架构上是什么关系? A:结论先行——**AT、TCC、Saga、XA 不是四个不同的框架,而是同一套角色模型(TC/TM/RM)下、同一条全局事务推进流程(TM 开启 → RM 执行分支 → TM 决策 → TC 驱动二阶段)里的四种"分支执行方案"**;它们的差异只在两处:**一阶段做了什么**,以及**二阶段由谁、用什么方式完成**。 先把共同点钉死,避免被"模式"这个词带偏: 1. **角色模型完全一样**:都要有 TC(`seata-server`)做协调者,都有 TM 定义事务边界,都有 RM 参与分支。 2. **全局事务的推进流程完全一样**:`@GlobalTransactional` 开启、XID 透传、分支注册、TM 决策提交或回滚、TC 驱动二阶段。 3. **二阶段的失败处理机制一样**:都要靠"重试 + 日志 + 告警 + 人工兜底",没有任何模式能保证二阶段一次成功。 真正的差异,用一张表就能钉住: | 模式 | 一阶段做什么 | 二阶段由谁执行 | 依赖什么能力 | 隔离性表现 | | --- | --- | --- | --- | --- | | AT | 执行业务 SQL + 采集前后镜像 + 写 undo_log + **提交本地事务** | **框架自动**(删 undo_log / 按镜像反向补偿) | 关系型数据库 + `undo_log` 表 | 全局默认读未提交;写靠全局锁隔离 | | TCC | 调用业务自己实现的 **Try**(预留资源) | **框架回调业务自己实现的 Confirm / Cancel** | 业务要有"预留/确认/释放"三段逻辑 + 事务控制表 | 靠"预留"实现接近写隔离;读隔离仍有限 | | Saga | 按顺序执行各正向本地事务(可跨系统、可长流程) | **框架触发业务自己实现的补偿方法** | 每个正向步骤要有可补偿的反向操作 | 无隔离,中间态对外可见 | | XA | 执行业务 SQL 后**不提交,改为 prepare**(由数据库持有资源) | **数据库的 XA 实现**执行 commit / rollback | 数据库必须支持 XA 协议 | 强一致、有真正的隔离(代价是锁持有久) | 用一句话概括四组取舍,这是选型的核心: - **AT** 用"**牺牲全局读隔离 + 限制 SQL 能力**"换"**零业务侵入**"。 - **TCC** 用"**三倍业务代码量 + 处理三个经典坑**"换"**确定性与高并发下的表现**"。 - **Saga** 用"**放弃隔离、接受补偿不完美**"换"**长流程与异构系统的可用性**"。 - **XA** 用"**数据库资源和并发能力**"换"**强一致 + 无需业务补偿代码**"。 ### Q:选型时真正要问自己的几个问题是什么? A:结论先行——选型不是比较"哪个模式更强",而是**按顺序回答五个约束性问题**:参与方能不能改代码、事务有多长、有没有数据库之外的资源、业务能不能容忍读中间态、以及团队能不能承担对应的运维成本。前四个问题会把候选集直接砍到一两个,第五个决定最终落地。 按顺序问,每一问都会砍掉一批选项: 1. **参与方能不能改代码?**(决定 TCC 是否可行) - 不能改(第三方支付、外部 SaaS、遗留系统)→ TCC 直接出局,因为 TCC 要求参与方实现 Try/Confirm/Cancel;此时只剩"AT(如果对方也是你的库)"、Saga(用对方的正向接口 + 自己写补偿)、或消息/对账方案。 2. **事务会持续多久?**(决定 AT 与 Saga 的分界) - 毫秒到秒级 → AT / TCC / XA 都可能; - 秒级到分钟级、甚至跨天(等待人工审核、等待外部回调)→ 只有 Saga 或消息方案现实,因为 AT/XA 的锁持有时间会线性增长到不可接受。 3. **有没有数据库之外的资源?**(决定 AT 是否够用) - 有 MQ 投递、Redis 写、调用第三方接口 → AT 管不了这些(它只代理数据库),需要 TCC、Saga 或"AT + 消息"的组合。 4. **业务能不能容忍读到中间态?**(决定能不能用 AT) - 能容忍(展示类、非金额判断)→ AT 最省事; - 不能容忍(对账、余额校验、库存校验要精确)→ 用 XA,或 TCC 通过"预留"把不确定性收敛掉。 5. **团队能不能承担对应的运维成本?**(决定最终能否落地) - AT 要求:每个业务库有 undo_log、监控全局锁持有时间、处理回滚失败告警、排查 SQL 兼容性; - TCC 要求:设计事务控制表、保证 Confirm/Cancel 幂等、有"补偿永远失败"的人工预案; - XA 要求:数据库 XA 可用性验证、`XA RECOVER` 类的悬挂清理能力; - Saga 要求:把业务流程拆成可补偿的状态机,且每个补偿都要有幂等与告警。 一个实用的自我提醒:**能用一个更简单的方案解决的问题,不要用 Seata**。单库本地事务 > 消息最终一致 > AT > TCC > Saga,这个"从简到繁"的顺序在大多数业务里都成立。 ## 二、AT 模式:最省事,但不万能 ### Q:AT 的适用与不适用场景分别是什么? A:结论先行——AT 适用的本质条件是"**参与方都是关系型数据库、事务足够短、业务能容忍读未提交、团队不想写补偿代码**";只要有一条不满足,就应该往下考虑 TCC / Saga / XA,而不是硬调 AT 的参数。 先快速对齐 AT 的机制骨架(后面所有限制都从它推出来):一阶段在同一个本地事务里完成"采集前镜像 → 执行业务 SQL → 采集后镜像 → 注册分支并申请全局锁 → 写 `undo_log` → 提交本地事务";二阶段提交是异步删 `undo_log`,二阶段回滚是"校验后按前镜像反向补偿"。  *图:AT 模式两阶段——一阶段在同一个本地事务内完成镜像采集、分支注册(申请全局锁)与 undo_log 写入;二阶段提交异步删 undo_log,回滚校验后按前镜像反向补偿并释放全局锁* ```text AT 的一阶段(一个本地事务内) 二阶段 ┌────────────────────────────────┐ ┌──────────────────────────┐ │ 前镜像 → 业务SQL → 后镜像 │ │ 提交:异步删 undo_log │ │ → 注册分支(申请全局锁) → undo_log│──▶│ 回滚:校验 → 反向SQL → 删 │ │ → 提交本地事务 │ │ undo_log → 释放全局锁 │ └────────────────────────────────┘ └──────────────────────────┘ ↑ 本地事务提交后,数据库行锁已释放;靠 TC 的全局锁兜住写隔离 ``` **适用场景(逐条给出"为什么"):** 1. **参与方都是关系型数据库,且库表规范**:有主键、无复杂外键级联、无触发器。AT 靠主键定位回滚目标,规范库表是它的前提而非"建议"。典型代表:MySQL + MyBatis 的标准业务库。 2. **事务短、分支少**:整体耗时在毫秒到秒级,分支数在个位数到十几个。因为全局锁在二阶段结束前一直不释放,事务时长直接等于"锁持有时间"。 3. **业务形态是"写多读少、写入集中"**:下单扣库存、创建订单 + 扣积分 + 写流水,这类链路是 AT 的甜点区。 4. **业务能容忍读到全局未提交的中间态**:展示库存、展示订单状态这类场景可以接受短暂不一致。 5. **团队不想(或没精力)写补偿逻辑**:AT 的补偿由框架按前镜像自动生成,业务侧零补偿代码,这是它最大的工程价值。 **不适用场景(逐条给出"为什么"):** | 不适用场景 | 为什么会出问题 | | --- | --- | | 需要调用第三方接口 / 写 Redis / 发 MQ | AT 只代理数据库,这些动作不产生 undo_log,回滚时无法撤销;"数据库回滚了但消息已经发出去了"是最常见的事故形态 | | 参与方是 NoSQL / 异构存储 | 没有对应的 AT 资源管理器实现,无法采集镜像 | | 长流程(秒级以上到分钟级) | 全局锁持有时间同步增长,同热点行的并发事务大面积锁冲突、超时,最终批量失败 | | 强隔离要求(金额对账、余额判断) | 默认读未提交,读到的是中间态;用 `SELECT ... FOR UPDATE` 只能挡住"被全局事务改动的行",且引入额外锁竞争 | | 无主键表 / 频繁 DDL | 无主键无法安全定位行;DDL 不进全局事务,容易造成结构与数据不一致 | | 高并发热点行(秒杀、抢购) | 全局锁把同一行的写操作串行化,吞吐被压到接近单线程;这类场景应该用"库存预扣 + 消息异步"或 TCC | | 数据库不可控(云托管限制权限、只读实例) | undo_log 需要建表和写权限;只读库无法参与回滚 | 给一张可以贴到评审文档里的**AT 自检表**: | 检查项 | 通过标准 | 不通过怎么办 | | --- | --- | --- | | 主键 | 所有参与表都有主键(含联合主键) | 补主键;或把该表移出全局事务 | | SQL 类型 | 无 DDL;DML 为单表或解析器可安全处理的形态 | 拆分 SQL;复杂 DML 单独走流程 | | 事务时长 | 单次全局事务控制在秒级以内 | 拆事务;把耗时操作(外部调用、批处理)移出 | | 分支数量 | 单次全局事务分支数可控(个位数到十几个) | 拆分为多次全局事务 + 业务补偿 | | 读一致性 | 关键判断不依赖普通 SELECT 读到的中间态 | 改用 `SELECT ... FOR UPDATE` / `@GlobalLock`;或换 TCC/XA | | 运维能力 | 有 undo_log 巡检、全局锁监控、回滚失败告警 | 先补齐运维能力再上线 | ## 三、TCC 模式:用业务代码换确定性与性能 ### Q:TCC 的 Try / Confirm / Cancel 三个阶段分别做什么? A:结论先行——TCC(Try-Confirm-Cancel,三阶段补偿型事务)把"一次资源操作"显式拆成三段由**业务自己实现**的接口:**Try 检查并预留资源、Confirm 确认使用预留资源、Cancel 释放预留资源**;框架负责在全局提交时回调 Confirm、在全局回滚时回调 Cancel。 三阶段的语义要区分清楚,否则很容易写成"Try 就是扣减、Confirm 什么都不做"这种失去意义的实现: | 阶段 | 谁调用 | 语义 | 库存场景示例 | 转账场景示例 | | --- | --- | --- | --- | --- | | Try | 上游业务代码(经框架代理) | **检查 + 预留**,资源被冻结但未真正使用 | `count` 不变,`frozen` +qty(可用库存 = count - frozen) | 转出账户可用余额 -amount,冻结 +amount | | Confirm | 框架在全局提交时回调 | **确认使用预留资源**,把"预留"变成"消耗" | `count` -qty,`frozen` -qty | 转出账户冻结 -amount(真正扣款);转入账户 +amount | | Cancel | 框架在全局回滚时回调 | **释放预留资源** | `frozen` -qty | 转出账户可用余额 +amount,冻结 -amount | 三个关键认知: 1. **Try 必须是"预留"而不是"执行"**。如果 Try 直接扣减,那 Cancel 就得把扣减加回来,一旦这笔库存已经被别的订单占用,加回来会导致超卖——这是"TCC 写成了伪 TCC"的典型症状。 2. **Confirm 与 Cancel 必须互斥且只能成功一个**,由 TC 根据全局事务结果决定通知哪个;它们都由框架回调,业务不感知全局决策。 3. **TCC 的隔离性来自"预留"**:因为 Try 阶段就把资源冻结到 `frozen` 字段,其他业务读"可用量"时会自然把冻结量排除,从而**在业务层面**实现了写隔离。这是 TCC 相比 AT 的最大优势——它不依赖全局锁把并发串行化,而是靠"可用量 = 总量 - 冻结量"这种业务设计让并发继续跑。 **代价也要说清楚**:代码量显著高于 AT(每个参与方要写 3 个方法)、需要改表结构(冻结字段或冻结表)、需要处理空回滚/幂等/悬挂(下面三问)、Confirm/Cancel 必须设计成"最终一定能成功"(重试 + 告警 + 人工),并且**只能在能改代码的参与方之间使用**。 ### Q:空回滚是什么?怎么解? A:结论先行——空回滚(Empty Rollback)指**Try 没有执行(或没有执行成功),但 Cancel 被调用了**;典型成因是 Try 请求超时后 TC 判定失败并下发 Cancel,而 Try 其实还没到达或尚未执行完。危害是 Cancel 对"并不存在的预留"做了反向操作,把资源放大。解法是**在 Cancel 里先查有没有对应的 Try 记录,没有就只写一条"防悬挂标记"并直接返回成功,不做任何业务反向操作**。 时间线还原(这是最容易在生产复现的形态): ```text t0 TC 通知 RM 执行 Try(库存冻结) t1 网络抖动,Try 请求还没到 RM t2 TC 侧 Try 判定超时 → 全局事务决定回滚 → 下发 Cancel t3 Cancel 到达 RM 并执行 → 此时并没有任何冻结,若"解冻"就会凭空增加可用库存 t4 (或者)Try 迟到了,在 Cancel 之后才执行 → 冻结了资源却再也没人来取消(即"悬挂") ``` **解法(业务的事务控制表)**: ```sql -- 解决什么问题:用一张表同时承载"空回滚判断""幂等判断""防悬挂标记"三个职责 CREATE TABLE tcc_transaction ( id BIGINT AUTO_INCREMENT PRIMARY KEY, xid VARCHAR(128) NOT NULL COMMENT '全局事务ID', branch_id BIGINT NOT NULL COMMENT '分支事务ID', status TINYINT NOT NULL COMMENT '0:INIT(Try成功) 1:CONFIRMED 2:CANCELLED 3:SUSPENDED(防悬挂)', gmt_create DATETIME NOT NULL, gmt_modified DATETIME NOT NULL, UNIQUE KEY uk_xid_branch (xid, branch_id) -- 唯一键是幂等与防悬挂的基础 ); ``` Cancel 的伪代码(重点看"没有 Try 记录"这个分支): ```java // 解决什么问题:Cancel 面对"Try 从未执行"和"Try 已执行"两种输入,必须区分处理(伪代码) public boolean cancel(BusinessActionContext ctx) { String xid = ctx.getXid(); Long branchId = ctx.getBranchId(); Long skuId = (Long) ctx.getActionContext("skuId"); // 由 Try 阶段透传进来 Integer qty = (Integer) ctx.getActionContext("qty"); TccTransaction record = tccMapper.selectByXidAndBranchId(xid, branchId); if (record == null) { // 空回滚:Try 没执行过。只落一条防悬挂标记,绝不做业务反向操作 tccMapper.insertIfAbsent(xid, branchId, Status.SUSPENDED); return true; // 必须返回成功,否则 TC 会一直重试 } if (Status.CANCELLED.name().equals(record.getStatus())) { return true; // 幂等:已取消过,直接成功 } if (Status.INIT.name().equals(record.getStatus())) { stockMapper.unfreeze(skuId, qty); // 真正的业务补偿 tccMapper.updateStatus(xid, branchId, Status.CANCELLED); return true; } // 其他状态(如已 Confirm):说明出现了不该出现的序列,记录告警并返回成功避免无限重试 return true; } ``` (`getActionContext` / `getBranchId` 等具体 API 名称在不同版本间有变化,**以目标版本的接口定义为准**。) **边界**:Cancel 无论内部走哪条分支,**返回给 TC 的结果都必须是"成功"**,否则 TC 会把它当成失败并反复重试(重试本身没问题,但如果 Cancel 对"不存在的预留"做反向操作,重试就会把问题放大 N 倍)。真正的异常要记日志、发告警、人工介入,而不是靠返回失败来表达。 ### Q:幂等怎么解? A:结论先行——Confirm 和 Cancel 都可能被重复调用(TC 重试、网络重发、应用重启后恢复),所以两者都必须是**幂等**的;解法是**用"全局事务 ID + 分支 ID"的唯一键 + 状态机流转**,让重复调用命中"已是终态"分支后直接返回成功。 **为什么会重复?** 至少四种来源,且都不可控: 1. TC 下发二阶段指令后没收到 RM 的响应(响应丢包),按策略重试; 2. RM 执行成功但应用在返回响应前重启; 3. RM 侧回滚失败(例如数据库瞬时不可用)后由 TC 或 RM 后台线程重试; 4. 人工在排查时手动触发了一次补偿。 **解法要点(三条同时做,缺一不可):** 1. **唯一键兜底**:控制表的 `(xid, branch_id)` 唯一索引让"重复插入"直接失败,这是最硬的一道防线——不要只依赖"先查后写",因为并发下"先查后写"存在竞态窗口。 2. **状态机 + 条件更新**:把状态流转写成带条件的更新,例如 `UPDATE tcc_transaction SET status = CANCELLED WHERE xid = ? AND branch_id = ? AND status = INIT`,用受影响行数判断是否真的完成了本次流转,避免重复执行业务 SQL。 3. **业务操作本身也做幂等**:补偿 SQL 尽量写成"设置终态"而非"加加减减"。例如解冻用 `UPDATE stock SET frozen = frozen - #{qty} WHERE sku_id = #{skuId} AND frozen >= #{qty}` 并配合状态判断,而不是无条件的 `frozen = frozen - qty`。 **一个反面案例**:Confirm 里写 `UPDATE account SET balance = balance - 100 WHERE id = ?`,没有状态判断——只要 TC 重试一次,就会多扣 100。金额类场景里这类 bug 的代价极高,必须在设计阶段就把状态机定下来。 **适用边界**:幂等判断的存储介质最好是**与业务数据同库**(可以放在同一个本地事务里),如果放在 Redis 之类的独立存储,就要额外承担"缓存丢了怎么办"的一致性问题——这等于把简单问题变复杂。 ### Q:悬挂是什么?怎么解? A:结论先行——悬挂(Hanging)指 **Cancel 先于 Try 执行**:Cancel 已经把分支标记为"已取消/已空回滚",随后迟到的 Try 才到达并成功预留了资源,而全局事务已经结束,**再也没人会来 Confirm 或 Cancel 这批预留**,资源被永久冻结。解法是**Cancel 时留下"防悬挂标记",Try 执行前先检查该标记,命中则拒绝预留(或直接返回失败)**。 时间线: ```text t0 全局事务开始,TC 通知 Try t1 Try 请求在网络中延迟(或 RM 短暂不可用) t2 全局事务失败,TC 下发 Cancel t3 Cancel 执行:发现无 Try 记录 → 写入防悬挂标记(status=SUSPENDED) t4 Try 迟到了并到达 RM → 若不检查标记,就会冻结库存 → 资源永久悬挂 ``` **解法(与空回滚共用同一张表,这是最优雅的地方)**: ```java // 解决什么问题:Try 必须先确认自己不是"被取消之后才迟到的那一个"(伪代码) public boolean tryFreeze(BusinessActionContext ctx, Long skuId, int qty) { String xid = ctx.getXid(); Long branchId = ctx.getBranchId(); TccTransaction record = tccMapper.selectByXidAndBranchId(xid, branchId); if (record != null && Status.SUSPENDED.name().equals(record.getStatus())) { // 被 Cancel 抢先了:拒绝预留,防止资源悬挂 return false; // 或按业务约定返回成功但不做任何预留(需与 TC 语义对齐,见下文) } // 正常路径:先落 INIT 记录(用唯一键保证只落一次),再预留资源 tccMapper.insertIfAbsent(xid, branchId, Status.INIT); return stockMapper.freeze(skuId, qty) > 0; } ``` 这里有一个必须"结合版本与实现确认"的点:**Try 发现防悬挂标记时,返回失败还是返回成功,语义不同**。返回失败会让 TC 把该分支记为失败并再次触发 Cancel(Cancel 看到 SUSPENDED 记录会直接返回成功,闭环正确);返回"成功但不预留"则需要业务确认不会因为空预留而产生后续问题。实践中更常见也更稳妥的做法是前者——**让 Try 失败**。具体行为建议在目标版本上用真实案例验证,不要凭记忆照搬。 **空回滚 / 幂等 / 悬挂三者的关系**可以这样记:它们全部围绕"一次分支操作可能有 0 次、1 次或多次执行"这一根本不确定性,而**一张带 `(xid, branch_id)` 唯一键的事务控制表**就是对付这种不确定性的通用武器: | 问题 | 触发条件 | 控制表里的判断 | 处理动作 | | --- | --- | --- | --- | | 空回滚 | Try 没执行,Cancel 来了 | 查不到 INIT 记录 | 写 SUSPENDED 标记,不补偿,返回成功 | | 悬挂 | Cancel 先来,Try 后到 | 查到 SUSPENDED 标记 | Try 拒绝预留(或按约定返回),不让资源被冻结 | | 幂等 | 同一指令重复到达 | 状态已是终态 | 直接返回成功,不重复执行业务 | ### Q:TCC 代码怎么写? A:结论先行——Seata 的 TCC 用注解声明三阶段:业务方法上加 `@TwoPhaseBusinessAction`(声明 name、commitMethod、rollbackMethod),框架据此在全局提交/回滚时回调对应方法;参数通过 `BusinessActionContext`(配合 `@BusinessActionContextParameter`)透传,避免二阶段丢失业务入参。 接口声明(**注解所在包名与用法在 1.x / 2.x 之间有差异,以目标版本为准**): ```java // 解决什么问题:把"预留/确认/释放"三个方法注册成 TCC 分支,供 TC 在二阶段回调 @LocalTCC // 本地 TCC:参与方与调用方在同一个 JVM 内,常用形态 public interface InventoryTccAction { @TwoPhaseBusinessAction(name = "inventoryTcc", commitMethod = "confirm", rollbackMethod = "cancel") boolean tryFreeze(BusinessActionContext ctx, @BusinessActionContextParameter("skuId") Long skuId, @BusinessActionContextParameter("qty") int qty); boolean confirm(BusinessActionContext ctx); boolean cancel(BusinessActionContext ctx); } ``` Try 的落地 SQL(注意"预留"语义): ```sql -- 解决什么问题:不加总量,只加冻结量;可用量 = count - frozen,天然对读方形成隔离 UPDATE t_stock SET frozen = frozen + #{qty} WHERE id = #{skuId} AND (count - frozen) >= #{qty}; ``` 关键点与适用边界: - **`@BusinessActionContextParameter` 是必需的能力**:二阶段回调发生在(可能是另一个线程、另一次请求的)后续阶段,如果参数不通过上下文透传,Cancel 就不知道该释放哪个 SKU 的多少量。**不需要透传的参数不要标**(会把上下文撑大)。 - **`@LocalTCC` 只适用于参与方与全局事务发起方在同一个 JVM 的场景**;跨应用时使用常规的 TCC 模式(框架通过 RPC 调用参与方暴露的 Confirm/Cancel 接口)。 - **Confirm/Cancel 内部不要再开新的全局事务**,也不要调用不可靠的外部服务;它们必须"尽力而为且最终成功"。 - **TCC 的表结构改造是前置工作量**:冻结字段/冻结表、事务控制表、状态字段、补偿所需的唯一约束,都要在建阶段就设计好,而不是上线后补。历史数据也要考虑(冻结量初始为 0)。 - **不适合 TCC 的业务**:没有"预留"语义的操作(发短信、推送通知、日志写入),以及参与方不可改造的第三方系统。 ## 四、Saga 模式:用补偿换长流程的可用性 ### Q:Saga 的补偿和 TCC 的 Cancel 有什么本质区别? A:结论先行——**TCC 的 Cancel 是"释放预留"(Try 冻结过、Cancel 解冻,操作对象是没被真正使用的资源);Saga 的补偿是"对已提交数据做业务上的反向操作"(前一步真的改了数据、也真的提交了,补偿要在这份已生效的数据上做逆向处理)**。这个区别决定了 Saga 的补偿往往是"不完美、不可逆"的,也决定了 Saga 需要一个状态机来编排。 对比看更清楚: | 维度 | TCC 的 Cancel | Saga 的补偿 | | --- | --- | --- | | 操作对象 | Try 阶段冻结的资源(尚未被使用) | 前一步**已经提交生效**的数据 | | 隔离性 | 有(预留量对读方可见地"不可用") | 无(中间态对外完全可见) | | 补偿性质 | 释放,通常无损、可精确还原 | 业务反向操作,可能无法还原(如已发货) | | 失败影响 | 资源继续冻结(可人工释放) | 业务流程停在中间态,需要人工干预或对账 | | 对业务的要求 | 必须有"预留-确认-释放"语义 | 每个正向步骤最好有"可补偿的反向操作" | 一个必背的设计原则:**把不可补偿的步骤尽量放到流程的最后**。例如"短信通知用户"如果在流程开头执行,一旦后续失败,你没法"撤回短信",只能再发一条道歉短信——所以它应该放在流程末尾,或者干脆改成异步事件。同理,"调用第三方支付扣款"这类不可逆动作要放在最后,或者引入"支付撤销/退款"这种业务上的反向操作。 **Saga 的两种常见编排方式**: 1. **状态机编排(Seata Saga 的形态)**:流程由状态机定义,谁在下一次调用谁由状态机决定,中央化、可观测、便于插入补偿。 2. **事件编排(Choreography)**:各服务通过消息互相触发,没有中心编排者。灵活但流程难以追踪,排查成本高。 ### Q:Saga 的状态机怎么定义? A:结论先行——Seata 的 Saga 通过**状态机(State Machine)**描述一次长流程:用 JSON 声明状态(State)与转移(Transition),每个正向状态通过 `CompensateState` 声明自己的补偿状态,由 `StateMachineEngine` 驱动执行并在失败时反向触发补偿。 一个示意定义(**字段与模块能力随版本演进,实际编写请以目标版本的官方示例为准**): ```json { "Name": "orderSaga", "Comment": "下单长流程:建单 -> 扣库存 -> 优惠券 -> 支付", "StartState": "CreateOrder", "Version": "1.0", "States": { "CreateOrder": { "Type": "ServiceTask", "ServiceName": "orderService", "ServiceMethod": "createOrder", "CompensateState": "CancelOrder", "Next": "DecreaseStock" }, "DecreaseStock": { "Type": "ServiceTask", "ServiceName": "inventoryService", "ServiceMethod": "decrease", "CompensateState": "IncreaseStock", "Next": "LockCoupon" }, "LockCoupon": { "Type": "ServiceTask", "ServiceName": "couponService", "ServiceMethod": "lock", "CompensateState": "UnlockCoupon", "Next": "Pay" }, "Pay": { "Type": "ServiceTask", "ServiceName": "payService", "ServiceMethod": "pay", "CompensateState": "Refund", "Next": "Succeed" }, "CancelOrder": { "Type": "ServiceTask", "ServiceName": "orderService", "ServiceMethod": "cancelOrder" }, "IncreaseStock": { "Type": "ServiceTask", "ServiceName": "inventoryService","ServiceMethod": "increase" }, "UnlockCoupon": { "Type": "ServiceTask", "ServiceName": "couponService", "ServiceMethod": "unlock" }, "Refund": { "Type": "ServiceTask", "ServiceName": "payService", "ServiceMethod": "refund" }, "Succeed": { "Type": "Succeed" }, "Fail": { "Type": "Fail", "ErrorCode": "ORDER_SAGA_FAILED" } } } ``` 解读这份定义时要抓住四点: 1. **`CompensateState` 是补偿关系的唯一声明处**:框架在执行 `DecreaseStock` 成功后发现 `LockCoupon` 失败,就会按已成功状态的反向顺序依次执行 `UnlockCoupon`(未成功的不补偿)→ `IncreaseStock` → `CancelOrder`。 2. **只补偿"已成功"的状态**:这是 Saga 与"手动写逆流程"最大的差别,也是状态机存在的价值——它知道你走到了哪一步。 3. **补偿本身必须幂等**:与 TCC 的 Confirm/Cancel 同理,补偿会被重试。 4. **模块可用性要确认**:Seata 的 Saga 由状态机引擎模块提供,其维护状态与文档完整度在不同版本间有变化,**选型与落地前务必按目标版本确认模块是否可用、是否需要独立部署、以及是否仍在演进**。如果不满足要求,用"业务自研状态机 + 消息"实现 Saga 也是完全可行的(Saga 是一种思想,不是必须依赖某个库)。 **适用边界小结**:Saga 适合"长流程、跨系统、参与方不可改造、业务天然存在反向操作(取消/退款/回滚单据)"的场景;不适合"没有反向语义的动作"以及"要求强隔离的金额判断"。 ## 五、XA 模式与横向选型 ### Q:XA 为什么强一致却很少用在高并发场景? A:结论先行——XA 的一致性来自"**数据库在 prepare 阶段就持有资源直到全局事务结束**",代价是**锁(以及连接、事务槽位等资源)在整个全局事务期间不释放**;再加上数据库 XA 实现的成熟度参差、悬挂事务需要 DBA 介入清理,所以它天然适合低并发、短事务、强一致的场景,不适合高并发写。 **XA 的原理**:XA 是 X/Open 定义的分布式事务规范,数据库作为资源管理器实现 `xa_start / xa_end / xa_prepare / xa_commit / xa_rollback` 一组原语,事务管理器(这里是 Seata 的 TC)负责协调多个资源的两阶段提交。Seata 使用 XA 模式时,业务侧只需把 `DataSource` 换成 XA 代理(配置上把代理模式切到 XA),**业务代码不需要写任何补偿逻辑**,二阶段由数据库执行 commit 或 rollback。  *图:XA 一阶段 prepare 后资源仍被数据库锁住,未提交* ```text XA 的时间线(对比 AT 就能看出差异) 一阶段:业务SQL ──▶ xa_prepare ← 数据已写入,但资源被数据库锁住,未提交 期间其他事务读不到新值、写不了这些行 二阶段:TC 决定 ──▶ xa_commit / xa_rollback ← 此刻才释放资源 ``` **为什么高并发不敢用,四条理由:** 1. **锁持有时间 = 整个全局事务时长**。这段时间里包含了跨服务的 RPC 耗时、下游排队耗时。AT 在一阶段就提交并释放本地锁,XA 是"从头锁到尾"——某种意义上,XA 与"在数据库里开一个跨越所有服务的长事务"的并发表现接近。 2. **依赖数据库 XA 能力,且实现成熟度不一**。不同数据库、不同版本对 XA 的支持程度与已知缺陷不同;MySQL 等数据库在 XA 场景下有历史遗留问题(例如 prepare 之后连接中断可能留下悬挂事务),**具体风险必须结合数据库类型与版本实测**,不能只看"支持 XA"。 3. **超时/崩溃会留下悬挂事务**。`xa_prepare` 之后若全局事务卡住,数据库侧会存在一个"既不提交也不回滚"的事务,需要 DBA 用 `XA RECOVER` 之类的工具诊断并人工清理,运维成本高。 4. **连接与资源占用更重**。XA 事务会占用数据库连接与事务资源,长事务叠加高并发时,连接池与数据库的并发事务数会先成为瓶颈。 **什么时候反而该选 XA**:并发不高、参与方都是主流关系型数据库、业务要求强一致且**不愿意写补偿代码**、事务本身很短(毫秒级),例如内部管理后台的联合写入、对账批处理、配置同步。**XA 模式自 Seata 1.2 起提供,具体配置项与数据库支持矩阵以版本为准。** ### Q:四种模式对比表 A:结论先行——把"一致性强度、隔离性、侵入性、性能/资源代价、适用场景"五个维度放在一起看,选型就变成了"按约束条件筛选"而不是"按偏好争论"。下表是决策的落点: | 维度 | AT | TCC | Saga | XA | | --- | --- | --- | --- | --- | | 一致性强度 | 最终一致(二阶段补偿) | 最终一致(业务补偿) | 最终一致(业务补偿) | **强一致**(数据库 2PC) | | 全局隔离性 | 写靠全局锁,读默认未提交 | 靠"预留量"实现近似写隔离 | **无隔离**,中间态可见 | 有隔离(资源被锁定) | | 业务侵入性 | **极低**(一个注解 + 规范库表) | 高(每个参与方 3 个方法 + 表结构改造) | 中高(正向流程 + 补偿 + 状态机) | 低(换代理数据源即可) | | 性能/资源代价 | 一阶段多 1~2 次镜像查询 + 1 次 undo_log 写入;TC 侧全局锁串行化热点行 | Try 阶段有额外写(冻结);但并发不被全局锁串行化,热点场景表现通常更好 | 无锁,性能好;代价是补偿与对账的复杂度 | 一阶段到二阶段**资源全程被锁**,高并发下并发能力显著下降 | | 对参与方要求 | 关系型数据库、有主键、SQL 可解析 | 必须能改代码、必须有"预留"语义 | 必须有可补偿的反向操作 | 数据库必须支持 XA | | 典型适用场景 | 短事务、纯数据库、能容忍读中间态(下单扣库存、写流水) | 需要预留语义 + 高并发(库存、余额、配额) | 长流程、跨系统、异构、参与方不可改造(订单履约、审批流) | 低并发、短事务、强一致、不想写补偿(后台批量、对账) | | 最典型的坑 | 默认脏读、SQL 解析限制、全局锁争用 | 空回滚 / 幂等 / 悬挂 | 补偿不可逆、无隔离 | 锁持有久、悬挂事务清理 | 一句话总结这张表:**想少写代码选 AT(但要接受读未提交);想高并发 + 确定选 TCC(但要写更多代码);想长流程选 Saga(但要接受无隔离);想强一致且并发不高选 XA(但要接受锁等待)。** ### Q:和 2PC / 本地消息表 / MQ 事务消息怎么选? A:结论先行——**凡是能"拆成"异步的,优先用消息方案(本地消息表 / MQ 事务消息);必须"同步回滚"的,才上 Seata(AT/TCC/XA);而 Saga 介于两者之间,本质是"用业务状态机驱动的一组异步或同步步骤"。** 决策的关键不在技术先进性,而在"业务失败时,能不能接受"稍后补偿"而不是"立刻回滚"。 先把四种方案放平了看: | 方案 | 核心机制 | 一致性 | 优点 | 缺点 | 适用 | | --- | --- | --- | --- | --- | --- | | 传统 2PC / XA | 协调者 + 资源 prepare/commit | 强一致 | 语义清晰、有标准 | 同步阻塞、协调者单点与悬挂、性能差 | 低并发、强一致、短事务 | | Seata AT | 一阶段本地提交 + undo_log + 全局锁 | 最终一致 | 无侵入、实现成本最低 | 读未提交、SQL 限制、全局锁争用 | 纯数据库短事务 | | 本地消息表 | 业务表 + 消息表同一本地事务写入,定时任务投递,下游幂等消费 | 最终一致 | 不依赖额外中间件、实现简单、抗故障 | 与业务库耦合、需自研投递/重试/对账、时效依赖轮询间隔 | 跨系统、可异步、链路长 | | MQ 事务消息 | 半消息 + 本地事务 + 回查(MQ 支持才可用) | 最终一致 | 解耦、吞吐高、时效好 | 依赖特定 MQ;只保证"本地事务与消息投递"的原子性,下游失败要靠重试与对账 | 事件驱动架构、下游可幂等 | **核心认知:AT 本质上是一种"改进的 2PC"。** 传统 2PC 把"锁资源"放在一阶段并保持到二阶段,AT 改成了"一阶段本地提交 + TC 侧全局锁 + 二阶段补偿",从而把长事务从数据库里挪到了应用层,代价是引入了"读未提交"和"undo_log"。 **选型决策树(可以直接照着走):**  *图:决策树:异步补偿优先,否则按参与方与资源选型* ```text 业务失败时,能否接受"稍后异步补偿"而不是"立刻回滚"? ├─ 能接受 → 优先消息方案 │ ├─ 已有支持事务消息的 MQ(如 RocketMQ)且下游可幂等 → MQ 事务消息 │ └─ 不想引入额外组件 / 需要与业务数据强绑定 → 本地消息表(+ 定时任务 + 对账) └─ 必须同步回滚(用户请求内就要给确定结果) ├─ 参与方能否改代码? │ ├─ 不能 → 用正向接口 + 自研补偿的状态机(Saga 思想)/ 或降到"消息 + 对账" │ └─ 能 ─┬─ 是否涉及数据库以外的资源? │ │ ├─ 否 → 事务是否短、库表是否规范? │ │ │ ├─ 是 → AT(要求强隔离则 XA) │ │ │ └─ 否 → Saga 或消息方案 │ └─ 是 → 是否需要"预留"语义? │ ├─ 需要(库存/余额/配额)→ TCC │ └─ 不需要、且流程长 → Saga ``` **几条实践中的选型经验(比表格更值得记住):** 1. **能从同步改异步的业务,优先改业务**。把"下单必须扣库存"改成"下单预占 + 异步确认扣减",往往比引入任何分布式事务框架都更稳、更快。 2. **纯数据库短事务用 AT,别一上来就 TCC**。TCC 的代码量和坑(空回滚/幂等/悬挂)是实打实的成本,只有在"高并发 + 需要预留"时才真正划算。 3. **第三方系统永远不在你的事务里**。任何涉及外部支付的链路,都必须设计成"本地状态机 + 对账补偿",而不是指望框架能回滚别人的系统。 4. **一个系统里可以混用**:核心扣减链路用 TCC,周边流程用消息最终一致,完全合理。方案统一不是目标,"每条链路的代价可控"才是。 5. **不要忽略对账**。所有最终一致方案的最后一道防线都是"对账 + 补偿任务",没有对账的最终一致,本质上只是"把不一致藏起来了"。 ## 小结 - **四模式同源**:同一套 TC/TM/RM 角色与同一套全局事务流程,差异只在"一阶段做什么、二阶段由谁执行"。AT 零侵入但读未提交;TCC 性能与确定性最好但业务改造量最大;Saga 适合长流程但无隔离;XA 强一致但锁持有久。 - **选型看约束**:参与方能否改代码、事务有多长、有无数据库外资源、能否容忍读中间态、团队能否承担运维成本。五问依次筛,候选集自然收敛。 - **TCC 的三个经典问题一根线串起来**:全因"分支操作可能执行 0 次、1 次或多次"——空回滚(0 次 Try 却来了 Cancel)、幂等(同一指令多次)、悬挂(Cancel 先于 Try)。用一张带 `(xid, branch_id)` 唯一键的事务控制表 + 状态机即可同时解决。 - **Saga 的本质**:补偿作用于"已提交生效的数据",因此不完美、可能不可逆;设计要点是"把不可补偿的步骤放到流程最后",实现要点是状态机与幂等补偿。 - **XA 的本质**:把一致性交给数据库,用"资源全程被锁"换强一致,因此只适合低并发短事务。 - **和消息方案的关系**:能异步就别同步;AT 是"改进的 2PC";本地消息表与 MQ 事务消息是两条最常用、成本最低的最终一致路径,前提是下游可幂等、并且有对账兜底。 ## 思考题 1. 一个"下单扣库存"的链路,库存服务用 TCC、订单服务用 AT,这可行吗?会带来哪些新的不一致窗口? 2. 为什么 TCC 的 Cancel 里"空回滚"必须返回成功,而不是返回失败让 TC 停止重试?如果返回失败,最坏的结果是什么? 3. XA 在高并发下"锁持有时间等于整个全局事务时长",那如果把全局事务里的所有外部调用都改成异步,XA 是不是就能用了?还差什么条件? 4. 本地消息表方案里,投递任务从"消息表"读到消息后发送失败,下一次投递需要保证什么?重复投递由谁、在哪一层保证幂等? 5. 如果你的团队只能选一种方案并要求"一年内不再返工",结合你的业务(并发量、事务时长、参与方是否可控),你会选哪个?请写三条支撑理由和两条已知代价。
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入