node.js - Nodejs 分布式事务_个人文章

事务是恢复和并发控制的基本单位，保证 ACID：原子性、一致性、隔离性、持久性。

对于全是异步的 Nodejs 而言，并不适合做事务操作：

代码书写上：
- try ... catch ... 是写给人看的，但是属于同步方法，局限性很大。
- callback 简直是噩梦。
- Promise.then(...).catch(...) 相对而言好一点。
- ES7 的 async ... await ... 比较清爽，使用 Babel 编译，这是笔者目前找到的最人类的方式，但是和原来的 Promise 混合使用的时候有时候会出问题，因为编译之后的代码没法看，最后还得重构回 Promise。
异步：
- 异步导致有可能有意料之外的 uncaughtExceptionError 。
- 对于 JAVA/C++ 这样语言，出错能直接转到 catch 中，但是 Node 不是，uncaughtExceptionError 将直接导致处理链断掉，你只能通过其他方式保证数据一致性。

虽然 Node 做事务相当非人类，但是考虑开发效率 / 成本，使用 Node 进行开发并不比换语言开差，毕竟事务只有核心业务需要用到。

单点

单机的事务相当容易保证，特别在依赖 MySQL 或者其他关系数据库时。

Nodejs 有 ORM (如 Sequelize ) 支持事务，也可以直接使用 PROCEDURE/FUNCTION。

两者各有优势：

ORM 适合复杂逻辑的事务；
存储过程可以有效减少 IO 次数，防止使用 ORM 时回滚失败。

实际开发过程中可以将两者结合起来一起使用，使用 ORM 完成逻辑，使用存储过程减少 IO 次数。

分布式

对于分布式系统，相信很多人都知道 CAP 理论，即任何一个分布式系统无法同时满足：

Consistency (一致性)
Availability (可用性)
Partition tolerance (分区容错性)

但是实际上 Consistency 是任何一个系统都不可能放弃的，分布式事务亦是为了保证数据一致性，有时候为了妥协另外两个特性，会放弃强一致性，保证最终一致性。

解决方式

目前业界有很多解决分布式事务的方案，根据对数据一致性的强弱要求，可以选择不同的方案，但是解决思路大致如下：

两阶段提交

如 XA 协议（TM（事务管理器）和RM（资源管理器）之间的接口）。

假设有 A、B、C 三个操作，第一阶段，等待 A B C 均就绪，第二阶段，提交 A B C；如果第一阶段 A 失败了，则第二阶段回滚 B C。

本地事务

使用本地消息表，将远程事务拆分成一个个本地事务，写入本地表中，然后定时 / 使用 MQ 通知事务方。

两者各有利弊，定时扫描可能大部分时候都在做无用功，而只使用 MQ 可能会有失败 / 多次消费的问题。

使用回滚接口

如 A B 两个接口，串行处理，B 失败了回滚 A ，但是回滚也可能失败，所以也需要使用本地事务表 / MQ。

使用 Node 开发，1 比较重型，不适合；2 和 3 是比较好的选择：

选择一款可靠的 MQ 服务（单次消费 / 失败重试）；
拆分本地事务；
不能拆分的事务，保证回滚。

举个栗子

做一个抢购系统，用户使用虚拟币进行抢购，虚拟币是另外一套系统。为了考虑到公平，每个用户还可能要限制购买上限。

这样用户一次抢购的完整流程如下：

检查购买上限
检查总数
扣除虚拟币
写入数据库

需要事务保证的地方就是 3 和 4，3 是远程事务，4 是本地事务，此栗子中必然是串行操作，3 在前，4 在后。

0x0001

这个时候流量很少，并发不高，将 3 和 4 作为一个事务，保证一起成功，而失败一起回滚。

事务 4 即使使用 ORM 完成，也能完成功能，这个时候系统能很好的工作。

0x0010

流量上升中，抢购的商品变多，并发也变大，这个时候，考虑使用 Redis 来提高性能了（牺牲强一致性）：

将购买上限与总数写入 Redis，在压力转嫁到数据库之前就挡掉，由于 Redis 的强大性能，可以假设 Redis 等同于内存操作，做好回滚就可以了。

同时可以将事务 4 重构成 PROCEDURE 防止 ORM 可能回滚失败。

0x0011

流量大到数据库扛不住了，加入 MQ 服务：

使用 Redis 抗住流量，使用 MQ 抗住压力，使用 PROCEDURE 降低 IO 。

0x0011 看起来像一个可靠的系统了，但是还有一个隐患： uncaughtExceptionError 或者程序宕掉了，这个会影响最终一致性，导致 Redis 数据与 Database 中的数据在抢购临界结束的时候不一致。

0x0100

增加最终一致性保证。

抢购的栗子有个很特别的地方，就是 total limit ，达到总数上限之后，就只有 MQ 中的部分需要处理了，因此可以很巧妙的利用时间差，即考虑在达到上限之后，取一次数据库快照，延迟一段时间之后，再对比一次数据库，判断是数据不一致还是正常逻辑。

这是一个投机取巧的处理方式，一定程度上可以保证最终一致性。当然，还是人最靠谱了，程序搞不定，人工修复嘛，ORZ~。

终语

分布式事务是一个很大的话题，依据业务量大小可以给出很多实现。

Nodejs 做分布式事务勉勉强强，异步里面的雷很多，不过依赖良好的设计和逻辑一样可以实现。