微服務(wù)分布式一致性模式
微服務(wù)拆分后遇到的一個麻煩是分布后的一致性問題。單體架構(gòu)的業(yè)務(wù)處理和數(shù)據(jù)都在一個進程里面，一致性保障很成熟，開發(fā)人員基本上不用關(guān)心。當(dāng)把業(yè)務(wù)系統(tǒng)拆分到不同進程時，就遇到了技術(shù)性一致性問題。這帶來了糾結(jié)，我們希望有一顆銀彈，一把解決問題。但由于分布式一致性在(CAP)理論上沒有完美的解決方案，我們所能選擇的方案是在特定業(yè)務(wù)場景下的選擇。
我們這里討論的分布是指業(yè)務(wù)邏輯上做了拆分導(dǎo)致的分布，而不是數(shù)據(jù)量特別大導(dǎo)致的分布。
如果業(yè)務(wù)上不拆分，數(shù)據(jù)量特別大需要做分布，可以選擇支持大數(shù)據(jù)的分布式數(shù)據(jù)庫?？梢赃x擇Cassandra, MongoDB等NoSQL，或者TiDB這類支持SQL的分布式方案。
如果業(yè)務(wù)上進行了拆分，不論選什么數(shù)據(jù)庫都不能解決分布式一致性問題。把數(shù)據(jù)庫或者分布式數(shù)據(jù)庫看成是一個系統(tǒng)，能處理一個外部請求在數(shù)據(jù)庫內(nèi)部的分布式問題，但不能處理多個外部請求的一致性問題。
分布式強一致的數(shù)據(jù)庫不能解決業(yè)務(wù)邏輯拆分帶來的分布式一致性問題，我們還得繼續(xù)糾結(jié)如何解決業(yè)務(wù)分布式一致性的問題。
首先我把微服務(wù)分布式一致性問題分為數(shù)據(jù)共享一致性和業(yè)務(wù)交易一致性問題。
一、數(shù)據(jù)共享一致性
在單體架構(gòu)的時候用同一個數(shù)據(jù)庫，不存在數(shù)據(jù)共享問題。微服務(wù)強調(diào)要獨立數(shù)據(jù)庫，引起數(shù)據(jù)如何共享的問題。
數(shù)據(jù)共享分為拉和推兩種模式，拉指消費者去供應(yīng)商那邊拉數(shù)據(jù)，推指供應(yīng)商主動把數(shù)據(jù)推到消費者面前。
1. 拉-視圖共享
對于一般的企業(yè)信息系統(tǒng)，數(shù)據(jù)量不大，并發(fā)需求也不大，我建議所有的微服務(wù)用同一個數(shù)據(jù)庫實例，但是拆分在不同的Schema。這樣的好處是在業(yè)務(wù)邏輯上數(shù)據(jù)庫是獨立的，也可以獨立演進。然后數(shù)據(jù)庫又可以集中管理。這個方案對于大型遺留系統(tǒng)拆分尤其適用，因為原本就是在一個庫里面，為了業(yè)務(wù)更好的獨立演進進行數(shù)據(jù)庫Schema拆分，又能延續(xù)原有的數(shù)據(jù)庫實例管理技術(shù)。由于不同的微服務(wù)實際運行在同一個數(shù)據(jù)庫實例上，可以簡單地建視圖進行數(shù)據(jù)共享。
需要注意的是，不要拉整個表出去，根據(jù)需要選擇幾個字段。這種模式技術(shù)上簡單，壞處有兩個：一是由于視圖同步的數(shù)據(jù)是實時的，應(yīng)用可能基于實時同步數(shù)據(jù)的假設(shè)進行設(shè)計，會導(dǎo)致以后做分布式擴展的時候特別困難;二是視圖很容易暴露出表結(jié)構(gòu)，這需要特別加強對視圖的設(shè)計和結(jié)構(gòu)管理，讓暴露出去的視圖不要直接綁定在現(xiàn)有的表結(jié)構(gòu)上。視圖所需的字段是外部需要，而不是表上面有什么。這樣視圖就是接口，只不過是強耦合在特定的數(shù)據(jù)庫實例上。
2. 拉-API獲取
微服務(wù)最推薦的方式是服務(wù)方提供數(shù)據(jù)API，消費者需要的時候去拉取。好處是消費者和供應(yīng)方技術(shù)上完全解耦，壞處是提高了開發(fā)成本。如果消費者使用API方式獲取所需數(shù)據(jù)，建議使用異步Stream方式進行編程。 如果一次業(yè)務(wù)請求需要拉取多個數(shù)據(jù)源，不建議用同步的方式調(diào)用，因為會延長處理時間。建議使用reactiveX模式進行異步拉取和組裝 。
3. 推-事件消息
發(fā)生事件時發(fā)送消息是DDD CQRS模式，即解決了消費者要擁有數(shù)據(jù)用的爽快的問題(根據(jù)需要建立本地數(shù)據(jù)結(jié)構(gòu)、獲取性能和方式), 也解決了數(shù)據(jù)庫技術(shù)異構(gòu)的問題。帶來的問題是需要一個消息平臺，并且消費者或者供應(yīng)方都要耦合在一個消息平臺技術(shù)上。對于大型遺留系統(tǒng)改造不是很友好，一方面遺留系統(tǒng)的消息平臺往往不符合高并發(fā)大數(shù)據(jù)量的性能要求，另一方面對于新的微服務(wù)也不想依賴?yán)系南⑵脚_，而想要用Kafka這樣的互聯(lián)網(wǎng)高并發(fā)輕量的消息平臺。
4. 數(shù)據(jù)共享一致性選擇總結(jié)：
對于遺留系統(tǒng)改造和數(shù)據(jù)量不大(日交易量不超過百萬)的應(yīng)用，建議使用不同微服務(wù)創(chuàng)建不同Schema，但用同一個數(shù)據(jù)庫實例，然后通過視圖的方式進行數(shù)據(jù)共享。
如果有些業(yè)務(wù)數(shù)據(jù)量非常大又需要共享，使用API共享，利用異步Stream編程進行數(shù)據(jù)共享。
如果微服務(wù)平臺技術(shù)設(shè)施成熟，可以使用推送事件消息模式， 既解決共享數(shù)據(jù)消費便利性問題，又解決數(shù)據(jù)結(jié)構(gòu)解耦，并且使用輕量消息平臺(Kafka)只是有輕度的技術(shù)耦合。
二、業(yè)務(wù)交易分布式一致性
業(yè)務(wù)交易分布式一致性指一次請求，但分布在不同的微服務(wù)系統(tǒng)處理，引發(fā)一致性協(xié)調(diào)的問題。
交易分布式一致性分為補償模式，二次提交模式和Saga模式。
1. 補償模式
補償模式主要是通過重試達到最后的成功，僅適用于交易請求在業(yè)務(wù)上必須沒有失敗的場景。
補償模式用的最普遍的是消息投遞，假設(shè)給A發(fā)消息，如果沒有收到A確認消息已收到，就繼續(xù)發(fā)送，直到A確認收到消息為止。
有很多業(yè)務(wù)可以變成必須成功的交易。比如下訂單付款，如果先確認訂單再去扣款，就有可能因為賬戶沒錢扣款不成功，導(dǎo)致業(yè)務(wù)上的失敗。如果業(yè)務(wù)改成先扣款再去確認訂單，那可以認為訂單必須要確認成功。通過業(yè)務(wù)順序的調(diào)整來實現(xiàn)一個交易必須成功的情境。在技術(shù)實現(xiàn)上比較簡單，利用一個任務(wù)隊列跟蹤任務(wù)的完成狀態(tài)，來決定重試。補償模式對API的要求是必須要冪等，因為有可能任務(wù)已經(jīng)成功了，但消費者不知道，再次發(fā)出任務(wù)請求。
2. 二次提交模式
由于補償模式需要對業(yè)務(wù)進行調(diào)整，適用范圍也比較小，我們還是希望有個通用的分布式一致性方案。
最有名的應(yīng)該是二次提交模式，更具體點是TCC(Try,Confirm,Cancel)。先發(fā)起try請求讓業(yè)務(wù)任務(wù)參與方做好處理準(zhǔn)備，等所有的參與方都做好準(zhǔn)備后，再發(fā)出confirm進行確認。因為所有的業(yè)務(wù)參與方都事前做好了準(zhǔn)備，在confirm階段可以確保一次性成功。
如果有某個參與方識別，則發(fā)cancel進行回滾。這種模式和數(shù)據(jù)的事務(wù)管理基本一樣，像Java的JTA實現(xiàn)Automikos就是從支持數(shù)據(jù)庫事務(wù)，也支持REST API。二次提交雖然能解決事務(wù)一致性問題，但成本比較高。一個業(yè)務(wù)處理必須要拆分為準(zhǔn)備和確認執(zhí)行兩個階段，對業(yè)務(wù)設(shè)計要求和開發(fā)成本都比較高。
3. Sagas模式
Sagas模式在補償模式和二次提交模式，既簡單又能廣泛支持分布式事務(wù)場景。二次提交模式基于悲觀鎖，所以先要求任務(wù)參與方都做好準(zhǔn)備，然后再做執(zhí)行。
Saga和補償模式是基于樂觀鎖，先讓任務(wù)參與方執(zhí)行，如果執(zhí)行沒響應(yīng)則要求再次執(zhí)行。Saga給參與方發(fā)出任務(wù)后會記錄一個event(Saga的中文翻譯可以是事跡)，所有event都會持久化。如果某個參與方執(zhí)行失敗，再發(fā)出cancel請求要求所有參與方回退。因為大部分交易請求是成功，這種基于樂觀鎖的協(xié)調(diào)機制能達成一致性目的，并降低了開發(fā)成本，業(yè)務(wù)設(shè)計上也比較容易理解。
目前支持Saga的Java框架有華為開源的servicecomb saga，京東已經(jīng)有些線上系統(tǒng)用了。還有做CQRS的框架axoniq也實現(xiàn)了saga。
【本文為51CTO專欄作者“張逸”原創(chuàng)稿件，轉(zhuǎn)載請聯(lián)系原作者】
