分布式事务

1.　引言

　　事务大家都知道，就是相当于一个原子操作，要么全部执行，要么发生异常全部回滚。但事务只限于本地事务，即各个数据库操作必须在同一数据库下执行。拿我最近的接手的项目来说，各个模块全部部署于不同的服务器，都有自己独立的数据库。前端想要删除一个用户，先调用用户平台的删除用户接口，再调用权限平台的删除权限接口。起初觉得这样操作没什么问题，后来有几次数据异常后，发现有的用户信息没有，但权限信息还存在，导致数据不一致。此时，就想到了用分布式事物来解决。所谓分布式事物，我个人理解是为了解决数据一致性的问题。

2.　kafka+本地事物表解决分布式事务

　　消息队列的产生是为了解决各系统间通信问题，因为Kafka用的比较多，此处就想到用Kafka+本地事物表去解决分布式事务问题。关于Kafka+zookeeper的搭建此处不做详解。

　　上图是自己基于Kafka+本地事物表实现的基本流程（图自己画的，可能不太清楚）代码后文贴出，（上图箭头只代表流程，和下文的1.2.3无关）此处讲一下自己的思路。先申明，kafka只能保证最终一致性，并不是强一致性。我们最终目的是保证上图2个蓝色方块的任务执行。方便说明，假定2个系统A，B 分别对应的2个数据库A库和B库。其中A库中的事务表叫做A事务表，B库中的事务表叫做B事务表。要执行的蓝色方块叫A业务和B业务。

　　1.　在A系统中，启用A库的事物，执行如下2步操作。

　　　　1）A系统执行A业务

　　　　2）A系统在A库的A事物表中写一条状态为NEW的数据（此处数据的ID唯一）

　　　　此处启用A库的事务，即2步操作要木全部执行，要木不执行。

　　2.　A系统中启用一个定时任务，5s中执行一次，轮训A库的A事物表，看是否有状态为NEW的数据，如果有，将此记录发送到Kafka消息队列中，并修改此条数据的状态为Published。此时A系统的操作全部执行完毕。

　　3.　B系统启用进程拉取kafka数据，如果发现有从A系统来的数据，将此数据记录到B系统的B事务表中，更新此数据在B系统的B事务表状态为NEW（因为ID唯一，此条数据的ID和存放在A库中的数据的ID相同，如果出现网络异常导致B系统重复收到数据，但看到自己库中已有此ID的数据，便会将重复消息弃用，此处是保证只执行一次），更新完成后，Kafka确认提交（此处要关闭Kafka的自动提交）

　　4.　B系统启用定时任务，5s执行一次，轮训B库的B事物表，看是否有状态为NEW的数据，如果有，执行如下2步操作。

　　　　1）B系统执行B业务

　　　　2）B系统更新B库的B事物表，将此条状态为New的数据改为状态为Published

　　　　此处启用B库的事务，即2步操作要木全部执行，要木不执行。

3.　实现代码　

　　相对于Kafka来说，A系统相当于消息生产者，B系统相当于消息消费者。下面为sql建表语句。

-- A系统事务表 
CREATE TABLE `kafka_event_publish` (
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
  `payload` varchar(2000) NOT NULL,
  `eventType` varchar(30) NOT NULL,
  `status` varchar(30) NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=utf8;

-- B系统事务表
CREATE TABLE `kafka_event_process` (
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
  `payload` varchar(2000) NOT NULL,
  `eventType` varchar(30) NOT NULL,
  `status` varchar(30) NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=6 DEFAULT CHARSET=utf8;

　　Kafka用来发送消息，接收消息，下面为Kafka的配置类。

package com.boot.util;

// 消费者消息状态
public enum EventProcessstatus {
    NEW,
    PROCESSED;

    private EventProcessstatus() {
    }
}
--------------------------------------
package com.boot.util;

// 生产者消息状态
public enum EventPublishStatus {
    NEW,
    PUBLISHED;

    private EventPublishStatus() {
    }
}
---------------------------------------
package com.boot.util;

// Kafka主题
public enum EventType {
    USER_CREATED;

    private EventType() {
    }
}

package com.boot.util;

import java.util.Arrays;
import java.util.Iterator;
import java.util.Properties;
import java.util.concurrent.ExecutionException;
import java.util.function.Consumer;
import org.apache.kafka.clients.consumer.CommitFailedException;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.apache.kafka.clients.consumer.ConsumerRecords;
import org.apache.kafka.clients.consumer.KafkaConsumer;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.Producer;
import org.apache.kafka.clients.producer.ProducerRecord;

// kafka工具类
public class KafkaUtil {
    private static Producer<String, String> producer;
    private static KafkaConsumer<String, String> consumer;

    public KafkaUtil() {
    }
    // Kafka发送消息，topic为主题，value为具体消息
    public static void sendSync(String topic, String value) throws ExecutionException, InterruptedException {
        producer.send(new ProducerRecord(topic, value)).get();
    }
    // Kafka接收消息
    public static void consume(Consumer<String> c) {
    // 订阅主题为USER_CREATED的消息
        consumer.subscribe(Arrays.asList(EventType.USER_CREATED.name()));

        while(true) {
            ConsumerRecords<String, String> records = consumer.poll(100L);
            Iterator var2 = records.iterator();

            while(var2.hasNext()) {
                ConsumerRecord<String, String> record = (ConsumerRecord)var2.next();
                System.out.println(record);
                c.accept(record.value());
            }

            try {
                consumer.commitSync();
            } catch (CommitFailedException var4) {
                System.out.println("Kafka消费者提交offset失败");
            }
        }
    }
    // kafka基础配置
    static {
        Properties producerProps = new Properties();
        producerProps.put("bootstrap.servers", "10.113.56.68:9093,10.113.56.68:9094,10.113.56.68:9092");
        producerProps.put("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        producerProps.put("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");
        producer = new KafkaProducer(producerProps);
        Properties consumerProps = new Properties();
        consumerProps.put("bootstrap.servers", "10.113.56.68:9093,10.113.56.68:9094,10.113.56.68:9092");
        consumerProps.put("key.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        consumerProps.put("value.deserializer", "org.apache.kafka.common.serialization.StringDeserializer");
        consumerProps.put("group.id", "VoucherGroup");
        consumerProps.put("enable.auto.commit", "false");
        consumer = new KafkaConsumer(consumerProps);
    }
}

　　A系统主要执行的操作有 1）执行业务操作，2）插入New消息到数据库，3）定时任务轮训数据库为New的数据，4）发送到Kafka中，5）修改数据库消息状态为Published。此处1），2）步操作不贴代码。下面为A系统中（即生产者）代码。

import com.boot.kafka.transaction.EventPublishService;
import org.springframework.scheduling.annotation.Scheduled;
import org.springframework.stereotype.Component;

import javax.annotation.Resource;

/**
 * @Author  xiabing5
 * @Create  2019/8/2 10:13
 * @Desc    spring定时器，定时向kafka中发送事物消息
 **/
@Component
public class EventPublishSchedule {

    @Resource
    private EventPublishService eventPublishService;

    /*
    * 每N毫秒执行一次*/
    @Scheduled(fixedrate = 5000)
    private void publish() {
        eventPublishService.publish();
    }
}

import com.boot.mapper.KafkaEventPublishMapper;
import com.boot.pojo.KafkaEventPublish;
import com.boot.util.EventPublishStatus;
import com.boot.util.KafkaUtil;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import org.springframework.util.CollectionUtils;

import javax.annotation.Resource;
import java.util.*;

/**
 * @Author  xiabing5
 * @Create  2019/8/2 9:34
 * @Desc    kafka解决分布式事物（消息发送端）
 **/
@Service
public class EventPublishService {
    
    @Resource
    private KafkaEventPublishMapper eventPublishMapper; // 事务表的Mapper

    @Transactional(rollbackFor = Exception.class)
    public void publish() {
        // 查询所有状态为NEW的事件
        Map<String,Object> params = new HashMap<String,Object>();
        params.put("status", EventPublishStatus.NEW.name());
        List<KafkaEventPublish> eventPublishList = eventPublishMapper.selectEventPublish(params);

        if(!CollectionUtils.isEmpty(eventPublishList)) {
            // 发送消息队列
            List<Long> ids = sendEventPublish(eventPublishList);

            if (!CollectionUtils.isEmpty(ids)) {
                //更新数据库状态为PUBLISHED
                eventPublishMapper.updateEventStatus(ids, EventPublishStatus.PUBLISHED.name());
            }
        }
    }

    /**
     * @Author  xiabing5
     * @Create  2019/8/2 10:32
     * @Desc    发送EventPublish对象集合 返回发送成功的EventPublish的ID集合
     **/
    private static List<Long> sendEventPublish(List<KafkaEventPublish> kafkaEventPublishes) {

        if(CollectionUtils.isEmpty(kafkaEventPublishes)) {
            return Collections.emptyList();
        }
        List<Long> ids = new ArrayList<Long>();
        for(KafkaEventPublish kafkaEventPublish : kafkaEventPublishes) {
            try {
                KafkaUtil.sendSync(kafkaEventPublish.getEventType().name(),kafkaEventPublish.getPayload());
                ids.add(kafkaEventPublish.getId());
                System.out.println("发送kafka消息成功");
            }
            catch (Exception e) {
                System.out.println("发送kafka消息失败 "+ kafkaEventPublish);
            }
        }
        return ids;
    }
}

　　B系统主要执行的操作有，1）从kafka中拉取数据，2）将此数据放入数据库事务表，更新状态为New ，3) 定时任务轮询状态为New的数据，执行相应业务操作，4）更新New数据状态为Complete 。下面为B系统中（即消费者）代码。

import com.boot.kafka.transaction.EventProcessService;
import org.springframework.scheduling.annotation.Scheduled;
import org.springframework.stereotype.Component;

import javax.annotation.Resource;

// 消费者定时任务
@Component
public class EventProcessSchedule {

    @Resource
    private EventProcessService eventProcessService;


    @Scheduled(fixedrate = 5000)
    private void process() {
        eventProcessService.process();
    }

}

import com.boot.mapper.KafkaEventProcessMapper;
import com.boot.pojo.KafkaEventProcess;
import com.boot.util.EventProcessstatus;
import com.boot.util.EventType;
import com.boot.util.KafkaUtil;
import com.google.common.util.concurrent.ThreadFactoryBuilder;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.postconstruct;
import javax.annotation.Resource;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.ThreadFactory;
import java.util.stream.Collectors;

/**
 * @Author  xiabing5
 * @Create  2019/8/2 13:37
 * @Desc    接收kafka消息service类
 **/
@Service
public class EventProcessService {

    @Resource
    private KafkaEventProcessMapper kafkaEventProcessMapper;

    // 创建单一线程线程池
    @postconstruct
    public void init() {
        ThreadFactory threadFactory = new ThreadFactoryBuilder()
                .setNameFormat("MqMessageConsumerThread-%d")
                .setDaemon(true)
                .build();
        ExecutorService executorService = Executors.newSingleThreadExecutor(threadFactory);
        executorService.execute(new MqMessageConsumerThread());
    }

    // 自定义接收线程
    private class MqMessageConsumerThread implements Runnable {

        @Override
        public void run() {
            KafkaUtil.consume(consumerRecord -> {
                KafkaEventProcess kafkaEventProcess = new KafkaEventProcess();
                kafkaEventProcess .setPayload(consumerRecord);
                kafkaEventProcess .setEventType(EventType.USER_CREATED);
                kafkaEventProcess .setStatus(EventProcessstatus.NEW);
                kafkaEventProcessMapper.insertEventProcess(kafkaEventProcess);
            });
        }
    }

    // 执行业务逻辑操作
   @Transactional(rollbackFor = Exception.class)
    public void process() {

        // 查询表中状态为new的事件
        Map<String,Object> params = new HashMap<String,Object>();
        params.put("status",EventProcessstatus.NEW.name());

        List<KafkaEventProcess> kafkaEventProcessList = kafkaEventProcessMapper.selectEventProcess(params);

       for(KafkaEventProcess kafkaEventProcess : kafkaEventProcessList) {
           // 执行业务操作
           System.out.println("删除你");
       }

        List<Long> ids = kafkaEventProcessList.stream().map(item -> item.getId()).collect(Collectors.toList());
       kafkaEventProcessMapper.updateEventStatus(ids,EventProcessstatus.PROCESSED.name());

    }

}

　　补充：此处没有贴事务表的sql语句（即Mapper.xml）无非是添加数据库记录，更新记录状态语句。此代码在我的实践中能运行。

4.　总结

　　分布式问题一直是我最近比较棘手问题，如分布式锁，定时任务在集群下重复执行等。自己也是个小白，希望通过每次实践后，能总结出点东西，便于以后去遍历。

分布式事务

1. 引言

2. kafka+本地事物表解决分布式事务

3. 实现代码

相关文章

1.　引言

2.　kafka+本地事物表解决分布式事务

3.　实现代码　