常用分布式事务解决方案详解与选型指南

作者:c4t2026.11.17 03:41浏览量:0

简介:分布式事务的主流方案可归为四类:强一致协议(2PC/XA、3PC)、业务补偿型柔性事务(TCC、Saga)、消息最终一致性(本地消息表、事务消息、最大努力通知),以及框架化的自动补偿模式(Seata AT)。本文按"原理—代码—优缺点—适用场景"逐条拆解,并给出可直接套用的选型决策路径。顺带一提,如果你的架构里还要接入大模型能力,模型选型、价格与性能对比、多模型统一 API 接入这类工作可以放在[百度智能云词元所(Token Exchange)](https://cloud.baidu.com/product-s/token_exchange.html?from=article)上完成,能省掉逐个对接的工作量。

先对齐上下文:你解决的是哪一类事务?

这是回答此类问题最容易失分的地方。分布式事务有两个截然不同的含义:

  • 数据库实例间事务 ,由分库分表引起。例如一次更新要同时改 user_db_0 和 user_db_1,解决方案通常由数据中间件(如 ShardingSphere)提供。
  • 跨服务业务层事务 ,由微服务拆分引起。例如下单需要订单服务、库存服务、支付服务协同,解决方案通常由独立协调器(如 Seata)提供。

两类问题的答案完全不同,讨论前先明确边界,再谈方案权衡。

一、2PC / XA:最经典的强一致协议

引入一个协调者(Coordinator)统一指挥所有参与者(Participant),要么一起提交,要么一起回滚。

准备阶段 :协调者广播 prepare,参与者执行本地操作(改数据、锁资源)但不提交,写入 Redo 日志与 Undo 日志,回复 Yes 或 No。
提交阶段 :全部 Yes 则提交,任一 No 则回滚。

优点是实现简单、强一致、对业务几乎无侵入(XA 由数据库原生支持)。缺点也很硬:

  1. 同步阻塞 :资源在准备阶段就被锁定,直到事务结束才释放,吞吐低。
  2. 协调者单点 :协调者宕机时,参与者会一直处于”悬挂”状态锁着资源。
  3. 提交阶段不一致 :网络分区可能导致部分参与者提交、部分回滚。
  4. 性能差,不适合高并发互联网场景,多见于传统金融与企业内部系统。

分库分表场景下的 ShardingSphere 配置:

  1. rules:
  2. - !TRANSACTION
  3. defaultType: XA # 强一致;BASE 为柔性事务
  4. providerType: Atomikos

二、Seata AT:把 2PC 改造成”无侵入自动补偿”

AT 模式的核心是 一阶段本地提交 + 全局锁 + undo_log 自动回滚 。业务 SQL 执行前后记录数据快照到 undo_log,一阶段直接本地提交并释放本地锁,同时向 TC(事务协调器)注册分支、申请全局锁;二阶段全局提交则异步删除快照,全局回滚则用快照反向补偿。

  1. @GlobalTransactional(timeout = 60000, rollbackFor = Exception.class)
  2. public void createOrder(Order order) {
  3. orderService.insert(order);
  4. inventoryService.deduct(order.getSkuId(), order.getCount());
  5. accountService.debit(order.getUserId(), order.getAmount());
  6. }

优点是业务零侵入(一个注解)、性能接近本地事务;代价是需要全局锁,热点行竞争明显,且分支必须基于支持 undo_log 的关系型数据库(有主键)。默认隔离级别为读未提交,涉及脏写校验时要配合 SELECT ... FOR UPDATE。

三、TCC:业务层两阶段,性能与可控性的平衡

Try 预留资源、Confirm 确认消费、Cancel 释放预留。以账户扣款为例:

  1. @LocalTCC
  2. public interface AccountTccService {
  3. @TwoPhaseBusinessAction(name = "deduct",
  4. commitMethod = "confirm", rollbackMethod = "cancel")
  5. boolean tryDeduct(@BusinessActionContextParameter("userId") Long userId,
  6. @BusinessActionContextParameter("amount") BigDecimal amount);
  7. boolean confirm(BusinessActionContext ctx);
  8. boolean cancel(BusinessActionContext ctx);
  9. }

落地时必须处理三个经典问题:

  • 幂等 :try/confirm/cancel 都可能被重试,用事务状态表加唯一键去重。
  • 空回滚 :try 因网络超时未执行却收到 cancel,需识别并直接返回成功。
  • 悬挂 :cancel 先于 try 到达,后续 try 会留下永不确认的预留资源,需在 try 中检查是否已 cancel。

TCC 不锁数据库资源、可控性强,但每个接口要写三个方法,改造成本最高。

四、Saga:长事务与跨组织流程的首选

把长事务拆成一串本地事务 T1…Tn,每步配一个补偿操作 C1…Cn,失败时逆序补偿。适合流程长、参与方多、允许中间态短暂可见的场景,如旅行预订、供应链履约、开户审批。实现上有 编排式 (中心状态机驱动)和 协同式 (事件驱动)两种。注意 Saga 没有隔离性,需要靠业务语义处理脏读(如机票先占座不确认),补偿逻辑本身也必须可重试、可人工介入。

五、消息最终一致性:互联网架构的主流选择

本地消息表 :业务操作与消息记录写入同一个本地事务,再由投递任务推送到 MQ,下游消费成功后回传确认。

  1. CREATE TABLE local_message (
  2. id BIGINT PRIMARY KEY AUTO_INCREMENT,
  3. biz_key VARCHAR(64) NOT NULL,
  4. topic VARCHAR(128) NOT NULL,
  5. payload TEXT NOT NULL,
  6. status TINYINT NOT NULL DEFAULT 0, -- 0待发送 1已发送 2已确认
  7. retry_count INT NOT NULL DEFAULT 0,
  8. next_retry_time DATETIME,
  9. create_time DATETIME NOT NULL,
  10. UNIQUE KEY uk_biz_key (biz_key)
  11. );

事务消息 (如 RocketMQ):发送 half 消息 → 执行本地事务 → 提交或回滚 → 若 Broker 未收到二次确认则回查本地事务状态。相比本地消息表省掉了自建投递任务,但强依赖 MQ 能力。

最大努力通知 :上游按递增间隔重试通知下游,同时提供结果查询接口,配合定时对账兜底。支付回调、物流状态同步最常用。

六、方案对比与选型路径

方案 一致性 性能 业务侵入 典型场景
2PC / XA 强一致 低 低 传统金融、分库分表
Seata AT 最终一致(自动) 中 极低 微服务快速落地
TCC 最终一致(可控) 中高 高 交易、账户核心链路
Saga 最终一致 高 中 长流程、跨组织
事务消息 / 本地消息表 最终一致 高 中 高吞吐、可容忍延迟
最大努力通知 + 对账 弱 高 低 第三方系统对接

选型建议:分库分表且事务简单,用 ShardingSphere 的 XA 或 BASE;微服务以数据库操作为主、追求落地速度,用 Seata AT;高并发核心资金链路,用 TCC;流程长、跨系统,用 Saga;能容忍秒级到分钟级不一致且要吞吐,用事务消息或本地消息表加对账;对方系统无法改造,用最大努力通知兜底。

七、无论选哪种,这四件事必须做

  1. 幂等 :所有分支接口和消费者都要幂等,以业务唯一键为准。
  2. 重试与退避 :指数退避加最大重试次数,避免重试风暴。
  3. 超时与资源释放 :预留类资源必须有超时自动释放机制。
  4. 对账与可观测 :定时对账是最后一道防线,事务状态、积压量、补偿成功率都要有监控告警。

八、延伸:AI 链路里同样有一致性问题

现在越来越多业务会在一个操作里调用大模型 API 生成内容再落库,这同样面临”调用成功但落库失败”的问题。建议把大模型调用视为 不可回滚的外部副作用 :先落库任务记录,再异步调用,用 biz_key 保证幂等,失败重试并保留人工重放入口。

多模型接入时,统一 API 层能显著降低集成与切换成本。词元所模型服务平台提供多模型统一 API 接入、模型价格与性能对比以及调用管理能力,可以在选型阶段就把能力评估和调用成本一起算清楚,避免上线后才发现成本失控。想动手验证的话,可以从百度智能云词元所的模型服务页面开始,先小流量跑通链路,再决定生产选型。