微服務分布式一致性模式
微服務拆分后遇到的一個麻煩是分布后的一致性問題。單體架構的業務處理和數據都在一個進程里面，一致性保障很成熟，開發人員基本上不用關心。當把業務系統拆分到不同進程時，就遇到了技術性一致性問題。這帶來了糾結，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務場景下的選擇。
我們這里討論的分布是指業務邏輯上做了拆分導致的分布，而不是數據量特別大導致的分布。
如果業務上不拆分，數據量特別大需要做分布，可以選擇支持大數據的分布式數據庫。可以選擇Cassandra, MongoDB等NoSQL，或者TiDB這類支持SQL的分布式方案。
如果業務上進行了拆分，不論選什么數據庫都不能解決分布式一致性問題。把數據庫或者分布式數據庫看成是一個系統，能處理一個外部請求在數據庫內部的分布式問題，但不能處理多個外部請求的一致性問題。
分布式強一致的數據庫不能解決業務邏輯拆分帶來的分布式一致性問題，我們還得繼續糾結如何解決業務分布式一致性的問題。
首先我把微服務分布式一致性問題分為數據共享一致性和業務交易一致性問題。
一、數據共享一致性
在單體架構的時候用同一個數據庫，不存在數據共享問題。微服務強調要獨立數據庫，引起數據如何共享的問題。
數據共享分為拉和推兩種模式，拉指消費者去供應商那邊拉數據，推指供應商主動把數據推到消費者面前。
1. 拉-視圖共享
對于一般的企業信息系統，數據量不大，并發需求也不大，我建議所有的微服務用同一個數據庫實例，但是拆分在不同的Schema。這樣的好處是在業務邏輯上數據庫是獨立的，也可以獨立演進。然后數據庫又可以集中管理。這個方案對于大型遺留系統拆分尤其適用，因為原本就是在一個庫里面，為了業務更好的獨立演進進行數據庫Schema拆分，又能延續原有的數據庫實例管理技術。由于不同的微服務實際運行在同一個數據庫實例上，可以簡單地建視圖進行數據共享。
需要注意的是，不要拉整個表出去，根據需要選擇幾個字段。這種模式技術上簡單，壞處有兩個：一是由于視圖同步的數據是實時的，應用可能基于實時同步數據的假設進行設計，會導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構，這需要特別加強對視圖的設計和結構管理，讓暴露出去的視圖不要直接綁定在現有的表結構上。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據庫實例上。
2. 拉-API獲取
微服務最推薦的方式是服務方提供數據API，消費者需要的時候去拉取。好處是消費者和供應方技術上完全解耦，壞處是提高了開發成本。如果消費者使用API方式獲取所需數據，建議使用異步Stream方式進行編程。 如果一次業務請求需要拉取多個數據源，不建議用同步的方式調用，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
發生事件時發送消息是DDD CQRS模式，即解決了消費者要擁有數據用的爽快的問題(根據需要建立本地數據結構、獲取性能和方式), 也解決了數據庫技術異構的問題。帶來的問題是需要一個消息平臺，并且消費者或者供應方都要耦合在一個消息平臺技術上。對于大型遺留系統改造不是很友好，一方面遺留系統的消息平臺往往不符合高并發大數據量的性能要求，另一方面對于新的微服務也不想依賴老的消息平臺，而想要用Kafka這樣的互聯網高并發輕量的消息平臺。
4. 數據共享一致性選擇總結：
對于遺留系統改造和數據量不大(日交易量不超過百萬)的應用，建議使用不同微服務創建不同Schema，但用同一個數據庫實例，然后通過視圖的方式進行數據共享。
如果有些業務數據量非常大又需要共享，使用API共享，利用異步Stream編程進行數據共享。
如果微服務平臺技術設施成熟，可以使用推送事件消息模式， 既解決共享數據消費便利性問題，又解決數據結構解耦，并且使用輕量消息平臺(Kafka)只是有輕度的技術耦合。
二、業務交易分布式一致性
業務交易分布式一致性指一次請求，但分布在不同的微服務系統處理，引發一致性協調的問題。
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務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，假設給A發消息，如果沒有收到A確認消息已收到，就繼續發送，直到A確認收到消息為止。
有很多業務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，導致業務上的失敗。如果業務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。通過業務順序的調整來實現一個交易必須成功的情境。在技術實現上比較簡單，利用一個任務隊列跟蹤任務的完成狀態，來決定重試。補償模式對API的要求是必須要冪等，因為有可能任務已經成功了，但消費者不知道，再次發出任務請求。
2. 二次提交模式
由于補償模式需要對業務進行調整，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。
最有名的應該是二次提交模式，更具體點是TCC(Try,Confirm,Cancel)。先發起try請求讓業務任務參與方做好處理準備，等所有的參與方都做好準備后，再發出confirm進行確認。因為所有的業務參與方都事前做好了準備，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cancel進行回滾。這種模式和數據的事務管理基本一樣，像Java的JTA實現Automikos就是從支持數據庫事務，也支持REST API。二次提交雖然能解決事務一致性問題，但成本比較高。一個業務處理必須要拆分為準備和確認執行兩個階段，對業務設計要求和開發成本都比較高。
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場景。二次提交模式基于悲觀鎖，所以先要求任務參與方都做好準備，然后再做執行。
Saga和補償模式是基于樂觀鎖，先讓任務參與方執行，如果執行沒響應則要求再次執行。Saga給參與方發出任務后會記錄一個event(Saga的中文翻譯可以是事跡)，所有event都會持久化。如果某個參與方執行失敗，再發出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調機制能達成一致性目的，并降低了開發成本，業務設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，京東已經有些線上系統用了。還有做CQRS的框架axoniq也實現了saga。
【本文為51CTO專欄作者“張逸”原創稿件，轉載請聯系原作者】
