那些用Go实现的分布式事务框架

简介: 那些用Go实现的分布式事务框架

Seata简介


Seata是由阿里开源的分布式事务服务,目前为用户提供了AT、TCC、SAGA、XA的事务模式,整体采用的是两阶段提交协议。Go版的seata-golang 目前好像只实现了mysql的AT、TCC模式,作者现在不咋更新了。

Seata 有几个核心角色

  • TC(Transaction Coordinator) -事务协调者。(维护全局和分支事务的状态,驱动全局事务提交或回滚)
  • TM(Transaction Manager)-事务管理器。(定义全局事务的范围:开始全局事务、提交或回滚全局事务。)
  • RM(Resource Manager)-资源管理器。(管理分支事务处理的资源,与TC交谈以注册分支事务和报告分支事务的状态,并驱动分支事务提交或回滚)

当然这样看,可能还不是很理解,我拿一张官网的图加以解释


1668514011631.jpg


从上图中可以看出,这三个角色所负责的工作如下

TC

  • 维护全局和分支事务状态,需要进行存储。
  • 当一个分布式事务处理结束,需要通知到每个RM是commit还是rollback

TM

  • 向TC请求开启一个分布式事务,得到一个全局唯一的分布式id。
  • 根据每个参与分布式事务的RM一阶段的反馈,决定二阶段向TC请求此次分布式事务是commit还是rollback(绝大部分场景下,一阶段任一RM失败,本次分布式事务失败)

RM

说的白一点就是管理参与分布式事务的各个服务(比如经典下单场景中涉及到的:订单服务、库存服务、营销服务等)

ps:个人感觉,这里的RM有点类似微服务中的中间处理层(专业术语他们管这叫bff->backend for fronted)。

  • 一阶段 prepare 行为(主动):每个RM调用 自定义 的 prepare 逻辑。
  • 二阶段 commit 行为(被动触发):如果本次分布式事务第一阶段全部RM成功,TC处理完自身状态变更后,调用各个RM自定义 的 commit 逻辑。(一阶段RM全部成功)
  • 二阶段 rollback 行为(被动触发):如果本次分布式事务第一阶段任一RM失败,TC处理完自身状态变更后,调用各个RM自定义 的 rollback 逻辑。(一阶段任意RM失败)


好了。下面可以看看seata-golang 实现的一些细节了,seata-golang 底层采用gRPC进行通信。


seata-golang


我们先看RM部分结构。


1668514031704.jpg


至于managers,保存支持的各大事务模式实现(TCC、XA等),每个模式只需要实现此接口即可


1668514045175.jpg


再看TC部分结构(去除部分字段)


1668514057304.jpg


TC对数据的存储目前支持mysql和pgsql,即只要实现SessionManager接口,然后注入到SessionHolder的manager。


介绍完这两个基本结构,还记得我们上面说过他们之间的关系吗?


二阶段TC会根据当前事务状态去通知RM是commit还是rollback。


在初始化ResourceManager 的时候,


1668514073133.jpg


我们看到最终会调用TC一个 grpc 接口branchCommunicate。


1668514084360.jpg


对应到服务端


1668514094386.jpg


我们知道gRPC有四种基础的通信模式。

  • 一元模式(Unary RPC)
  • 服务器端流RPC(Server Sreaming RPC)
  • 客户端流RPC(Client Streaming RPC)
  • 双向流RPC(Bidirectional Streaming RPC)

想要流的形式也很简单,只需要在proto方法定义中将对应的请求|响应 参数前加上stream标记,那么这个接口就是流式传送了。至于是哪种流,取决于你把stream加在哪边,如果请求和响应都加,那么就是双向流了。


客户端和服务端都可以通过stream.Send 发送请求,通过stream.Recv 接收数据。

当RM调用BranchCommunicate时


1668514109258.jpg


最终处理分支事务调用manager.BranchCommit


1668514123302.jpg


相应的,当TC被RM调用BranchCommunicate 后,


1668514134351.jpg


上面要发送给RM 通知commit 或者 rollback 数据是咋么来的呢?


当TC要通知RM进行分支commit 的时候,


1668514150175.jpg


最后一个就是TM,没啥理解难度。


1668514161451.jpg


其实seat-golang还有别的可以提一提的。


比如说,它里面通过go反射实现的动态代理功能(虽然我觉得完全没必要?),我懒得写了。


这篇文章再写就更长了,不继续写dtm了,感兴趣的留个言,我看看要不要写一篇dtm。


参考


相关文章
|
10天前
|
运维 NoSQL Java
SpringBoot接入轻量级分布式日志框架GrayLog技术分享
在当今的软件开发环境中,日志管理扮演着至关重要的角色,尤其是在微服务架构下,分布式日志的统一收集、分析和展示成为了开发者和运维人员必须面对的问题。GrayLog作为一个轻量级的分布式日志框架,以其简洁、高效和易部署的特性,逐渐受到广大开发者的青睐。本文将详细介绍如何在SpringBoot项目中接入GrayLog,以实现日志的集中管理和分析。
50 1
|
22天前
|
数据采集 分布式计算 并行计算
Dask与Pandas:无缝迁移至分布式数据框架
【8月更文第29天】Pandas 是 Python 社区中最受欢迎的数据分析库之一,它提供了高效且易于使用的数据结构,如 DataFrame 和 Series,以及大量的数据分析功能。然而,随着数据集规模的增大,单机上的 Pandas 开始显现出性能瓶颈。这时,Dask 就成为了一个很好的解决方案,它能够利用多核 CPU 和多台机器进行分布式计算,从而有效地处理大规模数据集。
47 1
|
24天前
|
存储 NoSQL 算法
Go 分布式令牌桶限流 + 兜底保障
Go 分布式令牌桶限流 + 兜底保障
|
24天前
|
监控 Go API
带你十天轻松搞定 Go 微服务之大结局(分布式事务)
带你十天轻松搞定 Go 微服务之大结局(分布式事务)
|
11天前
|
消息中间件 NoSQL Go
PHP转Go系列 | ThinkPHP与Gin框架之Redis延时消息队列技术实践
【9月更文挑战第7天】在从 PHP 的 ThinkPHP 框架迁移到 Go 的 Gin 框架时,涉及 Redis 延时消息队列的技术实践主要包括:理解延时消息队列概念,其能在特定时间处理消息,适用于定时任务等场景;在 ThinkPHP 中使用 Redis 实现延时队列;在 Gin 中结合 Go 的 Redis 客户端库实现类似功能;Go 具有更高性能和简洁性,适合处理大量消息。迁移过程中需考虑业务需求及系统稳定性。
|
17天前
|
分布式计算 资源调度 Hadoop
在YARN集群上运行部署MapReduce分布式计算框架
主要介绍了如何在YARN集群上配置和运行MapReduce分布式计算框架,包括准备数据、运行MapReduce任务、查看任务日志,并启动HistoryServer服务以便于日志查看。
31 0
|
20天前
|
缓存 分布式计算 Java
详细解读MapReduce框架中的分布式缓存
【8月更文挑战第31天】
12 0
|
24天前
|
消息中间件 SQL 关系型数据库
go-zero微服务实战系列(十、分布式事务如何实现)
go-zero微服务实战系列(十、分布式事务如何实现)
|
24天前
|
SQL JavaScript Go
Go Web 服务框架实现详解
Go Web 服务框架实现详解
|
25天前
|
Kubernetes Go 数据库
go-zero 分布式事务最佳实践
go-zero 分布式事务最佳实践