分布式架构中数据一致性常见的几个问题

针对分布式架构下的数据一致性，大家也许会问这样的问题：跨系统间分布式事务如何解决？系统内多个服务的分布式事务如何解决？一个服务内多个数据源/数据库的分布式事务如何解决？……这些问题大家是很容易理解的，但是由于术语不准确，所以解释起来会有二义性，所以先要统一语言或者术语，也就是统一概念：

域是一个虚拟的分类，几个系统属于某一个域，例如网上银行和手机银行都属于电子渠道领域；

传统的单体应用，指的就是系统，在微服务架构下，单体应用采用前后端分离模式，前端一般使用 Nginx，Ngnix 进程间采用主备模式，系统的后端可以分为多个应用，每个应用有一组对等的应用进程（也称为应用实例）提供服务，每个应用对应一个数据库，实际上在分库的情况下，有可能一个应用对应多个数据库。复杂一点的是网关，网关由一组对等的网关实例组成，如果多个系统共享一个网关，网关和系统就是1对多的关系，也可以一个系统独享一个网关，就是一对一情况，下图是一个概念的示例，使用的是系统独享网关模式。

这里，我们看看经常问的一些问题：跨系统间分布式事务、系统内多个服务的分布式事务、一个服务内多个数据源/数据库的分布式事务，这些问题完全是从技术的角度做归纳，用上述概念应该改为：系统间的数据一致性、系统内应用间的数据一致性、应用内部对应多数据库的数据一致性，另外可以增加一个数据库对应多个应用的数据一致性（技术上存在可能，但从上述概念上看应该是在架构上避免的）。

这四个情况如何处理呢？需要我们总结归纳，我在做总结归纳的时候，往往希望首先确定原则，这里的原则是从业务的角度进行分析，而不是考虑技术的可能性，因为技术的可能性无穷无尽，是一个无限组合，理论上任何情况都能发生，考虑所有情况就是胡扯了，必须根据业务的特征进行归纳。这里，我不叫分布式事务而是数据一致性就是这个道理，从业务角度目标是解决分布式情况下的数据一致性，而不是技术角度看的分布式事务。

有了这个原则，就可以分别分析这四种情况了：

1、系统间的数据一致性

需要服务实现 TCC或者业务补偿模式，由框架（业务协调器）自动调用，减少人工参与，或者实现幂等服务，反复投递。这两种方式都没法做到数据的 100% 一致，在失败的时候都需要有重试的机制，例如补偿失败要重试（这就是框架的好处），多次重试还是失败，记录失败历史，业务上人工处理。不要害怕人工处理，只要减少人工处理的机会就好了，在工行时就是提出人工干预比例降低若干个百分点作为目标。

2、系统内应用间的数据一致性

这个可以使用华为 SAGA 的模式，也就是建立一个共享的事务协调器模式（虽然我对这个共享方式不喜欢，不是分布式吗，为啥还搞出一堆集中式的东西，既然如此，为啥应用间调用不能走网关，要直连，说共享不好，到这里就是共享好了），好了，括号里是吐槽，简单的方式是用共享的事务协调器模式，记录服务调用的事件，在合适的时机调用TCC和补偿服务。

3、应用内部对应多数据库的数据一致性，是个反模式，不要做通用方案

一般来说，一个应用对应一个数据库，不允许一个应用对应多个数据库，多个数据库的情况应该分成多个应用，通过服务调用方式解决，这是一个基本原则，否则就是一个反模式设计。但是，就是有很多人较真，一定问有这个情况你怎么解决，我的回答是架构设计解决这个问题，在技术上不支持这种方式，让设计者必须在架构解决，而不是利用技术手段解决不合理的架构设计，否则后患无穷（这一点还是需要勇气和坚持的）。空口无凭，实例为证，一般我会举抢红包的例子。大家知道，抢红包的并发非常高，又有数据一致性的要求，无论哪个互联网公司，都是根据红包 ID，把数据路由到一个数据库中，用数据库事务保证数据一致性，在银行互联网账务系统（2类 3类户）的情况，也是把同一账务的数据路由到不同的数据库中（见下图）。还会提到一种情况，在分库分表的时候，如果恰好数据分到了不同库中，恰好要做一个批量的调整，恰好在一个事务中，如何解决。我认为这种情况的发生，恰恰说明设计有问题，分库的原则也是按业务拆分，不是用技术手段随机分解，既然按业务拆分，批量处理的时候就应该不是一个业务上的事务，在技术上不提供这样的实现，才可以在架构设计考虑问题。不排除在某个系统中可以做一些框架，解决上述问题，但是，这一定不是个通用的方案。