微服務架構中如何利用事件驅動實現最終一致性

這篇文章給大家分享的是有關微服務架構中如何利用事件驅動實現最終一致性的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

 事務一致性

首先，我們來回顧一下ACID原則：

• Atomicity：原子性，改變數據狀態要么是一起完成，要么一起失敗

• Consistency：一致性，數據的狀態是完整一致的

• Isolation：隔離線，即使有并發事務，互相之間也不影響

• Durability：持久性， 一旦事務提交，不可撤銷

在單體應用中，我們可以利用關系型數據庫的特性去完成事務一致性，但是一旦應用往微服務發展，根據業務拆分成不用的模塊，而且每個模塊的數據庫已經分離開了，這時候，我們要面對的就是分布式事務了，需要自己在代碼里頭完成ACID了。比較流行的解決方案有：兩階段提交、補償機制、本地消息表(利用本地事務和MQ)、MQ的事務消息(RocketMQ)。

CAP定理

1998年，加州大學的計算機科學家 Eric Brewer 提出，分布式系統有三個指標。

• Consistency：一致性

• Availability：可用性

• Partition tolerance：分區容錯

Eric Brewer 說，這三個指標不可能同時做到。這個結論就叫做 CAP 定理。

微服務中，不同模塊之間使用的數據庫是不同的，不同模塊之間部署的服務去也有可能是不用的，那么分區容錯是無法避免的，因為服務之間的調用不能保證百分百的沒問題，所以系統設計必須考慮這種情況。因此，我們可以認為CAP的P總是成立的，剩下的C和A無法同時做到。

實際上根據分布式系統中CAP原則，當P(分區容忍)發生的時候，強行追求C(一致性)，會導致(A)可用性、吞吐量下降，此時我們一般用最終一致性來保證我們系統的AP能力。當然不是放棄C，而是放棄強一致性，而且在一般情況下CAP都能保證，只是在發生分區容錯的情況下，我們可以通過最終一致性來保證數據一致。

事件驅動實現最終一致性

事件驅動架構在領域對象之間通過異步的消息來同步狀態，有些消息也可以同時發布給多個服務，在消息引起了一個服務的同步后可能會引起另外消息，事件會擴散開。嚴格意義上的事件驅動是沒有同步調用的。

例子：

在電商里面，用戶下單必須根據庫存來確定訂單是否成交。

項目架構：SpringBoot2+Mybatis+tk-Mybatis+ActiveMQ【因為小例子，不做成Spring Cloud架構】

首先，我們來看看正常的服務之間調用：

代碼：

@Override @Transactional(rollbackFor = Exception.class) public Result placeOrder(OrderQuery query) {  Result result = new Result();  // 先遠程調用Stock-Service去減少庫存  RestTemplate restTemplate = new RestTemplate();  //請求頭  HttpHeaders headers = new HttpHeaders();  headers.setContentType(MediaType.APPLICATION_JSON);  //封裝成一個請求對象  HttpEntity entity = new HttpEntity(query, headers);  // 同步調用庫存服務的接口  Result stockResult = restTemplate.postForObject("http://127.0.0.1:8081/stock/reduceStock",entity,Result.class);  if (stockResult.getCode() == Result.ResultConstants.SUCCESS){  Order order = new Order();  BeanUtils.copyProperties(query,order);  order.setOrderStatus(1);  Integer insertCount = orderMapper.insertSelective(order);  if (insertCount == 1){  result.setMsg("下單成功");  }else {  result.setMsg("下單失敗");  }  }else {  result.setCode(Result.ResultConstants.FAIL);  result.setMsg("下單失敗："+stockResult.getMsg());  }  return result; }

我們可以看到，這樣的服務調用的弊端多多：

1、訂單服務需同步等待庫存服務的返回結果，接口結果返回延誤。2、訂單服務直接依賴于庫存服務，只要庫存服務崩了，訂單服務不能再正常運行。3、訂單服務需考慮并發問題，庫存最后可能為負。

下面開始利用事件驅動實現最終一致性

1、在訂單服務新增訂單后，訂單的狀態是“已開啟”，然后發布一個Order Created事件到消息隊列上

代碼：

@Transactional(rollbackFor = Exception.class) public Result placeOrderByMQ(OrderQuery query) {  Result result = new Result();  // 先創建訂單，狀態為下單0  Order order = new Order();  BeanUtils.copyProperties(query,order);  order.setOrderStatus(0);  Integer insertCount = orderMapper.insertSelective(order);  if (insertCount == 1){  // 發送 訂單消息  MqOrderMsg mqOrderMsg = new MqOrderMsg();  mqOrderMsg.setId(order.getId());  mqOrderMsg.setGoodCount(query.getGoodCount());  mqOrderMsg.setGoodName(query.getGoodName());  mqOrderMsg.setStockId(query.getStockId());  jmsProducer.sendOrderCreatedMsg(mqOrderMsg);  // 此時的訂單只是開啟狀態  result.setMsg("下單成功");  }  return result; }

2、庫存服務在監聽到消息隊列OrderCreated中的消息，將庫存表中商品的庫存減去下單數量，然后再發送一個Stock  Locked事件給消息隊列。

代碼：

/**  * 接收下單消息  * @param message 接收到的消息  * @param session 上下文  */ @JmsListener(destination = ORDER_CREATE,containerFactory = "myListenerContainerFactory") @Transactional(rollbackFor = Exception.class) public void receiveOrderCreatedMsg(Message message, Session session){  try {  if (message instanceof ActiveMQObjectMessage){  MqStockMsg result = new MqStockMsg();  ActiveMQObjectMessage objectMessage=(ActiveMQObjectMessage)message;  MqOrderMsg msg = (MqOrderMsg)objectMessage.getObject();  Integer updateCount = stockMapper.updateNumByStockId(msg.getStockId(),msg.getGoodCount());  if (updateCount >= 1){  result.setSuccess(true);  result.setOrderId(msg.getId());  }else {  result.setSuccess(false);  }  // 手動ack，使消息出隊列，不然會不斷消費  message.acknowledge();  // 發送庫存鎖定消息到MQ  jmsProducer.sendStockLockedMsg(result);  }  } catch (JMSException e) {  log.error("接收訂單創建消息報錯："+e.getMessage());  } }

仔細的朋友可能會看到：message.acknowledge()，即手動確認消息。因為在保證庫存服務的邏輯能正常執行后再確認消息已消費，可以保證消息的投遞可靠性，萬一在庫存服務執行時報出異常，我們可以做到重新消費該下單消息。

3、訂單服務接收到Stock Locked事件，將訂單的狀態改為“已確認”

代碼：

/**  * 判斷是否還有庫存，有庫存更新訂單狀態為1，無庫存更新訂單狀態為2，并且通知用戶（WebSocket）  * @param message  */ @JmsListener(destination = STOCK_LOCKED,containerFactory = "myListenerContainerFactory") @Transactional(rollbackFor = Exception.class) public void receiveStockLockedMsg(Message message, Session session){  try {  if (message instanceof ActiveMQObjectMessage){  ActiveMQObjectMessage objectMessage=(ActiveMQObjectMessage)message;  MqStockMsg msg = (MqStockMsg)objectMessage.getObject();  if (msg.isSuccess()){  Order updateOrder = new Order();  updateOrder.setId(msg.getOrderId());  updateOrder.setOrderStatus(1);  orderMapper.updateByPrimaryKeySelective(updateOrder);  log.info("訂單【"+msg.getOrderId()+"】下單成功");  }else {  Order updateOrder = new Order();  updateOrder.setId(msg.getOrderId());  updateOrder.setOrderStatus(2);  orderMapper.updateByPrimaryKeySelective(updateOrder);  // 通知用戶庫存不足，訂單被取消  log.error("訂單【"+msg.getOrderId()+"】因庫存不足被取消");  }  // 手動ack，使消息出隊列，不然會不斷消費  message.acknowledge();  }  } catch (JMSException e) {  log.error("接收庫存鎖定消息報錯："+e.getMessage());  } }

同樣，這里我們也是會利用手動確認消息來保證消息的投遞可靠性。

至此，已經全部搞定了。我們看一下和正常的服務調用對比如何：

1、訂單服務不再直接依賴于庫存服務，而是將下單事件發送到MQ中，讓庫存監聽。

2、訂單服務能真正的作為一個模塊獨立運行。

3、解決了并發問題，而且MQ的隊列處理效率非常的高。

但是也存在下面的問題：

1、用戶體驗改變了：因為使用事件機制，訂單是立即生成的，可是很有可能過一會，系統會提醒你沒貨了。。這就像是排隊搶購一樣，排著排著就被通知沒貨了，不用再排隊了。

2、數據庫可能會存在很對沒有完成下單的訂單。

最后，如果真的要考慮用戶體驗，并且不想數據庫存在很多不必要的數據，該怎么辦?

那就把訂單服務和庫存服務聚合在一起吧。解決當前的問題應當是首先要考慮的，我們設計微服務的目的是本想是解決業務并發量。而現在面臨的卻是用戶體驗的問題，所以架構設計也是需要妥協的。

最主要是，我們是經過思考和分析的，每個方案能做到哪種程度，能應用到哪種場景。正所謂，技術要和實際場景結合，我們不能為了追求新技術而生搬硬套。

感謝各位的閱讀！關于“微服務架構中如何利用事件驅動實現最終一致性”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！