百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

5大分布式事务框架详解(图文全面总结)

ccwgpt 2024-09-26 07:50 26 浏览 0 评论

分布式事务是非常重要的分布式系统,下面重点详解5大分布式事务框架

Seata

Seata 是一个开源的分布式事务解决方案,它是阿里巴巴开源的一个分布式事务中间件项目,主要解决微服务架构下的分布式事务问题。

Seata 主要解决以下问题:

1.分布式事务的一致性问题

在分布式系统中,由于数据分布在多个节点上,跨多个服务的事务管理变得复杂,容易出现数据不一致的问题,Seata 提供了分布式事务的管理和协调机制,确保事务的一致性。

2.分布式事务的可靠性问题

在分布式环境下,网络故障、服务宕机等问题可能导致事务的中断或异常,影响业务的稳定性,Seata 提供了高可用性和故障恢复机制,保证事务的可靠执行。

3.分布式事务的性能问题

Seata 提供了高性能的分布式事务处理引擎,通过优化事务提交和回滚流程,提升了系统的性能表现。

Seata的架构,如下图所示:

Seata 的三个核心组件,包括:事务协调器(Transaction Coordinator)、事务管理器(Transaction Manager)和资源管理器(Resource Manager)。

1.TC事务协调器

事务协调器(Transaction Coordinator):负责协调分布式事务的执行和管理,包括事务的发起、提交和回滚等操作。

2.TM事务管理器

事务管理器(Transaction Manager):负责管理事务参与者的注册和注销,以及事务的提交和回滚操作。

3.RM资源管理器

资源管理器(Resource Manager):负责管理本地事务资源,包括数据库、消息队列等,与事务协调器进行通信,执行事务的提交和回滚操作。

整体工作流程,如下图所示:

Seata 的工作流程可以描述为:

  1. 事务发起者向事务管理器发起分布式事务请求。
  2. 事务管理器生成全局唯一的事务 ID,并将该事务注册到事务协调器中。
  3. 事务管理器协调各个事务参与者的执行,向资源管理器发送提交或回滚指令。
  4. 资源管理器执行本地事务操作,并将执行结果反馈给事务管理器。
  5. 事务管理器根据各个事务参与者的执行结果协调事务的最终提交或回滚,确保分布式事务的一致性。

【文章福利】:免费领取C/C++ 开发学习资料包、技术视频/项目代码,1000道大厂面试题,内容包括(C++组件,网络编程,数据库,中间件,后端开发,音视频开发,Qt开发,游戏开发,Linux内核等进阶学习资料和最佳学习路线),免費分享,有需要的可以加君羊领取哦!~学习交流君羊927239107点击加入领取资料

ByteTCC

ByteTCC :是一个基于 TCC,也就是Try-Confirm-Cancel模式的分布式事务解决方案。

ByteTCC 遵循 TCC模式,即将事务分为尝试(Try)、确认(Confirm)和取消(Cancel)三个阶段。

如下图所示:

1.尝试(Try)阶段

在尝试阶段,事务参与者尝试执行事务的业务逻辑,但并不真正修改持久化数据或资源状态。

相反,它会尝试预留必要的资源或执行其他必要的操作,以确保事务可以成功完成。

2.确认(Confirm)阶段

在确认阶段,事务参与者确认之前尝试阶段所占用的资源,并将事务的结果进行确认提交。

如果确认阶段成功,则事务将被确认提交,所有事务参与者的状态都会被更新,如果确认阶段失败,则事务将被取消。

3.取消(Cancel)阶段

在取消阶段,事务参与者撤销之前尝试阶段所占用的资源,恢复到事务开始之前的状态。

如果取消阶段成功,所有事务参与者的状态都会被回滚到事务开始之前的状态,如果取消阶段失败,则可能需要手动处理事务的异常情况。


RocketMQ Transactional Message

RocketMQ 提供了事务消息的支持,通过事务消息可以实现分布式事务的一致性。它支持将消息发送和数据库操作绑定在同一个事务中,以确保消息的可靠传递和事务的原子性。


TCC-Transaction

TCC-Transaction:是一款开源的微服务架构下的TCC型分布式事务解决方案,致力于提供高性能、和简单易用的分布式事务服务。

TCC-Transaction 也是将事务处理分为 Try、Confirm 和 Cancel 三个阶段,适用于需要灵活控制事务执行过程的场景。


Atomikos

Atomikos 是一个 Java 环境下的事务管理器,也是一个分布式事务管理解决方案。

Atomikos 支持 Java Transaction API(JTA),允许应用程序使用标准的 JTA 接口进行事务管理。

Atomikos 提供了 XA协议的实现,允许应用程序参与到分布式事务中,通过 XA 协议Atomikos 可以与关系型数据库、消息队列等资源进行分布式事务处理。

相关推荐

详解DNFSB2毒王的各种改动以及大概的加点框架

首先附上改动部分,然后逐项分析第一个,毒攻掌握技能意思是力量智力差距超过15%的话差距会被强行缩小到15%,差距不到15%则无效。举例:2000力量,1650智力,2000*0.85=1700,则智力...

通篇干货!纵观 PolarDB-X 并行计算框架

作者:玄弟七锋PolarDB-X面向HTAP的混合执行器一文详细说明了PolarDB-X执行器设计的初衷,其初衷一直是致力于为PolarDB-X注入并行计算的能力,兼顾TP和AP场景,逐渐...

字节新推理模型逆袭DeepSeek,200B参数战胜671B,豆包史诗级加强

梦晨发自凹非寺量子位|公众号QbitAI字节最新深度思考模型,在数学、代码等多项推理任务中超过DeepSeek-R1了?而且参数规模更小。同样是MoE架构,字节新模型Seed-Thinkin...

阿里智能化研发起飞!RTP-LLM 实现 Cursor AI 1000 token/s 推理技术揭秘

作者|赵骁勇阿里巴巴智能引擎事业部审校|刘侃,KittyRTP-LLM是阿里巴巴大模型预测团队开发的高性能LLM推理加速引擎。它在阿里巴巴集团内广泛应用,支撑着淘宝、天猫、高德、饿...

多功能高校校园小程序/校园生活娱乐社交管理小程序/校园系统源码

校园系统通常是为学校、学生和教职工提供便捷的数字化管理工具。综合性社交大学校园小程序源码:同城校园小程序-大学校园圈子创业分享,校园趣事,同校跑腿交友综合性论坛。小程序系统基于TP6+Uni-app...

婚恋交友系统nuiAPP前端解决上传视频模糊的问题

婚恋交友系统-打造您的专属婚恋交友平台系统基于TP6+Uni-app框架开发;客户移动端采用uni-app开发,管理后台TH6开发支持微信公众号端、微信小程序端、H5端、PC端多端账号同步,可快速打包...

已节省数百万GPU小时!字节再砍MoE训练成本,核心代码全开源

COMET团队投稿量子位|公众号QbitAI字节对MoE模型训练成本再砍一刀,成本可节省40%!刚刚,豆包大模型团队在GitHub上开源了叫做COMET的MoE优化技术。COMET已应用于字节...

通用电气完成XA102发动机详细设计审查 将为第六代战斗机提供动力

2025年2月19日,美国通用电气航空航天公司(隶属于通用电气公司)宣布,已经完成了“下一代自适应推进系统”(NGAP)计划下提供的XA102自适应变循环发动机的详细设计审查阶段。XA102是通用电气...

tpxm-19双相钢材质(双相钢f60材质)

TPXM-19双相钢是一种特殊的钢材,其独特的化学成分、机械性能以及广泛的应用场景使其在各行业中占有独特的地位。以下是对TPXM-19双相钢的详细介绍。**化学成分**TPXM-19双相钢的主要化学成...

thinkphp6里怎么给layui数据表格输送数据接口

layui官网已经下架了,但是产品还是可以使用。今天一个朋友问我怎么给layui数据表格发送数据接口,当然他是学前端的,后端不怎么懂,自学了tp框架问我怎么调用。其实官方文档上就有相应的数据格式,js...

完美可用的全媒体广告精准营销服务平台PHP源码

今天测试了一套php开发的企业网站展示平台,还是非常不错的,下面来给大家说一下这套系统。1、系统架构这是一套基于ThinkPHP框架开发的HTML5响应式全媒体广告精准营销服务平台PHP源码。现在基于...

一对一源码开发,九大方面完善基础架构

以往的直播大多数都是一对多进行直播社交,弊端在于不能满足到每个用户的需求,会降低软件的体验感。伴随着用户需求量的增加,一对一直播源码开始出现。一个完整的一对一直播流程即主播发起直播→观看进入房间观看→...

Int J Biol Macromol .|交联酶聚集体在分级共价有机骨架上的固定化:用于卤代醇不对称合成的高稳定酶纳米反应器

大家好,今天推送的文章发表在InternationalJournalofBiologicalMacromolecules上的“Immobilizationofcross-linkeden...

【推荐】一款开源免费的 ChatGPT 聊天管理系统,支持PC、H5等多端

如果您对源码&技术感兴趣,请点赞+收藏+转发+关注,大家的支持是我分享最大的动力!!!项目介绍GPTCMS是一款开源且免费(基于GPL-3.0协议开源)的ChatGPT聊天管理系统,它基于先进的GPT...

高性能计算(HPC)分布式训练:训练框架、混合精度、计算图优化

在深度学习模型愈发庞大的今天,分布式训练、高效计算和资源优化已成为AI开发者的必修课。本文将从数据并行vs模型并行、主流训练框架(如PyTorchDDP、DeepSpeed)、混合精度训练(...

取消回复欢迎 发表评论: