除了2PC,还有哪些分布式事务解决方案?

除了2PC,还有哪些分布式事务解决方案?

1 个赞

除了 2PC(两阶段提交),常见的分布式事务解决方案还有很多,下面按类别进行介绍:

3PC(三阶段提交)

2PC 的改进版本,将原来的"准备阶段"拆分为 CanCommit → PreCommit → DoCommit 三个阶段,并引入了超时机制,降低了参与者和协调者同时阻塞的风险。但仍然存在同步阻塞和单点故障问题。

TCC(Try-Confirm-Cancel)

业务层面的两阶段提交,将事务拆分为三个步骤:

  • Try:资源预留和业务检查
  • Confirm:确认执行业务,不做任何业务检查,只使用 Try 阶段预留的资源
  • Cancel:取消执行,释放 Try 阶段预留的资源

优点:无长时间锁资源,性能好;缺点:业务侵入性强,需要为每个服务编写 Try/Confirm/Cancel 三个接口。

Saga 模式

将一个长事务拆分为多个本地短事务,每个本地事务都有对应的补偿操作。如果某一步失败,则按逆序执行之前已完成事务的补偿操作。

  • 编排式(Choreography):各服务通过事件驱动自主协调
  • 协调式(Orchestration):由一个中央协调器统一调度各步骤

优点:无需全局锁,适合长事务;缺点:隔离性较弱,可能出现"脏读"。

本地消息表

将消息和业务数据写在同一个本地数据库事务中,通过定时任务或轮询将消息投递到消息队列,下游服务消费消息完成最终一致性。

优点:实现简单,可靠性高;缺点:需要额外维护消息表,有一定延迟。

事务消息(如 RocketMQ 事务消息)

消息中间件原生支持的事务消息机制,流程为:

  1. 发送半消息(Half Message)到 MQ
  2. 执行本地事务
  3. 根据本地事务结果,向 MQ 发送 Commit 或 Rollback

优点:由 MQ 保证消息可靠投递,减少业务代码复杂度。

最大努力通知

适用于对一致性要求不高的场景(如支付结果通知)。发起方尽最大努力将结果通知给下游,配合重试 + 对账机制保证最终一致性。

优点:实现简单;缺点:一致性保障最弱。

方案对比总结

方案 一致性 性能 业务侵入性 适用场景
2PC 强一致 低(同步阻塞) 低 数据库层面跨库事务
3PC 强一致 略优于2PC 低 对2PC的改进场景
TCC 最终一致 高 高 对性能和一致性都有要求的业务
Saga 最终一致 高 中 长事务、微服务编排
本地消息表 最终一致 高 中 异步解耦场景
事务消息 最终一致 高 低 依赖 MQ 的异步场景
最大努力通知 最终一致 高 低 通知类、对一致性要求低的场景

实际项目中,通常会根据一致性要求、性能要求、业务复杂度等因素综合选择合适的方案,甚至组合使用多种方案。