商业网站设计与制作论文,有哪些做问卷调查挣钱的网站,知知网站推荐,公网ip做网站访问不目录
一、本地事务
1、事务的基本性质
2、事务的隔离级别
3、事务的传播行为
4、SpringBoot 事务关键点
二、分布式事务
1、为什么有分布式事务
2、CAP 定理与 BASE 理论
3、分布式事务几种方案 一、本地事务
1、事务的基本性质 数据库事务的几个特性#xff1a;原…目录
一、本地事务
1、事务的基本性质
2、事务的隔离级别
3、事务的传播行为
4、SpringBoot 事务关键点
二、分布式事务
1、为什么有分布式事务
2、CAP 定理与 BASE 理论
3、分布式事务几种方案 一、本地事务
1、事务的基本性质 数据库事务的几个特性原子性 (Atomicity ) 、一致性 ( Consistency ) 、隔离性或独立性 ( Isolation) 和持久性 (Durabilily) 简称就是 ACID 原子性一系列的操作整体不可拆分要么同时成功要么同时失败 一致性数据在事务的前后业务整体一致。 转账。A:1000B:1000 转 200 事务成功; A800 B1200 隔离性事务之间互相隔离。 持久性一旦事务成功数据一定会落盘在数据库。 在以往的单体应用中我们多个业务操作使用同一条连接操作不同的数据表一旦有异常我们可以很容易的整体回滚 Business 我们具体的业务代码 Storage 库存业务代码扣库存 Order 订单业务代码保存订单 Account 账号业务代码减账户余额 比如买东西业务扣库存下订单账户扣款是一个整体必须同时成功或者失败 一个事务开始代表以下的所有操作都在同一个连接里面 2、事务的隔离级别 READ UNCOMMITTED读未提交 该隔离级别的事务会读到其它未提交事务的数据此现象也称之为脏读。 READ COMMITTED读已提交 一个事务可以读取另一个已提交的事务多次读取会造成不一样的结果此现象称为不可重复读问题Oracle 和 SQL Server 的默认隔离级别。 REPEATABLE READ可重复读 该隔离级别是 MySQL 默认的隔离级别在同一个事务里 select 的结果是事务开始时时间点的状态因此同样的 select 操作读到的结果会是一致的但是会有幻读现象。 MySQL的 InnoDB 引擎可以通过 next-key locks 机制参考下文 行锁的算法 一节来避免幻读。 SERIALIZABLE序列化 在该隔离级别下事务都是串行顺序执行的 MySQL 数据库的 InnoDB 引擎会给读操作隐式加一把读共享锁从而避免了脏读、不可重读复读和幻读问题。 3、事务的传播行为 1 、 PROPAGATION_REQUIRED 如果当前没有事务就创建一个新事务如果当前存在事务就加入该事务该设置是最常用的设置。 2 、 PROPAGATION_SUPPORTS 支持当前事务如果当前存在事务就加入该事务如果当前不存在事务就以非事务执行。 3 、 PROPAGATION_MANDATORY 支持当前事务如果当前存在事务就加入该事务如果当前不存在事务就抛出异常。 4 、 PROPAGATION_REQUIRES_NEW 创建新事务无论当前存不存在事务都创建新事务。 5 、 PROPAGATION_NOT_SUPPORTED 以非事务方式执行操作如果当前存在事务就把当前事务挂起。 6 、 PROPAGATION_NEVER 以非事务方式执行如果当前存在事务则抛出异常。 7 、 PROPAGATION_NESTED 如果当前存在事务则在嵌套事务内执行。如果当前没有事务 则执行与 PROPAGATION_REQUIRED 类似的操作。 4、SpringBoot 事务关键点 ① 事务的自动配置 TransactionAutoConfiguration ② 事务的坑 在同一个类里面编写两个方法内部调用的时候会导致事务设置失效。原因是没有用到 代理对象的缘故。 解决 0 、导入 spring-boot-starter-aop 1 、 EnableTransactionManagement(proxyTargetClass true) 2 、 EnableAspectJAutoProxy(exposeProxytrue) 3 、 AopContext.currentProxy() 调用方法 二、分布式事务
1、为什么有分布式事务 分布式系统经常出现的异常 机器宕机、网络异常、消息丢失、消息乱序、数据错误、不可靠的 TCP 、存储数据丢失 ... 分布式事务是企业集成中的一个技术难点也是每一个分布式系统架构中都会涉及到的一个东西特别是在微服务架构中几乎可以说是无法避免。 2、CAP 定理与 BASE 理论 ① CAP 定理 CAP 原则又称 CAP 定理指的是在一个分布式系统中 一致性Consistency 在分布式系统中的所有数据备份在同一时刻是否同样的值。等同于所有节点访问同一份最新的数据副本 可用性Availability 在集群中一部分节点故障后集群整体是否还能响应客户端的读写请求。对数据更新具备高可用性 分区容错性Partition tolerance 大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区 partition 。分区容错的意思是区间通信可能失败。比如一台服务器放在中国另一台服务器放在美国这就是两个区它们之间可能无法通信。 CAP 原则指的是这三个要素最多只能同时实现两点 不可能三者兼顾 。 一般来说分区容错无法避免因此可以认为 CAP 的 P 总是成立。 CAP 定理告诉我们 剩下的 C 和 A 无法同时做到。可以看看这篇文章理解一下AP和CP CAP里面的CP和AP_cap cp ap_若石之上的博客-CSDN博客一、为什么分布式系统要么是CP要么是AP呢1、分布式系统分布式系统是一个硬件或软件组件分布在不同的网络计算机上彼此之间仅仅通过消息传递进行通信和协调的系统。2、从分布式系统的定义可知分布式是建立在网络之上的既然有网络那么肯定会存在网络出现问题的情况那意味着我们在设计分布式系统的时候必须要考虑的一个点就是如果网络出现了问题那么我们的系统应该怎么做。3、分区一个分..._cap cp aphttps://blog.csdn.net/duzm200542901104/article/details/105775134?spm1001.2014.3001.5506 分布式系统中实现一致性的 raft 算法演示 http://thesecretlivesofdata.com/raft/ ② 面临的问题 对于多数大型互联网应用的场景主机众多、部署分散而且现在的集群规模越来越大所以节点故障、网络故障是常态而且要保证服务可用性达到 99.99999% N 个 9 即保证P 和 A舍弃 C。 ③ BASE 理论 是对 CAP 理论的延伸思想是即使无法做到强一致性 CAP 的一致性就是强一致性但可以采用适当的采取弱一致性即最终一致性 。 BASE 是指 基本可用Basically Available 基本可用是指分布式系统在出现故障的时候允许损失部分可用性例如响应时间、功能上的可用性允许损失部分可用性。需要注意的是基本可用绝不等价于系统不可用。 响应时间上的损失正常情况下搜索引擎需要在 0.5 秒之内返回给用户相应的查询结果但由于出现故障比如系统部分机房发生断电或断网故障查询结果的响应时间增加到了 1~2 秒。 功能上的损失购物网站在购物高峰如双十一时为了保护系统的稳定性部分消费者可能会被引导到一个降级页面。 软状态 Soft State 软状态是指允许系统存在中间状态而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据会有多个副本允许不同副本同步的延时就是软状态的体现。mysql replication 的异步复制也是一种体现。 最终一致性 Eventual Consistency 最终一致性是指系统中的所有数据副本经过一定时间后最终能够达到一致的状态。弱一致性和强一致性相反最终一致性是弱一致性的一种特殊情况。 ④ 强一致性、弱一致性、最终一致性 从客户端角度多进程并发访问时更新过的数据在不同进程如何获取的不同策略决定了不同的一致性。对于关系型数据库要求更新过的数据能被后续的访问都能看到这是强一 致性 。如果能容忍后续的部分或者全部访问不到则是 弱一致性 。如果经过一段时间后要求能访问到更新后的数据则是最终一致性 3、分布式事务几种方案 ① 2PC 模式 数据库支持的 2PC 【 2 phase commit 二阶提交】又叫做 XA Transactions 。 MySQL 从 5.5 版本开始支持 SQL Server 2005 开始支持 Oracle 7 开始支持。 其中 XA 是一个两阶段提交协议该协议分为以下两个阶段 第一阶段事务协调器要求每个涉及到事务的数据库预提交 (precommit) 此操作并反映是 否可以提交 . 第二阶段事务协调器要求每个数据库提交数据。 其中如果有任何一个数据库否决此次提交那么所有数据库都会被要求回滚它们在此事务中的那部分信息 XA 协议比较简单而且一旦商业数据库实现了 XA 协议使用分布式事务的成本也比较低。 XA 性能不理想特别是在交易下单链路往往并发量很高XA 无法满足高并发场景 XA 目前在商业数据库支持的比较理想在 mysql 数据库中支持的不太理想mysql 的XA 实现没有记录 prepare 阶段日志主备切换回导致主库与备库数据不一致。 许多 nosql 也没有支持 XA这让 XA 的应用场景变得非常狭隘。 也有 3PC引入了超时机制无论协调者还是参与者在向对方发送请求后若长时间 未收到回应则做出相应处理 ② 柔性事务 -TCC 事务补偿型方案 刚性事务遵循 ACID 原则强一致性。 柔性事务遵循 BASE 理论最终一致性 与刚性事务不同柔性事务允许一定时间内不同节点的数据不一致但要求最终一致。 一阶段 prepare 行为调用 自定义 的 prepare 逻辑。 二阶段 commit 行为调用 自定义 的 commit 逻辑。 二阶段 rollback 行为调用 自定义 的 rollback 逻辑。 所谓 TCC 模式是指支持把 自定义 的分支事务纳入到全局事务的管理中。 ③ 柔性事务 - 最大努力通知型方案 按规律进行通知 不保证数据一定能通知成功但会提供可查询操作接口进行核对 。这种方案主要用在与第三方系统通讯时比如调用微信或支付宝支付后的支付结果通知。这种方案也是结合MQ 进行实现例如通过 MQ 发送 http 请求设置最大通知次数。达到通知次数后即不再通知。 案例银行通知、商户通知等各大交易业务平台间的商户通知多次通知、查询校对、对账文件支付宝的支付成功异步回调 ④ 柔性事务 - 可靠消息 最终一致性方案异步确保型 实现业务处理服务在业务事务提交之前向实时消息服务请求发送消息实时消息服务只记录消息数据而不是真正的发送。业务处理服务在业务事务提交之后向实时消息服务确认发送。只有在得到确认发送指令后实时消息服务才会真正发送。
