深度剖析 Saga 分布式事务

[dongfuye1]

saga 是分布式事务领域里一个非常重要的事务模式，特别适合解决出行订票这类的长事务，本文将深度剖析 saga 事务的设计原理，以及在解决订票问题上的最佳实践

saga 的理论来源

saga 这种事务模式最早来自这篇论文：sagas

在这篇论文里，作者提出了将一个长事务，分拆成多个子事务，每个子事务有正向操作 Ti ，反向补偿操作 Ci 。

假如所有的子事务 Ti 依次成功完成，全局事务完成

假如子事务 Ti 失败，那么会调用 Ci, Ci-1, Ci-2 ....进行补偿

论文阐述了上述这部分基本的 saga 逻辑之后，提出了下面几种场景的技术处理

回滚与重试

对于一个 SAGA 事务，如果执行过程中遭遇失败，那么接下来有两种选择，一种是进行回滚，另一种是重试继续。

回滚的机制相对简单一些，只需要在进行下一步之前，把下一步的操作记录到保存点就可以了。一旦出现问题，那么从保存点处开始回滚，反向执行所有的补偿操作即可。

假如有一个持续了一天的长事务，被服务器重启这类临时失败中断后，此时如果只能进行回滚，那么业务是难以接受的。 此时最好的策略是在保存点处重试并让事务继续，直到事务完成。

往前重试的支持，需要把全局事务的所有子事务事先编排好并保存，然后在失败时，重新读取未完成的进度，并重试继续执行。

并发执行

对于长事务而言，并发执行的特性也是至关重要的，一个串行耗时一天的长事务，在并行的支持下，可能半天就完成了，这对业务的帮助很大。

某些场景下并发执行子事务，是业务必须的要求，例如订多张及票，而机票确认时间较长时，不应当等前一个票已经确认之后，再去定下一张票，这样会导致订票成功率大幅下降。

在子事务并发执行的场景下，支持回滚与重试，挑战会更大，涉及了较复杂的保存点。

saga 的实现分类

目前看到市面上已经有很多的 saga 实现，他们都具备 saga 的基本功能。

这些实现，可以大致可以分为两类

状态机实现

这一类的典型实现有 seata 的 saga ，他引入了一个 DSL 语言定义的状态机，允许用户做以下操作：

• 在某一个子事务结束后，根据这个子事务的结果，决定下一步做什么
• 能够把子事务执行的结果保存到状态机，并在后续的子事务中作为输入
• 允许没有依赖的子事务之间并发执行

这种方式的优点是：

• 功能强大，事务可以灵活自定义

缺点是：

• 状态机的使用门槛非常高，需要了解相关 DSL ，可读性差，出问题难调试。官方例子是一个包含两个子事务的全局事务，Json 格式的状态机定义大约有 95 行，较难入门。
• 接口入侵强，只能使用特定的输入输出接口参数类型，在云原生时代，对强类型的 gRPC 不友好（ gRPC 协议，在 TM 拿不到用户自定义的输入输出 pb 文件，因此无法解析结果中的字段）

非状态机实现

这一类的实现有 eventuate 的 saga ，dtm 的 saga 。

在这一类的实现中，没有引入新的 DSL 来实现状态机，而是采用函数接口的方式，定义全局事务下的各个分支事务：

优点：

• 简单易上手，易维护

缺点：

• 难以做到状态机的事务灵活自定义

PS：eventuate 的作者将基于事件订阅协作的模式，也称为 saga ，因为他的影响力大，因此许多文章在介绍 saga 模式的时候都会提这个。但事实上这个模式与原先的 saga 论文相关不大，也与各家实现的 saga 模式相关不大，所以这里没有专门去论述这种模式

还有许多其他的 saga 实现，例如 servicecomb-pack ，Camel ，hmily.由于精力有限，没有一一研究。后续做了更多研究后，会继续更新文章

dtm 的 saga 设计

dtm 支持 TCC 和 saga 模式，这两个模式有不同的特点，各自适应不同的业务场景，相互补充。

上述这张表，很好的比较了 TCC 和 SAGA 这两种事务模式。

TCC 的定位是一致性要求较高的短事务。一致性要求较高的事务一般都是短事务（一个事务长时间未完成，在用户看来一致性是比较差的，一般没有必要采用 TCC 这种高一致性的设计），因此 TCC 的事务分支编排放在了 AP 端（即程序代码里），由用户灵活调用。这样用户可以根据每个分支的结果，做灵活的判断与执行。

SAGA 的定位是一致性要求较低的长事务 /短事务。对于类似订机票这种这样的场景，持续时间长，可能持续几分钟到一两天，就需要把整个事务的编排保存到服务器，避免发起全局事务的 APP 因为升级、故障等原因，导致事务编排信息丢失。

状态机提供的灵活性对于在客户端编排的 TCC 是没必要的，但是对于保存在服务器端的 saga 是有意义的。我在最初设计 saga 的时候，进行了较详细的权衡取舍。状态机的这种方式，上手难度非常高，用户容易望而却步。我找了一些用户做需求调研，总结出来的核心需求有：

• 子事务并发执行，降低延时。例如旅游订票业务的预定往返机票，因为订票可能需要较长时间才能够确认，等去的机票定好之后再订返程票，容易导致订不上。
• 有些操作无法回滚，需要放在可回滚的子事务之后，保证一旦执行，就能够最终成功。

在这两项核心需求下，dtm 的 saga 最终没有采用状态机，但是支持了子事务的并发执行以及指定子事务之间的顺序关系。

下面我们以一个实际问题作为例子，讲解 dtm 中 saga 的用法

对于订票类业务，子事务的执行结果不是立即返回的，通常是预定机票后，过一段时间第三方才通知结果。对于这种情况 dtm 的 saga 提供了良好的支持，它支持子事务返回进行中的结果，并支持指定重试时间间隔。订票的子事务可以在自己的逻辑中，如果未下订单，则下订单；如果已下订单，那么此时就是重试的请求，可以去第三方查询结果，最后返回成功 /失败 /进行中。

解决问题实例

我们以一个真实用户案例，来讲解 dtm 的 saga 最佳实践。

问题场景：一个用户出行旅游的应用，收到一个用户出行计划，需要预定去三亚的机票，三亚的酒店，返程的机票。

要求：

1. 两张机票和酒店要么都预定成功，要么都回滚（酒店和航空公司提供了相关的回滚接口）
2. 预订机票和酒店是并发的，避免串行的情况下，因为某一个预定最后确认时间晚，导致其他的预定错过时间
3. 预定结果的确认时间可能从 1 分钟到 1 天不等

上述这些要求，正是 saga 事务模式要解决的问题，我们来看看 dtm 怎么解决（以 Go 语言为例）。

首先我们根据要求 1 ，创建一个 saga 事务，这个 saga 包含三个分支，分别是，预定去三亚机票，预定酒店，预定返程机票

		saga := dtmcli.NewSaga(DtmServer, gid).
			Add(Busi+"/BookTicket", Busi+"/BookTicketRevert", bookTicketInfo1).
			Add(Busi+"/BookHotel", Busi+"/BookHotelRevert", bookHotelInfo2).
			Add(Busi+"/BookTicket", Busi+"/BookTicketRevert", bookTicketBackInfo3)

然后我们根据要求 2 ，让 saga 并发执行（默认是顺序执行）

  saga.EnableConcurrent()

最后我们处理 3 里面的“预定结果的确认时间”不是即时响应的问题。由于不是即时响应，所以我们不能够让预定操作等待第三方的结果，而是提交预定请求后，就立即返回状态-进行中。我们的分支事务未完成，dtm 会重试我们的事务分支，我们把重试间隔指定为 1 分钟。

  saga.SetOptions(&dtmcli.TransOptions{RetryInterval: 60})
  saga.Submit()
// ........
func bookTicket() string {
	order := loadOrder()
	if order == nil { // 尚未下单，进行第三方下单操作
		order = submitTicketOrder()
		order.save()
	}
	order.Query() // 查询第三方订单状态
	return order.Status // 成功-SUCCESS 失败-FAILURE 进行中-ONGOING
}

高级用法

在实际应用中，还遇见过一些业务场景，需要一些额外的技巧进行处理

支持重试与回滚

dtm 要求业务明确返回以下几个值：

• SUCCESS 表示分支成功，可以进行下一步
• FAILURE 表示分支失败，全局事务失败，需要回滚
• ONGOING 表示进行中，后续按照正常的间隔进行重试
• 其他表示系统问题，后续按照指数退避算法进行重试

部分第三方操作无法回滚

例如一个订单中的发货，一旦给出了发货指令，那么涉及线下相关操作，那么很难直接回滚。对于涉及这类情况的 saga 如何处理呢？

我们把一个事务中的操作分为可回滚的操作，以及不可回滚的操作。那么把可回滚的操作放到前面，把不可回滚的操作放在后面执行，那么就可以解决这类问题

		saga := dtmcli.NewSaga(DtmServer, dtmcli.MustGenGid(DtmServer)).
			Add(Busi+"/CanRollback1", Busi+"/CanRollback1Revert", req).
			Add(Busi+"/CanRollback2", Busi+"/CanRollback2Revert", req).
			Add(Busi+"/UnRollback1", Busi+"/UnRollback1NoRevert", req).
			EnableConcurrent().
			AddBranchOrder(2, []int{0, 1}) // 指定 step 2 ，需要在 0 ，1 完成后执行

超时回滚

saga 属于长事务，因此持续的时间跨度很大，可能是 100ms 到 1 天，因此 saga 没有默认的超时时间。

dtm 支持 saga 事务单独指定超时时间，到了超时时间，全局事务就会回滚。

	saga.SetOptions(&dtmcli.TransOptions{TimeoutToFail: 1800})

在 saga 事务中，设置超时时间一定要注意，这类事务里不能够包含无法回滚的事务分支，否则超时回滚这类的分支会有问题。

其他分支的结果作为输入

如果极少数的实际业务不仅需要知道某些事务分支是否执行成功，还想要获得成功的详细结果数据，那么 dtm 如何处理这样的需求呢？例如 B 分支需要 A 分支的执行成功返回的详细数据。

dtm 的建议做法是，在 ServiceA 再提供一个接口，让 B 可以获取到相关的数据。这种方案虽然效率稍低，但是易理解已维护，开发工作量也不会太大。

PS：有个小细节请注意，尽量在你的事务外部进行网络请求，避免事务时间跨度变长，导致并发问题。

小结

本文总结了 saga 相关的理论知识、设计原则，对比了 saga 的不同实现及其优缺点。最后以一个现实中的问题案例，详细讲解 dtm 的 saga 事务使用

dtm 是一个一站式的分布式事务解决方案，支持事务消息、SAGA 、TCC 、XA 等多种事务模式，支持 Go 、Java 、Python 、PHP 、C#、Node 等语言 SDK 。

项目文档还详细讲解了分布式事务相关的基础知识、设计理念和最新理论，是学习分布式事务的绝佳资料。

欢迎大家访问yedf/dtm，给我们 Issue 、PR 、Star 。