dtm-tcc 子事务屏障

       dtm-labs/client

       子事务屏障原理

       在本地数据库中构建分支操作状态表，源务以全局事务id-分支事务id-分支操作(try|confirm|cancel)为唯一键。事c事

       流程解析

       此流程解决空回滚、源务strapi源码幂等和悬挂异常的事c事关键在于状态表的精确记录与管理。通过全局唯一键确保每次操作可追溯，源务同时明确操作状态，事c事避免重复或遗漏。源务

       dtm Tcc模式下屏障源码

       主程序通过调用资源管理器执行分支事务。事c事

       核心逻辑在bb.CallWithDB，源务注释详细说明代码功能。事c事

       总结

       Tcc模式下的源务子事务屏障原理简洁且易于理解，巧妙地解决了分布式事务中的事c事常见问题，包括悬挂、幂等性和空回滚。此方法值得学习与借鉴。

用PHP轻松完成一个分布式事务TCC，保姆级教程

       理解TCC事务模式，我们首先需要明确它由三个阶段组成，即Try、Confirm、Cancel。TCC模式最早由Pat Helland于年提出。它在分布式事务领域提供了一种灵活且高效的方式。

       TCC模式在设计上有三个核心角色，与经典的XA分布式事务类似。在实际业务中，如银行跨行转账场景，转出（TransOut）和转入（TransIn）分别部署在不同的微服务中。一个典型的成功TCC事务时序图展示了这一过程。

       要实践TCC事务，首先需要选择合适的框架。当前主流的开源框架多为Java语言，如seata，但本文示例采用Node.js，并使用了dtm框架，其在分布式事务支持方面表现优异。接下来，我们将详细探讨TCC模式的三个阶段。

       编写Try、小程序vue源码Confirm、Cancel的处理函数是关键步骤之一。在完成各个子事务处理函数后，紧接着启动TCC事务并执行分支调用。至此，一个完整的TCC分布式事务就构建完成了。

       假设在转账过程中，转出方成功，但转入口遇到异常，如用户账户问题，返回失败，这就是TCC事务的回滚场景。时序图能直观展示这种差异，即某个子事务失败后，会回滚全局事务，并调用Cancel操作，确保所有子事务回滚。

       关于Confirm和Cancel失败的情况，深入思考TCC模式的读者可能会提出疑问。通常，第一阶段锁定资源，保证Confirm/Cancel执行。如果确认或取消阶段失败，可能是临时错误（如网络故障、应用或数据库故障），进行重试后一般会成功。业务失败情况较少见，属于程序逻辑错误，需要开发人员修复。

       总结而言，通过本文的介绍，我们不仅了解了TCC模式的基本理论，还通过实例掌握了编写TCC事务的过程，包括正常成功和失败回滚的情况。读者对TCC有了深入理解。

       对于分布式事务的更全面知识，请参考《分布式事务最经典的七种解决方案》。本文示例基于yedf/dtm项目，支持多种事务模式，包括TCC、SAGA、企业商城源码下载XA、事务消息，并跨语言支持多种编程语言，如golang、python、Java、PHP、nodejs等。项目提供子事务屏障功能，有效解决幂等、悬挂、空补偿等问题。

       阅读完此文章，欢迎访问github.com/yedf/dtm项目页面，支持此项目并留下宝贵的评价。感谢您的关注与支持！

TCC 分布式事务的设计与实现

       文章内容

       TCC事务，全称为Try-Confirm-Cancel，是一种分布式事务解决方案，由Pat Helland于年提出。与传统事务如XA或Two-Phase-Commit依赖资源管理器对事务的支持不同，TCC事务通过业务逻辑接口调用实现分布式事务，无需资源管理器参与，更灵活高效。

       TCC事务由一系列子事务构成，每个子事务与资源管理器(RM)交互时，需提供Try、Confirm、Cancel三个接口供事务协调者调用。TCC事务分为Try阶段和Confirm或Cancel阶段，类似于2PC的两阶段。在数据资源层面，TCC不直接锁定资源，但进行业务层面的预留，将资源层加锁升级到业务层，从而实现准隔离性，提高并发性能。

       举个例子，假设进行转账操作，A账户向B账户转账元。此TCC事务包含两个子事务：在资源层冻结A账户余额，js表白特效源码执行转账操作。在隔离性方面，事务执行期间，A和B账户余额保持不变，但其他事务并发修改时需要考虑冻结余额，或暂停修改A和B账户余额，使隔离性更加灵活可控，避免资源层并发带来的回滚。

       TCC事务在实际应用中展现出诸多优点，如简化分布式事务处理、提高系统性能、易于实现和维护。同时，也存在一些缺点，比如复杂性增加、需要更精细的异常处理机制等。在设计时，应充分考虑业务需求和场景特性，灵活运用TCC事务的优势。

       TCC事务协调者主要包含三个角色：事务协调者、事务执行者和应用提供者。事务状态管理是TCC协调者实现的关键，通过维护事务的尝试、确认和取消状态，确保事务的一致性和可靠性。

       在实现TCC事务时，需要关注时序问题和异常情况处理，如TCC事务过期、回滚异常等。TCC事务过期时，事务协调者需要将事务状态标记为“需要Cancel”，并调用资源管理器的Cancel接口取消子事务。在回滚异常处理中，需确保修改数据库状态时的一致性和隔离性，利用本地数据库事务特性检查事务状态，避免并发冲突。

       为了简化TCC事务的开发过程，提供了客户端SDK，它封装了资源管理器和应用的API接口，便于进行TCC事务的开发和集成。SDK通常包含了示例代码和文档，java源码分析过程指导开发者快速实现TCC事务逻辑，提高开发效率。

       TCC事务的API设计遵循简洁、明确的原则，通常会提供一套完整的接口，覆盖TCC事务的生命周期，包括尝试、确认、取消操作。开发者可根据API文档快速理解和使用这些接口，实现分布式事务的高效管理和控制。

       源码和详细文档通常可以在开源仓库中找到，如GitHub上的“ikenchina/octopus”项目，开发者可根据实际需求查看API设计、示例代码和相关文档，深入了解TCC事务的实现和应用。

分布式事务之TCC机制，一文给你讲透！

       基于消息的分布式事务处理机制（文末有惊喜）

       基于消息的分布式事务处理机制可以总结为两个阶段：

       - 第一阶段：在事务发起方的本地事务中产生消息。例如，在transaction写入操作的同一个数据库事务中记录消息（消息入队），消息中包含了transaction的相关信息。

       - 第二阶段：消息的消费方提供幂等操作来处理这些消息。这分为两种情况：一种是业务自身提供幂等操作，业务在处理时通过一些业务标识字段来判断某一条消息是否已经被处理过；另一种情况，业务自身不支持幂等操作，则可以引入一个去重表来实现幂等性。例如，引入updates_applied表来判断消息是否被处理过。

       该机制具有以下特征：

       - 消息的处理是异步的。这意味着消息的生产方没有办法同步获取到消息的处理结果。这个特性限制了该机制只能适用于那些不要求各个业务方同步得到结果的情况。比如对于下单操作来说，用户积分的改动可能属于这类场景。

       - 整个流程无回滚或者补偿机制。消息消费方的处理失败并不会导致消息生产方已提交操作的回滚。对于消费方来说，在碰到提交失败的情况，只能反复重试直到提交成功。

       基于消息的机制总体来说比较简单。消息队列还能对消息起到削峰填谷的作用，所以不用担心分布式事务各个参与系统的性能是否匹配的问题。同时，该机制也不涉及回滚和补偿操作，总体来说实现成本较低。

       基于补偿的分布式事务处理机制

       有一些业务场景，要求各参与方能同步获取到执行结果。这类业务场景就不能用基于消息的机制了。

       比如，用户下单时，我们需要对用户钱包余额和库存做扣减。扣减成功与否，将直接影响当前下单结果。对于这类业务场景，整个分布式事务成功与否，取决于所有参与方的执行结果。

       对于这类业务场景，我们需要引入补偿机制。基于补偿机制的下单操作步骤如下：

       1. 创建订单，订单状态为处理中。

       2. 调用用户钱包服务，扣减用户钱包余额。

       3. 调用库存服务，扣减库存。

       4. 如果步骤2和步骤3都成功，则将订单状态改为成功。

       如果第3步执行失败，则需要调用第2步用户钱包服务的补偿操作，将余额的扣减补偿回去。

       相较于基于消息的机制来说，补偿机制需要给每个操作增加相应的补偿操作，从实现上来说更加复杂。

       TCC模式

       基于补偿的机制能很好地处理分布式事务各业务参与方同步获取执行结果的问题。但这个机制有一个问题，那就是会让用户看到即将被补偿的数据中间状态。

       比如上面提到的下单流程，如果第2步用户钱包扣减成功了，但第3步库存扣减失败了，整个事务本来会被回滚。但用户却在用户钱包服务的补偿操作被成功调用之前，看到了被错误扣减后的余额。

       这里我们引入TCC模式来解决这个问题：

       - Try阶段：完成业务检查，预留业务资源。

       - Confirm阶段：直接使用Try阶段预留的业务资源。

       - Cancel阶段：取消Try阶段预留的业务资源。

       我们继续用上面的下单操作来进一步解释TCC。

       用户钱包表wallet字段如下：

       为了达到业务资源预留的目的，我们为用户钱包服务引入一张余额冻结表balance_frozen_record，字段如下：

       用户钱包服务提供的几个关键API接口如下：

       - 余额查询接口（参数：wallet_id）。直接返回wallet表中的balance字段。

       - 余额冻结接口（参数：amount和wallet_id）。对应于Try阶段。如果amount小于该钱包的可用余额，则冻结成功，往balance_frozen_record插入一条state=true的记录；如果amount大于可用余额，则冻结失败。可用余额等于wallet表中的balance字段减去select sum(frozen_amount) from balance_frozen_record where wallet_id = $wallet_id and state = true。

       - 取消冻结接口（参数：record_id）。对应于Cancel阶段。等幂操作。只需要将balance_frozen_record中对应的记录状态设置为false即。

       - 确认提交接口（参数：record_id）。对应于Confirm阶段。等幂操作。将record_id对应金额变动反映到wallet表balance中，同时将该记录状态设置为false。亦即：

       TCC模式具有以下特点：

       - 未提交的中间状态将不再对用户可见。用户看到的余额不会反映这些中间状态。需要所有业务实现预留接口。

       - 大部分业务都能被改造成预留的方式，但某些业务不能预留，比如第三方公司提供的业务，那就没办法使用这种模式。

       上面使用冻结表的方式，还带来了另外一个好处。也就是将对wallet表中balance的并发修改操作，变成了数据库插入操作。在某种程度上提高了系统的吞吐量。

深入浅出系列-分布式事务Seata TCC模式

       在Seata框架中，我们已经深入探讨了AT模式，但今天要转向另一种模式：TCC（Try-Confirm-Cancel）。它是蚂蚁金服为社区贡献的一种分布式事务处理策略。TCC的核心思想同样是二阶段提交，但与AT模式不同的是，它需要开发者自行设计业务逻辑，实现Try、Confirm和Cancel三个服务接口。

       以用户购买商品为例，首先发起请求时，Business会通过Try接口在库存、订单和账户服务中预留资源，而不是直接操作，如库存冻结和账户余额冻结。接着，如果Try阶段所有服务都成功，TM会确认提交，调用Confirm接口执行实际操作，如减库存、创建订单和扣减余额。如果Try阶段有失败，会触发Cancel接口进行资源回滚。

       TCC模式中存在一些特殊异常情况，如空回滚和幂等性问题。空回滚发生在Cancel先于Try执行，这时需要额外的事务控制表记录状态。幂等性保证了即使接口被多次调用，资源也不会被重复处理。悬挂则涉及Try和Cancel的执行顺序，需要在Try前检查Cancel或Confirm的状态。

       相比AT模式，TCC的接入成本更高，因为它要求业务模型拆分为两阶段，代码实现复杂且侵入性强。然而，TCC通过业务层面的加锁优化了性能，减少了数据库锁的持有时间，提高并发性能。此外，TCC不需要依赖特定的数据库，开发者可以自由选择SQL实现。

       总的来说，TCC模式更适合对业务灵活性和并发性能有较高要求的场景，但其复杂性也相应增加。在选择分布式事务模式时，需根据实际业务需求和复杂性进行权衡。"没有最好的，只有最合适的"，这是对分布式事务模式选择的最佳总结。

如何理解TCC分布式事务

       TCC是分布式事务实现的一种方式

       TRYING 阶段主要是对业务系统做检测及资源预留

       CONFIRMING 阶段主要是对业务系统做确认提交，TRYING阶段执行成功并开始执行CONFIRMING阶段时，默认CONFIRMING阶段是不会出错的。即：只要TRYING成功，CONFIRMING一定成功。

       CANCELING 阶段主要是在业务执行错误，需要回滚的状态下执行的业务取消，预留资源释放。

       è€Œå¹‚等性则是指业务方法调用一次与调用多次的执行返回结果是一样的。

       ä¸¾ä¸ªæ”¯ä»˜é¡¹ç›®çš„例子：

       æ”¯ä»˜ç³»ç»ŸæŽ¥æ”¶åˆ°ä¼šå‘˜çš„支付请求后，需要扣减会员账户余额、增加会员积分（暂时假设需要同步实现）增加商户账户余额

RocketMQ系列基于RocketMQ的分布式事务

       在RocketMQ系列的第三篇文章中，我们将深入探讨基于RocketMQ的分布式事务解决方案。在分布式系统中，服务间的协作常面临事务一致性问题，尤其在涉及多个服务（如订单与支付）的场景下，确保从创建订单到支付再到状态更新的完整流程是原子性的至关重要。

       分布式事务的挑战在于，如订单服务与支付服务的交互中，如果支付成功但订单状态更新失败，一旦消息消费，无法回滚。为解决这个问题，出现了分布式事务解决方案，如两阶段提交（2PC）和补偿事务（TCC）。2PC通过协调者管理事务的提交或回滚，分为准备阶段和提交阶段，但可能存在同步阻塞和实现复杂性问题。TCC则引入补偿机制，通过预留资源避免阻塞，但编程负担较大。

       RocketMQ提供了分布式事务支持，利用其「事务消息」和半消息（预处理消息）机制来实现最终一致性。半消息在Broker收到后暂存，通过定时任务检查事务状态，如本地事务执行成功但确认消息失败，会进行消息回查，确保数据一致性。如果超时未得到回复，将默认回滚消息。生产者使用TransactionMQProducer发送事务消息，并设置TransactionListener监听事务状态，执行本地事务后根据结果回应队列检查请求。

       在代码示例中，生产者创建TransactionMQProducer并发送TagB的消息，然后消费者通过TAG过滤消费验证。完整代码可在GitHub的JavaJourney项目中查看。这标志着本次基于RocketMQ的分布式事务讲解告一段落，欢迎关注公众号「行百里er」获取更多内容。代码仓库也在GitHub，期待您的参与与交流。

实战！阿里神器 Seata 实现 TCC 模式解决分布式事务

       本文详细介绍Seata如何实现TCC事务模式，TCC模式的核心思想是通过Try、Confirm和Cancel三个阶段实现业务逻辑的完整性和一致性。以电商下单为例，解析TCC模式的两个关键阶段。首先，Try阶段用于预留资源，如扣减库存和创建订单；然后，根据Try阶段的执行结果，执行Confirm或Cancel阶段，确保资源的操作一致性。TCC模式分为通用型、异步确保型和补偿型三种类型，每种类型适用于不同的业务场景。落地实现时，需关注TCC模式的三个异常：空回滚、幂等性问题和悬挂现象，并提出解决策略。

       Seata整合TCC模式实现时，主要关注关键代码实现，包括TCC接口定义、接口实现及如何防止TCC模型的三个异常。通过使用幂等工具类和事务日志表，有效地解决了幂等、空回滚和悬挂问题。实现过程包括了尝试、确认和取消操作的详细代码示例，以及如何在主业务事务发起方中调用TCC方法。通过配置Seata事务组，实现全局事务的管理。整个实现过程简洁高效，适用于性能要求较高的场景。

       对于有兴趣深入学习TCC事务模式和Seata整合的读者，建议下载源码进行实践，体验从理论到实践的全过程。