概述 #

dtm 解决跨服务更新数据的一致性问题，提供了相关问题的一站式解决方案。

几乎每一个非单体的系统，几乎每一个订单系统，都会出现跨服务更新数据的需求，这样的需求是非常广泛的存在的，也是服务化/微服务化之后，带来的一个挑战。面对这样的情况，当前业内普遍认为分布式事务很难，问题很多，所以能不用就不用，因此多数情况下为了避免使用分布式事务框架，业务会自己做重试，定时检查数据一致性。

dtm 则彻底解决了分布式事务的各项难题，提供了一个非常易用的接口，整体方案大大优于业务自己手动解决，优于业务自己做重试，自己检查数据一致性等。dtm 就是要让大家回归到分布式事务本质，将应当由分布式事务框架解决的问题，交给分布式事务框架，改变“能不用就不用的”的现状，将“专业”的事情交给“专业”的组件去做。

dtm 将分布式事务的场景大致分为两类，一类不需要回滚，一类需要回滚。对于不需要回滚的场景，dtm 推荐使用二阶段消息，对于需要回滚的场景，dtm 推荐使用saga。

二阶段消息 #

对于不需要回滚的场景，当前业内大多使用本地消息表或事务消息，其中本地消息表，也称为发件箱模式。dtm 则在两者的基础上进行了创新，提出了二阶段消息，具备以下很多优点，而没有硬伤：

• 将本地消息表或事务消息中，一两百行的代码，简化为五六行
• 不用维护本地消息表中的轮询任务或订阅binlog
• 自动处理事务消息中的回查，解决了 RocketMQ 回查在极端情况下回出现的数据不一致问题（已申请了专利）
• 提供面向 API 的接口，用户只需要关心 API 调用，而不需要关心任何消息队列
• 提供半同步的选项，允许调用者等待最终事务完成再返回用户，改善用户体验

二阶段提供的主要函数为 DoAndSubmit ，它让用户指定自己的业务处理逻辑，然后保证业务处理逻辑和后续的API调用的“原子性”（最终都完成）

SAGA #

对于需要回滚的场景，当前业内知名的项目 Seata 推荐 AT 模式，而 dtm 推荐 SAGA 模式。 个人认为 Seata 主推的 AT 模式目前暂未获得大量的应用，其主要原因如下：

• 原理复杂：AT 模式虽然提供了注解的这种简洁的使用方式，但是的原理非常复杂，涉及全局事务锁、镜像前数据、写数据锁等，上手难度很高。
• 并发低：AT 与 XA 都会在事务进行过程中，锁住修改的数据，限制了并发，在订单系统扣减同一个库存商品的场景下，通常每秒只能够一二十单，因此这种方案不适合高并发场景。
• 易出问题：AT 要求对分布式事务中修改的数据，如果其他服务进行了修改，必须加GlobalLock，否则会有脏写无法回滚的问题，而这样的约束是一个大一些的团队协作中，很难保证
• 不支持全部SQL：AT 并不支持所有的SQL，官方文档里面有详细的说明

而 dtm 的 SAGA 模式原理以及使用都非常简单，用户只需要写好业务的正向操作和补偿操作，然后将所有的事务分支 URL 提交给 dtm 就可以了，剩下的事情全部由 dtm 去完成。 dtm 还有以下的优点：

• dtm 还首创了子事务屏障技术，通过一个简单的函数调用，就可以解决掉幂等，空补偿，悬挂这样的乱序问题，极大的降低了业务编写人员的负担
• dtm 的子事务屏障还支持了Redis，也很容易扩展到 mongo ，可以将各种多数据源组合为一个全局事务
• dtm 支持多语言，可以将多个语言的微服务组合成一个全局事务，使用场景很广

其他模式 #

dtm 也支持了其他模式，使用的场景如下：

• TCC: 如果业务对一致性要求高，不能接受 SAGA 模式中先修改再补偿的做法，那么可以考虑 TCC 模式，该模式可以由业务方自定义可见性，只有确定事务一定能成功，再修改数据
• XA: 如果业务对并发的要求不高，不会出现热点数据争抢，那么可以使用 XA 模式

典型应用场景 #

dtm 可以在以下场景中，优雅的解决相关的问题

秒杀系统 #

现有的秒杀架构，为了支持高并发，通常把库存放在Redis中，收到订单请求时，在Redis中进行库存扣减。这种的设计，导致创建订单和库存扣减不是原子操作，如果两个操作中间，遇到进程crash等问题，就会导致数据不一致。

dtm 提出了一种全新的秒杀架构，完全解决了秒杀架构中的核心痛点。该架构能够支持每秒超万单精准扣库存，并且保证创建订单和扣减库存的数据最终严格一致。详情参见 秒杀系统

订单系统 #

绝大多数的订单系统都已经服务化，会将订单系统拆分为订单服务、库存服务、优惠券服务、支付服务、账户服务等等。通常一个下单操作会涉及：创建订单、扣减库存、扣减优惠券、创建支付单等等，如果这中间发生进程crash，那么会导致几个服务间数据不一致的问题，非常头疼。

dtm 建议采用上述的saga方式，来解决订单问题，可以保证数据的最终严格一致。用户只需要写好了相关服务的正向操作和补偿操作即可，就不需要担心数据一致性问题了。

详细的讲解和例子，可以参考 订单系统

缓存一致性 #

缓存是现在系统中必备的基础设施，用来缓解数据库的压力。但是一旦引入了缓存，那么数据就在两个地方进行了存储，那么如何才能够保证两者的一致性呢？业界已经有很多方案，典型的会依赖消息队列或者订阅数据库的binlog，这些方案都比较重，需要维护消息队列或canel，是个不小的负担。

dtm 致力于解决一致性问题，因此也提出了基于dtm的更加轻量级的方案，详情可以参考 缓存一致性

小结 #

dtm 在易用性上面做得非常优秀，如果你还在自己做重试，或者做手动补偿，那么请参考并试用 dtm ，你会发现 dtm 会给你带来简单优雅的架构方案，大幅提升你在这方面的开发效率，降低维护成本，彻底改观你对分布式事务“能不用就不用”的印象。