微服务架构中如何利用事件驱动实现最终一致性

这篇文章给大家分享的是有关微服务架构中如何利用事件驱动实现最终一致性的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

 事务一致性

首先，我们来回顾一下ACID原则：

• Atomicity：原子性，改变数据状态要么是一起完成，要么一起失败

• Consistency：一致性，数据的状态是完整一致的

• Isolation：隔离线，即使有并发事务，互相之间也不影响

• Durability：持久性， 一旦事务提交，不可撤销

在单体应用中，我们可以利用关系型数据库的特性去完成事务一致性，但是一旦应用往微服务发展，根据业务拆分成不用的模块，而且每个模块的数据库已经分离开了，这时候，我们要面对的就是分布式事务了，需要自己在代码里头完成ACID了。比较流行的解决方案有：两阶段提交、补偿机制、本地消息表(利用本地事务和MQ)、MQ的事务消息(RocketMQ)。

CAP定理

1998年，加州大学的计算机科学家 Eric Brewer 提出，分布式系统有三个指标。

• Consistency：一致性

• Availability：可用性

• Partition tolerance：分区容错

Eric Brewer 说，这三个指标不可能同时做到。这个结论就叫做 CAP 定理。

微服务中，不同模块之间使用的数据库是不同的，不同模块之间部署的服务去也有可能是不用的，那么分区容错是无法避免的，因为服务之间的调用不能保证百分百的没问题，所以系统设计必须考虑这种情况。因此，我们可以认为CAP的P总是成立的，剩下的C和A无法同时做到。

实际上根据分布式系统中CAP原则，当P(分区容忍)发生的时候，强行追求C(一致性)，会导致(A)可用性、吞吐量下降，此时我们一般用最终一致性来保证我们系统的AP能力。当然不是放弃C，而是放弃强一致性，而且在一般情况下CAP都能保证，只是在发生分区容错的情况下，我们可以通过最终一致性来保证数据一致。

事件驱动实现最终一致性

事件驱动架构在领域对象之间通过异步的消息来同步状态，有些消息也可以同时发布给多个服务，在消息引起了一个服务的同步后可能会引起另外消息，事件会扩散开。严格意义上的事件驱动是没有同步调用的。

例子：

在电商里面，用户下单必须根据库存来确定订单是否成交。

项目架构：SpringBoot2+Mybatis+tk-Mybatis+ActiveMQ【因为小例子，不做成Spring Cloud架构】

首先，我们来看看正常的服务之间调用：

代码：

@Override @Transactional(rollbackFor = Exception.class) public Result placeOrder(OrderQuery query) {  Result result = new Result();  // 先远程调用Stock-Service去减少库存  RestTemplate restTemplate = new RestTemplate();  //请求头  HttpHeaders headers = new HttpHeaders();  headers.setContentType(MediaType.APPLICATION_JSON);  //封装成一个请求对象  HttpEntity entity = new HttpEntity(query, headers);  // 同步调用库存服务的接口  Result stockResult = restTemplate.postForObject("http://127.0.0.1:8081/stock/reduceStock",entity,Result.class);  if (stockResult.getCode() == Result.ResultConstants.SUCCESS){  Order order = new Order();  BeanUtils.copyProperties(query,order);  order.setOrderStatus(1);  Integer insertCount = orderMapper.insertSelective(order);  if (insertCount == 1){  result.setMsg("下单成功");  }else {  result.setMsg("下单失败");  }  }else {  result.setCode(Result.ResultConstants.FAIL);  result.setMsg("下单失败："+stockResult.getMsg());  }  return result; }

我们可以看到，这样的服务调用的弊端多多：

1、订单服务需同步等待库存服务的返回结果，接口结果返回延误。2、订单服务直接依赖于库存服务，只要库存服务崩了，订单服务不能再正常运行。3、订单服务需考虑并发问题，库存最后可能为负。

下面开始利用事件驱动实现最终一致性

1、在订单服务新增订单后，订单的状态是“已开启”，然后发布一个Order Created事件到消息队列上

代码：

@Transactional(rollbackFor = Exception.class) public Result placeOrderByMQ(OrderQuery query) {  Result result = new Result();  // 先创建订单，状态为下单0  Order order = new Order();  BeanUtils.copyProperties(query,order);  order.setOrderStatus(0);  Integer insertCount = orderMapper.insertSelective(order);  if (insertCount == 1){  // 发送 订单消息  MqOrderMsg mqOrderMsg = new MqOrderMsg();  mqOrderMsg.setId(order.getId());  mqOrderMsg.setGoodCount(query.getGoodCount());  mqOrderMsg.setGoodName(query.getGoodName());  mqOrderMsg.setStockId(query.getStockId());  jmsProducer.sendOrderCreatedMsg(mqOrderMsg);  // 此时的订单只是开启状态  result.setMsg("下单成功");  }  return result; }

2、库存服务在监听到消息队列OrderCreated中的消息，将库存表中商品的库存减去下单数量，然后再发送一个Stock  Locked事件给消息队列。

代码：

/**  * 接收下单消息  * @param message 接收到的消息  * @param session 上下文  */ @JmsListener(destination = ORDER_CREATE,containerFactory = "myListenerContainerFactory") @Transactional(rollbackFor = Exception.class) public void receiveOrderCreatedMsg(Message message, Session session){  try {  if (message instanceof ActiveMQObjectMessage){  MqStockMsg result = new MqStockMsg();  ActiveMQObjectMessage objectMessage=(ActiveMQObjectMessage)message;  MqOrderMsg msg = (MqOrderMsg)objectMessage.getObject();  Integer updateCount = stockMapper.updateNumByStockId(msg.getStockId(),msg.getGoodCount());  if (updateCount >= 1){  result.setSuccess(true);  result.setOrderId(msg.getId());  }else {  result.setSuccess(false);  }  // 手动ack，使消息出队列，不然会不断消费  message.acknowledge();  // 发送库存锁定消息到MQ  jmsProducer.sendStockLockedMsg(result);  }  } catch (JMSException e) {  log.error("接收订单创建消息报错："+e.getMessage());  } }

仔细的朋友可能会看到：message.acknowledge()，即手动确认消息。因为在保证库存服务的逻辑能正常执行后再确认消息已消费，可以保证消息的投递可靠性，万一在库存服务执行时报出异常，我们可以做到重新消费该下单消息。

3、订单服务接收到Stock Locked事件，将订单的状态改为“已确认”

代码：

/**  * 判断是否还有库存，有库存更新订单状态为1，无库存更新订单状态为2，并且通知用户（WebSocket）  * @param message  */ @JmsListener(destination = STOCK_LOCKED,containerFactory = "myListenerContainerFactory") @Transactional(rollbackFor = Exception.class) public void receiveStockLockedMsg(Message message, Session session){  try {  if (message instanceof ActiveMQObjectMessage){  ActiveMQObjectMessage objectMessage=(ActiveMQObjectMessage)message;  MqStockMsg msg = (MqStockMsg)objectMessage.getObject();  if (msg.isSuccess()){  Order updateOrder = new Order();  updateOrder.setId(msg.getOrderId());  updateOrder.setOrderStatus(1);  orderMapper.updateByPrimaryKeySelective(updateOrder);  log.info("订单【"+msg.getOrderId()+"】下单成功");  }else {  Order updateOrder = new Order();  updateOrder.setId(msg.getOrderId());  updateOrder.setOrderStatus(2);  orderMapper.updateByPrimaryKeySelective(updateOrder);  // 通知用户库存不足，订单被取消  log.error("订单【"+msg.getOrderId()+"】因库存不足被取消");  }  // 手动ack，使消息出队列，不然会不断消费  message.acknowledge();  }  } catch (JMSException e) {  log.error("接收库存锁定消息报错："+e.getMessage());  } }

同样，这里我们也是会利用手动确认消息来保证消息的投递可靠性。

至此，已经全部搞定了。我们看一下和正常的服务调用对比如何：

1、订单服务不再直接依赖于库存服务，而是将下单事件发送到MQ中，让库存监听。

2、订单服务能真正的作为一个模块独立运行。

3、解决了并发问题，而且MQ的队列处理效率非常的高。

但是也存在下面的问题：

1、用户体验改变了：因为使用事件机制，订单是立即生成的，可是很有可能过一会，系统会提醒你没货了。。这就像是排队抢购一样，排着排着就被通知没货了，不用再排队了。

2、数据库可能会存在很对没有完成下单的订单。

最后，如果真的要考虑用户体验，并且不想数据库存在很多不必要的数据，该怎么办?

那就把订单服务和库存服务聚合在一起吧。解决当前的问题应当是首先要考虑的，我们设计微服务的目的是本想是解决业务并发量。而现在面临的却是用户体验的问题，所以架构设计也是需要妥协的。

最主要是，我们是经过思考和分析的，每个方案能做到哪种程度，能应用到哪种场景。正所谓，技术要和实际场景结合，我们不能为了追求新技术而生搬硬套。

感谢各位的阅读！关于“微服务架构中如何利用事件驱动实现最终一致性”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！