掌握聚合最新动态了解行业最新趋势
API接口,开发服务,免费咨询服务

什么是分布式事务?七种常见分布式事务的特点、适用场景及优缺点

分布式事务是指在多个独立服务、数据库或消息队列之间,保证一组操作要么全部成功、要么全部失败的数据一致性机制。在单体应用中,本地事务依靠数据库 ACID 即可保证一致性;但在微服务架构下,一个业务操作可能跨越多个数据源,本地事务无法覆盖,因此需要分布式事务方案。

一、2PC:两阶段提交

2PC 包含准备阶段和提交阶段。协调者先询问所有参与者是否可以提交,参与者锁定资源并返回结果;若全部同意,协调者再发送提交指令,否则发送回滚指令。

优点是强一致性、模型简单、有 XA 等标准支持;缺点是同步阻塞、协调者单点故障、资源锁定时间长、性能较差。适用于参与方少、并发低、对一致性要求极高的场景,如部分金融核心交易和跨库转账。

二、3PC:三阶段提交

3PC 在 2PC 基础上增加预提交阶段,并引入超时机制,降低参与者长期阻塞风险。

优点是比 2PC 更不容易阻塞,能提前发现部分异常;缺点是实现复杂,网络分区时仍可能出现不一致,实际落地较少。适用于对可用性有一定要求、但仍希望保持较高一致性的内部系统。

三、TCC:Try-Confirm-Cancel

TCC 将业务拆分为 Try 预留资源、Confirm 确认执行、Cancel 释放资源三个阶段,属于应用层补偿事务。

优点是性能较好、无长期数据库锁、适合高并发;缺点是业务侵入强,每个操作需实现三个接口,并要处理幂等、空回滚、悬挂等问题。适用于库存扣减、资金冻结、订单创建等短链路核心业务。

四、Saga:长事务补偿模式

Saga 将长事务拆成多个本地事务,每个步骤都有对应的补偿操作;失败时按逆序执行补偿。

优点是无全局锁、适合长流程;缺点是补偿逻辑复杂,执行过程中可能出现短暂不一致,隔离性较弱。适用于订单履约、旅行预订、物流调度等跨系统长流程业务。

五、本地消息表

本地消息表在本地数据库中与业务数据同事务写入消息记录,再通过定时任务将消息投递到下游或消息队列。

优点是实现简单、可靠性高、不依赖复杂中间件;缺点是消息表与业务库耦合,需维护消息状态、重试和归档。适用于中小系统、异步数据同步、积分变更、状态通知等最终一致性场景。

六、可靠消息最终一致性

可靠消息最终一致性通常借助事务消息实现,例如生产者发送半消息,执行本地事务成功后再提交消息,消费者消费后保证幂等。

优点是解耦性好、吞吐高、适合异步链路;缺点是只能保证最终一致性,需要幂等设计和死信处理。适用于订单创建后通知库存、积分、物流等高并发异步场景。

七、最大努力通知

最大努力通知在业务完成后主动推送结果,失败则按策略重试,最终可配合对账补偿。

优点是实现简单、资源消耗低;缺点是不能严格保证一致性,失败后可能依赖人工或定时对账兜底。适用于支付回调、短信通知、物流状态同步等非核心或可容忍延迟的场景。

什么是分布式事务?七种常见分布式事务的特点、适用场景及优缺点

分布式事务没有通用最优解,核心是在一致性、可用性和复杂度之间取舍。2PC/3PC 偏向强一致但性能受限;TCC 适合高并发核心短事务;Saga 适合长流程补偿;本地消息表和可靠消息适合异步最终一致性;最大努力通知适合非核心通知。实际选型应先判断业务是否必须强一致,再评估并发量、链路长度、补偿成本和运维能力。

声明:所有来源为“聚合数据”的内容信息,未经本网许可,不得转载!如对内容有异议或投诉,请与我们联系。邮箱:marketing@think-land.com

  • 研学创作

    包含研学创作(大纲)和研学创作(全文)

    包含研学创作(大纲)和研学创作(全文)

  • 调研综述

    通过请求综述题目、指定文献ID集合、生成模式及学科名称,以流式方式返回生成的调研综述全文及引用的参考文献信息。

    通过请求综述题目、指定文献ID集合、生成模式及学科名称,以流式方式返回生成的调研综述全文及引用的参考文献信息。

  • 智能选题

    通过请求问题内容、学科名称及选题目的,返回包含中英文题目、推荐理由、多维度评分及相似文献的智能选题推荐结果。

    通过请求问题内容、学科名称及选题目的,返回包含中英文题目、推荐理由、多维度评分及相似文献的智能选题推荐结果。

  • 学术对话

    通过自然语言请求,选择以流式或非流式方式返回模型生成的对话回复及相关的参考文献引用信息。

    通过自然语言请求,选择以流式或非流式方式返回模型生成的对话回复及相关的参考文献引用信息。

  • 会议文献检索及详情

    包含会议文献和会议文献详情

    包含会议文献和会议文献详情

0512-88869195
客服微信二维码

微信扫码,咨询客服

数 据 驱 动 未 来
Data Drives The Future