本篇内容主要讲解“分布式数据库对2PC的优化方法是什么”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“分布式数据库对2PC的优化方法是什么”吧!
两阶段提交(2PC)
两阶段提交协议主要有2种，一种是应用层的TCC，比如阿里巴巴的seata就实现了TCC模式，这种模式的特点是每个服务都需要提供try/confirm/cancel这3个实现，这3个实现需要在业务代码中实现，对业务侵入高。
今天我分享的是面向资源的2PC协议，最早由Jim Gray提出，整个事务分为2个阶段，prepare阶段和commit阶段，这2个阶段由协调节点和DB资源管理器协作完成。
这里我们还是以经典的电商系统为例，整个系统分为订单、账户和库存3个服务，我们收到客户的购买请求后，协调节点需要协调订单服务生成订单，账户服务扣减商品款，库存服务扣减商品库存，假如这3个服务的数据库在不同切片上，这个协调过程具体如下：
1.prepare阶段
协调节点向所有服务发送prepare请求，每个服务收到prepare请求后会尝试执行本地事务，但不会真正提交本地事务。这个尝试执行的过程会检查到是否具备执行事务的条件，比如资源是否被锁定等，当所有服务都尝试执行成功后会给协调节点返回一个yes，如下图：
2.commit/rollback阶段
如果prepare阶段所有服务有返回了yes，那么协调节点就会通知各个服务执行commit操作，这时各个服务就会真正的提交本地事务。如下图：
如果prepare阶段有服务返回了no，协调节点就需要通知所有服务进行本地事务回滚。
2PC存在问题
上面我们简单地分析了2PC协议的执行过程，那么2PC有什么问题呢?
1.性能问题
本地事务在prepare阶段锁定资源，比如账户服务要扣减xiaoming这个账户的金额100元，那必须把xiaoming这个账户先锁定。这样如果有其他事务也要修改xiaoming这个账户，就必须等待前面的事务完成。这样就造成了延迟和性能下降。
2.协调节点单点故障
协调节点是单节点的，如果发生故障，整个事务会一直阻塞。比如第一个阶段prepare成功了，但是第二个阶段协调节点发出commit指令之前宕机了，所有服务的数据资源处于锁定状态，后面的事务只能等待。
3.数据不一致
如果第一阶段prepare成功了，但是第二阶段commit的时候，如果协调节点通知库存服务失败了，这样就相当于生成了订单，扣减了账户，但是没有扣减库存。这导致了数据的不一致。
Percolator模型
主流的NewSQL数据库，比如TiDB，是用Percolator模型来解决的。如下官网链接：
https://pingcap.com/blog-cn/percolator-and-txn/Percolator模型来自于Google论文：
《Large-scale Incremental Processing Using Distributed Transactions and Notifications》原文可以看下面连接，网上也有好多翻译版的：
https://www.cs.princeton.edu/courses/archive/fall10/cos597B/papers/percolator-osdi10.pdfPercolator的前提是本地事务的数据库支持多版本并发控制协议，也就是mvcc。现在主流数据库比如mysql、oracle都是支持的。
a)初始阶段
还是看上面我们提到的经典电商案例，初始阶段，我们假设订单数量是0，账户服务是1000，库存服务是100，客户下了1个订单后，订单服务增加1个订单，账户服务扣除金额100，库存服务扣除商品数量1。各个切片的初始数据如下表：
":"前面的是时间戳或者数据版本，后面是数据值。这3张表中，第一条记录不保存真正的数据，而是保存了指向真正数据的指针，比如订单表中，6这个版本的数据指向了5个版本的数据，订单数量是0。
b)prepare阶段
在prepare阶段，协调节点向每个服务发送了prepare命令，这3张表分别进入了prepare阶段。在prepare阶段，Percolator定义了主锁的概念，每个分布式事务只能有一个服务获得主锁，比如本案例的订单服务，其他服务的锁指向这个主锁的指针，如下表：
prepare阶段，每个服务会写日志，并且根据时间戳记录事务的私有版本，这样其他事务就不能操作这三条数据了。
c)commit阶段
在commit阶段，协调节点只需要跟订单服务通信，因为订单服务拥有primary lock，也就是说协调节点只跟拥有primary lock的切片通信。这时数据如下表：
这时我们注意到除了order服务的锁没有了，而且增加了版本8指向版本7，说明订单服务已经没有私有版本了，但是账户服务和库存服务的私有版本还在。Percolator的独特之处就是在这里，它会启动异步线程来更新账户服务和库存服务。最终数据如下表：
因为协调节点只需要跟获取primary lock的切片进行通信，要么成功要么失败这样就避免了commit时节点不能全部成功导致的数据不一致问题。
而prepare阶段记录了日志，如果某个切片commit失败，可以根据日志进行再次commit，这样就保证了数据最终一致。
如果协调节点宕机了，异步线程可以做资源的释放工作，避免了因单点故障通信失败造成的资源不能释放。
这里我们要注意2点：
primary lock的选择是随机的，比如本例中并不一定会选择订单服务
协调节点发送commit后订单服务先提交成功，这时如果其他事务要读取账户服务和库存服务的2条数据，虽然2条数据上面还有lock，但是查找primary@order.bal发现已提交，所以是可以读取的。
总结
2PC协议有3个问题，性能问题、单点故障和数据不一致。
Percolator模型简化了协调节点和切片的通信流程，让协调节点只跟其中一个primary切片通信，一方面，减少了通信开销，另一方面，避免了因为单点故障，commit阶段部分节点通信失败导致的数据不一致问题。
Percolator在prepare阶段记录了日志，这样即使协调节点故障了，恢复后也可以根据日志来做事务恢复。
Percolator使用异步线程来做资源的释放工作，这样即使协调节点故障了，也不用担心资源得不到释放。
知名的NewSQL数据库TiDB就是参照Percolator模型来对2PC协议进行优化的。
但是我们要知道，2PC的性能问题还是存在的，好在主流的分布式数据库都做了优化，性能损耗只会越来越小。
到此，相信大家对“分布式数据库对2PC的优化方法是什么”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
