分布式事务高频 20 题详解

2026-11-01

从「为什么难」到「每种方案怎么落地」再到「怎么选型」,覆盖面试和实际项目。每道题按「考察点 → 答案 → 图/代码」展开。


1. 什么是分布式事务?为什么需要它?

考察点:从单体到微服务的演进认知。

单体架构中,一个事务通常只操作一个数据库,靠数据库本地事务(ACID)保证一致。微服务/分库分表后,一个业务操作会跨多个服务、多个数据库:

graph LR
    A[下单服务<br/>DB-订单] --> B[扣库存服务<br/>DB-库存]
    B --> C[扣余额服务<br/>DB-账户]
    style A fill:#e8f4fd
    style B fill:#e8f4fd
    style C fill:#e8f4fd

此时任何一个数据库的本地事务都无法保证全局一致,需要分布式事务来协调多个节点要么全成功、要么全回滚。


2. CAP 理论

考察点:分布式事务的理论基石。

CAP 三者最多同时满足两个:

  • C 一致性:所有节点同一时刻数据一致。
  • A 可用性:请求总能得到响应。
  • P 分区容错性:网络分区故障时系统仍能运行。

分布式系统中 P 必须满足,所以在 C 和 A 之间二选一:

  • 选 CP:保证一致,牺牲可用(如 ZooKeeper、etcd、Seata 的强一致模式)。
  • 选 AP:保证可用,允许短暂不一致(如 Eureka、Nacos 默认)。

3. BASE 理论

考察点:对 CAP 的工程落地。

BASE 是 AP 的延伸,放弃强一致追求最终一致:

  • BA Basically Available:基本可用,故障时降级。
  • S Soft State:允许中间状态(数据不一致的软状态)。
  • E Eventually Consistent:最终一致,一段时间后收敛。

大多数互联网场景选 BASE + 最终一致,比强一致(牺牲性能/可用性)更划算。


4. 强一致、弱一致、最终一致

考察点:一致性程度的区分。

一致性定义典型方案
强一致写后立即可读最新值2PC、XA、Seata AT(全局锁)
弱一致不保证立刻一致异步消息
最终一致一段时间后趋于一致本地消息表、事务消息、Saga

5. 分布式事务的核心难点

考察点:理解「为什么分布式事务难」。

  1. 网络不可靠:请求可能超时、丢包,无法确定远端是否成功。
  2. 部分失败:多个参与者可能一部分成功一部分失败。
  3. 没有全局时钟:各节点时间不一致,难判断先后。
  4. 数据分散:跨库无法用单库事务回滚。
  5. 性能与一致性矛盾:强一致必然引入锁和等待。

6. XA 协议

考察点:数据库层面的分布式事务规范。

XA 是 X/Open 定义的两阶段提交协议,由事务管理器(TM)协调多个资源管理器(RM,即数据库)。

  • 数据库实现 XA:MySQL(InnoDB)、Oracle、DB2。
  • 是 2PC 在数据库层面的标准实现。
  • 优点:对业务透明。缺点:资源锁定时间长、性能差。

7. 2PC 两阶段提交

考察点:最经典的分布式事务协议,画图必考。

sequenceDiagram
    participant TM as 协调者
    participant A as 参与者A
    participant B as 参与者B
    TM->>A: 阶段1 prepare(准备)
    TM->>B: 阶段1 prepare
    A-->>TM: ready(锁定资源)
    B-->>TM: ready
    TM->>A: 阶段2 commit
    TM->>B: 阶段2 commit
    A-->>TM: 成功
    B-->>TM: 成功
  • 阶段一(准备):协调者问所有参与者能否提交,参与者执行事务但不提交,锁定资源后返回 ready。
  • 阶段二(提交):全部 ready 则发 commit,否则发 rollback。

8. 2PC 的问题

考察点:能说清 2PC 缺陷是加分项。

  1. 同步阻塞:参与者锁定资源等待协调者指令,期间不可用。
  2. 单点故障:协调者挂了,参与者无法知道提交还是回滚。
  3. 数据不一致:阶段二协调者只发了一部分 commit 就挂,出现部分提交。
  4. 性能差:多轮网络交互 + 资源长时间锁定。

9. 3PC 三阶段提交

考察点:知道 3PC 是对 2PC 的改进。

在 2PC 基础上增加一个阶段,并引入超时机制:

sequenceDiagram
    participant TM as 协调者
    participant A as 参与者
    TM->>A: CanCommit(能否提交)
    A-->>TM: Yes
    TM->>A: PreCommit(预提交,锁资源)
    A-->>TM: ACK
    TM->>A: DoCommit(提交)
    A-->>TM: 完成
  • CanCommit:先探询,不锁资源。
  • PreCommit:预提交,锁资源。
  • DoCommit:真正提交。
  • 改进:参与者超时后可自行提交(降低阻塞),但仍不能完全避免不一致。

10. TCC 事务

考察点:最常用的柔性事务方案,必须能画图和举例子。

TCC = Try / Confirm / Cancel,业务自己实现三个方法:

graph LR
    A[Try 预留资源] --> B{全部成功?}
    B -->|是| C[Confirm 确认提交]
    B -->|否| D[Cancel 释放预留]
    style A fill:#fff3cd
    style C fill:#e6f7e6
    style D fill:#fce4e4

资金转账例子(A 转 100 给 B):

  • Try:A 账户冻结 100(可用余额减,冻结余额加),B 账户预登记。
  • Confirm:A 冻结余额真正扣减,B 余额加 100。
  • Cancel:A 冻结解除,B 撤销预登记。
// TCC 接口定义
public interface AccountService {
    boolean tryFreeze(String account, BigDecimal amount);   // Try
    boolean confirm(String account, BigDecimal amount);     // Confirm
    boolean cancel(String account, BigDecimal amount);      // Cancel
}

特点:性能好、无资源长时间锁定,但业务侵入性强,需自己保证幂等。


11. TCC 的空回滚、悬挂、幂等

考察点:TCC 落地最难的三件事。

  1. 空回滚:Try 未执行(如网络超时未到达),Cancel 却被调用。解决:Cancel 要能识别 Try 未执行,直接返回成功。
  2. 悬挂:Cancel 先于 Try 到达,导致资源一直悬挂。解决:Cancel 执行时记录状态,Try 发现已回滚则不再执行。
  3. 幂等:Confirm/Cancel 可能被重试,需保证重复调用结果一致(业务幂等表/状态机)。

面试能答出这三点,说明你真正落过 TCC。


12. 本地消息表

考察点:最终一致方案的经典实现。

核心思想:业务操作和「消息」写在同一个本地事务里,再由定时任务扫描消息表投递 MQ。

graph TD
    A[业务事务内:<br/>写业务数据 + 写消息表] --> B[提交本地事务]
    B --> C[定时任务扫描<br/>未发送消息]
    C --> D[投递 MQ]
    D --> E[消费方处理<br/>并做幂等]
    E --> F[更新消息状态/删除]
    style A fill:#fff3cd
    style E fill:#e6f7e6
-- 业务表和消息表同一事务
START TRANSACTION;
INSERT INTO orders(...) VALUES(...);
INSERT INTO msg_outbox(id, topic, payload, status) VALUES(..., 'ORDER_CREATED', '...', 0);
COMMIT;

优点:简单、可靠、不依赖 MQ 事务。缺点:业务侵入、消息表维护成本、可能重复投递(需幂等)。


13. 事务消息(RocketMQ)

考察点:RocketMQ 半消息 + 回查机制。

sequenceDiagram
    participant P as 生产者
    participant MQ as RocketMQ
    participant DB as 本地数据库
    P->>MQ: 1. 发送半消息
    MQ-->>P: 半消息暂存(消费者不可见)
    P->>DB: 2. 执行本地事务
    DB-->>P: 成功
    P->>MQ: 3. 提交/回滚半消息
    MQ->>P: 4. 未收到确认则回查本地事务状态
// RocketMQ 事务消息
TransactionMQProducer producer = new TransactionMQProducer("group");
producer.setTransactionListener(new TransactionListener() {
    @Override
    public LocalTransactionState executeLocalTransaction(Message msg, Object arg) {
        // 执行本地事务
        return LocalTransactionState.COMMIT_MESSAGE; // 或 ROLLBACK / UNKNOW
    }
    @Override
    public LocalTransactionState checkLocalTransaction(MessageExt msg) {
        // 回查本地事务状态
        return LocalTransactionState.COMMIT_MESSAGE;
    }
});

优点:业务侵入小,无需自己维护消息表。缺点:依赖 MQ 事务能力,仅 RocketMQ 等支持。


14. 最大努力通知

考察点:区分「通知型」和「事务型」。

  • 不保证最终一致,只尽力通知结果(如支付结果通知商户)。
  • 需要被通知方主动查询确认(主动对账)。
  • 特点:实现简单,但需业务主动兜底查询。
graph LR
    A[支付系统] -->|异步通知| B[商户系统]
    B -->|主动查询结果| A
    style B fill:#e6f7e6

15. Saga 模式

考察点:长流程事务的补偿方案。

Saga 把长事务拆成多个本地事务,每个事务有对应的补偿操作,失败时逆序执行补偿。

graph LR
    T1[扣库存] --> T2[创建订单] --> T3[扣余额]
    T3 -.失败逆序补偿.-> C2[取消订单]
    C2 -.-> C1[回补库存]
    style T1 fill:#fff3cd
    style T2 fill:#fff3cd
    style T3 fill:#fce4e4
    style C1 fill:#e6f7e6
    style C2 fill:#e6f7e6
  • 适用:长流程、无法用 TCC(如调用第三方无法预留资源)的场景。
  • 缺点:中间状态对外可见,补偿也可能失败。

16. Seata 的 AT 模式

考察点:最流行的开源分布式事务框架,必须懂 AT 模式。

Seata 三大角色:

  • TC:事务协调者(Seata Server)。
  • TM:事务管理器(发起方,标注 @GlobalTransactional)。
  • RM:资源管理器(各分支服务)。
sequenceDiagram
    participant TM as 发起方(TM)
    participant TC as Seata Server(TC)
    participant RM as 各分支服务(RM)
    TM->>TC: 开启全局事务
    TM->>RM: 分支1执行(记录undo log)
    RM-->>TC: 注册分支
    TM->>RM: 分支2执行
    RM-->>TC: 注册分支
    TC->>RM: 提交/回滚(用undo log补偿)

AT 模式核心:每个分支事务执行时记录 undo log,提交时异步删除 undo log,回滚时用 undo log 反向补偿。加全局锁防脏写。

// 使用示例
@GlobalTransactional
public void createOrder() {
    orderService.create();   // 分支1
    stockService.deduct();   // 分支2
    accountService.debit();  // 分支3
}

17. Seata AT / TCC / XA 对比

考察点:三种模式的取舍。

模式侵入性性能一致性适用
AT低(注解即可)中弱(有脏读风险)通用业务
TCC高(三方法)高强资金、对账
XA无(数据库层)低强少数数据库强一致场景
  • AT 用全局锁 + undo log,实现简单但隔离性弱于 TCC。
  • 资金类场景通常用 TCC 或可靠消息,而非 AT。

18. 如何选择分布式事务方案?

考察点:决策能力,面试最体现水平的一题。

graph TD
    A[需要强一致?] -->|是| B[业务能否改造为 TCC?]
    B -->|能| C[TCC / Seata TCC]
    B -->|否| D[XA / Seata AT]
    A -->|否, 可接受最终一致| E[跨库? 是否需事务消息?]
    E -->|MQ 支持事务| F[事务消息 RocketMQ]
    E -->|MQ 不支持| G[本地消息表]
    E -->|长流程/第三方| H[Saga]
    style C fill:#e6f7e6
    style F fill:#e6f7e6

经验法则:

  1. 资金/对账等强一致 → TCC 或 XA。
  2. 普通业务最终一致 → 本地消息表 / 事务消息。
  3. 长流程/跨第三方 → Saga + 补偿。
  4. 能用「幂等 + 重试 + 对账」解决的,别上重型分布式事务。

19. 本地消息表 vs 事务消息

考察点:两种最终一致方案如何选。

对比本地消息表事务消息
依赖任意 MQ + 定时任务需 MQ 支持事务(RocketMQ)
侵入需维护消息表小
可靠性高(可自愈)高(回查机制)
复杂度中低
  • 团队已有 RocketMQ → 优先事务消息。
  • 只有 RabbitMQ/Kafka → 本地消息表。

20. 分布式事务工程实践 + 避坑

考察点:综合经验,体现落地能力。

  1. 先问是否真需要:优先用「幂等 + 重试 + 对账」解决,别过度设计。
  2. 幂等是前提:任何最终一致方案都依赖消费端幂等(唯一索引、幂等表、状态机)。
  3. 补偿要可逆:TCC/Saga 的 Cancel/补偿必须幂等且可重试。
  4. 监控与告警:记录事务状态、消息投递情况,异常及时告警和人工介入。
  5. 对账兜底:最终一致方案都要有定时对账,发现不一致自动修复。
  6. 避免长事务:缩短事务时长,减少锁冲突和补偿复杂度。
  7. 测试异常路径:重点测网络超时、服务重启、消息重复等边界情况。

附:高频易错点速记

  1. CAP 中 P 必选,实际是 CP 和 AP 的权衡。
  2. BASE 是最终一致,是 AP 的工程化。
  3. 2PC 两大坑:同步阻塞 + 单点故障。
  4. TCC 三难:空回滚、悬挂、幂等。
  5. 本地消息表核心:业务 + 消息同一本地事务。
  6. 事务消息核心:半消息 + 回查。
  7. Seata AT 核心:undo log 反向补偿 + 全局锁。
  8. 选型口诀:资金强一致用 TCC/XA,普通业务用最终一致(消息表/事务消息),长流程用 Saga。