分布式事务高频 20 题详解
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」。
- 网络不可靠:请求可能超时、丢包,无法确定远端是否成功。
- 部分失败:多个参与者可能一部分成功一部分失败。
- 没有全局时钟:各节点时间不一致,难判断先后。
- 数据分散:跨库无法用单库事务回滚。
- 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。
- 同步阻塞:参与者锁定资源等待协调者指令,期间不可用。
- 单点故障:协调者挂了,参与者无法知道提交还是回滚。
- 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。
- 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。
- 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。
- 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。
- 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:#e6f7e615. 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:
- 资金/对账等强一致 → TCC 或 XA。
- 普通业务最终一致 → 本地消息表 / 事务消息。
- 长流程/跨第三方 → Saga + 补偿。
- 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。
- 先问是否真需要:优先用「幂等 + 重试 + 对账」解决,别过度设计。
- 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)。
- 补偿要可逆:TCC/Saga 的 Cancel/补偿必须幂等且可重试。
- 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。
- 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。
- 避免长事务:缩短事务时长,减少锁冲突和补偿复杂度。
- 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
- CAP 中 P 必选,实际是 CP 和 AP 的权衡。
- BASE 是最终一致,是 AP 的工程化。
- 2PC 两大坑:同步阻塞 + 单点故障。
- TCC 三难:空回滚、悬挂、幂等。
- 本地消息表核心:业务 + 消息同一本地事务。
- 事务消息核心:半消息 + 回查。
- Seata AT 核心:undo log 反向补偿 + 全局锁。
- 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。