本文已收录在本人整编的JAVA技术资源目录中，微信用户请点击头像查看《JAVA通关秘籍》
1. 数据库中的事务
Java中的事务管理，最终都是体现在数据上，因此，了解数据库对事务的处理是非常必要的
1.1 ACID
Atomicity、Consistency、Isolation、Durability
原子性、一致性、隔离性、持久性
- 原子性
事务中的操作必须全部成功或全部失败
- 一致性
事务必须使数据库从一个一致性状态转变到另一个一致性状态
栗子：A有100元，B有100元，AB共200元，无论A和B怎么转账（不考虑手续费），A和B一共有200元
- 隔离性
事物之间不互相干扰，存在多种隔离级别
- 持久性
事务一旦提交，对数据的改变就是永久性的，即使遇到故障，也不会丢失提交事务的操作
1.2 脏读、不可重复读和幻读
- 脏读
指一个事务读取了另一个未提交的事务中的数据
- 不可重复读
指一个事务中，对一个值多次读取返回的值不一致（读取了其他已提交事务的数据）
- 幻读
栗子： T1把表A中的某个字段从1改为2，T2对表A进行了插入并提交，并且该字段为1，T1修改提交后，发现还有一条数据没有修改（注意和不可重复读的区别）
1.3 数据库的四种隔离级别
- Serializable
避免脏读、不可重复读、幻读
- Repeatable Read
避免脏读、不可重复读
- Read Committed
避免脏读
- Read Uncommitted
毛都避免不了
1.4 如何保证持久性和一致性
持久性和一致性的概念清楚了，那么数据库如何保证这一点呢？如果事务提交后，主机突然断电了呢？
概念很简单，数据库操作事务的时候，会记下这个事务的redo操作日志，在真正操作数据库之前，会把日志写入磁盘，发生异常情况后，会根据当前数据的情况进行undo或者redo，以此保证一致性和持久性，这里不再深究
2. Spring中的事务
上升到Java中，最常使用的应该是Spring中的事务操作。不管是声明式事务还是手动开启事务，在Java中，所关注的不再是数据层面的一致性（数据库已经帮我们保证了），而是事务之间的关系。
通常，事务边界都是设定在Service层，如果一个Service层中的事务方法，调用另一个事务方法，事务是怎样传播的呢？
事务传播
Spring中共有7种不同的传播行为，以被调用方法的视角，可以把它们分为两类
- 被调用方支持事务
1.1 PROPAGATION_REQUIRED 必须要有事务，有就加入，无则创建
1.2 PROPAGATION_SUPPORTS 支持当前事务，有就加入，没有拉倒
1.3 PROPAGATION_MANDATORY 使用当前事务，有就加入，没有报错
1.4 PROPAGATION_REQUIRES_NEW 使用新事务，外层事务挂起，独立提交回滚
1.5 PROPAGATION_NESTED 使用嵌套事务，独立回滚（出错回滚自身），不独立提交，没有事务则创建
- 被调用方不支持事务
2.1 PROPAGATION_NOT_SUPPORTED 不使用事务，有就挂起，没有拉倒
2.2 PROPAGATION_NEVER 坚决不使用事务，有就报错
需要注意1.4和1.5的区别，关键在于是否独立提交和回滚
3. 分布式事务
首先要明确的一点，在分布式事务中，ACID已经不适用了。在集群环境下，想要保证ACID几乎是不可能的任务，即使能够达到，效率也是非常低下的。所以，在集群环境下，分布式事务一般追求的是最终一致性。
3.1 BASE理论
Basically Available 基本可用
Soft state 软状态
Eventually consistent 最终一致
分布式系统中，可用性往往比一致性更重要（想象一下，支付宝为了保证强一致性，即A转100给B，A账户马上扣100，B账户马上加100，但是三天两头无服务），BASE理论就是在可用性和一致性中做出了权衡，核心思想是，我们无法做到强一致性，但是每个应用可以结合自身的特点，用适当的方式来达到最终一致性（A支付100元给B，B可能马上收到，也可能5分钟后收到，但是最终一定会收到）。
3.2 TCC补偿事务
TCC的核心是采用了补偿机制，针对每个操作，都要有一个与之对应的补偿（回滚）操作，分为三个阶段：
- Try 预留业务资源
尝试执行业务
完成所有业务检查
预留必须业务资源
- Confirm 确认执行业务操作，需幂等
真正执行业务
不做业务检查
只使用try阶段预留的资源
- Cancel 取消执行业务操作，需幂等
释放try阶段预留的资源
和数据库中的事务操作进行对比，可以找到类似之处，锁定行->操作行->出错回滚
举个实际的例子来加深理解
假设有A、B、C三个账户，A和B向C支付100元，A支付40元，B支付60元，需要在一个事务中完成
- try
检测A、B、C三个账户的状态，是否允许转账
检测A账户是否有40元，有则冻结
检测B账户是否有60元，有则冻结
- confirm
扣除A、B的冻结金额，增加C账户的金额，不做任何业务检查
- cancel
恢复A或B的冻结金额
如果在try阶段发现，A的账户冻结40元成功，B冻结失败，则调用A的cancel方法，恢复A的冻结金额
3.3 本地消息表
这种思路来源于ebay
- 在本地新建消息表
- 消息和业务在同一个事务里提交
- 通过MQ通知消费方
- 消费方处理消息后通知修改消息状态
- 消息发送失败，重试
- 定时扫描未处理的消息进行重发
- 消费方业务失败，调用生产方补偿方法进行回滚
这种方式遵循BASE理论，保证的是最终一致性，在实际使用中，比TCC更好处理，少写很多代码。需要注意的是，消息处理需要幂等
3.4 MQ事务消息
阿里巴巴的Rocket MQ支持事务消息，Rabbit MQ和Kafka都不支持
3.3中之所以要使用本地消息表，因为更新数据库和发送MQ消息不是一个原子操作，无论谁先谁后，都会有问题
- 先更新DB，发送消息失败了，怎么办？
- 先发送消息，DB更新失败了，消息已经发了，怎么办？
3.3中采用了本地消息表，通过消息表中的消息状态来控制重发，以达到最终一致的目的
事务消息模拟了这种操作，只不过把维护消息状态的过程，从数据库转移到了MQ中间件
具体来说，就是把消息发送，分解成两个阶段，准备和确认
具体到业务中，分解成了三步操作
- 发送Prepared消息
- 更新数据库
- 根据2的结果，发送Confirm或Cancel，确认或取消消息
取消的消息会被丢弃，确认后的消息才会真正的发送给消费者
如果第三步失败了，RocketMQ会主动（默认1分钟）询问发送方，喂？这条消息还要吗？此时发送方可以查询本地业务状态，确定消息是否需要发送，以此确保最终一致性
总结
从ACID到BASE，对于事务，不同视角，对它的理解也不同
在数据库层面，通过日志文件确保了事务的一致性，以及确定了不同的事务隔离级别
在Java代码层面，更多的是关注事务之间的关系
而在分布式事务中，为了高可用，在事务一致性上进行了妥协，一般只保证最终一致性
