fescar源码分析5

2019-02-10 本文已影响0人 leiwingqueen

一、概要

这篇文章主要针对前面提到的几个问题进行分析。

xid的生成如何保证唯一。fescar-server的xid生成规则(集群的场景)
TC的global session和branch session如何保存？生产环境需要做什么样的改造？
TC的第二段提交主要做什么操作？
某个事务提交失败/回滚失败如何处理

二、分析

xid的生成如何保证唯一
xid和branch id的生成依赖UUIDGenerator

/*
 *  Copyright 1999-2018 Alibaba Group Holding Ltd.
 *
 *  Licensed under the Apache License, Version 2.0 (the "License");
 *  you may not use this file except in compliance with the License.
 *  You may obtain a copy of the License at
 *
 *       http://www.apache.org/licenses/LICENSE-2.0
 *
 *  Unless required by applicable law or agreed to in writing, software
 *  distributed under the License is distributed on an "AS IS" BASIS,
 *  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 *  See the License for the specific language governing permissions and
 *  limitations under the License.
 */

package com.alibaba.fescar.server;

import java.text.ParseException;
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.Date;
import java.util.concurrent.atomic.AtomicLong;

import com.alibaba.fescar.common.exception.ShouldNeverHappenException;

public class UUIDGenerator {

    private static AtomicLong UUID = new AtomicLong(1000);

    private static int UUID_INTERNAL = 2000000000;

    public static long generateUUID() {
        long id = UUID.incrementAndGet();
        if (id > UUID_INTERNAL) {
            synchronized (UUID) {
                if (UUID.get() >= id) {
                    id -= UUID_INTERNAL;
                    UUID.set(id);
                }
            }
        }
        return id;
    }

    public static void init(int serverNodeId) {
        try {
            UUID.set(UUID_INTERNAL * serverNodeId);
            SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd");
            Calendar cal = Calendar.getInstance();
            Date date = format.parse("2019-01-01");
            cal.setTime(date);
            long base = cal.getTimeInMillis();
            long current = System.currentTimeMillis();
            UUID.addAndGet((current - base) / 1000);
        } catch (ParseException e) {
            throw new ShouldNeverHappenException(e);
        }
    }
}

看代码的逻辑主要是根据初始化的serverNodeId控制不同的段。每个段的长度为UUID_INTERNAL(2亿)。
这里有几个问题。

溢出。UUID_INTERNAL和serverNodeId都是int。因此当serverNodeId=2的时候就会溢出成负数。

UUID.set(UUID_INTERNAL * serverNodeId);

即便是单点运行，这里能保证唯一吗？
因为初始化的值依赖当前的时间，在此之后的每次ID为加一自增。这里存在一个问题，如果QPS>1的场景就会意味着下一次重启的时候必然会跟之前的id重复。
因此如果需要用到生产环境的话必须重写这个组件。

TC的global session和branch session如何保存
官方的demo把session分两部分数据保存，存量的数据和日志数据。

日志数据以定长的二进制的格式保存到文件
存量数据保存到内存
下面为日志数据的存储逻辑：
FileTransactionStoreManager.java

@Override
    public boolean writeSession(LogOperation logOperation, SessionStorable session) {
        TransactionWriteFuture writeFutureRequest = new TransactionWriteFuture(session, logOperation);
        try {
            if (transactionWriteFutureQueue.offer(writeFutureRequest, MAX_ENQUEUE_MILLS, TimeUnit.MILLISECONDS)) {
                return writeFutureRequest.get();
            }
        } catch (InterruptedException exx) {
            LOGGER.error("write data file error," + exx.getMessage());
        }
        return false;
    }

可以看到这里做了一个简单的优化，并没有直接写文件，而是做了一个内存队列进行缓冲，异步写入。
接下来我们看下文件写入的格式。TransactionWriteStore

@Override
    public byte[] encode() {
        byte[] bySessionRequest = this.sessionRequest.encode();
        byte byOpCode = this.getOperate().getCode();
        int len = bySessionRequest.length + 1;
        byte[] byResult = new byte[len];
        ByteBuffer byteBuffer = ByteBuffer.wrap(byResult);
        byteBuffer.put(bySessionRequest);
        byteBuffer.put(byOpCode);
        return byResult;
    }

拿GlobalSession为例，branch session雷同

@Override
    public byte[] encode() {
        ByteBuffer byteBuffer = ByteBuffer.allocate(512);
        byteBuffer.putLong(transactionId);
        byteBuffer.putInt(timeout);
        if (null != applicationId) {
            byte[] byApplicationId = applicationId.getBytes();
            byteBuffer.putShort((short)byApplicationId.length);
            byteBuffer.put(byApplicationId);
        } else {
            byteBuffer.putShort((short)0);
        }
        if (null != transactionServiceGroup) {
            byte[] byServiceGroup = transactionServiceGroup.getBytes();
            byteBuffer.putShort((short)byServiceGroup.length);
            byteBuffer.put(byServiceGroup);
        } else {
            byteBuffer.putShort((short)0);
        }
        if (null != transactionName) {
            byte[] byTxName = transactionName.getBytes();
            byteBuffer.putShort((short)byTxName.length);
            byteBuffer.put(byTxName);
        } else {
            byteBuffer.putShort((short)0);
        }
        byteBuffer.putLong(beginTime);
        byteBuffer.flip();
        byte[] result = new byte[byteBuffer.limit()];
        byteBuffer.get(result);
        return result;
    }

采用定长的二进制协议。前面512个字节为session的内容，后面1个字节为操作类型。
存量的数据以内存的形式保存到内存里面。AbstractSessionManager.sessionMap为存量的数据的保存，其实就是一个简单的map。

protected Map<Long, GlobalSession> sessionMap = new ConcurrentHashMap<>();
@Override
    public void addGlobalSession(GlobalSession session) throws TransactionException {
        if (LOGGER.isDebugEnabled()) {
            LOGGER.debug("MANAGER[" + name + "] SESSION[" + session + "] " + LogOperation.GLOBAL_ADD);
        }
        transactionStoreManager.writeSession(LogOperation.GLOBAL_ADD, session);
        sessionMap.put(session.getTransactionId(), session);

    }

    @Override
    public GlobalSession findGlobalSession(Long transactionId) throws TransactionException {
        return sessionMap.get(transactionId);
    }
@Override
    public void removeGlobalSession(GlobalSession session) throws TransactionException {
        if (LOGGER.isDebugEnabled()) {
            LOGGER.debug("MANAGER[" + name + "] SESSION[" + session + "] " + LogOperation.GLOBAL_REMOVE);
        }
        transactionStoreManager.writeSession(LogOperation.GLOBAL_REMOVE, session);
        sessionMap.remove(session.getTransactionId());

    }

session在完成(commit/rollback)之后会从内存里面删掉，因此数据量理论上不会很大。但是如果需要做高可用的话需要改为保存到redis/memcache等共享存储。

TC的第二段提交主要做什么操作？

更新global session的状态并删除
通知各个RM进行第二次提交
通知各个rm删除undo log。这里会根据分支事务的resouceId(数据库实例)找到对应的连接，然后通知rm进行删除。由于demo的连接是共享一个同一个数据库实例，所以3个删除undo log的请求最终都会请求到同一个RM上。事实上如果是多个不同的数据库实例的话会分别请求到不同的RM上。

某个事务提交失败/回滚失败如何处理
我们看TM的核心代码。TransactionalTemplate。

TM执行业务逻辑抛异常，执行tx.rollback()，通知TC进行事务回滚。
TC通知TM回滚子事务
TM执行undo log。
假如回滚失败，我目前没看到有做补偿处理，理论上可以通过重试来保证最终一致性。

lock-key的作用
RM需要加锁，TM是不需要加锁。这是由于fescar设计的模型上TM是不涉及更新DB的操作。我理解这里加锁的作用是为了保证回滚操作的正确性。当然这要求接入fescar的业务必须完整接入(eg.对于一个库存表的所有更新的操作都必须接入TC，不管是否涉及到分布式事务)。

public interface LockManager {

    boolean acquireLock(BranchSession branchSession) throws TransactionException;

    boolean isLockable(long transactionId, String resourceId, String lockKey) throws TransactionException;
}

key为resourceId+表名+主键ID(hashCode除128取模)。

只有获取锁，但是并没有释放锁的操作？不是应该在第二次提交完成后释放锁？另外官方文档里面描述的在第一阶段就已经把锁释放的描述是否不太准确？只能说数据库锁已经释放了，在性能上我不认为会比TCC的方案会更快。
另外demo的实现也是使用内存来实现，线上使用需要自己做改造

三、总结

总体来说fescar提供的思路我认为可以借鉴，但是需要在线上使用还是需要自己对一些组件做扩展。另外rollback失败的补偿策略不确定官方有没实现，没有的话还需要做补充。

fescar源码分析5

一、概要

二、分析

三、总结

猜你喜欢

热点阅读