知识卡片
分库分表订单冗余表的最终一致性方案
分库分表场景下有一条基本约束:数据最初以什么维度落盘,最后就只能按什么维度进行查询。订单数据的典型查询需求同时来自卖家(查询哪些买家对自己店铺下单)和买家(通过订单信息完成付款等操作)两类用户群体,为了同时满足两种查询维度,实践中会把同一份订单数据同时落盘为seller_id和buyer_id两个维度的冗余表。为了保证写入性能,这两个维度并不采用同步双写(虽然实现最简单),而是当某一个维度落盘成功后,异步落盘另一个维度数据,以此提升订单系统的TPS——但性能保障是有代价的:系统复杂度随之提升,最棘手的问题变成了如何保证t_order_seller表和t_order_buyer表这两份异步写入的冗余数据最终一致。由于交易链路业务本身非常复杂,落地强一致性的分布式事务来保证这两张表的一致性成本极高、实现困难,最终选择的是基于消息队列的”线上检测补偿”方案:其核心思路仍是通过异步消息传递配合定期检测两个维度数据是否一致,发现不一致时进行补偿写入,从而实现最终一致而非强一致。这个案例是[[消息队列削峰的本质通过限制出队速率控制并发写流量]]所说的”消息队列替代强一致性分布式事务”这一用途的具体落地——用”允许短暂不一致窗口期+异步补偿”换取”避免高成本的强一致性事务”,前提是业务场景本身能够容忍这种短期不一致。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《超大流量分布式系统架构解决方案:人人都是架构师2.0》第3章《削峰填谷——流控方案》"3.4.3 基于消息队列的一些典型案例"节(源文件:OEBPS/Text/0008.xhtml)
- 结论依据:原文说明"我们往往会将同一份订单数据同时落盘seller_id和buyer_id 2个维度……当某一个维度落盘成功后,异步落盘另一个维度数据,以此提升订单系统的TPS,但是尽管性能得到了保障,系统的复杂度却提升了……所以最终我们的架构团队选择了基于消息队列的'线上检测补偿'方案来保证t_order_seller表和t_order_buyer表的数据最终一致",直接支撑本卡片结论。
- 原始内容:我们往往会将同一份订单数据同时落盘seller_id和buyer_id 2个维度……为了保证写入性能,我们往往不会采用同步双写模式……而是当某一个维度落盘成功后,异步落盘另一个维度数据……所以最终我们的架构团队选择了基于消息队列的"线上检测补偿"方案来保证t_order_seller表和t_order_buyer表的数据最终一致。