spring核心之事务相关

Spring事务管理

Spring事务管理基于AOP来实现，主要是统一封装非功能性需求。

数据库事务原理详解

1、事务基本概念

事务（Transaction）是访问并可能更新数据库中各种数据项的一个程序执行单元。

特点：事务是恢复和并发控制的基本单位。

事务应该具有4个属性：原子性、一致性、隔离性、持久性，这四个属性通常称为ACID特性。

原子性（Automicity），一个事务是一个不可分割的工作单位，事务中包括的诸操作要么都做，要么都不做。

一致性（Consistency），事务必须是使数据库从一个一致性状态变到另一个一致性状态，一致性与原子性是密切相关的。

隔离性（Isolation），一个事务的执行不能被其他事务干扰，即一个事务内部的操作及使用的数据对并发的其他事务是隔离的，并发执行的各个事务之间不能互相干扰。

持久性（Durability），持久性也称永久性（Permanence），指一个事务一旦提交，它对数据库中数据的改变就应该是永久性的，接下来的其他操作或故障不应该对其有任何影响。

2、事务的基本原理

Spring事务的本质其实就是数据库对事务的支持，没有数据库的事务支持，spring是无法提供事务功能的，对于纯JDBC操作数据库，想要用到事务，可以按照以下步骤进行：

1、获取连接Connection con = DriverManager.getConnection()

2、开启事务con.setAutoCommit(true/false)

3、执行CRUD

4、提交事务/回滚事务con.commit()/con.rollback()

5、关闭连接conn.close()

使用Spring的事务管理功能后我们可以不再写步骤2和4的代码，而是由Spirng自动完成。

那么Spring是如何在我们书写的CRUD之前和之后开启事务和关闭事务的呢？

解决这个问题，也就可以从整体上理解Spring的事务管理实现原理了。

下面简单地介绍下，注解方式为例子

配置文件开启注解驱动，在相关的类和方法上通过注解@Transactional标识。

Spring在启动的时候会去解析生成相关的bean，这时候会查看拥有相关注解的类和方法，并且为这些类和方法生成代理，并根据@Transaction的相关参数进行相关配置注入，这样就在代理中为我们把相关的事务处理掉了（开启正常提交事务，异常回滚事务）。

真正的数据库层的事务提交和回滚是通过binlog或者redolog实现的。

3、Spring事务的传播属性

所谓spring事务的传播属性，就是定义在存在多个事务同时存在的时候，spring应该如何处理这些事务的行为。

这些属性在TransactionDefinition中定义，具体常量的解释见下表：

• PROPAGATION_REQUIRED

  支持当前事务，如果当前没有事务，就新建一个事务。这是最常见的选择，也是Spring默认的事务的传播。

• PROPAGATION_REQUIRES_NEW
  新建事务，如果当前存在事务，把当前事务挂起。新建的事务将和被挂起的事务没有任何关系，是两个独立的事务，外层事务失败回滚之后，不能回滚内层事务执行的结果，内层事务失败抛出异常，外层事务捕获，也可以不处理回滚操作。

• PROPAGATION_SUPPORTS
  支持当前事务，如果当前没有事务，就以非事务方式执行。

• PROPAGATION_NOT_SUPPORTED
  以非事务方式执行操作，如果当前存在事务，就把当前事务挂起。

• PROPAGATION_MANDATORY
  支持当前事务，如果当前没有事务，就抛出异常。

• PROPAGATION_NEVER
  以非事务方式执行，如果当前存在事务，则抛出异常。

• PROPAGATION_NESTED
  如果一个活动的事务存在，则运行在一个嵌套的事务中。如果没有活动事务，则按REQUIRED属性执行。它使用了一个单独的事务，这个事务拥有多个可以回滚的保存点。内部事务的回滚不会对外部事务造成影响。它只对DataSourceTransactionManager事务管理器起效。

4、数据库隔离级别

隔离级别	隔离级别的值	导致的问题
Read-Uncommitted	0	导致脏读
Read-Committed	1	避免脏读，允许不可重复读和幻读
Repeatable-Read	2	避免脏读，不可重复读，允许幻读
Serializable	3	串行化读，事务只能个执行，避免了脏读、不可重复读、幻读。执行效率慢，使用时慎重

脏读：一事务对数据进行了增删改，但未提交，另一事务可以读取到未提交的数据。如果第一个事务这时候回滚了，那么第二个事务就读到了脏数据。

不可重复读：一个事务中发生了两次读操作，第一次读操作和第二次操作之间，另外一个事务对数据进行了修改，这时候两次读取的数据是不一致的。

幻读：第一个事务对一定范围的数据进行批量修改，第二个事务在这个范围增加一条数据，这时候第一个事务就会丢失对新增数据的修改。

总结：

隔离级别越高，越能保证数据的完整性和一致性，但是对并发性能的影响也越大。

大多数的数据库默认隔离级别为Read Commited，比如SqlServer、Oracle

少数数据库默认隔离级别为Repeatable Read，比如：MySQL InnoDB

5、Spring中的隔离级别

常量	解释
ISOLATION_DEFAULT	这是个PlatfromTransactionManager默认的隔离级别，使用数据库默认的事务隔离级别。另外四个与JDBC的隔离级别相对应。
ISOLATION_READ_UNCOMMITTED	这是事务最低的隔离级别，它允许另外一事务可以看到这个事务未提交的数据。这种隔离级别会产生脏读，不可重复读和幻像读。
ISOLATION_READ_COMMITTED	保证一个事务修改的数据提交后才能被另外一个事务读取。另外一个事务不能读取该事务未提交的数据。
ISOLATION_REPEATABLE_READ	这种事务隔离级别可以防止脏读，不可重复读，但是可能出现幻像读。
ISOLATION_SERIALIZABLE	这是花费最高代价但是最可靠的事务隔离级别，事务被处理为顺序执行。

6、事务的嵌套

通过上面的理论知识的铺垫，大致知道了数据库事务和Spring事务的一些属性和特点，接下来我们通过分析一些嵌套事务的场景，来深入理解Spring事务传播的机制。

PROPAGATION_REQUIRED

假设外层事务ServiceA的MethodA()调用内层Service B的Method B() PROPAGATION_REQUIRED（spring默认）

如果ServiceB.MethodB()的事务级别定义为PROPAGATION_REQUIRED，那么执行ServiceA.MethodA()的时候Spring已经起了事务，这时调用ServiceB.MethodB()，ServiceB.MethodB()看到自己已经运行在ServiceA.MethodA()的事务内部，就不再起新的事务。

假如ServiceB.MethodB()运行的时候发现自己没有在事务中，他就会为自己分配一个事务。这样，在ServiceA.MethodA()或者在ServiceB.MethodB()内的任何地方出现异常，事务都会被回滚。

PROPAGATION_REQUIRES_NEW

比如我们设计ServiceA.MethodA() 的事务级别为PROPAGATION_REQUIRED，ServiceB.MethodB()的事务级别为PROPAGATION REQUIRES NEW。

那么当执行到ServiceB.MethodB()的时候，ServiceA.MethodA()所在的事务就会挂起，ServiceB.MethodB()会起一个新的事务，等待ServiceB.MethodB()的事务完成以后，它才继续执行。

他与PROPAGATION_REQUIRED的事务区别在于事务的回滚程度了。因为ServiceB.MethodB()是新起一个事务，那么就是存在两个不同的事务。如果 ServiceB.MethodB()，已经提交，那么ServiceA.MethodA()失败回滚，ServiceB.MethodB()是不会回滚的。如果ServiceB.MethodB()失败回滚，如果他抛出的异常被ServiceA.MethodA()捕获，ServiceA.MethodA()事务仍然可能提交（主要看B抛出的异常是不是A会回滚的异常）。

PROPAGATION_NESTED

NESTED的情况就变得比较复杂了，ServiceB.MethodB() 的事务属性被配置为PROPAGATION_NESTED，此时两者之间又将如何协作呢？

ServiceB.MethodB()如果rollback，那么内部事务（即ServiceB.MethodB()）将回滚到它执行前的SavePoint而外部事务（即ServiceA.MethodA()）可以有以下两种处理方式：

• 捕获异常，执行异常分支逻辑，如ServiceC.MethodC()

  这种方式也是嵌套事务最有价值的地方，它起到了分支执行的效果，如果ServiceB.MethodB()失败，那么执行ServiceC.MethodC()，而ServiceB.MethodB()已经回滚到它执行之前的SavePoint，所以不会产生脏数据（相当于此方法从未执行过），这种特性可以用在某些特殊的业务中，而 PROPAGATION_REQUIRED和PROPAGATION_REQUIRES_NEW都没有办法做到这一点。

• 外部事务回滚/提交代码不做任何修改，那么如果内部事务ServiceB.MethodB() rollback，那么首先ServiceB.MethodB() 回滚到它执行之前的SavePoint（在任何情况下都会如此），外部事务即ServiceA.MethodA()将根据具体的配置决定自己是commit还是rolback。

Spring事务API架构图

分布式事务

现今互联网界，分布式系统和微服务架构盛行。一个简单操作，在服务端非常可能是由多个服务和数据库实例协同完成的。在一致性要求较高的场景下，多个独立操作之间的一致性问题显得格外棘手。

基于水平扩容能力和成本考虑，传统的强一致的解决方案（e.g.单机事务）纷纷被抛弃，其理论依据就是响当当的CAP原理。往往为了可用性和分区容错性，忍痛放弃强一致支持，转而追求最终一致性。

分布式系统的特性

在分布式系统中，同时满足CAP定律中的一致性Consistency、可用性Availability和分区容错性Partition Tolerance三者是不可能的。

在绝大多数的场景，都需要牺牲强一致性来换取系统的高可用性，系统往往只需要保证最终一致性。

分布式事务服务（Distributed Transaction Service，DTS）是一个分布式事务框架，用来保障在大规模分布式环境下事务的最终一致性。

CAP理论告诉我们在分布式存储系统中，最多只能实现上面的两点。而由于当前的网络硬件肯定会出现延迟丢包等问题，所以分区容忍性是我们必须需要实现的，所以我们只能在一致性和可用性之间进行权衡。

为了保障系统的可用性，互联网系统大多将强一致性需求转换成最终一致性的需求，并通过系统执行幂等性的保证，保证数据的最终一致性。

数据一致性

强一致性：当更新操作完成之后，任何多个后续进程或者线程的访问都会返回最新的更新过的值。这种是对用户最友好的，就是用户上一次写什么，下一次就保证能读到什么。根据CAP理论，这种实现需要牺牲可用性。

弱一致性：系统并不保证后续进程或者线程的访问都会返回最新的更新过的值。系统在数据写入成功之后，不承诺立即可以读到最新写入的值，也不会具体的承诺多久之后可以读到。

最终一致性：弱一致性的特定形式。系统保证在没有后续更新的前提下，系统最终返回上一次更新操作的值。在没有故障发生的前提下，不一致窗口的时间主要受通信延迟，系统负载和复制副本的个数影响。DNS是一个典型的最终一致性系统。