基于黑马教程——微服务架构解析（二）：雪崩防护+分布式事务
之前的两篇文章我们介绍了微服务的基础概念及其服务间通信机制。本篇将深入探讨微服务的核心保障：服务保护与分布式事务。
一、微服务保护
问题描述：
在一个购物车的微服务中，倘若某一项服务（服务A）同一时刻访问的数据十分庞大，但是购物车服务Tomcat的线程数据是有限的，这会导致整个购物车服务崩溃。倘若这个购物车服务又和别的微服务进行关联，这样一级连一级，最终可能导致整个微服务网络的崩溃，也被称做“雪崩”。
解决方法：
服务保护的方案有很多，最典型这几种：
- 请求限流
- 线程隔离
- 服务熔断
这些方法都不用我们亲自一一实现，已经有一个组件把这些集成了起来，因此我们只需要学习这个组件就行了——Sentinel
1.1 Sentinel
Sentinel 是阿里巴巴开源的一款 轻量级流量控制、熔断降级和系统保护组件，专注于解决微服务架构中的 高可用性、稳定性 问题。它提供实时的监控和动态规则配置，帮助开发者保障服务在 高并发、依赖故障、突发流量 等场景下的稳定性。
核心功能：
- 流量控制（Flow Control）：精准控制QPS、并发线程数，防止系统过载。
- 熔断降级（Circuit Breaking）：自动检测异常比例/响应时间，触发熔断保护。
- 系统自适应保护（System Adaptive Protection）：智能调整入口流量，保护系统不被压垮。
- 实时监控（Real-time Monitoring）：可视化查看接口调用情况、限流熔断数据。
1.2 请求限流
核心作用：通过精准控制单位时间内的请求量，防止突发流量导致系统过载崩溃。
实现原理：
- 设定QPS（每秒查询量）或并发线程数阈值
- 超出阈值的请求将被立即拒绝或排队等待
- 支持多种算法：固定窗口、滑动窗口、漏桶、令牌桶等
典型应用场景：
- 秒杀系统的高峰期流量控制
- API网关的全局流量管控
- 核心业务接口的访问保护
1.3 线程隔离
核心机制：通过为每个微服务子服务分配独立的执行线程池，实现故障隔离。
关键优势：
- 资源隔离：单个子服务的线程池耗尽不会影响其他服务
- 故障隔离：崩溃的线程仅影响当前服务实例
- 弹性伸缩：可根据服务重要性动态调整线程池大小
实现方式对比：
| 隔离策略 | 实现方式 | 适用场景 | 资源消耗 |
|---|---|---|---|
| 线程池隔离 | 每个服务独立线程池 | 耗时较长的同步调用 | 较高 |
| 信号量隔离 | 计数器控制并发数 | 轻量级快速调用 | 较低 |
最佳实践：
- 关键服务配置更大的线程池
- 配合熔断机制实现双重保护
- 通过监控实时调整线程池参数
补充说明：
虽然线程隔离能有效防止级联故障，但仍需配合熔断机制使用。当某服务线程池完全耗尽时，熔断器可以快速失败并启动降级策略，避免请求堆积。
1.4 服务熔断
当系统检测到某个子服务即将崩溃（如响应时间飙升、错误率激增）时，直接阻断对该服务的所有请求，并快速返回一个预设的备选结果（Fallback），从而避免级联故障。
所以，我们要做两件事情：
- 编写服务降级逻辑：就是服务调用失败后的处理逻辑，根据业务场景，可以抛出异常，也可以返回友好提示或默认数据。
- 异常统计和熔断：统计服务提供方的异常比例，当比例过高表明该接口会影响到其它服务，应该拒绝调用该接口，而是直接走降级逻辑。
三者对比
| 保护策略 | 核心机制 | 主要作用 | 触发条件 | 实现方式 | 适用场景 | 代表框架 |
|---|---|---|---|---|---|---|
| 请求限流 | 控制单位时间请求量 | 防止突发流量压垮系统 | QPS或并发数超过阈值 | - 计数器算法 - 漏桶/令牌桶算法 | - 秒杀系统 - API网关限流 | Sentinel、Redis RateLimit |
| 线程隔离 | 资源隔离（线程池/信号量） | 避免单个服务耗尽所有线程资源 | 线程池满/信号量耗尽 | - 独立线程池 - 信号量计数 | - 同步阻塞调用 - 耗时操作隔离 | Hystrix、Sentinel |
| 服务熔断 | 快速失败+自动恢复 | 防止级联故障，提升系统可用性 | 错误率/慢调用比例超过阈值 | - 熔断器状态机（开/半开/关） - 降级策略 | - 弱依赖服务 - 第三方接口调用 | Sentinel、Resilience4j |
二、分布式事务
在分布式系统中，一个业务执行需要多个微服务共同参与。以图中为例，整个业务为购买商品事务，交易服务、购物车服务和库存服务为分支事务。在单体项目中，很容易满足事务ACID原则，但是在分布式如何满足？
2.1 Seata
核心定位：阿里巴巴开源的 一站式分布式事务解决方案，提供 AT、TCC、Saga、XA 多种模式，解决微服务架构下的数据一致性问题。
Seata的事务管理中有三个重要的角色：
- TC (Transaction Coordinator) - 事务协调者：维护全局和分支事务的状态，协调全局事务提交或回滚。
- TM (Transaction Manager) - 事务管理器：定义全局事务的范围、开始全局事务、提交或回滚全局事务。
- RM (Resource Manager) - 资源管理器：管理分支事务，与TC交谈以注册分支事务和报告分支事务的状态，并驱动分支事务提交或回滚。
TM 就是全局事务的管理者，由这个决定什么时候开启事务，什么时候提交和回滚事务，RM 就是针对自己的分支事务进行汇报，分支事务的回滚和提交。TC 其实就先相当于一个中间人， 监控所有RM 状态汇报给到TM，然后什么操作有TM决定
而TC服务则是事务协调中心，是一个独立的微服务，需要单独部署
2.2 Seata的XA模型
RM一阶段的工作：
- 注册分支事务到
TC - 执行分支业务sql但不提交
- 报告执行状态到
TC
TC二阶段的工作：
TC检测各分支事务执行状态- 如果都成功，通知所有RM提交事务
- 如果有失败，通知所有RM回滚事务
RM二阶段的工作：
- 接收
TC指令，提交或回滚事务
2.3 Seata的AT模型
阶段一RM的工作：
- 注册分支事务
- 记录undo-log（数据快照）
- 执行业务sql并提交
- 报告事务状态
阶段二提交时RM的工作：
- 删除undo-log即可
阶段二回滚时RM的工作：
- 根据undo-log恢复数据到更新前
2.4 两个模型之间的区别
| 对比维度 | AT模型（自动补偿） | XA模型（两阶段提交） |
|---|---|---|
| 一致性 | 最终一致性（存在短暂中间状态） | 强一致性（全程数据锁定） |
| 性能 | ⭐⭐⭐⭐（一阶段已提交，无阻塞） | ⭐⭐（同步阻塞，资源长时间锁定） |
| 侵入性 | 低侵入（无需改造业务代码） | 低侵入（依赖数据库原生XA协议） |
| 实现复杂度 | 简单（自动生成反向SQL） | 中等（需数据库支持XA） |
| 锁范围 | 全局行锁（仅二阶段冲突检测时短暂加锁） | 全程行锁（Prepare阶段即锁定） |
| 补偿机制 | 自动生成undo_log反向SQL | 依赖数据库回滚（无自动补偿） |
| 适用场景 | 高并发OLTP场景（如电商、库存） | 传统金融系统（如银行核心账务） |
| 数据库支持 | 支持主流关系型数据库（MySQL/Oracle等） | 需数据库明确支持XA协议（如MySQL InnoDB） |
| 故障恢复 | 依赖undo_log恢复（需保证日志可靠） | 依赖数据库日志恢复 |
| 典型框架 | Seata默认模式 | Seata XA模式、传统JTA |