Apache Ignite事务架构：并发模型和隔离级别

在本系列的第一篇文章中，我们研究了2阶段提交协议，以及Ignite如何处理各种类型的集群节点，下面是在剩下的文章中要覆盖的主题：

并发模型和隔离级别
故障转移和恢复
Ignite持久化层中的事务处理（WAL、检查点及其他）；
第三方持久化中的事务处理

在本文中，我们会聚焦并发模型和隔离级别。大多数现代多用户应用允许并发数据访问和修改。为了管理此功能，并确保系统从一个一致状态切换到另一个一致状态，使用了事务的概念。事务依赖于锁，它可以在事务开始时（悲观锁）获得，也可以在事务结束提交之前（乐观锁）获得。 Ignite支持两种并发模型：悲观和乐观，下面先讲悲观并发模型。

悲观并发模型

悲观并发模型的一个例子是两个银行账户之间的转账，需要确保两个银行账户的借贷状态正确记录。这时需要给两个账户加锁来确保更新全部完成并且余额正确。在悲观并发模型中，应用需要在事务开始时锁定即将要读、写或者修改的所有数据。Ignite还支持一组悲观并发模型的隔离级别，在读写数据时提供了灵活性：

读提交
可重复读
序列化

在读提交模型中，锁是在写操作对数据进行任何改变之前获得的，比如put()或者putAll()，而可重复读以及序列化模型用于读写操作都需要获得锁的场景。Ignite还有些内置的功能，使得调试和解决分布式死锁问题更容易。

下面的代码示例展示了可重复读的悲观事务，因为应用需要对一个特定银行账户进行读和写的操作：

try (Transaction tx = Ignition.ignite().transactions().txStart(PESSIMISTIC, REPEATABLE_READ)) {
    Account acct = cache.get(acctId);

    assert acct != null;

    ...

    // Deposit into account.
    acct.update(amount);

    // Store updated account in cache.
    cache.put(acctId, acct);

    tx.commit();
}

本例中，通过txStart()和tx.commit()方法分别来进行事务的开启和提交。txStart()方法传递了PESSIMISTIC和REPEATABLE READ参数，在try块体中，代码在acctId键上执行了一个cache.get()操作，之后，一些资金存入账户并且缓存使用cache.put()进行了更新。

下面的代码示例展示了读提交并且带有死锁处理的悲观事务：

try (Transaction tx = ignite.transactions().txStart(TransactionConcurrency.PESSIMISTIC, TransactionIsolation.READ_COMMITTED, TX_TIMEOUT, 0)) {

    // More code here.

    tx.commit();
} catch (CacheException e) {
    if (e.getCause() instanceof TransactionTimeoutException &&
        e.getCause().getCause() instanceof TransactionDeadlockException)

        System.out.println(e.getCause().getCause().getMessage());
}

本例中，代码展示了如何使用Ignite的死锁检测机制，这简化了可能由应用代码导致的分布式死锁的调试。要开启这个特性，需要开启一个超时时间非0的Ignite事务（TX_TIMEOUT > 0），还需要捕获包含死锁详细信息的TransactionDeadlockException。

下面再看一下不同隔离级别的消息流，对于读提交，如图1所示，在这个隔离模型中，Ignite对于读操作不会获得锁，比如get()或者getAll()，这对很多场景可能更适合。

图1：读提交

事务开始（1 tx.Start）；
事务协调器在内部管理事务请求（2 IgniteInternalTx）；
应用写入键K1和K2（3 tx.putAll(K1-V1, K2-V2)）；
事务协调器将K1写入本地事务映射（4 Put(K1)）；
事务协调器向存储K1的主节点发起一个锁请求（5 lock(K1)）；
主节点在内部管理事务请求（6 IgniteInternalTx）；
主节点向事务协调者发送一个已经准备好的确认（7 ACK）；
对于K2重复如图1的4-7步骤；
发起事务提交请求（12 tx.commit）；
K1和K2写入相应的主节点（13 Write(K1)和13 Write(K2)）；
主节点确认事务提交（14 ACK）；

下一步，看一下可重复读和序列化的消息流，如图2所示：

扫描二维码关注公众号，回复： 19920 查看本文章

图2：可重复读和序列化

事务开始（1 tx.Start）；
事务协调器在内部管理事务请求（2 IgniteInternalTx）；
应用读取键K1和K2（3 tx.getAll(K1-V1, K2-V2)）；
事务协调器开始键K1的读请求处理（4 Get(K1)）；
事务协调器向存储K1的主节点发起一个锁请求（5 lock(K1)）；
主节点在内部管理事务请求（6 IgniteInternalTx）；
主节点向事务协调者发送一个已经准备好的确认（7 ACK）并且返回K1的值；
对于K2重复如图2的4-7步骤；
应用写入K1和K2（12 tx.putAll(K1-V2, K2-V2)）；
事务协调器将K1的更新写入本地事务映射（13 Put(K1)）；
事务协调器将K2的更新写入本地事务映射（14 Put(K2)）；
发起事务提交请求（15 tx.commit）；
K1和K2写入相应的主节点（16 Write(K1)和16 Write(K2)）；
主节点确认事务提交（17 ACK）；

总结一下，在悲观模型中，在事务完成之前锁一直持有，并且锁会阻止其他事务对数据的访问。下一步看一下乐观并发模型。

乐观并发模型

乐观并发模型的一个例子是计算机辅助设计（CAD），这里一个设计师工作于整个设计的一部分，通常会将设计从中央仓库中检出到本地工作区，然后进行部分更新之后将成果检入中央仓库，因为设计师只负责整个设计的一部分，所以不可能与其他部分的更新产生冲突。

与悲观并发模型相反，乐观并发模型延迟了锁的获取，这样更适合于资源争用较少的应用，比如上面描述的CAD的例子。Ignite还支持一些乐观并发模型的隔离级别，这提供了读写数据方面的灵活性：

读提交
可重复读
序列化（无死锁）

回顾一下前文中关于2阶段提交中各个阶段的讨论，当使用乐观并发模型时，在准备阶段，锁是在主节点获取的。在使用序列化模式时，如果通过事务请求的数据已经改变，在准备阶段事务会失败。这时，开发者需要编程控制应用的行为，即是否需要重启事务。而其他的两个模式，可重复读和读提交，不会检查数据是否改变。虽然这会带来性能方面的好处，但是没有了数据的原子性保证，因此，这两个模式在生产中很少用到。

下面的代码示例展示了序列化的乐观事务，因为应用需要对一个特定银行账户进行读和写的操作：

while (true) {
    try (Transaction tx = ignite.transactions().txStart(TransactionConcurrency.OPTIMISTIC, TransactionIsolation.SERIALIZABLE)) {

        Account acct = cache.get(acctId);

        assert acct != null;

        ...

        // Deposit into account.
        acct.update(amount);

        // Store updated account in cache.
        cache.put(acctId, acct);

        tx.commit();

        // Transaction succeeded. Exiting the loop.
        break;
    } catch (TransactionOptimisticException e) {
        // Transaction has failed. Retry.
    }
}

本例中，在外侧有个while循环，判断事务是否失败，它可以重试。下一步，有txStart()和tx.commit()方法，分别用于事务的开始和提交。txStart()方法传递了OPTIMISTIC和SERIALIZABLE参数，在try块体中，代码先在acctId键上执行了cache.get()操作，之后，一些资金存入账户并且缓存使用cache.put()进行了更新。如果事务成功，代码会从循环中中断，如果事务不成功，会抛出异常然后事务重试。对于乐观的序列化事务，访问键的顺序不受限制，因为Ignite为了避免死锁，事务锁是通过一个额外的检查并行地获得的。

下面看一下不同隔离级别下的消息流，先从序列化开始，如图3所示：

图3：序列化

事务开始（1 tx.Start）；
事务协调器在内部管理事务请求（2 IgniteInternalTx）；
应用写入键K1（3 tx.put(K1-V1)）；
事务协调器将K1写入本地事务映射（4 Put(K1)）；
应用写入键K2（5 tx.put(K2-V2)）；
事务协调器将K2写入本地事务映射（6 Put(K2)）；
发起事务提交请求（7 tx.commit）；
事务协调器向存储K1和K2的主节点发起锁请求（8 lock(K1, TV1) and 8 lock(K2, TV1)）；
主节点在内部管理事务请求（9 IgniteInternalTx）；
主节点向事务协调者发送一个已经准备好的确认（10 ACK）；
K1和K2写入相应的主节点（11 Write(K1)和11 Write(K2)）；
如果没有数据冲突（即K1和K2没有被其他的应用更新），主节点确认事务提交（12 ACK）。

最后，看一下可重复读和读提交的消息流，如图4所示：

图4：可重复读和读提交

事务开始（1 tx.Start）；
事务协调器在内部管理事务请求（2 IgniteInternalTx）；
应用写入键K1（3 tx.put(K1-V1)）；
事务协调器将K1写入本地事务映射（4 Put(K1)）；
应用写入键K2（5 tx.put(K2-V2)）；
事务协调器将K2写入本地事务映射（6 Put(K2)）；
发起事务提交请求（7 tx.commit）；
事务协调器向存储K1和K2的主节点发起锁请求（8 lock(K1, TV1) and 8 lock(K2, TV1)）；
主节点向事务协调者发送一个已经准备好的确认（9 ACK）；
K1和K2写入相应的主节点（10 Write(K1)和10 Write(K2)）；
主节点在内部管理事务请求（11 IgniteInternalTx）；
主节点确认事务提交（12 ACK）。

总结

在本文中，研究了Ignite支持的主要的锁模型和隔离级别，我们看到，有很大的灵活性和选择空间，本系列的后面文章中，会研究故障转移和恢复。

本文译自GridGain技术布道师Akmal B. Chaudhri的博客。