兩段式提交典型的就是XA，有個事務協調器，告訴大家，來都準備好提交，大家回覆，都準備好了，然後協調器告訴大家，一起提交，大家都提交了。
補償比較好理解，先處理業務，然後定時或者回調裏，檢查狀態是不是一致的，如果不一致採用某個策略，強制狀態到某個結束狀態（一般是失敗狀態），然後就世界太平了。典型的就是衝正操作。
這個時候，比如對數據庫來說，有redo日誌的。
如果某個數據庫這時候宕機了，那麼它重啓的時候，先執行檢查，也會把上一次的這些操作都提交掉的。所以各個點的數據都是一致的。
kimmking：淘寶之類的網站一般的做法是，如果4個都成功纔算成功，那麼這次提交時4個寫都設置成一箇中間狀態，先容許不一致。然後4個執行完成了以後，回調或是定時任務裏檢查這4個數據是不是一致的，如果一致就全部置爲成功狀態，如果不一致就全部置爲失敗。
淘寶幾s內完整一個訂單處理，不是什麼問題吧。
銀行也不是全部都強一致性。也會扎差，也會衝正。
這個時候，如果我們要求所有處理，都是強一致性的，那麼久完蛋了。頁面要死在那兒幾分鐘，才把這個事務處理完成，返回給用戶。
淘寶的訂單改成出票失敗，給支付發消息通知退款。
你自己甚至可以寫個程序生成兩個文件，要麼都生成了，要麼都刪掉不留痕跡，這也算是事務。
2、分佈式事務這一塊有個XA規範，實現XA接口的事務，都可以加入到一個分佈式事務中，被XA容器管理起來。
3、補償的辦法，需要具體情況具體分析，沒有一個各種場合都適用的框架。
------------------------------------------------------------------------------------------------------------------
開篇
在OLTP系統領域，我們在很多業務場景下都會面臨事務一致性方面的需求，例如最經典的Bob給Smith轉賬的案例。傳統的企業開發，系統往往是以單體應用形式存在的，也沒有橫跨多個數據庫。我們通常只需藉助開發平臺中特有數據訪問技術和框架（例如Spring、JDBC、ADO.NET），結合關係型數據庫自帶的事務管理機制來實現事務性的需求。關係型數據庫通常具有ACID特性：原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）。
而大型互聯網平臺往往是由一系列分佈式系統構成的，開發語言平臺和技術棧也相對比較雜，尤其是在SOA和微服務架構盛行的今天，一個看起來簡單的功能，內部可能需要調用多個“服務”並操作多個數據庫或分片來實現，情況往往會複雜很多。單一的技術手段和解決方案，已經無法應對和滿足這些複雜的場景了。
分佈式系統的特性
對分佈式系統有過研究的讀者，可能聽說過“CAP定律”、“Base理論”等，非常巧的是，化學理論中ACID是酸、Base恰好是鹼。這裏筆者不對這些概念做過多的解釋，有興趣的讀者可以查看相關參考資料。CAP定律如下圖：
在分佈式系統中，同時滿足“CAP定律”中的“一致性”、“可用性”和“分區容錯性”三者是不可能的，這比現實中找對象需同時滿足“高、富、帥”或“白、富、美”更加困難。在互聯網領域的絕大多數的場景，都需要犧牲強一致性來換取系統的高可用性，系統往往只需要保證“最終一致性”，只要這個最終時間是在用戶可以接受的範圍內即可。
分佈式事務
提到分佈式系統，必然要提到分佈式事務。要想理解分佈式事務，不得不先介紹一下兩階段提交協議。先舉個簡單但不精準的例子來說明：
第一階段，張老師作爲“協調者”，給小強和小明（參與者、節點）發微信，組織他們倆明天8點在學校門口集合，一起去爬山，然後開始等待小強和小明答覆。
第二階段，如果小強和小明都回答沒問題，那麼大家如約而至。如果小強或者小明其中一人回答說“明天沒空，不行”，那麼張老師會立即通知小強和小明“爬山活動取消”。
細心的讀者會發現，這個過程中可能有很多問題的。如果小強沒看手機，那麼張老師會一直等着答覆，小明可能在家裏把爬山裝備都準備好了卻一直等着張老師確認信息。更嚴重的是，如果到明天8點小強還沒有答覆，那麼就算“超時”了，那小明到底去還是不去集合爬山呢？
這就是兩階段提交協議的弊病，所以後來業界又引入了三階段提交協議來解決該類問題。
兩階段提交協議在主流開發語言平臺，數據庫產品中都有廣泛應用和實現的，下面來介紹一下XOpen組織提供的DTP模型圖：
XA協議指的是TM（事務管理器）和RM（資源管理器）之間的接口。目前主流的關係型數據庫產品都是實現了XA接口的。JTA(Java Transaction API)是符合X/Open DTP模型的，事務管理器和資源管理器之間也使用了XA協議。 本質上也是藉助兩階段提交協議來實現分佈式事務的，下面分別來看看XA事務成功和失敗的模型圖：
在JavaEE平臺下，WebLogic、Webshare等主流商用的應用服務器提供了JTA的實現和支持。而在Tomcat下是沒有實現的（其實筆者並不認爲Tomcat能算是JavaEE應用服務器），這就需要藉助第三方的框架Jotm、Automikos等來實現，兩者均支持spring事務整合。
而在Windows .NET平臺中，則可以藉助ado.net中的TransactionScop API來編程實現，還必須配置和藉助Windows操作系統中的MSDTC服務。如果你的數據庫使用的mysql，並且mysql是部署在Linux平臺上的，那麼是無法支持分佈式事務的。 由於篇幅關係，這裏不展開，感興趣的讀者可以自行查閱相關資料並實踐。
總結：這種方式實現難度不算太高，比較適合傳統的單體應用，在同一個方法中存在跨庫操作的情況。但分佈式事務對性能的影響會比較大，不適合高併發和高性能要求的場景。
提供回滾接口
在服務化架構中，功能X，需要去協調後端的A、B甚至更多的原子服務。那麼問題來了，假如A和B其中一個調用失敗了，那可怎麼辦呢？
在筆者的工作中經常遇到這類問題，往往提供了一個BFF層來協調調用A、B服務。如果有些是需要同步返回結果的，我會盡量按照“串行”的方式去調用。如果調用A失敗，則不會盲目去調用B。如果調用A成功，而調用B失敗，會嘗試去回滾剛剛對A的調用操作。
當然，有些時候我們不必嚴格提供單獨對應的回滾接口，可以通過傳遞參數巧妙的實現。
這樣的情況，我們會盡量把可提供回滾接口的服務放在前面。舉個例子說明：
我們的某個論壇網站，每天登錄成功後會獎勵用戶5個積分，但是積分和用戶又是兩套獨立的子系統服務，對應不同的DB，這控制起來就比較麻煩了。解決思路：
- 把登錄和加積分的服務調用放在BFF層一個本地方法中。
- 當用戶請求登錄接口時，先執行加積分操作，加分成功後再執行登錄操作
- 如果登錄成功，那當然最好了，積分也加成功了。如果登錄失敗，則調用加積分對應的回滾接口（執行減積分的操作）。
總結：這種方式缺點比較多，通常在複雜場景下是不推薦使用的，除非是非常簡單的場景，非常容易提供回滾，而且依賴的服務也非常少的情況。
這種實現方式會造成代碼量龐大，耦合性高。而且非常有侷限性，因爲有很多的業務是無法很簡單的實現回滾的，如果串行的服務很多，回滾的成本實在太高。
本地消息表
這種實現方式的思路，其實是源於ebay，後來通過支付寶等公司的佈道，在業內廣泛使用。其基本的設計思想是將遠程分佈式事務拆分成一系列的本地事務。如果不考慮性能及設計優雅，藉助關係型數據庫中的表即可實現。
舉個經典的跨行轉賬的例子來描述。
第一步僞代碼如下，扣款1W，通過本地事務保證了憑證消息插入到消息表中。
第二步，通知對方銀行賬戶上加1W了。那問題來了，如何通知到對方呢？
通常採用兩種方式：
- 採用時效性高的MQ，由對方訂閱消息並監聽，有消息時自動觸發事件
- 採用定時輪詢掃描的方式，去檢查消息表的數據。
兩種方式其實各有利弊，僅僅依靠MQ，可能會出現通知失敗的問題。而過於頻繁的定時輪詢，效率也不是最佳的（90%是無用功）。所以，我們一般會把兩種方式結合起來使用。
解決了通知的問題，又有新的問題了。萬一這消息有重複被消費，往用戶帳號上多加了錢，那豈不是後果很嚴重？
仔細思考，其實我們可以消息消費方，也通過一個“消費狀態表”來記錄消費狀態。在執行“加款”操作之前，檢測下該消息（提供標識）是否已經消費過，消費完成後，通過本地事務控制來更新這個“消費狀態表”。這樣子就避免重複消費的問題。
總結：上訴的方式是一種非常經典的實現，基本避免了分佈式事務，實現了“最終一致性”。但是，關係型數據庫的吞吐量和性能方面存在瓶頸，頻繁的讀寫消息會給數據庫造成壓力。所以，在真正的高併發場景下，該方案也會有瓶頸和限制的。
MQ（非事務消息）
通常情況下，在使用非事務消息支持的MQ產品時，我們很難將業務操作與對MQ的操作放在一個本地事務域中管理。通俗點描述，還是以上述提到的“跨行轉賬”爲例，我們很難保證在扣款完成之後對MQ投遞消息的操作就一定能成功。這樣一致性似乎很難保證。
先從消息生產者這端來分析，請看僞代碼：
根據上述代碼及註釋，我們來分析下可能的情況：
- 操作數據庫成功，向MQ中投遞消息也成功，皆大歡喜
- 操作數據庫失敗，不會向MQ中投遞消息了
- 操作數據庫成功，但是向MQ中投遞消息時失敗，向外拋出了異常，剛剛執行的更新數據庫的操作將被回滾
從上面分析的幾種情況來看，貌似問題都不大的。那麼我們來分析下消費者端面臨的問題：
- 消息出列後，消費者對應的業務操作要執行成功。如果業務執行失敗，消息不能失效或者丟失。需要保證消息與業務操作一致
- 儘量避免消息重複消費。如果重複消費，也不能因此影響業務結果
如何保證消息與業務操作一致，不丟失？
主流的MQ產品都具有持久化消息的功能。如果消費者宕機或者消費失敗，都可以執行重試機制的（有些MQ可以自定義重試次數）。
如何避免消息被重複消費造成的問題？
- 保證消費者調用業務的服務接口的冪等性
- 通過消費日誌或者類似狀態表來記錄消費狀態，便於判斷（建議在業務上自行實現，而不依賴MQ產品提供該特性）
總結：這種方式比較常見，性能和吞吐量是優於使用關係型數據庫消息表的方案。如果MQ自身和業務都具有高可用性，理論上是可以滿足大部分的業務場景的。不過在沒有充分測試的情況下，不建議在交易業務中直接使用。
MQ（事務消息）
舉個例子，Bob向Smith轉賬，那我們到底是先發送消息，還是先執行扣款操作？
好像都可能會出問題。如果先發消息，扣款操作失敗，那麼Smith的賬戶裏面會多出一筆錢。反過來，如果先執行扣款操作，後發送消息，那有可能扣款成功了但是消息沒發出去，Smith收不到錢。除了上面介紹的通過異常捕獲和回滾的方式外，還有沒有其他的思路呢？
下面以阿里巴巴的RocketMQ中間件爲例，分析下其設計和實現思路。
RocketMQ第一階段發送Prepared消息時，會拿到消息的地址，第二階段執行本地事物，第三階段通過第一階段拿到的地址去訪問消息，並修改狀態。細心的讀者可能又發現問題了，如果確認消息發送失敗了怎麼辦？RocketMQ會定期掃描消息集羣中的事物消息，這時候發現了Prepared消息，它會向消息發送者確認，Bob的錢到底是減了還是沒減呢？如果減了是回滾還是繼續發送確認消息呢？RocketMQ會根據發送端設置的策略來決定是回滾還是繼續發送確認消息。這樣就保證了消息發送與本地事務同時成功或同時失敗。如下圖：
總結：據筆者的瞭解，各大知名的電商平臺和互聯網公司，幾乎都是採用類似的設計思路來實現“最終一致性”的。這種方式適合的業務場景廣泛，而且比較可靠。不過這種方式技術實現的難度比較大。目前主流的開源MQ（ActiveMQ、RabbitMQ、Kafka）均未實現對事務消息的支持，所以需二次開發或者新造輪子。比較遺憾的是，RocketMQ事務消息部分的代碼也並未開源，需要自己去實現。
其他補償方式
做過支付寶交易接口的同學都知道，我們一般會在支付寶的回調頁面和接口裏，解密參數，然後調用系統中更新交易狀態相關的服務，將訂單更新爲付款成功。同時，只有當我們回調頁面中輸出了success字樣或者標識業務處理成功相應狀態碼時，支付寶纔會停止回調請求。否則，支付寶會每間隔一段時間後，再向客戶方發起回調請求，直到輸出成功標識爲止。
其實這就是一個很典型的補償例子，跟一些MQ重試補償機制很類似。
一般成熟的系統中，對於級別較高的服務和接口，整體的可用性通常都會很高。如果有些業務由於瞬時的網絡故障或調用超時等問題，那麼這種重試機制其實是非常有效的。
當然，考慮個比較極端的場景，假如系統自身有bug或者程序邏輯有問題，那麼重試1W次那也是無濟於事的。那豈不是就發生了“明明已經付款，卻顯示未付款不發貨”類似的悲劇？
其實爲了交易系統更可靠，我們一般會在類似交易這種高級別的服務代碼中，加入詳細日誌記錄的，一旦系統內部引發類似致命異常，會有郵件通知。同時，後臺會有定時任務掃描和分析此類日誌，檢查出這種特殊的情況，會嘗試通過程序來補償並郵件通知相關人員。
在某些特殊的情況下，還會有“人工補償”的，這也是最後一道屏障。
小結
上訴的幾種方案中，筆者也大致總結了其設計思路，優勢，劣勢等，相信讀者已經有了一定的理解。其實分佈式系統的事務一致性本身是一個技術難題，目前沒有一種很簡單很完美的方案能夠應對所有場景。具體還是要使用者根據不同的業務場景去抉擇。