一、TCC模式
TCC（Try-Confirm-Cancel）分布式事务模型最早由微软架构师Pat Helland提出，针对分布式系统环境下的数据一致性问题，采用服务化的两阶段编程模型。
1. Try阶段（资源预留）
- 作为一阶段操作，负责完成所有业务检查
- 预留必要的业务资源
- 采用”柔性检查”机制，不直接操作实际业务数据
2. Confirm阶段（业务提交）
- 作为二阶段提交操作，执行真正的业务逻辑
- 必须保证幂等性设计
- 实际扣减Try阶段预留的资源
3. Cancel阶段（资源释放）
- 回滚Try阶段预留的资源
- 同样需要保证幂等性
- 通常在业务异常或超时情况下触发
相比传统XA协议的优势
- 单点故障问题：将事务控制权交给业务发起方
- 同步阻塞问题：引入超时机制，细粒度资源控制
- 数据一致性问题：提供完善的补偿机制
二、队列模式
基本概念
队列模式是一种实现最终一致性的分布式事务解决方案，其核心思想是将分布式事务拆分为多个本地事务进行处理。
实现原理
- 事务拆分：将复杂的分布式事务拆分为多个独立的本地事务
- 消息日志：通过消息日志记录事务状态和操作指令
- 异步执行：利用消息队列实现各服务间的异步通信
技术实现
- 消息中间件选择：Kafka、RocketMQ、RabbitMQ
- 消息存储方案：本地文件系统、数据库存储、专用消息中间件
异常处理机制
- 自动重试：配置消息消费的最大重试次数
- 人工干预：提供管理界面查看失败消息
- 死信队列：超过最大重试次数的消息转入死信队列
优缺点
- 优点：系统解耦、提高系统吞吐量、降低资源锁定时间
- 缺点：实现复杂度较高、存在短暂的数据不一致窗口期
三、Saga模式
Saga模式最早起源于1987年Hector Garcia-Molina和Kenneth Salem发表的数据库论文，将长事务分解为一系列短事务。
基本原理
一个Saga事务是由多个本地事务组成的全局事务，每个本地事务都有预定义的补偿事务。
Saga事务的执行流程
- 正向执行：按照预定顺序依次执行各个子事务
- 反向补偿：当某个子事务执行失败时，按照相反顺序执行补偿操作
基本协议
- 向前恢复（forward recovery）：执行过程中遇到失败时进行重试
- 向后恢复（backward recovery）：发生错误后撤销之前所有成功的子事务
与传统2PC相比的优势
- 避免了长时间的资源锁定
- 更适合松耦合的微服务架构
- 具有更好的可扩展性
- 对业务侵入性较小
局限性
- 补偿事务不一定能完全恢复原始状态
- 需要业务层面设计完备的补偿逻辑
- 可能存在”脏读”问题