Distributed Transaction

in Microservice
Lê Minh Nghĩa
Solution Architect at Tiki.Vn
 Contents
1. Distributed Transaction Problem.

2. CAP Theorem

3. Replicate Model

4. Consistency and Eventually Consistency

5. Implementation

6. Case Study
 Phần 1.
Các kiến thức căn bản
 Distributed Transaction
Problem

• Là vấn đề đòi hỏi đảm bảo tính nhất quán của dữ

liệu trên môi trường phân tán

• Có sự tham gia nhiều hơn một data source vào

một quá trình xử lý
 Data Sources
Các data source đa dạng
Phải đảm bảo dữ liệu giữa các Service
nguồn nhất quán
Write

Message External
Database Caching
Queue Service
 Transaction
Transaction phải đảm bảo tính ACID:

• Atomic: phải đảm bảo thực thi tất cả hoặc không

gì

• Consistency: đảm bảo nhất quán dữ liệu

• Isolation: đảm bảo vấn đề tranh chấp

• Duration: dữ liệu phải được lưu trữ ổn định

 Disitributed Transaction in
Microservice
• Hệ thống chia nhỏ thành các Microservice rất nhỏ

• Phải đảm bảo dữ liệu tất cả các service phải nhất

quán

• Các service hầu hết là các restful service

• Microservice là một hệ thống phân tán mức độ cao

• Về cơ bản: không có Transaction trong kiến trúc

Microservice!
 CAP Theorem
• Consistency

• Avalaibility

• Partition Tolerant

Một hệ thống phân tán chỉ có

thể đạt được 2 trên ba tính
chất trên
 CAP Theorem

• Consistency: Đảm bảo dữ liệu giữa các node là

nhất quán

• Availabiilty: đảm bảo tính available của hệ thống

khi một số node không available

• Partition Tolerance: đảm bảo khả năng hoạt

động khi mạng giữa các node không ổn định
 CAP Theorem
in Microservice
Nói chung Microservice chỉ có thể đảm bảo hai tính
chất:

• Avaialability

• Partition Tolerance

Microservice không đảm bảo consistency giữa

các node trên toàn bộ hệ thống!
 Consistency
vs Eventually Consistency
• Consistency: đảm bảo tính nhất quán của dữ
liệu. Tại mọi thời điểm trên hệ thống dữ liệu phải
nhìn nhất quán giữa tất cả các node.

• Eventually Consistency: đảm bảo dữ liệu giữa

các hệ thống sẽ nhất quán sau một khoảng thời
gian nhất định.

• Microservice chỉ có thể đảm bảo dữ liệu là

Eventually Consistency
 Microservice

• Đánh đổi Consistency bằng tính chất Avalaibility

và Partition Tolerance

• Không consistency nhưng phải đảm bảo là

eventually consistency giữa các service
 Phần 2:
Giải pháp
 Replicate Model

• Primary Data Backup

• State Machine Model

(Active Active Model)
 Replicate Model

• VD: để thay đổi dữ liệu tồn kho khi mua bán và

xuất nhập. Ban đầu có 10. Bán đi 2, nhập vào 5,
bán đi 7. Cần replicate dữ liệu đi các nguồn:

• Primary Backup: 8, 13, 6

• State Machine: -2, + 5, -7

 Replicate Model

• Luôn đảm bảo ghi log các quá trình thay đổi

• Gửi các thay đổi đúng thứ tự và ổn định

 Problems in Microservice

Không có bất cứ cách nào

Service
đảm bảo việc ghi dữ liệu
đồng thời nhiều nguồn dữ
liệu thoả mãn tính chất của Write
một transaction

Message External
Database Caching
Queue Service
Problems in Microservice

• Các kịch bản lỗi:

• Ghi dữ liệu nhưng không gọi được service khác

• Gọi được serivce khác nhưng không ghi được

dữ liệu
 Solutions
• Đảm bảo chỉ thay đổi dữ liệu bắt đầu ở một nguồn.
Không đồng thời thay đổi dữ liệu của tất cả các nguồn.

• Tiến hành replicate các thay đổi một cách ổn định tới
các nguồn đích

• Triển khai hệ thống log để đảm bảo quá trình replicate

là ổn định.

• Mục tiêu: đảm bảo dữ liệu giữa các hệ thống là

Eventually Consistency
 Phần 3:
Implementations
 1. Log
• Log là phương thức chính và quan trọng nhất để
giải quyết vấn đề replicate dữ liệu trong hệ thống
phân tán

• Xây dựng cấu trúc log, lưu trữ các thay đổi muốn
gửi đi và gửi bất đồng bộ tới nguồn đích

• Đảm bảo transation giữa business data và log

data

• Xoá bỏ log sau khi gửi đi

 1. Log
Other Service

Service

Đảm bảo Caching

transaction

Message
Queue
BackGround
Business Log Worker
Data Data
Other Data
Sources
 2. Event Sourcing Pattern

Lưu trữ các thay đổi

dưới dạng log event

Gửi các event tới

các nguồn đích
 3. Saga Pattern

Xây dựng cơ chế log

để theo dõi các bước
thực thi
Thực hiện roll back
khi các bước bị lỗi
 4. CDC
Capture Data Change

• Bắt trực tiếp các thay đổi Database để replicate

thay đổi tới các data source khác nhau. VD:

• MySQL: decode file binlog

• Mongo: sử dụng cơ chế oplog

5. Message Queue
 5. Message Queue
• Sử dụng message queue là nền tảng tích hợp
bất đồng bộ chính cho toàn bộ các service

• Loại bỏ việc gọi api chéo giữa các service

• Tăng khả năng availability của hệ thống

• Giảm thiểu chi phí maitain khi chỉ cần đảm bảo
message queue available. Các Service không
cần available tại cùng một thời điểm
6. Integration Model
 6. Integration Model
Log:

• Đảm bảo các dữ liệu cần gửi đi được lưu trữ ổn định. Đảm bảo business data và log data luôn được lưu trữ
ổn định.

Background Worker:

• Đảm bảo quá trình gửi dữ liệu từ log tới message queue ổn định: chắc chắn gửi được và gửi đúng thứ tự.

Message Queue:

• Đảm bảo gửi message tới các nguồn dữ liệu đích

• Đảm bảo các message được delivery đúng thứ tự gửi vào

• Đảm bảo các message được persistent không bị mất

• Kafka và Windows Service Bus là các giải pháp tốt nhất

Các Data Source khác:

• Trực tiếp nhận message từ queue

• Chú ý việc chống trùng lặp message (Idempotemcy filtering)

 7. Consistency
Requirements
• Trong ba yếu tố CAP, liệu AP có thể thoả mãn mọi trường hợp?

• Trong trường hợp bắt buộc đòi hỏi Consistency cần phải đánh giá
lại mô hình:

1. Liệu việc chia service đã hợp lý hay chưa? Thông thường sẽ

không chia nếu dữ liệu bắt buộc phải strong consistency.

2. Có thể điều chỉnh nghiệp vụ được không? Có trade off được giữa
đòi hỏi tính nhất quán và khả năng mở rộng không?

3. Có thể triển khai SOAP để handle distributed transaction không?

4. Có thể cài đặt two phase commit để handle distributed transaction

không?
 Phần 4
Một số case study
 1. Đặt hàng

• Kịch bản: có hai serivce, catalog service quản lý

dữ liệu sản phẩm, order service quản lý đơn
hàng. Khi đặt hàng thì trừ đi một lượng sản
phẩm nhất định rồi tạo đơn hàng.

• Risk: có thể trừ số lượng sản phẩm mà không

tạo được đơn hàng
 Solution
1. Gửi request giữ tồn (Sync)

Order Catalog
Service Service

2. Place Order
3. Gửi một lệnh trừ tồn

Database Message Queue

4. Nếu không nhận được lệnh trừ tồn thì sau một khoảng
thời gian nhất định thì rollback lại số lượng tồn.
 2. Bài toán trừ tiền

• Kịch bản: có hai service là order service và

payment service. Payment service chứa thông
tin tiền ảo của người dùng. Tiền ảo trừ được thì
đơn hàng được đặt.

• Risk: tiền trừ mà đơn hàng không đặt được

 Solutions
1. Gửi request giữ tiền (Sync)

Order
Service Catalog
Service
3. Gửi một lệnh trừ tiền

Request Queue
2. Place Order

Database 4. Gửi response

Response Queue

5. Nếu không nhận được lệnh trừ tiền thì sau một khoảng
thời gian nhất định thì rollback lại tiền cho người dùng
3. Bài toán tính tiền gói hàng
• Kịch bản: giả sử một khách hàng mua 2 sản phẩm trị giá 200k, mỗi món
100k. Đã trả trước 150k, hàng được chia làm hai gói, giao hai lần. Cần
thu khách hàng thêm 50k.

• Lần 1 đi giao món thứ nhất, không phải thu gì. Đã trừ 100k vào số tiền đã
trả. Số tiền khách hàng còn là 50k.

• Lần 2 đi giao nốt món còn lại và thu 50k.

• Điều gì sẽ xảy ra nếu ngay món hàng 2 xuất giao, thì món hàng thứ nhất
bị giao lỗi và phải cập nhật lại số tiền của khách hàng? Kịch bản hợp lý
nhất: khách hàng không phải trả thêm tiền.

• Nếu hệ thống được chia làm hai service: service để quản lý hàng tại trạm
và service quản lý hàng đi giao. Trong trường hợp này handle
consistency kiểu gì?
 Analysis
Khó khăn:

• Muốn consistency phải gộp hai service làm một

—> Ảnh hưởng tới thiết kế tổng thể.

• Hệ thống không thể đảm bảo khi quy trình đã

không consistency. VD: nhân viên giao nhận thứ
nhất vừa về thì nhân viên thứ hai đã đi, cả hai
còn chưa kịp cập nhật qua máy tính.
 Solution

• Dùng nghiệp vụ giải quyết: ghi nhận lỗi và hoàn

tiền cho khách hàng qua tài khoản ngân hàng

—-> và thống thiết gọi xin lỗi khách hàng :(((

 Conclusions
• Khi phân chia hệ thống phải đảm bảo dữ liệu là eventually
consistency

• Cơ bản không có transaction giữa các data source khác nhau

• Không đồng thời ghi dữ liệu vào nhiều nguồn khác nhau.

• Lưu trữ log để đẩy các thay đổi một cách ổn định sang các data
source khác

• Nên sử dụng message queue là nền tảng chính cho việc tích hợp
bất đồng bộ giữa các service. Hạn chế sử dụng gọi chéo api.

• Đánh giá việc phân chia service phù hợp với đòi hỏi về consistency
dữ liệu.
Thank you!