聊技术，不止于技术
微服务架构下，各个微服务间的通信方式是首先需要决定的事。微服务间的通信方式主要有REST、RPC和消息这三种。这三种通信方式各有优缺点，各有其适合的场景，关于它们的比较及分析今天就先不讲了。
今天主要讲的是基于消息的通信方式下，先入库在发送消息的问题。
基于消息的通信方式下，各个微服务间通过消息驱动来完成业务逻辑。一个典型的例子如下：
上例中，用户服务处理用户注册请求，先入库，然后发送用户注册事件，邮件服务监听用户注册事件，然后发送欢迎邮件。
那么就上述场景而言，对于用户服务，我们的业务代码该如何写呢？为什么我说先入库再发消息，没你想得这么简单呢？下面一起来看看。
1
先入库，再发消息，简单又直接的方式
简单又直接的入库发消息伪代码如下：
1. var content = processRequest(httpRequest);2. var message = prepareMessage(httpRequest);3. DB.insert(content);4. Message.publish(message);
对于先入库，再发消息的业务逻辑，简单直接的代码如上，那么上述代码有什么问题吗？
考虑以下场景：
（1） 数据库入库成功，发送消息失败，即步骤3成功，步骤4失败
数据可能不一致。因为发送消息失败的原因总的来说有两个，一是消息发送失败（消息总线未接收到消息），此时数据不一致，因为数据库中有数据，但消息未发送。二是消息发送成功（消息总线接收到），但回包的时候失败，对于系统来说，此时数据反而是一致的，数据入库，消息发送了。
（2） 数据库入库失败
数据可能不一致。有人可能会想数据库操作失败，数据库的事务ACID特性可以保证数据一致性。但实际这里也可能有两种情况，一是数据库操作失败，事务未提交，此时数据一致，数据库会回滚事务。二是事务已提交，数据库回包失败，数据不一致（数据库和消息总线中的数据不一致），数据库中有数据，消息却没发送。
2
简单直接的方式并不好使，那该怎么办？
其实上述问题的本质是分布式事务问题，数据库和消息总线实际是两个资源。想要保持两个或者多个资源间的数据一致性，以及操作的原子性，这正是分布式事务要解决的问题。
让我们尝试解决此类问题。
首先要问的一个问题是，我们的系统需要强一致性吗？在上述例子中如果数据库和消息总线中的数据需要保持强一致，则在任一时刻数据库与消息总线中的数据都需要保持一致。
显然并不需要。
实际在分布式系统中，只要保持弱一致性就可以了，也就是说终一致性，对应上例，也就是说在任一时刻，数据库与消息总线中的数据可以暂时不一致，但终需要一致，只不过中间有一些间隔。
所以现在我们只要让系统具备终一致性就可以了，那么如何具备终一致性呢？
在上例中，把问题具体化，其实就是处理完请求并且入库后，必须发送消息，也就是数据库中有的数据，消息总线中也必须有。问题进一步抽象定义，即解决数据库入库和发送消息的原子性问题，这两个操作要么都成功，要么都失败。并且现在我们的系统只需要满足弱一致性就可以，所以问题可以更进一步定义为这两个操作要么终都成功，要么终都失败。
看到这里，有一个方案应该能够浮现出来——本地消息表。
本地消息表的伪代码如下：
1. var content = processRequest(httpRequest);2. var message = prepareMessage(httpRequest);3. DB.begin();4. DB.insert(content);5. DB.insert(message);6. DB.commit();7. Message.publish(message);8. DB.delete(message);// 定时任务，补偿发送消息，这里查询的消息注意避免时间存在过短的问题，以防重复发送Executor.execute(new Task() { public void run() { while (true) { var message = DB.selectMessage(); Message.publish(message); DB.delete(message); } } });
该方案本质上是利用了本地数据库事务的特性，将消息和业务逻辑处理放在一个事务里持久化，利用事务特性可以保证业务处理和消息能够同时存储成功或失败，然后在发送消息。
同样，让我们考虑下述场景：
（1）数据库入库成功，消息发送失败，即步骤3~6成功，步骤7失败
数据终一致。定时任务会补偿消息投递，当然这里也可能会存在消息重复发送的问题。
（2）数据库入库失败，即步骤3~6失败。
数据终一致。数据库在事务提交前失败，数据一致。数据库在事务提交后，但回包前失败，数据终一致，数据已存在，定时任务会补偿消息投递。
（3）数据库入库成功，消息发送成功，消息删除失败，即步骤3~7成功，步骤8失败。
数据终一致。消息未删除，定时任务补偿发送消息，会导致消息重复发送。消息已删除，但数据库回包前失败，补偿任务不做处理，数据终一致。
可以看到本地消息表除了会导致消息重复投递，几乎没有别的问题。
那么消息重复投递怎么办？
如果消息重复投递，这里只看数据库跟消息总线，其实数据是不一致的，消息总线中数据多了。但从整个系统的层面来看呢？如果消费端能够实现幂等，那么整个系统的数据还是终一致的。所以采用本地消息表，下游消费端需要实现幂等。而且现在有的消息中间件也能够实现发送消息的幂等（比如Kafka 0.11版本以上，Broker可以通过发送的消息id进行去重，保证发送消息的幂等），即重复投递的消息在消息中间件中只会存在一份，这样系统也是没有问题的。
3
先入库，再发消息原来并不简单，那么符合上述场景的业务是不是都得这么做呢？
有同学看到这里可能会觉得原来处理请求，先入库再发消息的场景不是这么简单呀，看来以前用错了？
那是不是此场景下所有的应用都需要按照此类方案来呢？
我这里的建议是看具体业务需求。
大流量大规模的分布式系统，从可靠性及可维护性来讲，必须这么做。至于那些用户少，规模小的应用，从故障发生的概率、发生故障后人员维护的成本来考虑，你可以不遵守上述方案。
当然，能够看到这些问题然后选择一个适合的方案，和不知道自己在做什么完全是两码事。
先知道规则，然后再知道什么时候可以打破规则。
写在后
对于请求处理，先入库再发消息的场景并没有看起来的这么简单。该问题实际是一个分布式事务问题，涉及到两个资源间的数据一致性，入库与发消息原子性问题。
对于大多数分布式应用，能够满足数据终一致性就可以。
所以上述场景可以采用本地消息表的方案，本地消息表实质上是利用了本地数据库的事务特性，保证业务处理与消息存储的事务特性。
本地消息表可能会存在消息重复发送的问题，所以需要实现消费端的幂等。
先知道规则，然后再知道什么时候可以打破规则。
后留一个问题，对于消费端来说，接收消息，然后处理入库，如何保持幂等？如果是接收消息，然后处理入库，再然后再发消息的场景呢？如果是接收消息，然后远程调用的场景呢？
如果能够回答清楚上述问题，不光光是对这些场景有很深的理解，相信你对整个分布式系统的设计与实现都有很深的理解。
后面的文章，说一说我对上述场景以及分布式系统设计与实现的理解。欢迎大家关注。
推荐阅读：《重拾面向对象软件设计：把复杂的事情做简单》
聊技术，不止于技术。
在这里我会分享技术文章、管理知识以及个人的思想感悟，欢迎点击关注。
