【分布式事务】GitHub上分布式事务框架压测性能对比

我就是我 2022-05-16 15:49 170阅读 0赞

## 一、前言 ##

随着项目逐步以微服务开发为趋势，逐渐呈现一个服务对应一个数据库。从中产生了分布式事务的问题：一个操作先后调用不同的服务，要保证服务间的事务一致性，这就是分布式事务解决的问题。

本次调研，根据github上star排名进行调研，主要调研了hmily和bytetcc两种分布式事务框架。

## 二、选型原则 ##

本次调研主要是根据CAP和BASE理论进行，主要要保证数据的可用性、分区容错性、最终一致性。

## 三、调研框架介绍 ##

### hmily介绍 ###

Hmily是由碧桂园工程师开发，高性能异步分布式事务TCC框架。

Github地址：[https://github.com/yu199195/hmily][https_github.com_yu199195_hmily]

特点：  
1、 采用disruptor框架进行事务日志的异步读写，与RPC框架的性能毫无差别。  
2、 RPC框架支持 : dubbo,motan,springcloud。  
3、 支持嵌套事务(Nested transaction support).  
4、 采用disruptor框架进行事务日志的异步读写，与RPC框架的性能毫无差别。  
5、 支持SpringBoot-starter 项目启动，使用简单。  
6、 本地事务存储支持 : redis,mongodb,zookeeper,file,mysql。  
7、 事务日志序列化支持 ：java，hessian，kryo，protostuff。  
8、 采用Aspect AOP 切面思想与Spring无缝集成，天然支持集群。  
9、 内置经典的分布式事务场景demo工程，并有swagger-ui可视化界面可以快速体验。  
10、 异步confirm 和 cancel，保证数据一致性  
11、 使用Guava Cache

### Bytetcc介绍 ###

Bytetcc是由北京新奥集团工程师开发，是一个兼容JTA规范的基于TCC机制的分布式事务管理器。目前开发到了第五版，稳定版本为第四版，本次调研为第四版（0.4.x）。

GitHub地址：[https://github.com/liuyangming/ByteTCC][https_github.com_liuyangming_ByteTCC]

特点：  
1、支持Spring容器的声明式事务管理；  
2、支持普通事务、TCC事务、saga事务等事务机制；  
3、支持多数据源、跨应用、跨服务器等分布式事务场景；  
4、支持长事务；  
5、支持dubbo服务框架；  
6、支持spring cloud；

## 四、压测机器情况说明 ##

### 压测机 ###

*  Windows 10 企业版
 *  16GB
 *  Jmeter

### 服务器 ###

<table> 
 <thead> 
  <tr> 
   <th align="center">服务器cpu</th> 
   <th align="center">服务器内存</th> 
   <th align="center">服务器网络</th> 
   <th align="center">压测机cpu</th> 
   <th align="center">服务器cpu配置</th> 
   <th align="center">服务器内存配置</th> 
   <th align="center">rds的cpu情况,可能多个</th> 
   <th align="center">redis的cpu情况,可能多个</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">4</td> 
   <td align="center">16</td> 
   <td align="center">公司内网</td> 
   <td align="center">4</td> 
   <td align="center">4核</td> 
   <td align="center">4G</td> 
   <td align="center">4</td> 
   <td align="center">没有使用</td> 
  </tr> 
 </tbody> 
</table>

## 五、压测报告 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 1]

### hmily压测报告 ###

#### 正常执行 ####

<table> 
 <thead> 
  <tr> 
   <th align="center">接口</th> 
   <th align="center">总数</th> 
   <th align="center">平均响应时间</th> 
   <th align="center">中间数</th> 
   <th align="center">90%</th> 
   <th align="center">95%</th> 
   <th align="center">99%</th> 
   <th align="center">最小响应时间</th> 
   <th align="center">最大响应时间</th> 
   <th align="center">错误率</th> 
   <th align="center">吞吐量</th> 
   <th align="center">每秒接受消息</th> 
   <th align="center">每秒发送发送消息</th> 
   <th align="center">线程数</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">Pay</td> 
   <td align="center">500000</td> 
   <td align="center">225</td> 
   <td align="center">215</td> 
   <td align="center">347</td> 
   <td align="center">394</td> 
   <td align="center">513</td> 
   <td align="center">13</td> 
   <td align="center">1374</td> 
   <td align="center">0</td> 
   <td align="center">438.7</td> 
   <td align="center">51.41</td> 
   <td align="center">87.82</td> 
   <td align="center">100</td> 
  </tr> 
 </tbody> 
</table>

测试结果分析：测试结果发现，吞吐量比较高，但是hmily存在优化的地方，当前版本异步执行confirm和cancel的速度比较慢，且在高并发情况下存在数据不一致问题：

例如：  
      一共执行10w条数据，目标结果：库存-10w ， 账户-10w。但是最终执行结果：库存和账户的剩余量不一样。不能保证数据的最终一致性。

Cpu：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 2]

DB cpu：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 3]

#### 带回滚操作执行 ####

<table> 
 <thead> 
  <tr> 
   <th align="center">接口</th> 
   <th align="center">总数</th> 
   <th align="center">平均响应时间</th> 
   <th align="center">中间数</th> 
   <th align="center">90%</th> 
   <th align="center">95%</th> 
   <th align="center">99%</th> 
   <th align="center">最小响应时间</th> 
   <th align="center">最大响应时间</th> 
   <th align="center">错误率</th> 
   <th align="center">吞吐量</th> 
   <th align="center">每秒接受消息</th> 
   <th align="center">每秒发送发送消息</th> 
   <th align="center">线程数</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">Pay</td> 
   <td align="center">200000</td> 
   <td align="center">1573</td> 
   <td align="center">1384</td> 
   <td align="center">2703</td> 
   <td align="center">3246</td> 
   <td align="center">5815</td> 
   <td align="center">48</td> 
   <td align="center">11596</td> 
   <td align="center">0</td> 
   <td align="center">62.2</td> 
   <td align="center">32.02</td> 
   <td align="center">12.45</td> 
   <td align="center">100</td> 
  </tr> 
 </tbody> 
</table>

Cpu：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 4]

DB cpu：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 5]

### Bytetcc 压测报告 ###

#### 正常执行 ####

<table> 
 <thead> 
  <tr> 
   <th align="center">接口</th> 
   <th align="center">总数</th> 
   <th align="center">平均响应时间</th> 
   <th align="center">中间数</th> 
   <th align="center">90%</th> 
   <th align="center">95%</th> 
   <th align="center">99%</th> 
   <th align="center">最小响应时间</th> 
   <th align="center">最大响应时间</th> 
   <th align="center">错误率</th> 
   <th align="center">吞吐量</th> 
   <th align="center">每秒接受消息</th> 
   <th align="center">每秒发送发送消息</th> 
   <th align="center">线程数</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">Pay</td> 
   <td align="center">500000</td> 
   <td align="center">1197</td> 
   <td align="center">1180</td> 
   <td align="center">1534</td> 
   <td align="center">1652</td> 
   <td align="center">1900</td> 
   <td align="center">85</td> 
   <td align="center">2953</td> 
   <td align="center">0</td> 
   <td align="center">106.9</td> 
   <td align="center">14.43</td> 
   <td align="center">16.71</td> 
   <td align="center">100</td> 
  </tr> 
 </tbody> 
</table>

测试结果分析：吞吐量比较低，可以保证数据的最终一致性。比较稳定。

Cpu：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 6]

DB cpu：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 7]

#### 带回滚操作执行 ####

<table> 
 <thead> 
  <tr> 
   <th align="center">接口</th> 
   <th align="center">总数</th> 
   <th align="center">平均响应时间</th> 
   <th align="center">中间数</th> 
   <th align="center">90%</th> 
   <th align="center">95%</th> 
   <th align="center">99%</th> 
   <th align="center">最小响应时间</th> 
   <th align="center">最大响应时间</th> 
   <th align="center">错误率</th> 
   <th align="center">吞吐量</th> 
   <th align="center">每秒接受消息</th> 
   <th align="center">每秒发送发送消息</th> 
   <th align="center">线程数</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">Pay</td> 
   <td align="center">60000</td> 
   <td align="center">4006</td> 
   <td align="center">3556</td> 
   <td align="center">4491</td> 
   <td align="center">4973</td> 
   <td align="center">21972</td> 
   <td align="center">100</td> 
   <td align="center">10012</td> 
   <td align="center">0</td> 
   <td align="center">48.6</td> 
   <td align="center">9.1</td> 
   <td align="center">9.64</td> 
   <td align="center">100</td> 
  </tr> 
 </tbody> 
</table>

Cpu：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 8]

DB cpu：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 9]

## 六、小结 ##

小编只是通过Jmeter对两个比较火的分布式事务框架进行了压测，其中的业务逻辑是一样的，性能也是有不同的。

测试的代码地址：

hmily：[https://github.com/AresKingCarry/hmilyDemo][https_github.com_AresKingCarry_hmilyDemo]  
      Bytetcc：[https://github.com/AresKingCarry/ByteTccDemo][https_github.com_AresKingCarry_ByteTccDemo]

[https_github.com_yu199195_hmily]: https://github.com/yu199195/hmily
[https_github.com_liuyangming_ByteTCC]: https://github.com/liuyangming/ByteTCC
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70]: /images/20220503/148d3bafca0343ff9a123b84e532560e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 1]: /images/20220503/f9cdbfbf2a1a44f592b2afa1cd706bff.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 2]: /images/20220503/dac2515f7f5c4a45a077c5efae02c419.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 3]: /images/20220503/2d410ededc4046978f3be65e61d5b50e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 4]: /images/20220503/e912d28947274d8d8935573433966403.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 5]: /images/20220503/a52d5f02e869492cbe755c8ef7f2ac91.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 6]: /images/20220503/e0d0d0ce009d46ba9d084884ccae0e55.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 7]: /images/20220503/30c78bd2998d44faa7d29177d4b3800b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 8]: /images/20220503/59dab9a317df44408156f99fcac4fb7d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3NjYXRmb3JldmVy_size_16_color_FFFFFF_t_70 9]: /images/20220503/dc019255aace4ea082bdf4bbfd147b5e.png
[https_github.com_AresKingCarry_hmilyDemo]: https://github.com/AresKingCarry/hmilyDemo
[https_github.com_AresKingCarry_ByteTccDemo]: https://github.com/AresKingCarry/ByteTccDemo