1. 先从订单和库存说起:为什么需要分布式事务
如果你做过微服务改造,大概率遇过这个场景:用户下单时,订单服务要写一条订单记录,库存服务要扣减一个商品库存。在单体应用里,这俩操作在同一个数据库事务里,要么都成功、要么都失败,一句 @Transactional 就搞定。但拆成微服务之后,订单库和库存库变成了两个独立的数据库,甚至可能部署在不同的机器上——这时候你再想把两个库的操作放进一个本地事务里,就完全行不通了。
常见的做法是“先扣库存、再创建订单”,但这套方案有个隐患:如果订单服务在写完订单记录后、返回结果前宕机了,库存已经扣了,订单却没生成,用户钱付了货没发,售后电话直接被打爆。反过来“先建单、再扣库存”也有问题:库存扣减失败后订单已经生成,用户下单成功但无法发货,依然要人工介入。
这就是典型的分布式事务问题。每个服务的数据一致性没问题,但跨服务的数据一致性没人保证。业界解决方案不少:两阶段提交(XA)、TCC、SAGA、本地消息表、最大努力通知……各有各的适用场景,也都各有各的痛点。今天要聊的Seata AT模式,是其中实现成本最低、对业务侵入最小的一种,很适合“下单扣库存”这类场景。
Seata是阿里巴巴开源的一套分布式事务解决方案,AT模式是它的核心模式。AT是Automatic Transaction的缩写,字面意思就是“自动事务”。它为什么叫自动?因为它的设计目标就是:让你在写业务代码的时候,几乎感觉不到分布式事务的存在。你只需要在方法上打一个 @GlobalTransactional 注解,剩下的交给框架去做。
这听起来有点像是玄学,但它背后的原理其实不复杂。这篇文章我会从AT模式下的事务模型、核心机制、环境搭建、实际编码、常见坑排查这几个维度,把它拆开讲清楚。内容主要面向正在做微服务改造、被跨库事务问题困扰的Java后端开发,以及准备面试想系统梳理分布式事务方案的候选人。读完你不仅能跑通一个Demo,还能理解Seata AT模式为什么这么设计、它在什么情况下会失灵。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Seata整体架构与AT模式的定位
2.1 三大组件:TC、TM、RM
先搞清楚Seata的协作模型。它借鉴了XA两阶段提交的思路,但做了大量优化,把原本需要数据库层面支持的分布式事务,通过拦截SQL、记录镜像、反向补偿的方式实现。整个框架里有三个角色:
- TC(Transaction Coordinator):事务协调者,独立部署的服务端,负责全局事务的开启、提交、回滚决策。对应Seata Server。
- TM(Transaction Manager):事务管理器,嵌入在业务应用里,负责开启全局事务、提交或回滚全局事务。对应
@GlobalTransactional注解背后的逻辑。 - RM(Resource Manager):资源管理器,同样嵌入在业务应用里,负责管理分支事务的资源,向TC注册分支、上报状态、执行回滚。对应Seata对DataSource的代理。
说人话就是:TM是“发令枪”,它说“开始”,整个全局事务就开始了;TC是“裁判”,它记录每个人的状态,最后决定这局判赢还是判输;RM是“参赛选手”,它管好自己负责的那部分数据,执行指令并回传结果。
这三者的关系是:TM向TC申请开启全局事务,拿到一个全局事务ID(XID);XID会通过Dubbo、Spring Cloud等框架的链路透传,从调用方传递到被调用方;被调用方里的RM感知到XID存在,就向TC注册分支事务;当TM发起全局提交或回滚时,TC通知所有RM执行各自的提交或回滚。
2.2 四种模式对比:AT、TCC、SAGA、XA
Seata一共支持四种事务模式,聊AT之前,先把它的竞争者们放在一起比较一下,这样才能理解AT的定位和取舍。
XA模式是最标准的分布式事务实现,依赖数据库对XA协议的原生支持。它的优点是强一致性、实现简单,但缺点是数据库资源被锁定时间过长,并发能力差,而且要求数据库必须支持XA协议(MySQL的XA支持实际上也坑不少,比如主从切换时状态丢失的问题)。TCC模式把事务拆成Try、Confirm、Cancel三个阶段,需要业务方自己写大量的补偿逻辑,灵活性高、性能好,但开发成本极高,等于要把每个业务操作反过来再写一遍。SAGA模式把长事务拆成一串本地事务,每个本地事务成功后触发下一个,失败则执行反向的补偿操作,适合业务流程长、允许最终一致的场景,但没有隔离性保护,处理起来也很繁琐。
AT模式走的是另一条路:一阶段直接提交本地事务,通过记录数据变更前后的镜像实现二阶段的回滚;二阶段提交时异步删除镜像日志,回滚时用镜像数据覆盖当前数据。它不需要业务方写任何补偿逻辑,比TCC省事得多;它也不依赖数据库的XA协议,普通MySQL就能用;同时它的性能比XA好,因为一阶段本地事务直接提交,不用长时间持有数据库锁。
这里的代价是:AT模式牺牲了全局读一致性。它能保证写隔离,但读隔离需要额外加SELECT FOR UPDATE才会触发自动补偿。有关这部分细节,后面章节会展开。
四种模式的选择其实很看场景:有强一致需求且并发不高的场景,选XA或AT;需要高并发且能接受补偿开发成本的,选TCC;业务流程非常长、对实时一致性要求不高的,选SAGA。但对于绝大多数“订单+库存”这类跨库写操作的场景,AT模式是性价比最高的入门选择。
2.3 AT模式设计目标:让分布式事务像本地事务一样简单
AT模式之所以叫“自动”,核心在于它对业务代码的侵入做到了最低。对比TCC,你需要为每个参与分布式事务的方法写Try、Confirm、Cancel三套逻辑;对比SAGA,你需要为每个步骤设计对应的补偿方法。而AT模式下,你的业务代码就是一个普通的@Transactional方法,加上@GlobalTransactional标记即可,不需要额外的补偿接口。
支撑这个设计目标的是Seata的两个核心思想:
第一,把“提交”和“回滚”的决策权上移到TC。每个参与方只向TC报告自己的执行状态,最终是提交还是回滚,由TC统一裁决。这样避免了分布式环境下各节点各自为政导致的数据不一致。
第二,把“数据修复”转化为“镜像对比”。每个分支事务在执行SQL时,Seata会先记录这条SQL影响的数据在修改前的样子(beforeImage),执行完修改后再记录修改后的样子(afterImage)。一阶段结束时,本地事务正常提交,数据库数据已经被改了,但如果需要回滚,Seata会根据beforeImage生成反向SQL去覆盖当前数据。这个过程不需要业务方介入,Seata的代理数据源在底层自动完成。
理解了这个设计目标,AT模式的各种机制就都有的放矢了。
3. AT模式核心机制拆解
3.1 写隔离:全局锁如何防止脏写
AT模式要解决的第一个问题是:如果多个全局事务同时操作同一行数据,怎么防止互相覆盖。Seata的做法是引入全局锁机制。
