基于Sagas模型的改进事务模型

在Sagas事务模型中,一个长事务是由一个预先定义好执行顺序的子事务集合和他们对应的补偿子事务集合组成的。子事务是按照顺序依次执行的,当其中的某个子事务出现异常时,就逆序执行已提交过的子事务对应的补偿事务来撤销他们的操作结果并退出。这样做会产生三个问题,第一是当一个不重要的子事务出现异常时,就需要撤销全部已提交的事务;第二是事务在完成补偿事务后会退出,而不是选择更有效的执行手段;第三是该模型只支持所有子事务都有相应的补偿子事务的情况。针对这三个问题,提出了相应的解决方案。

基于Sagas模型的改进事务工作流模型

Sagas模型要求所有子事务都要有对应的补偿子事务,任何子事务失败必须强制其它所有子事务失败,不能很好支持多事务多实例的并发执行。这三个缺陷使得Sagas模型至今不能运用到商业工作流系统中。针对Sagas模型的缺陷,提出一种改进的Sagas事务工作流模型,对子事务属性进行了分类并通过构造子事务间的关联关系使得可补偿子事务失败时无需强制所有子事务失败;引入补偿服务完善了工作流模型的语义;给出了基于事务实例锁集和后继子事务类型集的多事务多实例并发运行算法。该模型解决了Sagas模型存在的问题。

基于Saga模型的事务工作流实现机制

基于Saga的事务工作流实现机制结合了扩展事务模型和Saga事务模型的特点。当任务执行出现异常时,需清除已执行任务产生的影响后才能终止任务的执行,其前向恢复通过异常控制机制实现,后向恢复则通过事务补偿实现。在事务全部处于初始化状态时启动工作流流程,每个活动被依次选择执行并返回其代码,若全部成功执行则结束,若执行发生异常则后向恢复模块有效,进入事务控制模式。并构造了采用该事务工作流实现机制的工作流引擎。

一种基于任务依赖信息的工作流事务模型

H·Garcia-Molina等人提出了用于解决长事务问题的Sagas模型,但Sagas模型的事务补偿过程会撤销整个长事务,另外模型要求长事务的每个子事务都必须具有补偿子事务,这两个缺陷大大影响了Sagas模型的执行效率和适用性。本文通过利用任务间的依赖关系以及对事务进行分类的方法,在Sagas的基础上实现了一个部分补偿的工作流事务模型,对于不同类型的事务执行不同的补偿策略,同时即使撤销子事务也仅撤销该子事务所对应的依赖事务,而不是撤销整个事务流程。

一种基于工作流的长事务恢复方法的研究

H. Garcia-Molina等人提出了用于解决长事务问题的Sagas模型,但Sagas模型的事务补偿过程会撤销整个长事务,另外每个子事务都必须具有补偿子事务,这两个缺陷大大影响了Sagas模型的执行效率和适用性。文中提出了一种基于执行历史的层次式的失效恢复算法。该算法动态确定补偿终止点,可有效减小补偿域。性能分析表明其性能通常优于非层次的失效恢复算法。