分布式事务在交换机风扇巡检系统中的Java落地实践——基于XA+TCC混合模式的完整落地与可视化解析-CSDN博客

【CSDN高赞原创】分布式事务在交换机风扇巡检系统中的Java落地实践
——基于XA+TCC混合模式的完整落地与可视化解析
（项目已稳定运行于某985高校核心机房，代码可直接复用）

一、业务背景：为什么交换机也需要“体检”
在某985高校，核心机房运行着200+台各类交换机，风扇故障将导致整机过热、网络闪断，直接影响数万师生的教学与科研活动。原有巡检脚本基于单机定时任务，存在三大痛点：

单机故障导致漏检，SLA无法保障；
风扇状态写入MySQL、告警推送Kafka、监控大盘写入InfluxDB，跨库事务无法回滚；
风扇阈值动态调整（夏季/冬季策略不同）缺乏全局一致性。

我们将系统拆分为四个微服务：
• snmp-collect：SNMP采集风扇转速；
• threshold-center：动态阈值配置；
• alert-service：告警推送；
• monitor-dashboard：监控大盘。

架构图（PlantUML在线渲染）：

@startuml
!theme plain
node "snmp-collect\n(SpringBoot)" as sc
node "threshold-center\n(SpringCloud)" as tc
node "alert-service\n(SpringCloud)" as as
node "monitor-dashboard\n(SpringCloud)" as md
database "MySQL\n(阈值)" as mysql
queue "Kafka\n(告警事件)" as kafka
database "InfluxDB\n(时序数据)" as influx
sc -> mysql: select threshold
sc -> influx: write rpm
sc -> as: send alert
tc --> mysql: update threshold
as --> kafka: produce
md --> influx: query
@enduml

（图1. 交换机风扇巡检微服务架构）

二、分布式事务选型：XA还是TCC？
根据场景特征：
• 需要严格一致性（风扇停转=网络中断）；
• 采集频率高（1min/次），吞吐必须保证；
• 业务逻辑简单，无需人工介入补偿。

最终采用“XA+TCC”混合模式：
– snmp-collect → MySQL → InfluxDB：使用Atomikos实现JTA/XA，两阶段提交，代码侵入低；
– snmp-collect → alert-service → Kafka：使用Hmily框架的TCC模式，通过Try/Cancel接口解决Kafka不支持事务消息的痛点。

三、核心代码与可视化流程

XA事务：采集结果同时写入InfluxDB与MySQL

@Service
public class FanCollectService {
    @Transactional(rollbackFor = Exception.class) // JTA全局事务
    public void collectAndSave(String ip, int rpm) {
        // 1. 查询阈值（MySQL）
        Threshold th = thresholdMapper.select(ip);
        // 2. 写入时序库（InfluxDB）
        influxTemplate.write(Point.measurement("fan_rpm")
            .time(System.currentTimeMillis(), TimeUnit.MILLISECONDS)
            .tag("ip", ip)
            .addField("rpm", rpm)
            .build());
        // 3. 判断告警
        if (rpm < th.getMinRpm()) {
            alertService.tryAlert(ip, rpm); // TCC Try
        }
    }
}

（代码1. 采集服务——JTA/XA统一提交）

TCC事务：跨服务告警推送

@HmilyTCC(confirmMethod = "confirm", cancelMethod = "cancel")
public void tryAlert(String ip, int rpm) {
    // Try阶段：预占资源
    AlertEvent event = AlertEvent.builder()
        .id(UUID.randomUUID().toString())
        .ip(ip).rpm(rpm).status(AlertStatus.PENDING)
        .build();
    eventRepository.save(event); // 本地事务
    kafkaTemplate.send("switch.alert", event); // 半消息
}
public void confirm(String ip, int rpm) {
    // Confirm阶段：Kafka半消息提交
    kafkaTemplate.send("switch.alert.commit", ip);
}
public void cancel(String ip, int rpm) {
    // Cancel阶段：删除本地记录
    eventRepository.deleteByIpAndRpm(ip, rpm);
}

（代码2. 告警服务——Hmily TCC接口）

流程图（Mermaid）：