分布式一致性演进史（六）：现代方案，从 Spanner 到 TiDB

机器 A (时钟快)          机器 B (时钟慢)
    │                       │
10:00:05 写入 x=1           │
    │                       │
    │                 10:00:00 写入 x=2
    │                       │
时间戳说 A 更晚
实际上 B 更晚

TrueTime.now() 返回：
  [earliest, latest]

含义：
  真实时间一定在这个区间内

例如：
  [10:00:00.001, 10:00:00.007]
  真实时间在 1ms 到 7ms 之间
  误差范围：6ms

事务提交流程：
    │
    │  1. 获取 TrueTime: [10:00:00.001, 10:00:00.007]
    │
    │  2. 选择提交时间戳：latest = 10:00:00.007
    │
    │  3. 等待直到 TrueTime.now().earliest > 10:00:00.007
    │     (等待约 6-7ms)
    │
    │  4. 提交事务
    │
    ▼
为什么要等？

假设不等，立刻提交：
  事务 A 在机器 1：时间戳 10:00:00.007
  事务 B 在机器 2：时间戳 10:00:00.005

  如果 B 实际发生在 A 之后，但时间戳更小
  读取时会认为 A 比 B 新，顺序错了

等待后：
  A 提交时，全球所有机器的时钟都已经过了 10:00:00.007
  之后的事务时间戳一定 > 10:00:00.007
  顺序得到保证

         ┌─────────┐
         │   TSO   │
         │  Server │
         └────┬────┘
              │
    ┌─────────┼─────────┐
    │         │         │
    ▼         ▼         ▼
 TiDB 1    TiDB 2    TiDB 3

每个事务开始时：
  向 TSO 请求一个时间戳

TSO 保证：
  返回的时间戳严格递增
  后请求的一定比先请求的大

TSO 时间戳格式（64位）：
  ┌────────────────┬──────────────┐
  │  物理时间 (ms)  │  逻辑计数器  │
  │    46 bits     │   18 bits    │
  └────────────────┴──────────────┘

物理部分：当前毫秒时间
逻辑部分：同一毫秒内的序号

例如：
  第一个请求：1702000000000 << 18 | 1
  第二个请求：1702000000000 << 18 | 2
  ...
  下一毫秒：  1702000000001 << 18 | 1

     ┌─────────────────────────┐
     │      TSO 集群           │
     │  ┌───┐  ┌───┐  ┌───┐   │
     │  │ L │  │ F │  │ F │   │
     │  └───┘  └───┘  └───┘   │
     │  Leader  Follower      │
     └─────────────────────────┘

- Leader 负责分配时间戳
- Follower 做热备
- Leader 挂了，用 Raft 选新 Leader
- 新 Leader 从上次的最大值继续分配

优化前：
  事务 1 → TSO → 获取 ts=100
  事务 2 → TSO → 获取 ts=101
  事务 3 → TSO → 获取 ts=102

  每个事务一次网络往返

优化后：
  TiDB → TSO → 批量获取 ts=100~199

  事务 1 → 本地分配 ts=100
  事务 2 → 本地分配 ts=101
  ...
  事务 100 → 本地分配 ts=199

  100 个事务只需要一次网络往返

电商系统架构：
    │
    ├── 订单服务 ──────► TiDB (强一致)
    │   └── 库存扣减、支付
    │
    ├── 商品服务 ──────► MySQL + Redis (读写分离)
    │   └── 商品信息、价格
    │
    ├── 评论服务 ──────► MongoDB (最终一致)
    │   └── 用户评论、评分
    │
    └── 推荐服务 ──────► Redis Cluster (AP)
        └── 个性化推荐、浏览历史