分布式事务之CAP理论和BASE理论详解

🚀 分布式事务 🚀

🌲 AI工具、AI绘图、AI专栏 🍀
🌲 如果你想学到最前沿、最火爆的技术，赶快加入吧✨
🌲 作者简介：硕风和炜，CSDN-Java领域优质创作者🏆，保研|国家奖学金|JAVA开发技术栈|面试刷题|面经八股文|经验分享|好用的网站工具分享💎💎💎
🌲 恭喜你发现一枚宝藏博主,赶快收入囊中吧🌻
🌲 人生如棋，我愿为卒，行动虽慢，可谁曾见我后退一步？🎯🎯

🚀 分布式事务 🚀

🌱 一.分布式事务场景

分布式事务是指涉及多个独立的系统或服务的操作，这些操作需要保持一致性和原子性。

分布式事务通常有以下几种场景：

1. 跨服务的数据操作：在一个分布式系统中，不同服务可能会涉及到同一份数据，这时需要保证数据操作的一致性和原子性。

2. 跨数据库的数据操作：在一个系统中，数据可能存储在不同的数据库中，这些数据库之间需要协调操作来保持一致性。

3. 跨进程的数据操作：如果多个进程需要对某个数据进行修改，则需要协调多个进程的操作来保证数据操作的一致性。

4. 跨节点的数据操作：在一个分布式系统中，可能会有多个节点对同一个数据进行操作，这些节点之间需要协调操作来保证数据的一致性和原子性。

总之，当一个分布式系统中存在多个独立的节点或服务，这些节点或服务需要协同完成一个事务时，就需要使用分布式事务来保证数据的一致性和原子性。

🌱 二.分布式事务之CAP理论 - 强一致性

  CAP 定理，又被叫作布鲁尔定理。CAP理论，指的是在一个分布式系统中，Consistency(一致性)、Availability(可用性)、Partition Tolerance(分区容错性)，不能同时成立。

什么是网络分区？
分布式系统中，多个节点之前的网络本来是连通的，但是因为某些故障（比如部分节点网络出了问题）某些节点之间不连通了，整个网络就分成了几块区域，这就叫网络分区。

CAP 理论中分区容错性 P 是一定要满足的，在此基础上，只能满足可用性 A 或者一致性 C:

• 怎么满足CP？

  对一致性要求高的场景。例如Zookeeper，任何时刻对 ZooKeeper 的读请求都能得到一致性的结果，但是， ZooKeeper 不保证每次请求的可用性。

• 怎么满足AP？

  对可用性要求较高的场景。例如Eureka，Eureka 在设计的时候就是优先保证可用性。在 Eureka 中每个节点都是一样的、平等的。保证即使大部分节点挂掉也不会影响正常提供服务，只要有一个节点是可用的就可以了。

🌱 三.分布式事务之BASE理论 - 最终一致性

  BASE 理论是指基本可用（Basically Available）、软状态（ Soft State）、最终一致性（ Eventual Consistency）。BASE 理论本质上是对 CAP 的延伸和补充，BASE理论是对CAP理论中 AP 方案的一个补充，保证最终一致性。

• 基本可用表示分布式系统在出现不可预知故障的时候，允许损失部分可用性。但是，这绝不等价于系统不可用。

• S表示柔性状态，也就是允许短时间内不同步。

• E表示最终一致性，数据最终是一致的，但是实时是不一致的。

🌱 四.总结

  本篇文章主要讲解了分布式事务之CAP理论和BASE理论的基本概念以及原理，后续为大家讲解分布式事务解决方案，大家敬请期待呦！！

💬 五.共勉

最后，我想和大家分享一句一直激励我的座右铭，希望可以与大家共勉！