分布式事务理论

       在数据库性能很难得到提升的时候，我们这个时候会选择将数据库进行分区，这种分区就是物理上的分区。分区之后不同的库可能就存在不同的服务器上，这种时候，事务的四大特性ACID：原子性，一致性，隔离性，持久性就不再适用。那么这个时候我们就要引入新的原则或则理论来适用于这种情况，那就是CAP原则或者叫做CAP理论。

       CAP原则：web服务器无法同时满足以下三个属性：

一致性：每次读取要么获得最近写入的数据，要么获取到一个错误。

可用性：每次读取都能够获取到响应（非错误），即数据，但是不能保证数据是最近写入的最新的数据。

分区容错性：即使出现消息错误或者延迟，系统仍能正常运行。

且在网络分区的情况下，满足分区容错性，一致性和可用性只能够二选一。但是在没有网络分区的情况下，一致性和可用性是都可以满足的。即：

如果系统不允许写入，那么意味着降低了系统的可用性，但不同分区的数据能够保持一致，即选择了一致性。

如果系统允许写入，那么意味着不同分区之间的数据产生不一致，系统可用性得到保障，即选择可用性。

在分布式系统中，往往可用性比一致性更实用，如何实现高可用，那么就要说到BASE理论。

       BASE理论：是对CAP原则的拓展。

基本可用：分布式系统出现了不可预知的故障时，允许损失部分可用性，响应时间合理延长，功能上适当做服务降级。

弱状态：允许系统中的数据存在中间状态，并认为该状态不影响系统的整体可用性，即允许系统在多个不同的节点数据副本存在数据延时。

最终一致性：上面说的弱状态，但是并不能一直弱状态，要有一个时间限制，在期限过后，还是要保持数据的一致性。这个时间期限取决与网络延时，系统负载，数据复制方案设计等。

最终一致性分为五种：

1、因果一致性：如果节点A更新了数据之后，通知了节点B，那么节点B之后所访问的数据，都是基于节点A更新之后的数据。而和节点A没有因果关系的节点C访问到的数据，则不会基于节点A更新之后的数据。

2、读己之所写：节点A在进行更新操作之后，他自身所访问的总是已经更新过的最新值，而不会看到旧值，其实这也算是一种因果一致性。

3、会话一致性：在一次有效会话中，客户端总是能够获取到已经更新后的最新值。

4、单调读一致性：如果一个节点从系统中读到一个数据的某个值之后，那么系统对于该节点之后的任何节点所读到的该数据的值，都不能返回比这个值更旧的值。

5、单调写一致性：一个系统要能够保证来自同一个节点的写操作被顺序的执行。

这五种系统往往会结合使用，以构建一个具有最终一致性的分布式系统。

总的来说，BASE 理论面向的是大型高可用可扩展的分布式系统，和传统事务的 ACID 是相反的，它完全不同于 ACID 的强一致性模型，而是通过牺牲强一致性来获得可用性，并允许数据在一段时间是不一致的。

base是对cap中一致性和可用性的权衡的结果。核心思想是即使无法做到强一致性，但是每个应用根据自身的业务特点，采用适当的方式来使系统达到最终与执行。