分布式事物学习总结

1.什么是分布式事务？

CAP理论

CAP理论说的是：在一个分布式系统中，最多只能满足C、A、P中的两个需求。
CAP的含义：
	C：Consistency 一致性 
		同一数据的多个副本是否实时相同。
	A：Availability 可用性 
		可用性：一定时间内 & 系统返回一个明确的结果 则称为该系统可用。
	P：Partition tolerance 分区容错性 
		将同一服务分布在多个系统中，从而保证某一个系统宕机，仍然有其他系统提供相同的服务。

BASE理论

​ CAP理论告诉我们一个悲惨但不得不接受的事实——我们只能在C、A、P中选择两个条件。而对于业务系统而言，我们往往选择牺牲一致性来换取系统的可用性和分区容错性。不过这里要指出的是，所谓的“牺牲一致性”并不是完全放弃数据一致性，而是牺牲强一致性x换取弱一致性

BA：Basic Available 基本可用 
S：Soft State：柔性状态 
同一数据的不同副本的状态，可以不需要实时一致。
E：Eventual Consisstency：最终一致性 
同一数据的不同副本的状态，可以不需要实时一致，但一定要保证经过一定时间后仍然是一致的.

2.分布式事务解决方案有什么？

1. 基于可靠消息服务的分布式事务
2. 最大努力通知
3. TCC（两阶段型、补偿型）

1.分布式事务解决方案一：可靠消息最终一致性

1.1消息重复发送问题和幂等性

	消息 消费过程中产生 消息重复发送主要是因为消息接收者成功处理完消息后，消息中间件没能及时更新消息投递状态(也就是没能及时ack确认)导致的。

​ 约束：被动方应用对于消息的业务处理要实现幂等性

​ 极端情况下，消息重试次数超过后进入死亡队列，等人工 进行 处理。

2.分布式事务解决方案二：最大努力通知(定期校对)

1. mq消费端消费服务的时候会记录当前一条消费记录，并放到延迟队列中
2. 通知服务发送通知的时候会插入一条通知日志记录，然后 等到被动方返回成功的响应，如果被动方出现异常，通知 服务会判断当前重试次数是否大于最大次数。；

3. 分布式事务解决方案三：TCC

TCC其实就是采用的补偿机制，其核心思想是：针对每个操作，都要注册一个与其对应的确认和补偿（撤销）操作
TCC属于应用层的一种补偿方式，所以需要程序员在实现的时候多写很多补偿的代码，在一些场景中，一些业务流程可能用TCC不太好定义及处理。

4.分布式事务解决方案四：两阶段提交（2PC）

前面三种属于柔性事物，两阶段提交（2PC）属于刚性事物

两阶段提交（Two-phase Commit，2PC），通过引入协调者（Coordinator）来协调参与者的行为，并最终决定这些参与者是否要真正执行事务。

弊端：

1. 同步阻塞，所有事务参与者在等待其它参与者响应的时候都处于同步阻塞状态，无法进行其它操作。
2. 单点问题，调者在 2PC 中起到非常大的作用，发生故障将会造成很大影响。特别是在阶段二发生故障，所有参与者会一直等待状态，无法完成其它操作。
3. 数据不一致，阶段二，如果协调者只发送了部分 Commit 消息，此时网络发生异常，那么只有部分参与者接收到 Commit 消息，也就是说只有部分参与者提交了事务，使得系统数据不一致。
4. 太过保守 任意一个节点失败就会导致整个事务失败，没有完善的容错机制。

x