分布式事务

---

前言

随着微服务和云计算的发展，事务在分布式领域中也得到了了广泛的应用，在单机中我们很容易实现ACID，但是在分布式系统中，数据库分散在不同的节点上，如何对这些数据分布式事务处理具有很大的挑战。
分布式事务是指事物的参与者、支持事物的服务器、资源服务器以及事物管理器分别位于分布式系统的不同节点上。需要多个服务构成一个完整的分布式事务，

一、CAP理论

CAP：一个分布式系统不可能同时满足一致性（C:Consistency）、可用性（A:Availability）和分区容错性（P:Partition tolerance）这三个基本要求，最多只能同时满足其中的两项。

一致性

在分布式系统中，一致性是指数据在多个副本之间是否能够保持一致的特性。当一个系统的数据在数据一致的状态下执行更新操作之后，应该保证系统的数据仍然处于一致的状态。
对于一个数据副本分布在不同的节点上的系统来说，如果对第一个节点的数据进行更新操作并且成功后，却没有使得第二个节点上的数据得到相应的更新，当对第二个节点进行数据读取是，获得的依然是老数据（脏数据），这就是典型的分布式不一致情况。
如果能够做到对一个数据更新，所有节点上数据都是最新的，那么系统就被任务具有强一致性（严格一致性）。

可用性

可用性是指系统提供的服务必须一直处于可用的状态，对于用户的每个操作请求总是能够在有限的时间内返回结果。
有限时间内：指对于用户的一个请求，系统必须在指定的时间（即响应时间）内返回对应的处理结果，如果超过这个时间范围，那么系统就被认为是不可用的。有限时间根据提供的服务不同定义了不同的范围（一般在5~30秒）
返回结果：要求系统完成用户请求的处理后，返回一个正常的响应结果。正常的响应结果通常明确得反应对请求处理结果，即成功或失败，而不是一个让用户感到困惑（和当前处理请求业务不相关的结果：如“OutOfMemoryError”等）的返回结果。

分区容错性

分区容错性指分布式系统在遇到任何网络分区故障的时候，仍然需要能够保证对外提供满足一致性和可用性的服务，除非是整个网络环境都发生故障。
网络分区：指分布式系统中，不同的节点分布在不同的子网络（机房或是异地网络等）中，由于一些特殊的原因导致这些子网络之间出现网络不可达的情况，但各个子网内部网络正常，从而导致整个系统的网络环境被切分成若干个孤立的区域。需要注意的是，组成一个分布式系统的每个节点的加入与退出都可以看做一个特殊的网络分区。

CAP定理示意图

CAP 放弃部分	说明
放弃P	如果希望系统能够避免出现分区容错性问题，一种较为简单的做法是将所有的数据（或是仅仅是那些与事物相关的数据）都放在一个分布式节点上。这样不会出现网络分区问题，但是放弃P同时意味着放弃了系统的可扩展性
放弃A	放弃可用性，一旦系统遇到网络分区或是其他故障时，那么受到影响的服务需要等待一定的时间，因为此在等待期间系统无法对外提供政策的服务，即不可用。
放弃C	放弃一致性：是指放弃数据强一致性，而保留数据的最终一致性，这样的系统无法保证数据保持实时的一致性，但是能够承若的是，数据最终会达到一致的状态。多久能够达到看系统设计，以及数据在不同副本同步的时间长短

因为是分布式系统所以P（分区容错）是一定需要的，主要解决的是如何设计C（一致性）和A（可用性）之间的平衡。

二、BASE理论

BASE是 Basically Available （基本可用）、Soft state （软状态）和 Eventually consistent（最终一致性）。BASE是对CAP中一致性和可用性权衡的结果，其中来源于对大规模互联网系统分布式实践的总结，是基于CAP定理逐步演化而来的。
其核心思想是即使无法做到强一致性（Strong consistency），但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual consistency）。

基本可用

基本可用是指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（这不等价于系统不可用）。
响应时间上的损失：正常处理一个请求大概在3秒左右，但是出现故障，处理一个请求需要10秒左右。
功能上的损失：正常请求下，系统的每一个对外开放的功能谁都可以使用，但是出现高峰期时，为了保护系统稳定性，部分人员可能被引导到一个降级页面。

软状态

软状态指可以允许系统中的数据存在中间状态，并认为该中间状态的存在不会影响系统的整体可用性，即允许系统在不同节点的数据进行数据同步的过程存在延时。

最终一致性

最终一致性强调的是系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态，因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致。
在没有发生故障时，数据达到一致状态的时间延迟，取决于网络延迟、系统负载和数据复制方案设计等因素。

因果一致性（Causal consistency）

因果一致值：如果进程A在更新完某个数据项后通知了进程B，那么进程B之后对该数据项的访问都应该能够获得到进程A更新后的最新值，并且如果进程B要对该数据进行更新操作的话，务必基于进程A的基础上更新，即不能发送丢失更新情况。与此同时，与进程A无因果关系的进程C的数据访问则没有这样的限制。

读已之所写（Read your writes）

读已之所写指：进程A更新一个数据项后，它自己总是能够访问到更新过的最新值，而不会看到旧值。因此，读已之所写也可以看作是一种特殊的因果一致性。

会话一致性（Session consistency）

会话一致性将对系统的访问过程框定在一个会话中：系统能够保证在同一个有效的会话中实现“读已之所写”的一致性，也就是说，执行更新操作执行，客户端能够在同一个会话中始终读取到该数据项的最新值。

单调读一致性（Monotonic read consistency）

单调读一致性指：如果一个进程从系统中读取一个数据项的某个值后，那么系统对于该进程后续的任何数据访问都不应该返回旧值。

单调写一致性（Monotonic write consistency）

单调写一致性指：一个系统需要能够保证来自同一个进程的写操作被顺序执行。

BASE理论是面向大型高可用可扩展的分布式系统，和传统事物的ACID特性是相反的，它完全不同于ACID的强一致性，而提出通过牺牲强一致性来获取可用性，并允许数据在一段时间内是不一致的，单最终达到一致状态。