分布式事务解决方案

本地事务

本地事务是解决单个数据源上的数据操作的一致性问题,具有 原子性、一致性、持久性、隔离性。

分布式事务 

分布式事务则是为了解决跨越多个数据源上数据操作的一致性问题。分布式事务需要了解CAP理论和BASE理论

CAP理论

1. 一致性（C：Consistency）：一致性是指数据在多个副本之间能否保持一致的特性。例如一个数据在某个分区节点更新之后，在其他分区节点读出来的数据也是更新之后的数据；
2. 可用性（A：Availability）：可用性是指系统提供的服务必须一直处于可用的状态，对于用户的每一个操作请求总是能够在有限的时间内返回结果。这里的重点是"有限时间内"和"返回结果"；
3. 分区容错性（P：Partition tolerance）：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。

分布式环境下（数据分布）要任何时刻保证数据一致性是不可能的，只能采取妥协的方案来保证数据最终一致性。

选择	说明
CA	放弃分区容错性，加强一致性和可用性，其实就是传统单机数据库的选择
AP	放弃一致性（这里指强一致性），追求可用性和分区容错性，例如hdfs，分布式数据库
CP	放弃可用性，追求一致性和分区容错性，基本不会选择，因为网络会导致系统不可用

BASE理论

1. Basically Available（基本可用）：通过支持局部故障而不是系统全局故障来实现的。如将用户分区在 5 个数据库服务器上，一个用户数据库的故障只影响这台特定主机那 20% 的用户，其他用户不受影响；
2. Soft State（软状态）：状态可以有一段时间不同步；
3. Eventually Consistent（最终一致）：最终数据是一致的就可以了，而不是时时保持强一致。

分布式事务的几种解决方案

• 2PC(二阶段提交)方案，事务的提交分为两个阶段：准备阶段和提交执行方案。

• 3pc（三阶段提交）方案。

• TCC（即Try、Confirm、Cancel），它采用了补偿机制，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。

• 本地消息表，它的核心思想就是将分布式事务拆分成本地事务进行处理。

• 最大努力通知，实现最大努力通知，可以采用MQ的ack机制。

• Saga事务，它的核心思想是将长事务拆分为多个本地短事务，由Saga事务协调器协调，如果正常结束那就正常完成，如果某个步骤失败，则根据相反顺序一次调用补偿操作。