1.跨JVM进程产生分布式事务
典型的场景就是微服务架构：微服务之间通过远程调用完成事务操作。比如：订单微服务和库存微服务，下单的同时订单微服务请求库存微服务减少库存。image.png

  1. 跨数据库实例产生分布式事务，就是在一个业务中，调用了两个数据库的更新或者添加删除

image.png

  1. 多服务访问同一个数据库实例

    订单微服务和库存微服务即使访问同一个数据库也会产生分布式事务，原因是跨JVM进程，
    image.png

    CAP理论：

    CAP 是 Consistency、Availability、Partition tolerance 三个单词的缩写，分别表示一致性、可用性、分区容忍性。
    image.png
    整体执行流程如下

  2. 商品服务请求主数据库写入商品信息（添加商品、修改商品、删除商品）

  3. 主数据库向商品服务响应写入成功
  4. 商品服务请求从数据库读取商品信息


C：一致性

一致性是指 写操作后的读操作可以读取到最新的状态，当数据分布在多个节点，从任意结点读取到的数据都是最新的状态
如何实现一致性：
1. 写入主数据库后，要将数据同步到从数据库

  1. 写入主数据库之后，在从数据库同步主数据库数据的期间，要将从数据库锁定，待同步完成后再释放锁，以免在新数据写入成功之后，向从数据库查询到旧的数据，

分布式系统一致性的特点：

  1. 由于存在数据同步的过程，写操作的响应会有一定的延迟。
  2. 为了保证数据一致性会对资源暂时锁定，待数据同步完成释放锁定资源。
  3. 如果请求数据同步失败的结点则会返回错误信息，一定不会返回旧数据。

A: 可用性

可用性是指任何事务操作都可以得到响应结果，且不会出现响应超时或响应错误。
上图中，商品信息读取满足可用性就是要实现如下目标：
1. 从数据库接收到数据查询的请求则立即能够响应数据查询结果。

  1. 从数据库不允许出现响应超时或响应错误。

如何实现可用性
1. 写入主数据库后要将数据同步到从数据库。

  1. 由于要保证从数据库的可用性，不可将从数据库中的资源进行锁定。
  2. 即时数据还没有同步过来，从数据库也要返回要查询的数据，哪怕是旧数据，如果连旧数据也没有则可以按照约定返回一个默认信息，但不能返回错误或响应超时。

分布式系统可用性的特点：所有请求都有响应，且不会出现响应超时或响应错误

P：分区容错性：

**
通常分布式系统的各各结点部署在不同的子网，这就是网络分区，不可避免的会出现由于网络问题而导致结点之间通信失败，此时仍可对外提供服务，这叫分区容忍性。
上图中，商品信息读写满足分区容忍性就是要实现如下目标：
1. 主数据库向从数据库同步数据失败不影响读写操作。

  1. 其一个结点挂掉不影响另一个结点对外提供服务。

如何实现分区容忍性？
1. 尽量使用异步取代同步操作，例如使用异步方式将数据从主数据库同步到从数据，这样结点之间能有效的实现松耦合。

  1. 添加从数据库结点，其中一个从结点挂掉其它从结点提供服务。

分布式分区容忍性的特点：分区容忍性分是布式系统具备的基本能力
**

  1. AP
    放弃一致性，追求分区容忍性和可用性。这是很多分布式系统设计时的选择。
    例如：上边的商品管理，完全可以实现 AP，前提是只要用户可以接受所查询到的数据在一定时间内不是最新的即可。
    通常实现 AP 都会保证最终一致性，后面将的 BASE 理论就是根据 AP 来扩展的，一些业务场景比如：订单退款，今日退款成功，明日账户到账，只要用户可以接受在一定的时间内到账即可。
  2. CP
    放弃可用性，追求一致性和分区容错性，zookeeper 其实就是追求的强一致，又比如跨行转账，一次转账请求要等待双方银行系统都完成整个事务才算完成。

Base 理论介绍

BASE 是 Basically Available（基本可用）、Soft state（软状态）和 Eventually consistent （最终一致性）三个短语的缩写。BASE 理论是对 CAP 中 AP 的一个扩展，通过牺牲强一致性来获得可用性，当出现故障允许部分不可用但要保证核心功能可用，允许数据在一段时间内是不一致的，但最终达到一致状态。满足BASE理论的事务，我们称之为“柔性事务”。

  • 基本可用：分布式系统在出现故障时，允许损失部分可用功能，保证核心功能可用。如电商网站交易付款出现问题了，商品依然可以正常浏览。
  • 软状态：由于不要求强一致性，所以BASE允许系统中存在中间状态（也叫软状态），这个状态不影响系统可用性，如订单的”支付中”、“数据同步中”等状态，待数据最终一致后状态改为“成功”状态。
  • 最终一致：最终一致是指经过一段时间后，所有节点数据都将会达到一致。如订单的”支付中”状态，最终会变 为“支付成功”或者”支付失败”，使订单状态与实际交易结果达成一致，但需要一定时间的延迟、等待