:::tips

本地事务

本地事务，也就是传统的单机事务，在传统数据库事务中，必须要满足四个原则：

  • 原子性（A）：事务中的所有操作，要么全部成功，要么全部失败
  • 一致性（C）：保证数据库内部的完整性约束以及声明性约束
  • 隔离性（I）：对同一资源的事务不能同时发生

  • 持久性（D）：对数据库做的一切修改将永久保存，不管是否出现故障

    分布式事务

    分布式事务，就是指不是在单个服务或单个数据库架构下，产生的事务：

  • 跨数据源的分布式事务

  • 跨服务的分布式事务
  • 综合情况

问题

分布式系统中，每个服务之间通过远程调用，一个事务可能涉及多个服务，要满足保证业务的原子性，要么所有操作全部成功，要么全部失败，不能出现部分成功部分失败的情况，这就是分布式事务，此时ACID难以满足，这就是分布式事务要解决的问题 :::

:::tips

CAP定理

1998年，加州大学的计算机科学家Eric Brewer提出，分布式系统有三个指标：

  • Consistency（一致性）：一致性就是当我们访问任意的一个服务节点，得到的数据都必须是一致的
  • Availability（可用性）：可用性就是当我们访问任意的一个健康节点，都能得到及时的响应
  • Partition tolerance （分区容错性）：分区容错性就是部分节点因为网络原因，与其他节点断开了通信，此时我们去访问这些节点，它必须拒绝提供服务，从而保证数据的一致性

这三个指标不可能同时做到，这个结论就是CAP定理

在实际的项目开发中，我们不能保证网络100%不出现问题，因此必须满足分区容错性，那么就有AP和CP两种方案：AP就是分别执行并提交各个分支事务，出现异常再想办法恢复数据，实现数据的最终一致；CP就是各个分支事务执行后相互等待，然后同时提交或者同时回滚，从而实现数据的强一致，会牺牲部分可用性 :::

:::tips

BASE理论

BASE理论是对CAP的一种解决思路，包含三个思想：

  • Basically Available（基本可用）：分布式系统在出现故障时，允许损失部分可用性，即保证核心可用
  • Soft State（软状态）：在一定时间内，允许出现中间状态，比如临时的不一致状态
  • Eventually Consistent（最终一致性）：虽然无法保证强一致性，但是在软状态结束后，最终达到数据一致 :::