分布式事务理论一
本地事务
事务概念：事务(Transaction)是用户定义的一个数据库操作序列，这些操作要么全做，要么全不做，是一个不可分割的工作单位。本地事务的事务控制由支持事务的数据库负责，客户端给数据库下达事务开始，提交，回滚指令后数据库自动完成事务操作
事务四大特性：
- 原子性：事务是一组不可被分割的操作，不会存在中间状态，要么一起成功要么一起失败
- 持久性：事务提交后，状态会被保存至数据库
- 隔离性： 多个事务之间状态不可见
- 一致性： 事务提交之前和提交之后，数据的一致性不会被破坏
本地事务调用图：
分布式事务概念
事务访问涉及的资源和计算涉及的节点部署在不同的节点上，这种情况下涉及的事务称为分布式事务。分布式事务一般伴随微服务架构而使用，本质上是为了解决在微服务架构下，数据不一致的情况
分布式事务理论基础
CAP理论
Consistency 一致性
Availability 可用性
Partition tolerance 分区容错性
- 一致性：在分布式系统中，读取数据要么读到最新的数据，要么读取失败，不能读取事务中间状态的数据，一致性强调的是数据的正确性
- 可用性： 在分布式系统中，在对任何服务的请求都能得到响应，可用性强调的是服务的可用
- 分区容错性： 在分布式系统中，网络通信往往不可靠，如果出现了分区通信错误，或者某些服务挂掉，其他服务仍能正常提供服务，分区容错强调的是多网络分区下对外服务的可用，在分布式系统中，P一般是默认成立的
CAP悖论
一个分布式系统里面，节点组成的网络本来应该是连通的。然而可能因为一些故障，使得有些节点之间不连通了，整个网络就分成了几块区域。数据就散布在了这些不连通的区域中。这就叫分区。当你一个数据项只在一个节点中保存，那么分区出现后，和这个节点不连通的部分就访问不到这个数据了。这时分区就是无法容忍的。提高分区容忍性的办法就是一个数据项复制到多个节点上，那么出现分区之后，这一数据项就可能分布到各个区里。容忍性就提高了。然而，要把数据复制到多个节点，就会带来一致性的问题，就是多个节点上面的数据可能是不一致的。要保证一致，每次写操作就都要等待全部节点写成功，而这等待又会带来可用性的问题。总的来说就是，数据存在的节点越多，分区容忍性越高，但要复制更新的数据就越多，一致性就越难保证。为了保证一致性，更新所有节点数据所需要的时间就越长，可用性就会降低。
如下图所示，现在有两个节点Node1，Node2，如果Node1和Node2之间的通讯失败，那么如果我想从Node2访问V0就会失败，破坏了分区容忍性
如果想在分区网络错误的时候访问Node2也能拿到数据，那么就必须在Node2放一份数据备份，这样就算Node1，Node2通讯失败，访问Node2也可以拿到数据，提高了分区容忍性
随着数据副本的介入，新的问题随之诞生了，数据之间的一致性，假设一种场景，我们把Node1中的V0更新为V1，如果我们在写入的时候，刚好有客户端调用Node2的服务获取数据，那么会造成从Node1和Node2获取到的数据不一致的状态，这就破坏了一致性，
一般的做法是在Node1写入数据的时候，锁住Node2的服务，待Node1数据更新完毕同步到Node2后，再开放服务，但这又破坏了可用性，所以，一般CA在P成立的情况下，不能同时成立
CAP组合
CP：放弃可用性，追求一致性
CP：放弃一致性，主球可用性
CA：放弃分区容错，这种就相当于传统单体应用了
CAP常见误区
误解一：分布式系统因为 CAP 定理放弃了 C 或者 A 中的其中一个
很多人在没有对 CAP 做深入了解的情况下，听到很多人说分布式系统必须在 CAP 三个特性里选择两个，就觉得一套分布式系统肯定要么只有可用性要么只有一致性，不存在完整的可用性和一致性功能。这种理解是大有问题的。
因为，P 这种问题发生的概率非常低，所以当没有出现分区问题的时候，系统就应该有完美的数据一致性和可用性。
如果一个分布式系统365天，天天发生网络分区故障，那我只能怀疑是不是挖掘机守着机房用的电缆挖或者大Boss得罪运营商了
误解二：C 和 A 之间的选择是针对整个分布式系统的，只能整体考虑 C 和 A 之间的选择
这个理解有点二极管的味道了，一个大的分布式系统会涉及到非常多的子系统，有的对数据一致性要求高，有的对可用性要求高，针对性做出选择即可，例如，我们做一套财务系统，涉及支付部分，我们要求数据的一致性高一些，那么就可以采用CP组合，
这个时候即使可用性损失了一部分，付款发生了故障也是可接受的，可以接手失败，但是不能接受数据不一致带来的混乱，而在面向个人票据录入的时候，我们对于数据一致性要求就可以不那么高，但是对于客户感受这个时候要求就比较高一些，那么可以牺牲部分数据一致性，采用AP组合让客户对于系统流畅度的感受好一些
误解三：CAP 的三个特性是否只有满足或者不满足两种选择
这种非黑即白理解非常具有迷惑性。
CAP 理论的三种特性并不是只能二选一，一切都有度量。
比如我们要求一致性，往一个节点写入数据，在多少时间范围内，所有节点数据能够得到更新，50ms，还是10ms就认定不满足一致性了呢？
再比如可用性，我们有100台机器组成的集群，1台坏了就算不可用了吗？还是10台，50台
一切都只是度量问题
