（一）分布式事务——CAP、BASE理论

分布式事务——理论基础

一、分布式事务和单体的事务：二、什么是分布式事务：三、理论基础：

1、CAP定理：

1.1 一致性：1.2 可用性：1.3 分区容错性：1.4 CAP理论的理解： 2、base理论：

2.1 Basically Available（基本可用）：2.2 Soft State（软状态）：2.3 Eventually Consistent（最终一致性）：2.4 解决问题：

以前使用单体架构，往往只有一个服务，使用一个数据库，完成业务的各种要求，因此基于数据库本身的特性就可以完成ACID。
但是到了分布式架构，一个业务可能涉及很多个服务，每个服务都有自己的数据库，而且服务之间是独立的，所以事务也是独立的。因此在完成一个业务的时候，无法利用数据库本身的ACID来完成事务的一致性。
比如有三个服务，当其中一个服务出错，而其他服务正常执行的时候，就会出现事务不一致的情况，尽管每个服务都开起了事务功能，也无法保证事务的一致性。

在分布式系统下，一个业务跨越了多个服务或数据源，每个服务都是一个分支事务，要保证所有分支事务最终状态一致，这样的事务就是分布式事务。

分布式系统有三个指标：一致性、可用性、分区容错性
分布式系统无法同时满足这三个指标，这个结论就叫CAP定理。

用户访问分布式系统中的任意一个节点，得到的数据必须一致；也就是说，系统中一个节点的数据发生变化，则它的从节点必须及时地实现数据同步。

用户访问集群中的任意健康节点，必须能得到响应，而不是超时或拒绝。

分区：因为网络故障或者是其他原因，导致分布式系统中的部分节点与其他节点失去连接，形成独立分区。
分区容错：在集群出现分区的时候，整个系统也要持续对外提供服务。

理解了三个概念之后，不难发现，分区是无法避免的，因为我们无法保证网络一直处于健康的状态。那么分区一定会出现：
如果想保证数据一致性，那就得让分区的服务暂时阻塞不可用，等待同步完数据再回复正常服务。
如果想保证服务可用性，那就得让分区继续对外提供服务，这个时候访问主从节点，获取到的数据可能就不是一致的，因此丧失了数据一致性。
由此可见，在分布式系统中，数据一致性和服务可用性无法做到同时满足。

base理论是对CAP的一种解决思路，它是在可用性和一致性之间做出取舍和选择，包含了三个思想：

分布式系统在出现故障的时候，允许损失部分可用性，即保证核心可用；

在一定的时间内，允许出现中间状态，比如临时的不一致状态；

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。

在分布式系统中，一个事务往往包含很多子事务，各个事务都各自执行和提交，导致状态不一致，而我们要实现的目标是让所有的子事务在最终状态的时候都一致，要么都成功，要么都失败。

AP模式：
各子事务分别执行和提交，允许出现结果不一致，也就是处于软状态，然后采用弥补措施恢复数据即可，实现最终一致。

CP模式：
各个子事务执行后相互等待，同时提交，同时回滚，达成强一致，但是事务等待过程中，处于若可用状态。因为这个时候事务没有提交。

AP和CP模式都需要一个协调者来帮助它们之间进行通信。