分布式事务整理

cap定理

• c:数据一致性。所有的节点在同一时间读取到同样的数据。
• a:数据可用性。无论是成功还是失败，每个请求都会收到一个反馈。
• p:分区容忍性。系统中有部分的问题或者丢失部分消息，系统能够正常运行。

组合方式

• ca：放弃分区容忍性，传统单机数据库的选择
• ap：放弃数据一致性，很多nosql的选择。
• cp：放弃可用性。可用性比较低，网络问题会让整个系统不可用。

base模型

• Basically Available：基本可用，允许分区失败。
• Soft State：软状态，接受一段时间的状态不同步
• Eventually consistent：最终一致性，保证最终数据状态是一致的。

Quorum

• 用来权衡分布式系统中数据一致性和可用性
• N：数据复制节点数量
• R：成功读操作的最小节点数
• W：陈功写操作的最小节点数
• 如果W+R>N,那么是强一致性
• 如果w+R<=N,那么是能够最终一致性

Vector Clock

• 对每同一份数据的每一次修改都加上版本号

节点间信息交换方式

• 通过共享内存共用一份数据
• 通过消息投递来完成消息的投递

总结

• 尽量避免引入分布式事务.
• 应该追求最终一致性而不是强一致性
• 从实现上说,我们是通过补偿机制不断重试,让之前因为异常没有进行到底的操作继续进行,而不是回滚.
• 可以用基于Paxos算法的实现