分布式事务的理论知识（5）

从某种程度上讲，同一业务中通过不同的会话操作数据库，就有可能出现分布式事务问题。解决分布式事务问题需要一定的理论支撑。

CAP理论

CAP是一致性（Consistency）、可用性（Availability）和分区容忍性（PartitionTolerance）
在分布式系统中，不会同时具备CAP三个特性，只能同时具备其中的两个。

一致性

一致性是指用户对数据的更新操作（包括新增、修改和删除），要么在所有的数据副本都执行成功，要么在所有的数据副本都执行失败.

一致性存在如下特点：
1）存在数据同步的过程，应用程序的写操作存在一定的延迟。
2）为了保证各节点数据的一致性，需要对相应的资源进行锁定，待数据同步完成后再释放锁定的资源。
3）如果数据写入并同步成功，所有节点都会返回最新的数据。相反地，如果数据写入或者同步失败，所有节点都不会存在最新写入的数据,原子特性。

可用性

可用性指的是客户端访问数据的时候，能够快速得到响应.系统处于可用性状态时，每个存储节点的数据可能会不一致，并不要求应用程序向数据库写入数据时能够立刻读取到最新的数据。

可用性存在如下特点：
1）所有的请求都会被响应。
2）不会存在响应超时或者响应错误的情况。
3）如果对不同的应用程序设定了超时响应时间，一旦超过这个时间，系统将不可用。

分区容错性

如果将存储系统部署并运行在多个不同的节点上，并且这些节点处于不同的网络中，这就形成了网络分区。此时，不可避免地会出现网络问题，导致节点之间的通信出现失败的情况，但是，此时的系统仍能对外提供服务

分区容忍性存在如下特点:
1）一个节点挂掉，不影响其他节点对外提供服务。
2）分区容忍性是分布式系统必须具备的基础能力。

CAP的组合

A P:即放弃一致性， 但架构设计方案采用了最终一致性，允许多个节点的数据在一定的时间内存在差异，一段时间后达到数据一致的状态

C P:放弃可用性，追求系统的一致性和分区容忍性。这种组合方式对于数据的一致性要求比较高，追求的是强一致性。(银行转账系统）

C A:放弃分区容忍性，追求系统的一致性和可用性。此时系统不会进行分区，也不会考虑网络不通和节点挂掉的问题。主数据库和从数据库不再进行数据同步，此时系统也不再是一个标准的分布式系统

Base理论

Base理论是对CAP理论中AP的一个扩展，它通过牺牲强一致性来获得可用性。Base理论中的Base是基本可用（Basically Available）、软状态（Soft State）和最终一致性（Eventually Consistent）的缩写

基本可用

基本可用是指分布式系统出现故障时，允许其损失系统的部分可用性，比如响应时间或者功能上的损失，但是要保证系统基本可用

• 例如在电商业务场景中，添加购物车和下单功能出现故障时，商品浏览功能仍然可用。

软状态

软状态是指允许系统中存在中间状态，这些中间状态不会影响系统的整体可用性，只是允许系统各个节点之间的数据同步存在延迟。

• 例如在电商业务场景中，订单中的“支付中”“退款中”等状态就是中间状态，当达到一段时间后，就会变成“支付成功”或者“退款成功”的状态。

最终一致性

最终一致性是指系统中各个节点的数据副本经过一段时间的同步，最终能够达到一致的状态。

• 例如在电商业务场景中，订单中的“支付中”“退款中”等状态，最终会变成“支付成功”“退款成功”的状态，经过一段时间的延迟，能够使得订单中的状态与最终的交易结果一致。